SLAM ORB-SLAM2（26）重定位过程

最新推荐文章于 2024-12-16 07:43:57 发布
最新推荐文章于 2024-12-16 07:43:57 发布
阅读量2.1w 收藏 2
点赞数 1
分类专栏： # ORB-SLAM2 OpenSLAM 文章标签： ORB-SLAM2 SLAM
本文为氢键H-H原创文章，未经允许请勿用于商业用途，转载请注明出处
本文链接：https://blog.youkuaiyun.com/qq_32618327/article/details/138278041
版权
本文详细分析ORB-SLAM2的重定位过程，主要利用词袋模型（BoW）加快搜索速度。首先介绍词袋模型在文本检索和视觉图像分类中的应用，接着阐述重定位的总体步骤，包括计算当前帧词袋向量、查找相似候选关键帧、初步匹配及通过PnP和BA优化位姿，最终找到较匹配的关键帧以实现快速重定位。

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

SLAM ORB-SLAM2（26）重定位过程

1. 前言

在《SLAM ORB-SLAM2（10）轨迹跟踪过程》时，
看到轨迹跟踪器有三种估计相机位姿（优化当前帧位姿）的方式，：

根据关键帧进行定位可以说是介于匀速运动模型和词袋模型之间一种定位方式
其逻辑比较简单，就是 跟参考关键帧 进行 特征点匹配 优化相机位姿
不

了解本专栏 订阅专栏 解锁全文 超级会员免费看
SLAM ORB-SLAM2（10）轨迹跟踪过程
氢键H-H
12-03 1万+
轨迹跟踪的主要目的是估计相机的位姿。先处理每一帧图像，提取ORB特征点，如果尚未初始化地图，则先进行初始化。再根据地图信息和当前机器人运动状态来估计相机位姿或者进行重定位，然后在局部地图中完成轨迹跟踪， 并根据一定的规则生成新的关键帧。
SLAM ORB-SLAM2（28）PnP估计姿态过程
氢键H-H
07-28 8958
分析了 ORB-SLAM2 中的 PnPsolver 的迭代过程。
SLAM总结（五）-视觉重定位、闭环检测和全局定位
热门推荐
weixin_41245988的博客
05-09 1万+
闭环检测 5、 闭环检测、全局优化、局部优化和位姿跟踪之间如何在不同频率之间协调：闭环检测和全局优化，局部优化都是为了减小漂移，保持全局一致，而跟踪只跟踪前一帧或几帧，只负责当前帧与之前帧的漂移，即局部一致 将后端优化结果传到前端的方法，前端相当于可以一直存在漂移，但相对位姿是准确的，后端结果不传不影响前端的工作，但后端拿到有漂移的结果需要先校正再用，否则优化也就没意义了 ...
ORBSLAM2 重定位
slzlincent的博客
01-27 1358
ORB SLAM2 地图的保存与加载 （我决定将代码开源） https://blog.youkuaiyun.com/qq_34254510/article/details/79969046?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFro
【工程记录】利用ORB-SLAM2实现导航包重定位
weixin_39538031的博客
04-07 949
每次启动导航包都要手动给出初始位置，嫌它太麻烦了，于是搞了个ORBSLAM给他提供初始位姿
ORB-SLAM2源码分析(单目)——重定位跟踪
weixin_43391596的博客
03-21 512
ORB-SLAM2源码分析(单目)——重定位跟踪
ORB-SLAM2重定位算法之DetectRelocalizationCandidates(Frame *F)函数
weixin_38884407的博客
05-27 987
//输入为当前帧 //返回和当前帧相似的一组关键帧 vector<KeyFrame*> KeyFrameDatabase::DetectRelocalizationCandidates(Frame *F) { list<KeyFrame*> lKFsSharingWords;//这个list用来存放和当前帧存在相同单词的关键帧 // Search al...
ORB-SLAM2源码学习：Tracking.cc⑦: Tracking::Relocalization重定位
最新发布
2301_76831056的博客
12-16 528
当参考关键帧跟踪、恒速模型跟踪都已经失败了，这时重定位跟踪就起作用了。
Active-ORB-SLAM2-master.rar
07-01
主动ORB-SLAM2（Active-ORB-SLAM2）是一种增强版的视觉SLAM（Simultaneous Localization and Mapping）系统，它在经典的ORB-SLAM2基础上加入了主动决策策略，旨在提高定位精度和地图构建效率。ORB-SLAM2是由Vidal等...
ORB-SLAM2学习笔记——重定位过程
weixin_51326570的博客
03-17 1289
Relocalization函数 1 、理论部分（待更新） 2、代码部分 bool Tracking::Relocalization() { // Compute Bag of Words Vector //计算当前帧特征点的词袋映射 mCurrentFrame.ComputeBoW(); // Relocalization is performed when tracking is lost // Track Lost: Query KeyFrame Databa
【ORB-SLAM2代码】（三）定位
陋室逢雨
09-13 4166
设置当前帧的参考关键帧 TrackLocalMap() 函数，UpdateLocalKeyFrames() 函数选择共视程度最高的关键帧作为当前帧的参考关键帧. UpdateConnections过程 首先获得该关键帧的所有MapPoint点，统计观测到这些3d点的每个关键与其它所有关键帧之间的共视程度，对每一个找到的关键帧，建立一条边，边的权重是该关键帧与当前关键帧公共3d点的个数。 ...
ORBSLAM2系列-重定位中求解位姿R,t
一只废佐_的博客
08-15 533
在重定位中求解位姿的具体函数在代码中详细的注释，就不再一一列举，因为整个过程就如上面所介绍的算法流程一样，一一对比就能看明白。
3.6ORB-SLAM3之重定位Relocalization
超爱吃小蛋糕的66的博客
01-30 2856
MLPNP的核心思想是对于每一个3D空间点，连接空间点到相机光心可以得到一个法向量v，以及在切平面对应的一组正交基[r,s],然后将2D-3D点的投影匹配转换为使用正交基之间进行计算。
ORB_SLAM2修（Ru）仙（Keng）之路（一）：重定位候选关键帧选取函数注释
Start_From_Scratch的博客
05-14 3712
自从入了ORB_SLAM的坑以来，深感，在室外使用VO导航的艰辛，ORB_SLAM代码前后看了有一个月了，现在逐渐把一些函数的代码注释记录在这里，希望能给后面入坑的同志们些借鉴吧，当然自己也还有很多不明白的地方，所以，如果注释有错的，还请指出。代码块/** * 函数功能：从关键帧库中找出与当前帧匹配得最好的候选关键帧序列 * 函数输入：当前帧 * 函数输出：关键帧库中与当前帧匹配较好的候选关键
ORB-SLAM2
Night___Raid的博客
09-18 183
编译 cd ORB_SLAM2 chmod +x build.sh sh build.sh 生成associations_my.txt文件 python associate.py rgb.txt depth.txt > associations_my.txt 运行 ./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Exa...
ORB_SLAM2加载地图并重定位详细流程（ros版本）
qq_40216084的博客
04-10 4350
1.开发背景 ：看第一篇去！地图保存链接 2.写作动力：被网友催了。最近真挺忙，不催我都忘了我还差一篇没写呢。 3.废话不多讲，开始搞，，，，，，额，还是先上图吧，如下加载后重定位效果，测试还不错。 数据总量500s，从200s处加载地图后播放数据，直接定位上了，当然，还测试过数据中其他时间点的重定位效果，都是一次性定上位的 4.步骤： 4.1.InitKeyFrame.h和InitKeyFrame.cc的创建 创建SystemSetting.h： #define SYSTEMSETTING_H #in
SLAM面试笔记(2) - ORB-SLAM2
几度春风里的博客
04-20 1153
ORB-SLAM2知识点和面试汇总，持续更新！
ORBSLAM—重定位(一)
NEU-LC的博客
09-03 1505
ORBSLAM—重定位 文章与公众号“SLAM源码之路”同步推送，扫描文后二维码关注。 变量含义： mCurrentFrame: 当前帧 Frame类 vpCandidateKFs: 存储与当前帧相似的候选关键帧容器 vector<KeyFrame*> nKFs: 候选关键帧的数量 vpPnPsolvers: 当前帧与候选关键帧的pnp求解器容器 vpPnPsolvers 记录每一个候选关键帧的mappoint。 类型：vector<vector<MapPo
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

打赏作者

氢键H-H

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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