跟六哥学习ORB-SLAM2作业（二）下

目录

5、(问答题)  ORB_SLAM中为什么要进行特征点的均匀化？有什么好处？请调研至少1种以上其他可以实现均匀化的方法？

6、(问答题)  题目：单目相机SLAM是视觉SLAM所需最小的配置，应用非常广泛，而其中单目初始化尤其重要。这里我们自己实现了一个单目相机初始化流程，包括：提取特征点，特征匹配和筛选，位姿估计，三角化。代码框架已经写好了，推荐环境：ubuntu 18.04, OpenCV 3.4.6。

---

5、(问答题)  ORB_SLAM中为什么要进行特征点的均匀化？有什么好处？请调研至少1种以上其他可以实现均匀化的方法？

有人对该问题做了实验对比：https://blog.csdn.net/yong_qi2015/article/details/106700580

好处可以总结为：避免特征点扎推，最终能提高建图和定位精度

四叉树均匀化

 

6、(问答题)  题目：单目相机SLAM是视觉SLAM所需最小的配置，应用非常广泛，而其中单目初始化尤其重要。这里我们自己实现了一个单目相机初始化流程，包括：提取特征点，特征匹配和筛选，位姿估计，三角化。代码框架已经写好了，推荐环境：ubuntu 18.04, OpenCV 3.4.6。

任务1

需要你在缺失的两个地方补充如下代码：

第1处：在 feature_match 函数中：

// ---------- homework1：用GMS方法筛选暴力匹配结果中正确的匹配对 --------------//
    // ----------------  代码开始 -----------------//
    std::vector<bool> vbInliers;
    int num_inliers;

    gms_matcher gms(keypoints_1, img_1.size(), keypoints_2, img_2.size(), Matches_bf);
    num_inliers = gms.GetInlierMask(vbInliers, false, false);
    cout << "Get total " << num_inliers << " matches." << endl;

    // collect matches
    for (size_t i = 0; i < vbInliers.size(); ++i)
    {
        if (vbInliers[i] == true)
        {
            matches_gms.push_back(Matches_bf[i]);
        }
    }
    // ----------------  代码结束-----------------//

答：

1.参数的初始化

2.确定第一帧图像，后续以此帧相机坐标系为世界坐标系

3.依次对后续每一帧进行特征点提取，匹配，筛选，三角化等操作，直到可以找到可以初始化的那一帧结束

3.1.对每一帧进行特征点提取

3.2.使用GMS方法对暴力匹配的结果进行筛选

3.3.根据筛选后的匹配点对进行位姿估计

3.4.根据估计的位姿，以及匹配点对关系，三角化空间点

3.5.对空间点进行重投影检验，提出误差较大的匹配对

3.6.对空间点进行观察角度检验，提出观察角度小于设定角度的点

3.7.检查剩余的点数以及角度关系是否满足要求，满足则初始化完成，不满足则使用下一张进行初始化

4.绘制内外点匹配点对，绘制内外点的重投影

这一处主要是找到GMS的论文和代码就行了！

【参考】

https://blog.csdn.net/zhangjunhit/article/details/77891666

https://blog.csdn.net/custesc/article/details/103963787

https://github.com/JiawangBian/GMS-Feature-Matcher

第2处：在 triangulation 函数中：

// ---------- homework2：筛选内外点，参考ORB-SLAM2中单目初始化代码实现 --------//
// ----------------  代码开始 -----------------//
// 根据重投影误差筛选内外点
vector<int> inlier3dPoints;
//...

int sum = std::accumulate(inlier3dPoints.begin(), inlier3dPoints.end(), 0);
printf("经过重投影误差筛选后，有效3D点数为：%d / %d \n", sum, inlier3dPoints.size());

// 根据三角化夹角来筛选合格的三维点
vector<double> cosinPts;
//...
printf("经过角度筛选后，有效3D点数为： %d / %d \n",cosinPts.size() , inlier3dPoints.size());
// ----------------  代码结束 -----------------//

答：与ORB-SLAM2代码差在给的数据类型上，没有做出来，等讲解学习吧！

任务2

根据运行结果分析外点被删除的原因。
 

答：在ORB-SLAM2代码中，剔除匹配对的情况有：

• 三角化的三维点坐标不合法（无穷值）

• 通过三维点深度值正负、两相机光心视差角大小来检查不合法（负值不合法，视差比较小时，重投影误差较大不合法）

• 计算空间点在参考帧和当前帧上的重投影误差，如果大于阈值则舍弃

题目代码下载：

链接：https://pan.baidu.com/s/1AznfTbMULCBtEt5PqK7Nfw 

提取码：d4n5

提交作业请通过百度网盘压缩包上传可以编译的完整代码，设置永久链接，方便批改，谢谢

【参考】

https://blog.csdn.net/zhangjunhit/article/details/77891666

https://blog.csdn.net/custesc/article/details/103963787