a735148617的博客

ORBSLAM2学习笔记（3）——闭环闭环本章文明分析第三个线程LoopClosing,从入口Run函数开始分析闭环检测在检测到新的关键帧插入后,便进入DetectLoop函数检测闭环.步骤如下:1.若距离上次闭环小于10帧,则直接退出。2.遍历共视帧，计算通过bow匹配的得分，找出其中的最低分。这一步是因为闭环检测到的帧的匹配程度起码要和共视帧的匹配程度相当。之后进入DetectLoopCandidates，对所有关键帧进行闭环。3.找出与当前帧相连的帧。这是因为这些帧之后将会被剔除闭环检测

ORBSLAM2学习笔记（2）——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); m

ORBSLAM2学习笔记（2）——入口与Tracking写在前面本笔记是按照逻辑顺序来写，也就是想到哪写到哪，就是按照学习时的思考过程来写，和其他博客中按函数和功能来分类介绍不同。这是博主个人觉得最流畅的方法。程序入口按照github上的readme，我们可以从mono_kitti这一可执行文件开始执行slam，因此，mono_euroc就是ORBSLAM的入口啦。打开mono_euroc.cc，可以看到main函数做了以下事情，首先通过 LoadImages函数加载了所有的图片，之后，通过如下命令

ORBSLAM2学习笔记（1）整体框架ORB特征原理首先，简单而笼统地概括ORB特征原理。ORB特征试由Fast关键点和rBRIEF描述子构成的。Fast关键点有一个问题，那就是不具备尺度一致性。ORB用图像金字塔的方式解决了这一问题。也就是对图像降采样，来模拟从远处看到物体的情形。比如图像里有一只猫，对它进行降采样，高和宽每两个像素点取一个，这样得到的图像高和宽都是1/2，效果和你在两倍远看猫试一样的。BRIEF描述子也有一个问题，那就是没有旋转不变性。ORB通过为FAST关键点确定方向，解决了这一问

ORBSLAM2 一种适用于单目、双目和RGB-D相机的开源slam系统摘要本文提出了ORB-SLAM2，一种适用于单目、双目和RGB-D相机的slam系统，包含地图重用，回环检测，重定位等功能。该系统可在各种环境中运行，包括室内和室外的交通工具 。该系统的后端基于BA，可以使用公制尺度进行位置估计。该系统包括轻量级的视觉里程计追踪未建图区域，以及对地图点的匹配来实现零漂。基于29个数据集的评估说明该种方法实现了最高的准确率。作者开源该算法，不仅为了slam社区的利益，也为了开箱即用的slam解决方案的

slam过程的基本方程：xk=f(xk−1,uk,wk)\boldsymbol{x}_{k}=f\left(\boldsymbol{x}_{k-1}, \boldsymbol{u}_{k}, \boldsymbol{w}_{k}\right)xk​=f(xk−1​,uk​,wk​) （运动方程）zk,j=h(yj,xk,vk,j)\boldsymbol{z}_{k, j}=h\left(\b...