ORB-SLAM2学习简单记录-白红宇

ORB-SLAM2学习简单记录

阅读量：2051 次

发布时间：2019-04-28

本文共 4343 字，大约阅读时间需要 14 分钟。

ORB-SLAM2学习简单记录

简要说明

由于12月末的时候掏钱买了个orbslam2源码讲解的视频，虽然每一天也有陆陆续续看一点，但是越到后面看的越懵，因为orbslam2的代码还是比较复杂的。于是我打算简单记录一个代码框架，就是文件结构、伪代码和思路之类的，不涉及具体细节，旨在对整个slam框架的思路有个了解。而且网上对orbslam2的好的解说有太多了，我也就不班门弄斧了。这篇博文也就相当于一个学习笔记，比较粗糙，但对照着这个结构去看相关视频和博客以及源码，我觉得让我的思绪更加有条理，希望对大家有用。而且这个应该一直在更，取决于我视频看到哪。

----------------------------------手动分割线-------------------------------------

main --------
- System --------
  - Tracking --------
    - ORBextractor --------
  - LocalMapping --------
    - ProcessNewKeyFrames
    - MapPointCulling
    - CreateNewMapPoints
    - LocalBundleAdjustment
  - LoopClosing --------
    - DetectLoop
    - ComputeSim3
    - CorrectLoop
- SLAM.TrackMonocular --------
  - GrabImageMonocular --------
    - Frame --------
      - ExtractORB --------
        
        operator() --------
        
        ComputePyramid
        
        ComputeKeyPointsOctTree --------
        
        DistributeOctTree --------
        
        computeOrientation --------
        
        computeDescriptors --------
    - Track
      - MonocularInitialization
        
        SearchForInitalization
        
        Initialize
        
        CreateInitalMapMonocular
      - CheckReplacedInLastFrame
      - TrackReferenceKeyFrame
      - TrackWithMotionModel
      - Relocalization
      - TrackLocalMap
      - CreateNewKeyFrame

main{
       LoadImages();    ORB_SLAM2::System SLAM();    for each in images{
           SLAM.TrackMonocular(each);    }}

System(){
       Load_OrbVocabulary();    new KeyFrameDatabase;    new Map;    // new thread    new Tracking();    new LocalMapping();    new LoopClosing();    }

Tracking(){
       Load_CameraIntrincs();    new ORBextractor();}

LocalMapping::Run(){
       while(1){
           if(CheckNewKeyFrames()){
               ProcessNBewKeyFrame();            MapPointCulling();            CreateNewMapPoints();            if(!CheckNewKeyFrame() &&!stopRequested()){
                   // local BA                Optimizer::LocalBundleAdjustment();                KeyFrameCulling();            }        }    }}

ORBextractor(){
           初始化图像金字塔(尺度、方差、特征点数分配);    // for orientation    求umax;}

LoopClosing::Run(){
       while(1){
           if(CheckNewKeyFrames()){
               if(DetectLoop()){
                   if(ComputeSim3()){
                       CorrectLoop();                }            }        }    }}

SLAM.TrackMonocular(){
       // calculate Tcw    GrabImageMonocular();}

GrabImageMonocular(){
       if(not initialized)        Frame(init_ORBextractor);    else        Frame(ORBextractor);        Track();}

Frame(){
       ExtractORB();    AssignFeaturesToGrid();}

ExtractORB(){
       // extract orb features    (*xxx)();}

ORBextractor::operator()(){
       // 构建图像金字塔    ComputePyramid(image);    ComputeKeyPointsOctTree();    for each levels{
           GaussianBlur();        computeDescriptors();    }}

ComputeKeyPointsOctTree(){
       for each levels{
           for each grids{
               Fast();        }        DistributeOctTree();    }    for each levels{
           computeOrientation();    }}

// 四叉树平均分配特征点DistrbuteOctTree(){
       1. 按照图像大小初始化节点    2. 节点分裂为4个节点，每个节点占母节点区域的1/4，也就是上下左右格子，并删除母节点。    3. 如果该节点特征点多于阈值，重复2。    4. 最后只取所有节点中响应值最大的特征点。}

// 这里用到了umaxcomputeOrientation(){
       for each keypoints{
           keypoint->angle = IC_Angle();    }}// 这里顺带看IC_Angle, 不分级了static float IC_Angle(){
       // 使用灰度质心法计算特征点方向    for v = 1:r {
      // r半径        for u = -umax ~ umax {
               // 计算m_10            // 计算m_01        }    }    return fastAtan2(m_01, m_10);}

computeDescriptors(){
       for i = 1:keypoints.size(){
           computeOrbDescriptor();    }}computeOrbDescriptor(){
       for (i = 0; i < 32; i++){
      // 32位 brief描述子        // 描述子旋转        // 比大小构成二进制描述子    }}

Track(){
       if(not initialized)        MonocularInitialization();    else{
           if(state == OK)        {
               // replace map points            CheckReplacedInLastFrame();            if(no motion model || not long after initialization)                TrackReferenceKeyFrame();            else{
                   if(! TrackWithMotionModel)                    TrackReferenceKeyFrame();            }                }else            Relocalization();        if(TrackLocalMap()){
               // if tracking was good, check if insert a keyframe            if(NeedNewKeyFrame())                CreateNewKeyFrame();        }    }    }

MonocularInitalization(){
       ORBmatcher matcher();    matcher.SearchForInitialization();    // initialize via F or H    mpInitializer->Initialize();    // initial monocular map    CreateInitMapMonocular();}

转载地址：http://hoklf.baihongyu.com/

你可能感兴趣的文章