c++学习【17】Tracking.cc

        mCurrentFrame = Frame(
            mImGray,
            timestamp,
            mpORBextractorLeft,     //正常运行的时的ORB特征点提取器，提取指定数目特征点
            mpORBVocabulary,
            mK,
            mDistCoef,
            mbf,
            mThDepth);

/*
 * @brief 用参考关键帧的地图点来对当前普通帧进行跟踪
 * 
 * Step 1：将当前普通帧的描述子转化为BoW向量
 * Step 2：通过词袋BoW加速当前帧与参考帧之间的特征点匹配
 * Step 3: 将上一帧的位姿态作为当前帧位姿的初始值
 * Step 4: 通过优化3D-2D的重投影误差来获得位姿
 * Step 5：剔除优化后的匹配点中的外点
 * @return 如果匹配数超10，返回true
 * 
 */
bool Tracking::TrackReferenceKeyFrame()
{

第一步：初始化MonocularInitialization();

    if(!mCurrentFrame.mTcw.empty())
    {
        // 计算相对姿态Tcr = Tcw * Twr, Twr = Trw^-1
        cv::Mat Tcr = mCurrentFrame.mTcw*mCurrentFrame.mpReferenceKF->GetPoseInverse();
        //保存各种状态
        mlRelativeFramePoses.push_back(Tcr);
        mlpReferences.push_back(mpReferenceKF);
        mlFrameTimes.push_back(mCurrentFrame.mTimeStamp);
        mlbLost.push_back(mState==LOST);
    }

bool Tracking::Relocalization()
{// Step 1：计算当前帧特征点的词袋向量
Step 2：用词袋找到与当前帧相似的候选关键帧
Step 3：遍历所有的候选关键帧，通过词袋进行快速匹配，用匹配结果初始化PnP Solver
Step 4: 通过一系列操作,直到找到能够匹配上的关键帧

bool Tracking::TrackWithMotionModel()
{
...
// Step 4：利用3D-2D投影关系，优化当前帧位姿
Optimizer::PoseOptimization(&mCurrentFrame);

Tracking的构造函数，需要系统的指针，BOW字典指针，关键帧词代库指针，
配置文件路径，传感器类型
绘图器指针：帧、地图点，地图句柄

///构造函数
Tracking::Tracking(
System *pSys, //系统实例
ORBVocabulary* pVoc, //BOW字典
FrameDrawer *pFrameDrawer, //帧绘制器
MapDrawer *pMapDrawer, //地图点绘制器
Map *pMap, //地图句柄
KeyFrameDatabase* pKFDB, //关键帧产生的词袋数据库
const string &strSettingPath, //配置文件路径
const int sensor):
构造函数继承了一个叫System类的指针，pSys指针的内容的public变量和函数可以被Tracking访问，比如mpSystem->Reset();
System* mpSystem;//指向系统实例的指针
mpSystem(pSys),

this指向当前对象的地址

Tracking::Tracking(
System *pSys, //系统实例
const int sensor): //传感器类型
mSensor(sensor),
mpSystem(pSys),
{        
        }
在Tracking头文件中有protected:私有成员变量System* mpSystem;，在Tracking.cc文件中有构造函数Tracking::Tracking(System *pSys):mpSystem(pSys){}，将mpSystem初始化为传入的指针pSys，是什么时候传入的呢？在System.cc文件中有mpTracker = new Tracking(this);这个this就是System的构造函数。

Tracking类有哪些变量？

跟踪状态类型，eTrackingState

    enum eTrackingState{
        SYSTEM_NOT_READY=-1,        //系统没有准备好的状态,一般就是在启动后加载配置文件和词典文件时候的状态
        NO_IMAGES_YET=0,            //当前无图像
        NOT_INITIALIZED=1,          //有图像但是没有完成初始化
        OK=2,                       //正常时候的工作状态
        LOST=3                      //系统已经跟丢了的状态
    };

eTrackingState mState;///跟踪状态
eTrackingState mLastProcessedState;///上一帧的跟踪状态.这个变量在绘制当前帧的时候会被使用到

int mSensor;//传感器类型,这个在创建系统时，会传入

Frame类

Frame mCurrentFrame;//下面是双目创建一个mCurrentFrame

    mCurrentFrame = Frame(
        mImGray,                //左目图像
        imGrayRight,            //右目图像
        timestamp,              //时间戳
        mpORBextractorLeft,     //左目特征提取器
        mpORBextractorRight,    //右目特征提取器
        mpORBVocabulary,        //字典
        mK,                     //内参矩阵
        mDistCoef,              //去畸变参数
        mbf,                    //基线长度
        mThDepth);              //远点,近点的区分阈值

Frame mInitialFrame;//一般这个初始化帧就是mInitialFrame = Frame(mCurrentFrame);
Frame mLastFrame;//差不多的来历mLastFrame = Frame(mCurrentFrame);

KeyFrame* mpLastKeyFrame;//上一关键帧
KeyFrame* mpReferenceKF;//参考关键帧

mCurrentFrame.mpReferenceKF = mpReferenceKF;
// 将最新的关键帧作为当前帧的参考关键帧

list<KeyFrame*> mlpReferences;//参考关键帧

std::vector<KeyFrame*> mvpLocalKeyFrames;//局部关键帧集合

在特征匹配（Feature Matching）的过程中，可以通过比较关键帧和当前帧之间的特征点来确定它们之间的关系。在相机追踪中，可以通过运动估计（Motion Estimation）和特征重投影（Feature Re-projection）来估计当前帧与关键帧之间的相对位姿关系。在回环检测中，可以通过比较关键帧和当前帧之间的相似性来检测是否有回环出现。在Tracking.cc中有判断当前帧是否需要插入关键帧

/**
 * @brief 判断当前帧是否需要插入关键帧
 * 
 * Step 1：纯VO模式下不插入关键帧，如果局部地图被闭环检测使用，则不插入关键帧
 * Step 2：如果距离上一次重定位比较近，或者关键帧数目超出最大限制，不插入关键帧
 * Step 3：得到参考关键帧跟踪到的地图点数量
 * Step 4：查询局部地图管理器是否繁忙,也就是当前能否接受新的关键帧
 * Step 5：对于双目或RGBD摄像头，统计可以添加的有效地图点总数 和 跟踪到的地图点数量
 * Step 6：决策是否需要插入关键帧
 * @return true         需要
 * @return false        不需要
 */
bool Tracking::NeedNewKeyFrame()
{

cv::Mat

代表了一个多维的数值矩阵
cv::Mat mImGray;

cv::Mat mK;//相机内参数矩阵
cv::Mat mDistCoef;//相机去畸变参数
cv::Mat mVelocity;

list<cv::Mat> mlRelativeFramePoses;

std::vector<cv::Point2f> mvbPrevMatched;
std::vector<cv::Point3f> mvIniP3D;

数组容器

std::vector<int> 是一个可以自动调整大小的数组容器

std::vector<int> mvIniLastMatches;
std::vector<int> mvIniMatches;

bool mbOnlyTracking;
bool mbVO;
bool mbRGB;
list<bool> mlbLost;

Tracking类有哪些函数？

不需要参数的函数

void Reset();
void Track();
void StereoInitialization();
void CheckReplacedInLastFrame();
void UpdateLastFrame();