ORB-SLAM2：Tracking线程学习随笔【李哈哈：看看总有收获篇】-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_41883714/article/details/114655311

本文是ORB-SLAM2 Tracking线程的学习笔记，详细介绍了帧构造、描述子提取、恒速模型下地图点的构建、局部地图跟踪的实现，以及关键帧生成的条件和过程。通过对ORB-SLAM2的跟踪过程的梳理，揭示了SLAM前端里程计的工作原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

继之前学习特征提取之后，终于要开始SLAM正经线程的学习了
因为感觉做不完毕设了，所以后期会看的快一些，几篇文章将以随笔形式展开，主要记录学习过程中的一些心得体会

随笔

构造帧

从输入的图片及时间戳构造Frame，完成提取特征点及计算描述子等操作，已经在我的系列视频讲的很清楚啦，链接放在这里供大家临幸嘿嘿：
ORB-SLAM2【Part1：Demo展示及主函数框架梳理】李哈哈的ORB-SLAM2特征提取详解

描述子是个矩阵是怎么回事

描述子是在该函数中提取的：

 /**
 * @brief 用仿函数（重载括号运算符）方法来计算图像特征点!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
 * 
 * @param[in] _image                          输入原始图的图像
 * @param[in] _mask                     	  掩膜mask
 * @param[in & out] _keypoints                存储特征点关键点的向量
 * @param[in & out] _descriptors              存储特征点描述子的矩阵
 */
 void ORBextractor::operator()(InputArray _image, InputArray _mask, vector<KeyPoint> &_keypoints,
                       		   OutputArray _descriptors)

这是构造帧时调用的仿函数
其中的_keypoints是存储该帧特征点的向量，是一个保存KeyPoint的向量，这里的KeyPoint是关键点的类，好像是OpenCV定义的吧
而_descriptors就是保存描述子的矩阵，对其的构造操作在函数内：

_descriptors.create(nkeypoints, //矩阵的行数，对应为特征点的总个数
                    32,         //矩阵的列数，对应为使用32*8=256位描述子
                    CV_8U);     //矩阵元素的格式

由此可