ORB-SLAM2特征点匹配的策略

ORB-SLAM2特征点匹配的策略在不同的线程中方法是不一样的？
主要可以分为：

• 1. 初始化时候的匹配策略

注意事项：

• 1. 两个部分，第一个部分是在搜索窗口里计算描述子的距离。第二部分统计匹配的点，计算他们的角度差建立直方图，筛除非主流的匹配点。
• 2. 只在第0层金字塔上进行匹配。

步骤：

• 1. 构建旋转直方图
• 2. 在半径窗口内搜索当前帧F2中所有的候选匹配特征点
• 3. 遍历搜索窗口中的所有潜在的匹配候选点，找到最优的和次优的
• 4. 对最优次优结果进行检查，满足阈值、最优/次优比例，删除重复匹配
• 5. 计算匹配点旋转角度差所在的直方图
• 6. 筛除旋转直方图中“非主流”部分
• 7. 将最后通过筛选的匹配好的特征点保存

• 2. 恒速跟踪模型中的匹配策略

• 步骤：
• 1. 根据运动模型计算的位姿，将上一帧的像素点重投影到当前帧
• 2. 看当前帧所在的网格里面有没有其他的特征点，如果有，则进行匹配
• 3. 匹配上了，判断他们的金子塔层级是不是在±1之内
• 4. 如果满足金字塔层级要求，判断他们之间的距离是不是满足阈值，每一个金字塔的搜索半径不同，根据特征点具体的金子塔层级选取对应的搜索半径，满足以后进入到下一步
• 5. 将所有匹配点计算角度差直方图
• 6. 去除非主流部分的特征点
• 7. 最后将筛选好的地图点保存

• 3. 关键帧跟踪的匹配策略

• Step 1：分别取出属于同一node的ORB特征点(只有属于同一node，才有可能是匹配点)
• Step 2：遍历KF中属于该node的特征点
• Step 3: 遍历F中属于该node的特征点，寻找最佳匹配点
• Step 4：根据阈值 和 角度投票剔除误匹配
  – Step 4.1：第一关筛选：匹配距离必须小于设定阈值
  – Step 4.2：第二关筛选：最佳匹配比次佳匹配明显要好，那么最佳匹配才真正靠谱
  – Step 4.3：记录成功匹配特征点的对应的地图点(来自关键帧)
  – Step 4.4：计算匹配点旋转角度差所在的直方图
• Step 5 根据方向剔除误匹配的点
• Step 6 如果匹配的数量大于阈值，则跟踪成功，否则失败