ORB-SLAM2算法单目流程

ORB-SLAM系列算法框架比较复杂，下面来梳理一下单目算法的流程。

一：单目初始化

单目初始化也就是单目的地图初始化。流程如下：

* Step 1：（未创建）得到用于初始化的第一帧，初始化需要两帧

* Step 2：（已创建）如果当前帧特征点数大于100，则得到用于单目初始化的第二帧

* Step 3：在mInitialFrame与mCurrentFrame中找匹配的特征点对

这里单目初始化阶段寻找两帧之间的特征点匹配对时采用“划圆划分方格”的方式进行。

* Step 4：如果初始化的两帧之间的匹配点太少，重新初始化

* Step 5：通过H模型或F模型进行单目初始化，得到两帧间相对运动、初始MapPoints

估计H矩阵和F矩阵是通过从匹配特征点对中随机选择了8对匹配特征点为一组，一共8组。这里采用了多线程计算。计算得分来选择是使用H矩阵还是F矩阵，平面倾向于单应矩阵H，非平面偏向于基础矩阵F。

分解H或F矩阵求解会得到4种R和t的组合，选出最佳组合的方法是：若某一组合使恢复得到的3D点位于相机正前方的数量最多，那么该组合就是最佳组合。

这里得到的两帧间的相对运动t是一个单位向量，并没有确定整个SLAM过程的尺度。

* Step 6：删除那些无法进行三角化的匹配点

* Step 7：将三角化得到的3D点包装成MapPoints

这里的3D点在分解H或F步骤就已经三角化计算出。

二：跟踪线程 （每一帧）

ORB-SLAM2中的跟踪分为三种形式，分别是：参考关键帧跟踪、恒速模型跟踪、重定位跟踪、局部地图跟踪。

其中 参考关键帧跟踪、恒速模型跟踪、重定位跟踪叫做第一阶段跟踪（初步的跟踪）。