ORB-SLAM2 + windows + usb摄像头 项目实战（一）

前言：本博客是博主本科毕业设计时的学习、探索与总结系列博客第一篇。主要是介绍了ORB-SLAM2项目的相关背景功能以及代码学习资源，并且说明了一下这次博客的目的。其中，开发环境为VS2017 + C++，其中难免有很多不足与疏漏之处，还望不吝赐教。

---

系列博客
ORB-SLAM2 + windows + usb摄像头 项目实战（二）

---

目录

---

一、ORB-SLAM2 项目背景简介：

1.ORB-SLAM是什么，有什么特点？

1）简介：

ORB-SLAM是一个用于 单目相机（后期的ORB-SLAM2也提供了双目立体相机以及RGBD相机的接口）的精确的多功能SLAM(simultaneous localization and mapping，即时定位与地图构建)方案。

2）功能：

它能够实时计算并跟踪摄像机在空间中的运动轨迹，也能用于小到桌子，大到多个城市街道的多种规模的场景的三维重建。除此以外，它还具备较好的稳健性，当摄像头跟丢后还能够实时进行全局的重定位找回摄像头位置。最后，它针对平面以及非平面，提供了两套初始化方案，使得系统的初始化效果更为稳健。

3）工作原理：

（1）第一步，系统读取摄像头参数与ORB字典的数据，并且初始化整个系统。
（2）第二步，它接着初始化相机位姿，初始化时采用ORB算法（算法具体介绍可以参考以下博客1-ORB特征提取详解， 2-ORB特征检测算法小结，3-特征点匹配——ORB算法介绍） 提取第一帧图像的特征点，并且得到相连两帧图像之间的特征点的匹配；
（3）第三步，在得到特征点匹配的信息的基础上，利用 双目立体视觉中的三角法（三角法算法数学原理参考以下博客： 双目测距数学原理详解，代码参考以下博客： 1- 学习OpenCV(2)双目测距原理，2-【opencv学习】完全基于opencv的双目景深与测距的实现，3- VS2017+OpenCV3.3基于SGBM算法的双目立体视觉、双目测距（双目校正和立体匹配）） 恢复匹配上的特征点的深度（注意此处我们采用的是单目相机&