ORB-SLAM3 ---(单目模式初始化)

（1）SLAM面试题目和答案
https://dandelioncloud.cn/article/details/1593250926339215362
（2）单目初始化的详细过程
https://mp.weixin.qq.com/s?__biz=MzU2NjU3OTc5NA==&mid=2247486901&idx=1&sn=cd31bd570fb59cdb87ef6c3cf99cfc86&chksm=fcab0a88cbdc839e9b9cf3a8604628cab202d14875531297c11f609d9ceaa4a0387a182f6651&scene=27

（3）https://blog.csdn.net/shanpenghui/article/details/110003959?spm=1001.2014.3001.5502

主要的流程图如下所示
如上图所示，单目初始化中的两个主要函数Frame::Frame()和Tracking::Track()

一. \quad Frame::Frame()
1. 作用：主要完成工作是特征点提取，涉及到的知识点其实很多，包括图像金字塔、特征点均匀化、四叉树算法分发特征点、特征点方向计算等等。
2. 主要有3个函数：ExtractORB()，UndistortKeyPoints()， AssignFeaturesToGrid()

     Frame::ExtractORB()：对当前单目图像进行ORB特征点提取。
     Frame::UndistortKeyPoints()：用OpenCV的矫正函数、内参对提取到的特征点进行矫正。
     Frame::AssignFeaturesToGrid()：将特征点分配到图像网格中 ，进行特征点均匀化处理。

3. Frame::ExtractORB
   3.1 作用：主要完成工作是提取图像的ORB特征点和计算描述子。
   3.2 主要函数
   \quad （1）构建图像金字塔，ORBextractor::ComputePyramid
   \quad （2）利用四叉树算法均分特征点，ORBextractor::ComputeKeyPointsOctTree
   \quad （3）计算某层金字塔图像上特征点的描述子，static ORBextractor::computeDescriptors

   3.3 构建图像金字塔
   \quad （1）首先，图像金字塔的概念是: 图像金字塔是图像中多尺度表达的一种，是一种以多分辨率来解释图像的有效但概念简单的结构。
   \quad （2）ORBSLAM3中，调用OpenCV的resize函数实现图像缩放，构建每层金字塔的图像，在函数ORBextractor::ComputePyramid中。
   \quad （3）尺度不变性原理。在ORB-SLAM3中，为了实现特征尺度不变性采用了图像金字塔，金字塔的缩放因子为1.2。其思路就是对原始图形（第0层）依次进行1/1.2缩放比例进行降采样得到共计8张图片（包括原始图像），然后分别对得到的图像进行特征提取，并记录特征所在金字塔的第几层，这样得到一帧图像的特征点。
   \quad （4）尺度不变性实现。首先，作者调用MapPoint::PredictScale函数，根据地图点到光心的距离，来预测一个类似特征金字塔的尺度。其次，作者调用MapPoint::UpdateNormalAndDepth函数，来更新平均观测方向以及观测距离范围。由于一个MapPoint会被许多相机观测到，因此在插入关键帧后，需要更新相应变量，创建新的关键帧的时候会调用该函数。