qq_41451702的博客

图像金字塔和灰度质心法保证特征点的尺度不变性和旋转不变性，四叉树筛选保证特征点均匀分布。

跟踪线程中的SLAM模式和纯定位模式就是在可视化界面进行修改的。③然后计算图一特征点和在图二找到的最佳匹配点的角度差，通过直方图统计 特征点的角度差值主流的前三个区域（因为所有的特征点的角度变化应该是一致的），其余的匹配认为是误匹配。对pKF和F中的特征点进行快速匹配，不属于同一node的特征点直接跳过匹配（只有属于同一node，才有可能是匹配点）；对当前关键帧和 共视关键帧 中的特征点进行快速匹配，不属于同一node的特征点直接跳过匹配（只有属于同一node，才有可能是匹配点）；

目录1.回环检测 DetectLoop()2.Sim3 计算 ComputeSim3()2.1 构造Sim3Solver对象2.2 Sim3具体计算2.3 将闭环匹配上的关键帧以及相连关键帧的MapPoints投影到当前关键帧进行投影匹配 SearchByProjection()3.闭环矫正 3.1 矫正当前帧的共视关键帧位置和地图点3.2 地图点融合 SearchAndFuse()3.3 更新共视图3.4 本质图优化3.5 全局BA优化loopclosing线程在 实例化 ORB_SLAM2::Sys

LocalMapping线程在实例化ORB_SLAM2::System对象的时候就已经运行了。线程函数Run()中会一直执行死循环（因为这个时候等待处理的关键帧为空）。直到Tracking线程的最后生成了关键帧，并且放到等待处理的关键帧列表mlNewKeyFrames，才真正开始LocalMapping线程。1.将关键帧插入地图中 ProcessNewKeyFrame()①从 mlNewKeyFrames 中取出列表最前面的关键帧，随后马上把列表中的该关键帧删除，然后对该关键帧进行处理；

目录1.局部地图跟踪1.1 更新局部关键帧UpdateLocalKeyFrames1.2 更新局部地图点（来自局部关键帧）UpdateLocalPoints()1.3 投影匹配2. 对比四种跟踪方式以及使用的投影匹配3.关键帧创建3.1 判断是否需要创建新关键帧: NeedNewKeyFrame()3.2 关键帧的创建CreateNewKeyFrame()当初始位姿估计成功（参考关键帧来跟踪、恒速模型跟踪、重定位跟踪跟踪成功）后需要进行局部地图跟踪TrackLocalMap()。初始位姿估计只是跟踪一帧得到

从代码框架中知道GrabImageMonocular()函数主要做了两件事：对当前帧进行构造（Frame）和调用Track()对当前帧进行跟踪。前者已经介绍过了，本篇博客是对Track()函数中单目初始化的介绍。函数主要分为三步：Code:Tracking.cc初始化成功条件：①前后两帧提取的特征点大于100 ②两帧匹配的特征点对大于100ORB-SLAM2中特征点匹配均采用了各种技巧减小特征点匹配范围，特征点通过描述子匹配后会进行旋转一致性检测，并且要求最佳匹配特征点要明显优于次优匹配点。关键点匹配

这篇文章是对Tracking内容的介绍。

目录1.提取OBR特征ExtractORB()1.1计算图像金字塔ComputePyramid()1.2 提取特征点ComputeKeyPointsOctTree()1.2.1 CELL网格1.2.2 四叉树筛选特征点1.3计算描述子computeDescriptors()2.去畸变UndistortKeyPoints()3.计算去畸变后图像边界ComputeImageBounds()4.特征点分配AssignFeaturesToGrid()提取图像的ORB特征点，提取的关键点存放在mvKeys，描

上图是对fr1_desk数据集进行八叉树地图的结果。不知道为什么我这里生成的地图只有蓝色（octomap提供了。

本质矩阵：尺度等价性，5个自由度，最少可以用5对点求解；基础矩阵：尺度等价性、秩为2，7个自由度，八对点求基础矩阵；单应性矩阵：尺度等价性，8个自由度，一对点提供两个约束方程，需要四对点求单应性矩阵。描述了两个平面的映射关系，已知两个平面的图像坐标p1和p2，则p2 = H p1：只有旋转没有平移的时候可以用单应性矩阵求R。因为t为0，E也将为0，导致无法求解R。PnP(P3P)是3D-2D的位姿求解方式，即需要已知匹配的3D点和图像2D点。估计相机位姿时通常需要PnP给出相机初始位姿，

本篇博客对Track()中的第二部分，相机跟踪（位姿估计）进行介绍。这部分代码嵌套了大量if-else，根据下图可以理清跟踪的具体流程：1.第一个阶段是初始位姿估计，用，它们的目的 是保证能够“跟的上”，但估计出来的位姿可能没那么准确。2.第二个阶段是，将当前帧的局部关键帧对应的局部地图点投影到该帧，得到更多的特征点匹配关系，对第一阶段的位姿再次优化得到相对准确的位姿。3.第三个阶段是对关键帧的插入。

Code// step 1 读取时间戳文件while(!string s;if(!double t;ss >> t;// 保存时间戳i<nTimes;i++)

记录evo的一些命令：1.画轨迹图 evo_traj tum FrameTrajectory.txt -p多个轨迹图画到一起evo_traj tum FrameTrajectory.txt FrameTrajectory_TUM_Format.txt --ref FrameTrajectory.txt -p2.绝对位姿误差的计算evo_ape tum 数据1.txt 数据2txt -va -p3.相对位姿误差的计算evo_rpe tum 数据1.txt 数据2tx

参考：Octomap 在ROS环境下实时显示_熊猫飞天的博客-优快云博客_rviz显示maphttps://blog.youkuaiyun.com/crp997576280/article/details/74605766关于代码以及相关依赖的安装参考上述博客，记录运行命令：roscorerosrun publish_pointcloud publish_pointcloud//运行正确的话会显示相机和话题信息：path = /home/hope/test/test_octomap/test.

参考：ORB-SLAM2 在线构建稠密点云（室内RGBD篇）_Maxen0604的博客-优快云博客ORB-SLAM2 在线构建稠密点云（二）_熊猫飞天的博客-优快云博客_orbslam2稠密点云①在src中的orb_slam2打开终端②返回到有build devel src 的目录打开终端： cd ../..③播放TUM数据集的rosbagrgbd_dataset_freiburg1_xyz 数据集打开点云，如果只看到红绿蓝三个方块，按R重置视角如果点云没有颜色，请按5显示颜色。

ORB-SLAM2构建的是稀疏点云图，这篇文章是复现高博关于ORB-SLAM2的稠密点云地图参考：ORB SLAM 2 + 构建点云地图 复现 - 简书 (jianshu.com)https://www.jianshu.com/p/5e7b8358893f关于代码下载参考上面文章，主要是在编译的时候遇到一些问题。（编译前把ORB-SLAM2中的Vocabulary文件夹和他里边的 ORBvoc.txt.tar.gz文件拷贝过来）​首先把ORB_SLAM2_modified/Thir...

关于使用数据集运行ORB-SLAM3的一些笔记参考：GitHub - raulmur/ORB_SLAM2: Real-Time SLAM for Monocular, Stereo and RGB-D Cameras, with Loop Detection and Relocalization Capabilitieshttps://github.com/raulmur/ORB_SLAM2相关的库文件和数据集下载参考readmeORB-SLAM3的 example 文件下有单目、双目、RG..

关于orbslam3的代码以及安装配置参考下面这篇文章(12条消息) 在ROS中使用usb摄像头跑ORB SLAM2_Goding_learning的博客-优快云博客https://blog.youkuaiyun.com/Goding_learning/article/details/52950993上面文章使用的是单目相机 我使用的是乐视深度相机 关于驱动安装参考下面文章​​​​​​​​​​​​​(12条消息) Uubuntu16.04安装华硕ASUS Xti...