LoadImage
createVoc -> createScoringObject:
score用L1 norm (估计算Vocabulary时用到L1 norm)
ORBVoc.txt共有104450行
下面来探索下每行的数字是什么
第一行是4个数,后面每行是35个数(字典中每个keypoint连接35个keypoints)
10 6 0 0
0 0 252 188 188 242 169 109 85 143 187 191 164 25 222 255 72 27 129 215 237 16 58 111 219 51 219 211 85 127 192 112 134 34 0
第一行:
m_k = 10, m_L = 6(KL数,每个node连接K个节点,共L层,可容纳10^6个词), n1 = 0(表示L1 NORM,定义在ScoringType里), n2=0 (TF_IDF,WeightingType)
第2行,第一个:pid=0, 就是parent id, 也就是说当前行的nid=1(第一行正经元素),它的parent是pid=0,
然后是双向的,pid的children就是nid
第2个数字0,表示当前node是不是叶子,现在是0表示不是叶子
然后树节点vector和叶子节点(单词)vector都反转,只保留第一个元素(估计是最近的元素)
sElement读0~31总共32个数字,保存到m_nodes[nid].descriptor里, 最后一个数字是weight, 看了下有的是0有的不是0
如果是叶子,就把m_nodes[nid].word_id设为当前读到的第
本文详细解读ORB_SLAM3系统中ORB特征的提取与匹配部分源码,包括图像金字塔构建、FAST角点提取、特征点分配到节点、ORB特征描述符计算以及特征匹配的过程。通过理解这一过程,可以深入理解ORB_SLAM3系统如何进行特征点处理和匹配,以实现准确的视觉定位和建图。
订阅专栏 解锁全文
4405

被折叠的 条评论
为什么被折叠?



