ORB-SLAM2代码阅读笔记汇总

最新推荐文章于 2023-12-29 21:57:37 发布
最新推荐文章于 2023-12-29 21:57:37 发布
阅读量929 收藏 19
点赞数 2
CC 4.0 BY-SA版权
分类专栏： ORB-SLAM 解析
原文链接：https://blog.youkuaiyun.com/moyu123456789/article/details/103943304?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-9.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-9.control
该系列博客详细剖析了ORB-SLAM2系统，包括Tracking、LocalMapping和LoopClosing线程的主要流程，以及优化函数。通过阅读和理解代码，有助于深化对视觉SLAM的理解，并强调了理论与实践结合的重要性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

ORB-SLAM2被许多人推荐为学习SLAM必须要学习的入手项目，甚至视觉SLAM十四讲当中的许多章节的描述方式都是和该系统吻合的。其中包含了经典的视觉SLAM的各个模块：前端视觉里程计、后端优化、闭环检测和建图，将这个系统代码完整读一遍能够加深对视觉SLAM的理解。当然，SLAM研究，学习优秀的开源系统、基础理论和相关论文只是第一步，一定要在工作中去实践，才有可能把SLAM相关技术掌握的更加深入。

ORB-SLAM2代码阅读笔记（一）：从mono_kitti单目运行开始

ORB-SLAM2代码阅读笔记（二）：System.cc相关函数

ORB-SLAM2代码阅读笔记（三）：Tracking线程1——进入Tracking线程

ORB-SLAM2代码阅读笔记（四）：Tracking线程2——ORB特征提取

ORB-SLAM2代码阅读笔记（五）：Tracking线程3——Track函数中单目相机初始化

ORB-SLAM2代码阅读笔记（六）：Tracking线程4——Track函数中相机位姿估计

ORB-SLAM2代码阅读笔记（七）：LocalMapping线程

ORB-SLAM2代码阅读笔记（八）：LoopClosing线程

ORB-SLAM2代码阅读笔记（九）：进行窗口显示的Viewer线程

ORB-SLAM2代码阅读笔记（十）：sim3求解

ORB-SLAM2中Tracking线程主要流程梳理

ORB-SLAM2中LocalMapping线程主要流程梳理

ORB-SLAM2中LoopClosing线程主要流程梳理

ORB-SLAM2系统中的优化函数

SLAM面试笔记(2) - ORB-SLAM2
几度春风里的博客
04-20 1234
ORB-SLAM2知识点和面试汇总，持续更新！
g2o学习笔记-orbslam2中如何使用g2o进行非线性优化（三）
cangqiongxiaoye的博客
03-27 1153
g2o学习笔记-orbslam2中如何使用g2o进行非线性优化
ORB-SLAM2阅读笔记
LEOLUZE的博客
03-15 4323
    从RGB-D相机获取帧，对输入的图片进行预处理，寻找特征点，进行特征匹配用BA来做最小化重投影误差，进行跟踪和定位每帧的相机（即算出R t）。运用局部BA算法设置局部地图并优化（当前帧与地图中的3D路标点进行匹配来估计相机位姿），一、预处理：    从RGB相机提取出ORB特征（具有尺度旋转不变性），生成立体坐标，得到特征点。    ORB特征：FAST关键点，例如FAST-9 FAST-...
ORB-SLAM2---Tracking() 代码阅读笔记_未完待续
qq_27399933的博客
11-10 239
1、两帧图像之间通过BoW进行特征点匹配（应用到TrackReferenceKeyFrame()中） SearchByBoW(mpReferenceKF,mCurrentFrame,vpMapPointMatches); （1）首先，计算分别计算两帧图像的BoW向量 （2）对属于同一Word的描述子进行暴力匹配，匹配过程： ​ 对当前帧中Words下的每一个关键点，遍历另一帧...
＜ORB-SLAM2＞ 代码阅读笔记
NEO's NOTEBOOK
08-29 5683
System.cc 系统控制 实现System类 构造函数 线程初始化、开启与相互关联 LocalMapping LoopClosing 功能类初始化 Tracking 前端追踪 Map 存放关键帧和地图点 KeyFrameDatabase 用于闭环检测和重定位 TrackMonocular函数 单目 被main函数循环调用的函数 主要通过调用Tracking类的GrabImageMonocular实现功能 Tracking.cc 前端追踪 实现Tracking类 Gra
ORB-SLAM2代码阅读笔记（七）：LocalMapping线程
06-09 3110
Table of Contents 1.LocalMapping线程代码框架 2.LocalMapping线程代码梳理 1）将关键帧插入地图中（对应KeyFrame Insertioin） 2）剔除地图中不符合要求的MapPoint（对应Recent MapPoints Culling） 3）创建MapPoint（对应New Points Creation） 4）局部BA优化（对应Lo...
ORB-SLAM2代码阅读（一）
weixin_44264994的博客
01-14 446
ORB-SLAM2代码阅读（一） 代码总逻辑 参考：ORB-SLAM2详解（一）简介 ORB-SLAM主要分为三个线程进行，分别是Tracking、LocalMapping和LoopClosing。三个线程分别存放在对应的三个文件中，分别是Tracking.cpp、LocalMapping.cpp和LoopClosing.cpp文件中。ORB-SLAM2的总框架如下： （1）跟踪（Trackin...
超详细解读ORB-SLAM3单目初始化（下篇）
qq_29462849的博客
12-10 1060
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达一 前言本文承接ORB-SLAM3 细读单目初始化过程(上)，ORBSLAM3单目视觉有很多知识点需要展开和深入，初始化过程是必然要经...
SLAM面试笔记(3) - 视觉SLAM
几度春风里的博客
04-15 3735
SLAM面试笔记，持续更新中！
小秋SLAM入门实战SLAM所有文章汇总
小秋 AI SLAM 入门实战教程
12-29 2641
SLAM算法中的缓冲区和队列用途和用法 【ORB_SLAM2源码解读】Intel RealSense D435i 实时跑ORB_SLAM2单目 双目 RGBD 【从零开始学习SLAM】两帧之间的特征点视觉里程计并用g2o优化 【从零开始学习SLAM】VIZ Pangolin 可视化 【从零开始学习SLAM】BA问题用g2o求解重新投影误差优化相机位姿和路标点 「零基础从零开始写VO视觉里程计」匹配的3D空间点求位姿并用g2o优化 【ORB_SLAM2源码解读】Intel RealSense Depth Ca
orbslam2 代码详细解读
04-26
参考这篇文章做的pdf 文件https://blog.youkuaiyun.com/snnily/article/details/79560722 具体视频讲解可以参考 https://v.qq.com/x/page/p0526c7c1cm.html
ORB-SLAM2源码中文详解.pdf
08-17
东北大学吴博讲解ORB_SLAM的文档，仅有文档。
ORB_SLAM2代码注释原理解析
05-08
ORB_SLAM2 特征法SLAM 单目 双目 RGBD * ORB主要借鉴了PTAM的思想，借鉴的工作主要有 * Rubble的ORB特征点； * DBow2的place recognition用于闭环检测； * Strasdat的闭环矫正和covisibility graph思想； * 以及Kuemmerle和Grisetti的g2o用于优化。
ORB-SLAM2代码阅读笔记（三）：Tracking线程1——进入Tracking线程
05-16 2779
Table of Contents 1.Tracking线程主要工作 2.Tracking构造函数代码解析 3.Tracking线程中调用的第一个函数Tracking::GrabImageMonocular 4.Frame.cc中的单目Frame构造函数代码解析 5.本篇笔记的结构图总结 在上一篇 ORB-SLAM2代码阅读笔记（二）：System.cc相关函数 的基础上，接下来分析T...
ORB-SLAM2代码阅读笔记（一）：从mono_kitti单目运行开始
热门推荐
05-13 1万+
目录 1.写在前边的话 2.mono_kitti单目数据集运行效果 3.系统框架简要了解 4.最开始的代码 5.mono_kitti代码总结 1.写在前边的话 最近开始学习SLAM，除了学习SLAM相关理论知识外，自己还开始学习ORB-SLAM2开源系统代码，毕竟ORB-SLAM2是比较完整的SLAM系统，里边包括了前端VO，后端优化和闭环检测这三大主要模块。所...
ORB SLAM2阅读笔记（一）
weixin_56836871的博客
02-06 1053
动机： 前几篇Blog根据 高老大的《SLAM十四讲》把整体思路梳理了一下，这里阅读源码的目的是发现工程实际中遇到的问题以及解决这些问题用到的工程技巧，同时膜拜一下Raúl Mur Artal大神的经典作品 参考链接： [ORB-SLAM2] ORB-SLAM中的ORB特征（提取） - 知乎 一步步带你看懂orbslam2源码--orb特征点提取(二)_Mr.Sliver的博客-优快云博客_orbslam2特征点提取 GitHub - electech6/ORB_SLAM2_detailed
ORB_SLAM2学习笔记
m0_73215425的博客
12-29 387
小白初学orb-slam
2、图像金字塔特征点数目、灰度质心圆索引
zhou5513的博客
08-30 860
图像金字塔特征点数目、灰度质心圆索引ORBSLAM单目系统模块入口tracking线程灰度质心法 ORBSLAM单目系统模块入口 mono_tum.cc的main函数开始，接收三个参数 int main(int argc, char **argv) { if(argc != 4) { cerr << endl << "Usage: ./mono_tum path_to_vocabulary path_to_settings path_to_seq
[ORBSLAM2源码笔记（1）] Introduction-源码入门内容（ORBSLAM2变量命名规则、多线程机制、锁机制、System类）
CH_monsy的博客
08-17 635
[ORBSLAM2源码笔记1]Introduction1.ORBSLAM2变量命名规则2.多线程机制3.多线程中的锁机制4.ORBSLAM2主类System 经过了高博老师《视觉SLAM14讲》的学习，从本次博客开始，准备正式开始学习ORBSLAM2源码，并在博客中进行源码笔记和记录。 源码学习过程也借鉴了不少大佬的博客、视频以及学习资源，在此不一一列举，respect！ 首先和看一篇论文一样，Introduction是了解论文的入口，同样地，作为一套成熟规范的C++源码，在正式开始阅读ORBSLAM2
ORB-SLAM1代码阅读笔记
最新发布
03-21
### 关于 ORB-SLAM1 的代码解读与学习笔记 尽管当前主流的研究和应用更多集中在 ORB-SLAM2 和 ORB-SLAM3 上，但 ORB-SLAM1 是其系列算法的基础版本，具有重要的研究价值。以下是关于 ORB-SLAM1 代码的解读与学习笔记： #### 1. **ORB-SLAM1 的核心模块** ORB-SLAM1 主要由三个线程组成：跟踪（Tracking）、局部建图（Local Mapping）以及回环检测（Loop Closing）。这些模块的功能如下[^4]： - **跟踪模块**：负责实时估计相机的姿态并追踪场景中的特征点。 - **局部建图模块**：构建地图的关键部分，优化关键帧及其对应的三维点位置。 - **回环检测模块**：通过词袋模型识别相似的关键帧，消除累计误差。 #### 2. **关键数据结构** ORB-SLAM1 中定义了许多重要数据结构用于存储和管理信息。例如： - `KeyFrame` 类表示关键帧，包含了图像、姿态、特征点等信息。 - `MapPoint` 类表示三维点，记录了该点的世界坐标及相关观测信息。 - 向量型成员变量以 `mv` 开头，列表型成员变量以 `ml` 开头，分别用于存储不同类型的数值集合。 #### 3. **特征提取与匹配** ORB-SLAM1 使用 ORB 特征作为主要描述子。它具备快速性和旋转不变性的特点，在实际应用中表现出良好的性能[^2]。具体实现流程包括： - 提取每帧图像上的 ORB 特征点。 - 利用 Hamming 距离计算特征点之间的相似度，并完成初始匹配。 - 应用 RANSAC 方法剔除误匹配点，进一步提高精度。 #### 4. **几何约束与位姿估计** 为了获得更精确的相机位姿，ORB-SLAM1 借助单应矩阵或基础矩阵来建立几何关系[^3]。随后通过分解本质矩阵得到相对旋转和平移向量 \( \mathbf{R}, \mathbf{t} \)，最终完成全局优化过程。 #### 5. **代码阅读建议** 对于初学者来说，可以从以下几个方面入手深入理解 ORB-SLAM1 的源码逻辑： - 阅读官方文档及配套论文，熟悉理论背景和技术细节。 - 结合调试工具逐步剖析各函数调用链路。 - 参考社区资源如 优快云 博客文章或其他开发者分享的学习经验[^1]。 ```cpp // 示例代码片段展示如何初始化 ORB 参数 cv::Ptr<cv::FeatureDetector> orb = cv::ORB::create( 500, // 默认最大特征数 1.2f, // 尺度金字塔倍增因子 8 // 层数 ); ``` --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值