ORB-SLAM2代码学习

cerr与cout的区别
1、cout经过缓冲后输出，默认情况下是显示器。这是一个被缓冲的输出，是标准输出，并且可以重新定向。
2、cerr不经过缓冲而直接输出，一般用于迅速输出出错信息，是标准错误，默认情况下被关联到标准输出流，但它不被缓冲，也就说错误消息可以直接发送到显示器，而无需等到缓冲区或者新的换行符时，才被显示。一般情况下不被重定向。
cerr主要作用在于当程序栈空间用完之后，仍具有输出功能，可以显示紧急的错误信息
 

        if(ttrack<T)
        //把进程挂起一段时间，单位是秒
            usleep((T-ttrack)*1e6);

使用click函数，精确到毫秒（推荐使用这种）
计算算法程序的执行时间，使用clock()函数，返回值是长整型long
函数原型为： clock_t clock(void);
其中clock_t的定义为：typedef long clock_t;说明 clock_t就是长整型

实际上这个函数返回的不是时间，这个函数只是一个计数器，时间每过千分之一秒（就是毫秒）就加1（这个定义在time.h中）
#define CLOCKS_PER_SEC 1000
这个数值不能增加，因为在标准C/C++中，最小的计时单位就是一毫秒。

#include <stdio.h>
#include <time.h>
using namespace std;
void myTime() {
	clock_t start = clock();
	cout<<"开始时间："<<start<<endl;
	long i=100000000;
	while(i--);
	clock_t end = clock();
	cout<<"结束时间："<<end<<endl;
	cout<<"算法执行持续时间："<<end-start<<"毫秒"<<endl;
}
void main(){
	myTime();
}

（1）首先使用LoadImages读取图片目录和时间戳文件
（2）创建ORB_SLAM2::System对象
（3）循环读取数据
 （3.1）读取图片
 （3.2）读取时间戳
 （3.3）将图片传给SLAM系统
（4）关闭SLAM系统
（5）将相机轨线保存到硬盘中

函数中，我们创建了一个ORB_SLAM2::System的对象SLAM，这个时候就会进入到SLAM系统的主接口System.cc。这个代码是所有调用SLAM系统的主入口。

ORB_SLAM的三大模块：Tracking、Mapping和LoopClosing

对象的实例化过程中，我们创建了以下对象：
（1）创建了ORB词袋的对象
（2）创建了关键帧的数据库
（3）创建地图对象
（4）创建两个显示窗口
（5）初始化Tracking对象
（6）初始化Local Mapping对象，并开启线程运行
（7）初始化Loop Closing对象，并开启线程运行
（8）初始化窗口，开启线程显示图像和地图点

在这个实例化的过程中，我们开启了三个线程，分别是Local Mapping、Loop Closing和窗口显示的线程
 

Tracking的运行：

我们在循环读取图片的时候，调用了一个SLAM.TrackMonocular()函数，这个函数就是在主线程里调用Tracking的函数入口了。所以Tracking是运行在主线程中，并且在每次读取一帧新的图像时运行一次。程序将读取的图片转成灰度图，然后对帧进行特征点检测，就直接调用Tracking.cc中的Track()函数，进行跟踪。另外要注意的是，由于使用的是单目相机，所以在跟踪时需要判断是否初始化或有没有前序关键帧，如果没有，使用mpIniORBextractor的参数进行特征点检测。

Local Mapping：

关键帧（keyframe）

• tracking线程对每一帧进行跟踪，挑选出其中质量高、信息丰富的帧作为关键帧送给localmapping线程
• 关键帧的选取采用“宽进严出”的策略，tracking线程在选取关键帧的时候条件比较宽松，localmapping线程再对冗余的关键帧进行剔除

地图点（mappoint）

是一些3D点，主要包含以下几个信息
1.位置
2.能被哪些关键帧观测到
3.最佳描述子
4.平均观测方向和观测范围
地图点的生成
对于单目相机，只有tracking线程的单目初始化和localmapping线程的CreateNewMapPoints生成了地图点。而双目和深度相机由于有深度信息，所以在跟踪时也能生成地图点。

1. 处理新插入的关键帧——ProcessNewKeyFrame

2. 剔除新加入的地图点中不好的点——MapPointCulling

3. 利用三角化生成新的地图点——CreateNewMapPoints

4. 融合当前关键帧和相邻两级共视关键帧之间的地图点——SearchInNeighbors

5. 冗余关键帧的剔除——KeyFrameCulling

6.把关键帧送给LoopClosing线程做回环检测