软件工程应用与实践第六篇

最新推荐文章于 2023-03-17 10:41:44 发布

m0_46689170

最新推荐文章于 2023-03-17 10:41:44 发布

阅读量192

点赞数

文章标签： c++

本文链接：https://blog.csdn.net/m0_46689170/article/details/121461212

版权

ORB-SLAM3 Sim3Solver.cc相关理解与分析

2021SC@SDUSC

文章目录

- ORB-SLAM3 Sim3Solver.cc相关理解与分析
一、MapPoints相关知识
二、代码分析

一、MapPoints相关知识

1、Tracking、LocalMapping线程与MapPoint的关系
· 对于Tracking线程中的三个Track函数而言，其主要目的在于估计Frame位姿，解算每一帧的地图点MapPoint，并放在各自帧的成员变量mvpMapPoints中。然后，固定解算的地图点，只对估计的帧位姿进行优化，得到较为精确的位姿。其主要作用是将Frame类与MapPoint类关联起来，将2D的特征点转换成3D坐标。这个时候新建的地图点还没有与Map或LocalMap有任何关联。更准确来说，在Tracking的Track()函数中调用了StereoInitialization()，在这个函数中新建了地图点，并将它们与Map进行了关联。而对于三个Track函数，就没有进行关联了。
· 在LocalMapping线程中，通过取出输入帧里所包含的MapPoint进行局部建图，如果满足条件，将地图点放到LocalMapping的成员变量mvpLocalMapPoints中，构建局部地图LocalMap，关联的关键帧放到mvpLocalKeyFrames中。并在LocalMapping完成之后进行一次整体的局部优化，同时优化局部地图点坐标与关联的关键帧位姿。所以，其主要作用是将MapPoint与Map或LocalMap关联起来。

二、代码分析

1.SetRansacParameters函数

void Sim3Solver::SetRansacParameters(double probability, int minInliers, int maxIterations)
{
    mRansacProb = probability;              // 0.99
    mRansacMinInliers = minInliers;         // 20
    mRansacMaxIts = maxIterations;          // 最大迭代次数 300

    // 匹配点的数目
    N = mvpMapPoints1.size(); // number of correspondences

    // 内点标记向量
    mvbInliersi.resize(N);

    // Adjust Parameters according to number of correspondences
    float epsilon = (float)mRansacMinInliers/N;

    // Set RANSAC iterations according to probability, epsilon, and max iterations 
    // 计算迭代次数的理论值，也就是经过这么多次采样，其中至少有一次采样中,三对点都是内点
    // epsilon 表示了在这 N 对匹配点中,我随便抽取一对点是内点的概率; 
    // 为了计算Sim3,我们需要从这N对匹配点中取三对点;那么如果我有放回的从这些点中抽取三对点,取这三对点均为内点的概率是 p0=epsilon^3
    // 相应地,如果取三对点中至少存在一对匹配点是外点, 概率为p1=1-p0
    // 当我们进行K次采样的时候,其中每一次采样中三对点中都存在至少一对外点的概率就是p2=p1^k
    // K次采样中,至少有一次采样中三对点都是内点的概率是p=1-p2
    // 候根据 p2=p1^K 我们就可以导出 K 的公式：K=\frac{\log p2}{\log p1}=\frac{\log(1-p)}{\log(1-epsilon^3)}
    // 也就是说，我们进行K次采样,其中至少有一次采样中,三对点都是内点; 因此我们就得到了RANSAC迭代次数的理论值
    int nIterations;

    if(mRansacMinInliers==N)        
        nIterations=1; // 这种情况的时候最后计算得到的迭代次数的确就是一次
    else
        nIterations = ceil(log(1-mRansacProb)/log(1-pow(epsilon,3)));   

    // 外层的max保证RANSAC能够最少迭代一次;
    // 内层的min的目的是,如果理论值比给定值要小,那么我们优先选择使用较少的理论值来节省时间(其实也有极大概率得到能够达到的最好结果);
    // 如果理论值比给定值要大,那么我们也还是有限选择使用较少的给定值来节省时间
    mRansacMaxIts = max(1,min(nIterations,mRansacMaxIts));

    // 当前正在进行的迭代次数
    mnIterations = 0;
}