ORBSLAM2代码学习（1）： TrackWithMotionModel() 和TrackReferenceKeyFrame()

区别

TrackWithMotionModel() 和 TrackReferenceKeyFrame()都是通过输入的帧（cur frame）计算cur frame 的R，T。不同之处是二者ORB特征点匹配的方法不同。

TrackReferenceKeyFrame()

步骤1：将当前帧(cur frames)的描述子转化为BoW向量。

步骤2：利用BOW方法对ORB特征点进行匹配，这两步的方法点击这里。

步骤3: 将上一帧的位姿态作为当前帧位姿的初始值，之后将其带入优化模型中。

这时keyframe(KF)的内容有：mappoints（地图点） , keypoints（特征点）,TCW（位姿）
cur frame 的内容： mappoints（地图点）取自KF 和KF 的mappoints相同
keypoints（特征点） 通过与KF中ORB特征点匹配获得（利用BOW方法加速）
TCW（位姿）初始值 设置与上一个 frame 相同

步骤4: 这时设KF为世界坐标，cur frame 可以通过优化3D-2D的重投影误差来获得cur frame的位姿TCW
也就是Optimizer::PoseOptimization(&mCurrentFrame)函数

步骤5：剔除优化后的outlier匹配点（MapPoints）

TrackWithMotionModel()

这个函数前提假设是相机是匀速运动的

步骤1：首先根据上一帧的位姿和上一帧相机运动的速度来估计cur frame 的当前位姿TCW（相机运动速度暂时不知道怎么求的）

mCurrentFrame.SetPose(mVelocity*mLastFrame.mTcw);//将当前帧的初始位姿设为上一帧位姿乘上一帧位姿的变化速度，得到当前的R，T

步骤2：将上一帧带有的mappoints ，根据步骤1 估计的R，T投影到cur frame上。

步骤3： 设定一个阈值，在cur frame 投影点附近进行搜索，以找到与上一帧中匹配的 ORB特征点。

步骤4：步骤3已经将两帧的ORB特征点进行了匹配，接着通过优化3D-2D的重投影误差来获得cur frame的位姿TCW。

步骤5： 优化位姿后剔除outlier的mvpMapPoints。

欢迎批评指正