在Visual SLAM领域，有著名的EKF/UKF/Particle-SLAM解决方案，比如“mono-slam”。
最近，有一个本地捆绑调整方法的方向，如lsd-slam 或 orb-slam ..
我的问题是：
过滤方式是否还有未来或稳定的使用？在哪些应用中？有什么优点/缺点？
我阅读了这些论文，但未能得出最终答案，（主要是出于误解）：
PS：我知道第一个是说Local BA更好，第二个很少提到过滤，所以..，就是这样..，这是Visual-SLAM领域令人敬畏的卡尔曼过滤器的终结吗？！
我有一个三维点的3x3协方差矩阵，我想知道相当于2D协方差（为U，V图像平面）给出的图像姿势，[Xc,Yc,Zc,q0,q1,q2,q3]，
有一种很长的（几何）方式，即3d协方差可以是3d椭圆，然后将其投影到平面中可以得到2d椭圆，最后将椭圆转换为2d矩阵，但这很长，
任何直接方式，以代数方式解决都将有所帮助
P. S：任何线索或对解决方案的引用（无需代码）也将有所帮助，我将用代码重写答案（在c ++中）
我也标记了卡尔曼过滤器，因为我认为它与此有关
高分辨率图像的传统解决方案示例：
对于我的情况，我可以在这里给出两个问题（许多 640*480 图像，彼此之间的移动很小），第一：匹配非常慢，特别是如果图像数量很大，因此更好的解决方案可以是光流跟踪.. ，但随着大动作变得稀疏，（混合可以解决问题！！）
第二：对轨道进行三角测量，虽然它是过度确定的问题，但我发现很难编写解决方案，..（这里要求简化我在参考文献中读到的内容）
我在这个方向上搜索了很多图书馆，但没有任何有用的结果。
再次，我有地面实况相机矩阵，只需要 3d 位置作为第一次估计（没有 BA），编码软件解决方案可以提供很大帮助，因为我不需要重新发明轮子，尽管详细说明可能会有所帮助
opencv multiview computer-vision 3d-reconstruction structure-from-motion