ORB-SLAM2代码详解05: 关键帧KeyFrame

最新推荐文章于 2023-02-14 13:49:10 发布
最新推荐文章于 2023-02-14 13:49:10 发布
阅读量5.8k 收藏 29
点赞数 21
分类专栏： SLAM 文章标签： ORB-SLAM2
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ncepu_chen/article/details/116784875
版权

pdf版本笔记的下载地址: ORB-SLAM2代码详解05_关键帧KeyFrame,排版更美观一点,这个网站的默认排版太丑了（访问密码：3834）

ORB-SLAM2代码详解05: 关键帧KeyFrame

可以看看我录制的视频5小时让你假装大概看懂ORB-SLAM2源码

请添加图片描述

各成员函数/变量

共视图: mConnectedKeyFrameWeights

能看到同一地图点的两关键帧之间存在共视关系,共视地图点的数量被称为权重.

请添加图片描述

成员函数/变量访问控制意义
std::map<KeyFrame*, int> mConnectedKeyFrameWeightsprotected当前关键帧的共视关键帧及权重
std::vector<KeyFrame*> mvpOrderedConnectedKeyFramesprotected所有共视关键帧,按权重从大到小排序
std::vector<int> mvOrderedWeightsprotected所有共视权重,按从大到小排序
void UpdateConnections()public基于当前关键帧对地图点的观测构造共视图
void AddConnection(KeyFrame* pKF, int &weight)public
应为private		添加共视关键帧
void EraseConnection(KeyFrame* pKF)public
应为private		删除共视关键帧
void UpdateBestCovisibles()public
应为private		基于共视图信息修改对应变量
std::set<KeyFrame*> GetConnectedKeyFrames()publicget方法
std::vector<KeyFrame*> GetVectorCovisibleKeyFrames()publicget方法
std::vector<KeyFrame*> GetBestCovisibilityKeyFrames(int &N)publicget方法
std::vector<KeyFrame*> GetCovisiblesByWeight(int &w)publicget方法
int GetWeight(KeyFrame* pKF)publicget方法

共视图结构由3个成员变量维护:

  • mConnectedKeyFrameWeights是一个std::map,无序地保存当前关键帧的共视关键帧及权重.
  • mvpOrderedConnectedKeyFrames和mvOrderedWeights按权重降序分别保存当前关键帧的共视关键帧列表和权重列表.

基于对地图点的观测重新构造共视图: UpdateConnections()

这3个变量由函数KeyFrame::UpdateConnections()进行初始化和维护,基于当前关键帧看到的地图点信息重新生成共视关键帧.

void KeyFrame::UpdateConnections() {
    
    // 1. 通过遍历当前帧地图点获取其与其它关键帧的共视程度,存入变量KFcounter中
    vector<MapPoint *> vpMP;
    {
        unique_lock<mutex> lockMPs(mMutexFeatures);
        vpMP = mvpMapPoints;
    }
    map<KeyFrame *, int> KFcounter; 
    for (MapPoint *pMP : vpMP) {
        map<KeyFrame *, size_t> observations = pMP->GetObservations();
        for (map<KeyFrame *, size_t>::iterator mit = observations.begin(); mit != observations.end(); mit++) {
            if (mit->first->mnId == mnId)		// 与当前关键帧本身不算共视
                continue;
            KFcounter[mit->first]++;
        }
    }
  
    // step2. 找到与当前关键帧共视程度超过15的关键帧,存入变量vPairs中
    vector<pair<int, KeyFrame *> > vPairs;
    int th = 15;
    int nmax = 0;
    KeyFrame *pKFmax = NULL;   
    for (map<KeyFrame *, int>::iterator mit = KFcounter.begin(), mend = KFcounter.end(); mit != mend; mit++) {
        if (mit->second > nmax) {
            nmax = mit->second;
            pKFmax = mit->first;
        }
        if (mit->second >= th) {
            vPairs.push_back(make_pair(mit->second, mit->first));
            (mit->first)->AddConnection(this, mit->second);				// 对超过阈值的共视边建立连接
        }
    }

    //  step3. 对关键帧按照共视权重降序排序,存入变量mvpOrderedConnectedKeyFrames和mvOrderedWeights中
    sort(vPairs.begin(), vPairs.end());
    list<KeyFrame *> lKFs;
    list<int> lWs;
    for (size_t i = 0; i < vPairs.size(); i++) {
        lKFs.push_front(vPairs[i].second);
        lWs.push_front(vPairs[i].first);
    }
    {
        unique_lock<mutex> lockCon(mMutexConnections);
        mConnectedKeyFrameWeights = KFcounter;
        mvpOrderedConnectedKeyFrames = vector<KeyFrame *>(lKFs.begin(), lKFs.end());
        mvOrderedWeights = vector<int>(lWs.begin(), lWs.end());

        // step4. 对于第一次加入生成树的关键帧,取共视程度最高的关键帧为父关键帧
        if (mbFirstConnection && mnId != 0) {
            mpParent = mvpOrderedConnectedKeyFrames.front();
            mpParent->AddChild(this);
            mbFirstConnection = false;
        }
    }
}

只要关键帧与地图点间的连接关系发生变化(包括关键帧创建和地图点重新匹配关键帧特征点),函数KeyFrame::UpdateConnections()就会被调用.具体来说,函数KeyFrame::UpdateConnections()的调用时机包括:

  • Tracking线程中初始化函数Tracking::StereoInitialization()或Tracking::MonocularInitialization()函数创建关键帧后会调用KeyFrame::UpdateConnections()初始化共视图信息.
  • LocalMapping线程接受到新关键帧时会调用函数LocalMapping::ProcessNewKeyFrame()处理跟踪过程中加入的地图点,之后会调用KeyFrame::UpdateConnections()初始化共视图信息.(实际上这里处理的是Tracking线程中函数Tracking::CreateNewKeyFrame()创建的关键帧)
  • LocalMapping线程处理完毕缓冲队列内所有关键帧后会调用LocalMapping::SearchInNeighbors()融合当前关键帧和共视关键帧间的重复地图点,之后会调用KeyFrame::UpdateConnections()更新共视图信息.
  • LoopClosing线程闭环矫正函数LoopClosing::CorrectLoop()会多次调用KeyFrame::UpdateConnections()更新共视图信息.

请添加图片描述

函数AddConnection(KeyFrame* pKF, const int &weight)和EraseConnection(KeyFrame* pKF)先对变量mConnectedKeyFrameWeights进行修改,再调用函数UpdateBestCovisibles()修改变量mvpOrderedConnectedKeyFrames和mvOrderedWeights.

这3个函数都只在函数KeyFrame::UpdateConnections()内部被调用了,应该设为私有成员函数.

void KeyFrame::AddConnection(KeyFrame *pKF, const int &weight) {
	// step1. 修改变量mConnectedKeyFrameWeights
    {
        unique_lock<mutex> lock(mMutexConnections);

        if (!mConnectedKeyFrameWeights.count(pKF) || mConnectedKeyFrameWeights[pKF] != weight)
            mConnectedKeyFrameWeights[pKF] = weight;
        else
            return;
    }
	
    // step2. 调用函数UpdateBestCovisibles()修改变量mvpOrderedConnectedKeyFrames和mvOrderedWeights
    UpdateBestCovisibles();
}


void KeyFrame::EraseConnection(KeyFrame *pKF) {
    // step1. 修改变量mConnectedKeyFrameWeights
    bool bUpdate = false;
    {
        unique_lock<mutex> lock(mMutexConnections);
        if (mConnectedKeyFrameWeights.count(pKF)) {
            mConnectedKeyFrameWeights.erase(pKF);
            bUpdate = true;
        }
    }

    // step2. 调用函数UpdateBestCovisibles()修改变量mvpOrderedConnectedKeyFrames和mvOrderedWeights
    if (bUpdate)
        UpdateBestCovisibles();
}

void KeyFrame::UpdateBestCovisibles() {    
    unique_lock<mutex> lock(mMutexConnections);
	
    // 取出所有关键帧进行排序,排序结果存入变量mvpOrderedConnectedKeyFrames和mvOrderedWeights中
    vector<pair<int, KeyFrame *> > vPairs;
    vPairs.reserve(mConnectedKeyFrameWeights.size());
    for (map<KeyFrame *, int>::iterator mit = mConnectedKeyFrameWeights.begin(), mend = mConnectedKeyFrameWeights.end(); mit != mend; mit++)
        vPairs.push_back(make_pair(mit->second, mit->first));

    sort(vPairs.begin(), vPairs.end());
    list<KeyFrame *> lKFs; 
    list<int> lWs; 
    for (size_t i = 0, iend = vPairs.size(); i < iend; i++) {
        lKFs.push_front(vPairs[i].second);
        lWs.push_front(vPairs[i].first);
    }

    mvpOrderedConnectedKeyFrames = vector<KeyFrame *>(lKFs.begin(), lKFs.end());
    mvOrderedWeights = vector<int>(lWs.begin(), lWs.end());
}

生成树: mpParent、mspChildrens

生成树是一种稀疏连接,以最小的边数保存图中所有节点.对于含有N个节点的图,只需构造一个N-1条边的最小生成树就可以将所有节点连接起来.

下图表示含有一个10个节点,20条边的稠密图;粗黑线代表其最小生成树,只需9条边即可将所有节点连接起来.

请添加图片描述

在ORB-SLAM2中,保存所有关键帧构成的最小生成树(优先选择权重大的边作为生成树的边),在回环闭合时只需对最小生成树做BA优化就能以最小代价优化所有关键帧和地图点的位姿,相比于优化共视图大大减少了计算量.(实际上并没有对最小生成树做BA优化,而是对包含生成树的本质图做BA优化)

请添加图片描述

成员函数/变量访问控制意义
bool mbFirstConnectionprotected当前关键帧是否还未加入到生成树
构造函数中初始化为true,加入生成树后置为false
KeyFrame* mpParentprotected当前关键帧在生成树中的父节点
std::set<KeyFrame*> mspChildrensprotected当前关键帧在生成树中的子节点列表
KeyFrame* GetParent()publicmpParent的get方法
void ChangeParent(KeyFrame* pKF)public
应为private		mpParent的set方法
std::set<KeyFrame*> GetChilds()publicmspChildrens的get方法
void AddChild(KeyFrame* pKF)public
应为private		添加子节点,mspChildrens的set方法
void EraseChild(KeyFrame* pKF)public
应为private		删除子节点,mspChildrens的set方法
bool hasChild(KeyFrame* pKF)public判断mspChildrens是否为空

生成树结构由成员变量mpParent和mspChildrens维护.我们主要关注生成树结构发生改变的时机.

  • 关键帧增加到生成树中的时机:

    成功创建关键帧之后会调用函数KeyFrame::UpdateConnections(),该函数第一次被调用时会将该新关键帧加入到生成树中.

    新关键帧的父关键帧会被设为其共视程度最高的共视关键帧.

    void KeyFrame::UpdateConnections() {
    
    // 更新共视图信息
	// ...
    
    // 更新关键帧信息: 对于第一次加入生成树的关键帧,取共视程度最高的关键帧为父关键帧
    // 该操作会改变当前关键帧的成员变量mpParent和父关键帧的成员变量mspChildrens
    unique_lock<mutex> lockCon(mMutexConnections);
    if (mbFirstConnection && mnId != 0) {
        mpParent = mvpOrderedConnectedKeyFrames.front();
        mpParent->AddChild(this);
        mbFirstConnection = false;
    }
}

  • 共视图的改变(除了删除关键帧以外)不会引发生成树的改变.

  • 只有当某个关键帧删除时,与其相连的生成树结构在会发生改变.(因为生成树是个单线联系的结构,没有冗余,一旦某关键帧删除了就得更新树结构才能保证所有关键帧依旧相连).生成树结构改变的方式类似于最小生成树算法中的加边法,见后文对函数setbadflag()的分析.

关键帧的删除

成员函数/变量访问控制意义初值
bool mbBadprotected标记是坏帧false
bool isBad()publicmbBad的get方法
void SetBadFlag()public真的执行删除
bool mbNotEraseprotected当前关键帧是否具有不被删除的特权false
bool mbToBeErasedprotected当前关键帧是否曾被豁免过删除false
void SetNotErase()publicmbNotErase的set方法
void SetErase()public

与MapPoint类似,函数KeyFrame::SetBadFlag()对KeyFrame的删除过程也采取先标记再清除的方式: 先将坏帧标记mBad置为true,再依次处理其各成员变量.

参与回环检测的关键帧具有不被删除的特权: mbNotErase

参与回环检测的关键帧具有不被删除的特权,该特权由成员变量mbNotErase存储,创建KeyFrame对象时该成员变量默认被初始化为false.

若某关键帧参与了回环检测,LoopClosing线程就会就调用函数KeyFrame::SetNotErase()将该关键帧的成员变量mbNotErase设为true,标记该关键帧暂时不要被删除.

void KeyFrame::SetNotErase() {
    unique_lock<mutex> lock(mMutexConnections);
    mbNotErase = true;
}

在删除函数SetBadFlag()起始先根据成员变量mbNotErase判断当前KeyFrame是否具有豁免删除的特权.若当前KeyFrame的mbNotErase为true,则函数SetBadFlag()不能删除当前KeyFrame,但会将其成员变量mbToBeErased置为true.

void KeyFrame::SetBadFlag() {
    // step1. 特殊情况:豁免 第一帧 和 具有mbNotErase特权的帧
    {
        unique_lock<mutex> lock(mMutexConnections);

        if (mnId == 0)
            return;
        else if (mbNotErase) {
            mbToBeErased = true;
            return;
        }
    }
    
    // 两步删除: 先逻辑删除,再物理删除...
}

成员变量mbToBeErased标记当前KeyFrame是否被豁免过删除特权.LoopClosing线程不再需要某关键帧时,会调用函数KeyFrame::SetErase()剥夺该关键帧不被删除的特权,将成员变量mbNotErase复位为false;同时检查成员变量mbToBeErased,若mbToBeErased为true就会调用函数KeyFrame::SetBadFlag()删除该关键帧.

void KeyFrame::SetErase() {
    {
        unique_lock<mutex> lock(mMutexConnections);
		// 若当前关键帧没参与回环检测,但其它帧与当前关键帧形成回环关系,也不应当删除当前关键帧
        if (mspLoopEdges.empty()) {
            mbNotErase = false;
        }
    }

    // mbToBeErased：删除之前记录的想要删但时机不合适没有删除的帧
    if (mbToBeErased) {
        SetBadFlag();
    }
}

删除关键帧时维护共视图和生成树

函数SetBadFlag()在删除关键帧的时维护其共视图和生成树结构.共视图结构的维护比较简单,这里主要关心如何维护生成树的结构.

当一个关键帧被删除时,其父关键帧和所有子关键帧的生成树信息也会受到影响,需要为其所有子关键帧寻找新的父关键帧,如果父关键帧找的不好的话,就会产生回环,导致生成树就断开.

被删除关键帧的子关键帧所有可能的父关键帧包括其兄弟关键帧和其被删除关键帧的父关键帧.以下图为例,关键帧4可能的父关键帧包括关键帧3、5、6和7.

请添加图片描述

采用类似于最小生成树算法中的加边法重新构建生成树结构: 每次循环取权重最高的候选边建立父子连接关系,并将新加入生成树的子节点到加入候选父节点集合sParentCandidates中.

请添加图片描述

void KeyFrame::SetBadFlag() {
    // step1. 特殊情况:豁免 第一帧 和 具有mbNotErase特权的帧
    {
        unique_lock<mutex> lock(mMutexConnections);

        if (mnId == 0)
            return;
        else if (mbNotErase) {
            mbToBeErased = true;
            return;
        }
    }

    // step2. 从共视关键帧的共视图中删除本关键帧
	for (auto mit : mConnectedKeyFrameWeights)
        mit.first->EraseConnection(this);

    // step3. 删除当前关键帧中地图点对本帧的观测
    for (size_t i = 0; i < mvpMapPoints.size(); i++)
        if (mvpMapPoints[i])
            mvpMapPoints[i]->EraseObservation(this);

    {
        // step4. 删除共视图
        unique_lock<mutex> lock(mMutexConnections);
        unique_lock<mutex> lock1(mMutexFeatures);
        mConnectedKeyFrameWeights.clear();
        mvpOrderedConnectedKeyFrames.clear();

        // step5. 更新生成树结构
        set<KeyFrame *> sParentCandidates;
        sParentCandidates.insert(mpParent);

        while (!mspChildrens.empty()) {
            bool bContinue = false;
            int max = -1;
            KeyFrame *pC;
            KeyFrame *pP;
            for (KeyFrame *pKF : mspChildrens) {
                if (pKF->isBad())
                    continue;

                vector<KeyFrame *> vpConnected = pKF->GetVectorCovisibleKeyFrames();

                for (size_t i = 0, iend = vpConnected.size(); i < iend; i++) {
                    for (set<KeyFrame *>::iterator spcit = sParentCandidates.begin(), spcend = sParentCandidates.end();
                         spcit != spcend; spcit++) {
                        if (vpConnected[i]->mnId == (*spcit)->mnId) {
                            int w = pKF->GetWeight(vpConnected[i]);
                            if (w > max) {
                                pC = pKF;                   
                                pP = vpConnected[i];        
                                max = w;                    
                                bContinue = true;           
                            }
                        }
                    }
                }
            }

            if (bContinue) {
                pC->ChangeParent(pP);
                sParentCandidates.insert(pC);
                mspChildrens.erase(pC);
            } else
                break;
        }

        if (!mspChildrens.empty())
            for (set<KeyFrame *>::iterator sit = mspChildrens.begin(); sit != mspChildrens.end(); sit++) {
                (*sit)->ChangeParent(mpParent);
            }

        mpParent->EraseChild(this);
		mTcp = Tcw * mpParent->GetPoseInverse();
        // step6. 将当前关键帧的 mbBad 置为 true
        mbBad = true;
    } 
    
	// step7. 从地图中删除当前关键帧
    mpMap->EraseKeyFrame(this);
    mpKeyFrameDB->erase(this);
}

对地图点的观测

KeyFrame类除了像一般的Frame类那样保存二维图像特征点以外,还保存三维地图点MapPoint信息.

关键帧观测到的地图点列表由成员变量mvpMapPoints保存,下面是一些对该成员变量进行增删改查的成员函数,就是简单的列表操作,没什么值得说的地方.

成员函数/变量访问控制意义
std::vector<MapPoint*> mvpMapPointsprotected当前关键帧观测到的地图点列表
void AddMapPoint(MapPoint* pMP, const size_t &idx)public
void EraseMapPointMatch(const size_t &idx)public
void EraseMapPointMatch(MapPoint* pMP)public
void ReplaceMapPointMatch(const size_t &idx, MapPoint* pMP)public
std::set<MapPoint*> GetMapPoints()public
std::vector<MapPoint*> GetMapPointMatches()public
int TrackedMapPoints(const int &minObs)public
MapPoint* GetMapPoint(const size_t &idx)public

值得关心的是上述函数的调用时机,也就是说参考帧何时与地图点发生关系:

  • 关键帧增加对地图点观测的时机:
    1. Tracking线程和LocalMapping线程创建新地图点后,会马上调用函数KeyFrame::AddMapPoint()添加当前关键帧对该地图点的观测.
    2. LocalMapping线程处理完毕缓冲队列内所有关键帧后会调用LocalMapping::SearchInNeighbors()融合当前关键帧和共视关键帧间的重复地图点,其中调用函数ORBmatcher::Fuse()实现融合过程中会调用函数KeyFrame::AddMapPoint().
    3. LoopClosing线程闭环矫正函数LoopClosing::CorrectLoop()将闭环关键帧与其匹配关键帧间的地图进行融合,会调用函数KeyFrame::AddMapPoint().
  • 关键帧替换和删除对地图点观测的时机:
    1. MapPoint删除函数MapPoint::SetBadFlag()或替换函数MapPoint::Replace()会调用KeyFrame::EraseMapPointMatch()和KeyFrame::ReplaceMapPointMatch()删除和替换关键针对地图点的观测.
    2. LocalMapping线程调用进行局部BA优化的函数Optimizer::LocalBundleAdjustment()内部调用函数KeyFrame::EraseMapPointMatch()删除对重投影误差较大的地图点的观测.

回环检测与本质图

成员函数/变量访问控制意义
std::set<KeyFrame*> mspLoopEdgeprotected和当前帧形成回环的关键帧集合
set<KeyFrame *> GetLoopEdges()publicmspLoopEdge的get函数
void AddLoopEdge(KeyFrame *pKF)publicmspLoopEdge的set函数

LoopClosing线程中回环矫正函数LoopClosing::CorrectLoop()在调用本质图BA优化函数Optimizer::OptimizeEssentialGraph()之前会调用函数KeyFrame::AddLoopEdge(),在当前关键帧和其闭环匹配关键帧间添加回环关系.

在调用本质图BA优化函数Optimizer::OptimizeEssentialGraph()中会调用函数KeyFrame::GetLoopEdges()将所有闭环关系加入到本质图中进行优化.

KeyFrame的用途

KeyFrame类的生命周期

请添加图片描述

  • KeyFrame的创建:

    Tracking线程中通过函数Tracking::NeedNewKeyFrame()判断是否需要关键帧,若需要关键帧,则调用函数Tracking::CreateNewKeyFrame()创建关键帧.

  • KeyFrame的销毁:

    LocalMapping线程剔除冗余关键帧函数LocalMapping::KeyFrameCulling()中若检查到某关键帧为冗余关键帧,则调用函数KeyFrame::SetBadFlag()删除关键帧.

pdf版本笔记的下载地址: ORB-SLAM2代码详解05_关键帧KeyFrame,排版更美观一点,这个网站的默认排版太丑了（访问密码：3834）

ncepu_Chen
关注
  • 21
    点赞
  • 踩
  • 29
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
ORBSLAM3.10 关键帧选取策略
qq_41861406的博客
08-17 1143
关键帧是目前是一种非常常用的方法，可以减少待优化的帧数，并且可以代表其附近的帧，关键帧相当于slam的骨架，是在局部一系列普通帧中选出一帧作为局部帧的代表，记录局部信息。如果摄像头放在原处不动，普通帧还是要记录的，但关键帧因为总看到原场景，所以不会增加。可以简单理解为方阵里有10行10列，每一行的第一个人就是一个关键帧，他可以代表他所在一行的人的特征。但实际上并不是每一行第一个人，这就涉及到关键帧的选取策略了。......
ORB_SLAM2-Chinese-annotation:ORB-SLAM2中文注释版（适用入门学习）
04-28
ORB-SLAM2（中文注释版） 评论员： 作者： ， ， 和 （ ） 2017年1月13日：现在支持OpenCV 3和Eigen 3.3。 2016年12月22日：添加了AR演示（请参见第7节）。 ORB-SLAM2是用于单目，立体声和RGB-D相机的实时SLAM库，可计算相机轨迹和稀疏的3D重建（在具有真实比例的立体声和RGB-D情况下）。 它能够实时检测环路并重新定位摄像机。 我们提供了在以立体或单眼，在以RGB-D或单眼，在以立体或单眼运行SLAM系统的。 我们还提供了一个ROS节点来处理实时单眼，立体声或RGB-D流。 该库可以在没有ROS的情况下进行编译。 ORB-SLAM2提供了一个可在SLAM模式和本地化模式之间切换的GUI，请参阅本文档的第9节。 相关出版物： （单眼）劳尔·穆尔·阿塔尔（RaúlMur-Artal），蒙蒂尔（JMM Montiel）和胡安
【ORB-SLAM2关键知识点梳理1】关键帧、共视图、扩展树、本质图之间的联系
weixin_46135347的博客
09-08 4782
文章目录前言一、关键帧（KeyFrame）1. 作用、意义2. 选择二、共视图（Covisibility Graph）1. 概念2. 作用3. ORB-SLAM2中的应用场景三、扩展树（Spinning Tree）四、本质图（Essential Graph）1. 特点2. 作用3. 与全局BA相比，本质图的优势五、与上述内容相关的代码 前言 越来越不知道这前言写什么，大家共勉吧。 一、关键帧（KeyFrame） 简而言之：关键帧是几帧普通帧中较具有代表性的一帧。 1. 作用、意义 降低局部相邻关键帧
基于ORB-SLAM2的实时网格地图构建
04-30
针对目前视觉SLAM（同时定位与地图构建）系统只能输出相机的运动轨迹图而不能生成用于路径规划和导航地图的缺点，提出了一种基于ORB-SLAM2的网格地图实时构建算法。首先，建立了一个适用于视觉SLAM的逆传感器模型（inverse sensor model，ISM）；针对ISM模型重新编排了网格地图算法的构建机制，并对其进行详细推导；最后，介绍了ORB-SLAM2网格地图构建的具体实施方案。通过实验，对ISM模型和网格地图模型进行分析，确保了算法的可行性；用单目相机和RGB-D深度相机进行实时实验，实现了网格地图的实时构建，且能够清晰地显现出障碍物位置，验证了所提算法的有效性。
ORB-SLAM2源码中文详解.pdf
08-17
东北大学吴博讲解ORB_SLAM的文档，仅有文档。
(01)ORB-SLAM2源码无死角解析-(52) 局部建图线程→剔除关键帧KeyFrameCulling()、整体线程梳理
江南才尽江南山，年少无知年少狂！
08-18 730
上一篇博客对 SearchInNeighbors() 函数进行了讲解，该函数的主要功能为检查并融合当前关键帧与相邻关键帧帧（两级相邻）中重复的地图点。接下来呢，原本是应该讲解一个重要的函数，那就是 Optimizer::LocalBundleAdjustment() 函数，其功能为局部优化。
3.8ORB-SLAM3之关键帧的创建和删除条件
超爱吃小蛋糕的66的博客
01-31 622
以上的测试使用的纯双目下的纯定位，效果有些鸡肋；对于双目+IMU尚未尝试，有了IMU的与积分在段时间的困难场景下应该会纯定位模式应该会表现稍好一些。如果情况一到情况四，均没有被触发则进入到最后的判断，只要满足情况567其中一条则统一插入关键帧。
ORB-SLAM2从理论到代码实现（十四）：KeyFrame类
人无远虑，必有近忧
09-18 708
KeyFrame为关键帧，关键帧之所以存在是因为优化需要，所以KeyFrame的几乎所有内容都是位优化服务的。该类中的函数较多，我们需要归类梳理一下，明白其功能原理，才能真正弄懂它的内容。 图优化需要构建节点和变，节点很好理解，就是关键帧的位姿，所以需要有读写位姿的功能，边分为两种，第一种边是和MapPoint之间的，所以需要有管理和MapPoint之间关系的函数，第二种边是和其他关键帧之间的，他们之间需要通过MapPoint产生联系，两帧能够共同观测到一定数量的MapPoint时则可以在他俩之间建立边，
详谈ORB-SLAM2的帧
极客园地
11-08 1046
ORB-SLAM2中帧分为两个部分，帧和关键帧。相机每次接收到一帧图像（双目或RGB-D接收两张图像）构成一帧，关键帧是来自于普通帧，普通帧只能解决当前帧的相机位姿和跟踪状态，只有被选为关键帧，才能决定回环检测、局部建图等工作。普通帧只能解决当前帧的情况，而关键帧可以对整个系统的后续产生影响，了解了普通帧和关键帧的区别能让我们更好的理解ORB-SLAM2算法的代码。
试图学会ORB-SLAM2(4)——KeyFrame类
weixin_45432823的博客
02-14 314
ORB-SLAM2学习笔记4
ORB-SLAM2.xmind
01-19
ORB-SLAM2代码阅读思维导图，xmind8编辑，可用xmind8或者xmind zen打开。自己做的，可能有错误，如果有问题可直接私信给我。 ORB-SLAM2 是我上手的第一个比较大的SLAM系统和c++项目，因此方便建立了思维导图更深的理解相关联系，对我学习该系统起到了极大的辅助作用。
VI_ORB_SLAM2:基于ORB-SLAM2的MonocularStereo视觉惯性ORB-SLAM
05-14
VI_ORB_SLAM2：基于ORB-SLAM2的单目/立体视觉惯性ORB-SLAM 该存储库包括Visual-Inertial ORB-SLAM的Monocular版本和Stereo版本。 这两个是的和的。 有关详细信息，您可以参考Examples/Monocular/mono_euroc_VI.cc和Examples/Stereo/stereo_euroc_VI.cc 。 我修复了一些错误，以使其更稳定地传递更多的数据集并修改代码以使其与兼容。 并非没有错误。 不是实时的。 如果您认为此回购很有用，请观看，加注星标或加分叉！ 待办事项清单 即时的 支持立体声VI ORB-SLAM的本地化模式 相对姿势误差分析，例如方向和平移误差 构建VI-ORB-SLAM2库和示例 克隆存储库： git clone https://github.com/YoujieXia/VI_ORB
ORB-SLAM2源码详解.zip
06-20
从代码结构、系统入口、分线程详细的讲解了ORB-SLAM2的方方面面，以流程图的形式详述了算法执行的原理、执行流程等，是不错的学习参考资料。
orb_slam_2_ros:ORB_SLAM2 的 ROS 实现
07-24
ORB-SLAM2 ORB-SLAM2 作者： 、 、 和 ( )。 原始实现可以在找到。 ORB-SLAM2 ROS 节点 这是用于单目、立体和RGB-D相机的 ORB-SLAM2 实时 SLAM 库的 ROS 实现，用于计算相机轨迹和稀疏 3D 重建（在具有真实比例的...
ORB-SLAM2源码详解c++
01-10
ORB-SLAM2源码详解尽管可以用于立体视觉，ORB-SLAM2主要是单目SLAM系统，也就是只有一个相机（摄像头）的系统，主要用于特征识别，自主导航。ORB-SLAM2的硬件传感器也就是这一种，当然也可以加入其它传感器，比如IMU...
Active-ORB-SLAM2-master.rar
07-01
基于orb-slam2的主动SLAM方法
ORB-SLAM2源码详解.pdf
04-01
里面详细推导了ORB_SLAM2的很多公式，比看原论文容易理解
《ORB-SLAM2源码解析》学习手册v1.0-对外.pdf
07-08
《ORB-SLAM2源码解析》学习手册v1.0-对外.pdf
orb-slam3代码详解
最新发布
07-25
很抱歉，我无法提供ORB-SLAM3代码的详细解释。作为一个AI助手，我无法提供具体的代码实现。然而，我可以告诉你一些关于ORB-SLAM3的信息。ORB-SLAM3是ORB-SLAM系列的最新版本，它是一种用于实时单目、双目和RGB-D相机的视觉SLAM系统。它结合了特征提取、特征匹配、相机跟踪和地图构建等功能，可以实现实时的定位和建图。ORB-SLAM3还引入了IMU融合和多地图支持的功能，提高了系统的鲁棒性和精度。此外，ORB-SLAM3还改进了回环检测的速度和准确性。如果你对ORB-SLAM3的代码感兴趣，我建议你查阅相关的文献和资料，以获取更详细的信息和代码实现。 #### 引用[.reference_title] - *1* *2* *3* [视觉SLAM开源算法ORB-SLAM3 原理与代码解析](https://blog.csdn.net/Yong_Qi2015/article/details/121847441)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值