ORBSLAM2学习笔记（3）——局部地图ORBSLAM2学习笔记（3）——局部地图

63 阅读 0 评论 42 点赞

我是靠谱客的博主优雅茉莉，最近开发中收集的这篇文章主要介绍ORBSLAM2学习笔记（3）——局部地图ORBSLAM2学习笔记（3）——局部地图，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

ORBSLAM2学习笔记（3）——局部地图

LocalMapping初始化

在上一章我们完整地走完了程序的主线程，然而丝毫没有看到局部建图和闭环的身影。这两个功能的入口是在哪里呢？回到最初的起点,在实例化system对象时，system类的构造函数有如下段落：


    //Initialize the Local Mapping thread and launch
    mpLocalMapper = new LocalMapping(mpMap, mSensor==MONOCULAR);
    mptLocalMapping = new thread(&ORB_SLAM2::LocalMapping::Run,mpLocalMapper);

    //Initialize the Loop Closing thread and launch
    mpLoopCloser = new LoopClosing(mpMap, mpKeyFrameDatabase, mpVocabulary, mSensor!=MONOCULAR);
    mptLoopClosing = new thread(&ORB_SLAM2::LoopClosing::Run, mpLoopCloser);

这些语句实例化了建图和闭环对象，并且开辟了新的线程来执行后端建图和闭环的Run函数。我们先从localMapping看起吧。
该函数是一个大的while循环。在循环的开始，通过SetAcceptKeyFrames(false)来告诉tracking线程自己在忙，不要发送关键帧给我了。之后，从等待列表中取出一帧关键帧，计算它的bow描述子，遍历该帧匹配上的地图点，为这些地图点更新观测信息。最后进行帧相关的操作，即依据该帧更新共视图和将该帧插入图中。

共视图的更新

什么是共视图呢？共视图就是反映帧与帧之间联系关系的一种图。在建立共视图之间，只有帧和关键点之间有联系。共视图会记录下与每个关键帧共同地图点最多的前几关键帧。
1.遍历当前帧的地图点，统计能观测到这些地图点的关键帧及其观测到地图点的数目，存放在KFcounter中。
2.遍历KFcounter，对其中共同地图点数目大于阈值的关键帧通过AddConnection(this,mit->second)函数建立链接，其实就是把这一帧存放在当前帧的mConnectedKeyFrameWeights中。
3.更新生成树。生成树即一颗链接关键帧的最小树，每个关键帧都将共视程度最高的树作为自己的父树。

地图点的删除、更新和融合

在插入新关键帧和创建新地图点后，这些点的质量可能不太ok，所以需要通过函数MapPointCulling()来删除。可删除的情况有以下几种：
1.观测到该点的帧数与理论上可观测到该点的帧数比小于1/4
2.从该关键点被创建开始以及过了两个以上关键帧，但能观测到该点的关键帧数却小于阈值（单目试是3，双目是2）。
之后，会调用CreateNewMapPoints()通过相邻帧的三角化恢复一些地图点。
1.得到当前帧共视程度最高的前n帧，称为相邻帧。之后求出当前帧和相邻帧的世界坐标以此来求出基线长度，当基线足够长，景深
也不太长时才去生成地图点。
2.计算两帧之间的基本矩阵，调用

 matcher.SearchForTriangulation(mpCurrentKeyFrame,pKF2,F12,vMatchedIndices,false);

通过极线约束限制匹配时的搜索范围，进行特征点匹配。匹配之后使用三角法进行重建，确定该点在相机前方后再计算重投影误差，小于阈值则认为匹配有效。之后，把该点包装为Mappoint就好啦。
最后，需要做的是地图点的融合，因为要有可能出现这样的情况，明明是同一个空间点，却通过不同方式多次添加为地图点。方法如下
1.找出当前帧的相邻关键帧和相邻关键帧的相邻关键帧。
2.将当前帧的地图点与相邻关键帧的特征点进行匹配，匹配上之后，如果该特征点以及有地图点了，就融合这两个地图点。之后，将相邻关键帧的地图点与当前帧的地图点匹配。
最后，做一些更新工作，例如地图点的描述子，平均观测方向，共视图等等。

这些步骤完成后，会进行一次localBA来优化位姿与地图点.调用KeyFrameCulling删除冗余帧（90以上的地图点都能被三个关键帧观测到），将当前帧加入到闭环检测队列中,就完成了一次建图循环.