ORB-SLAM学习（4）—— 概念补充

三角化/三角定位

三角测量的用途是用来确定深度信息的，从而确定地图点的三维点坐标。

BoW（视觉词袋模型）

Bag of Word词典中, 词典是一个事先训练好的分类树，把具有某一类特征的特征点放到一起就构成了一个单词（word），由所有这些单词就可以构成字典（vocabulary）了，有了字典之后，给定任意特征fi，只要在字典中逐层查找（使用的是汉明距离），最后就能找到与之对应的单词wj了.

共视图（Covisilibilty Graph）

Covisilibilty Graph的顶点是相机的Pose，而边是Pose-Pose的变换关系——所以也算是Pose Graph 一种吧。当两个相机看到相似的空间点时，它们对应的Pose就会产生联系（我们就可以根据这些空间点在照片上的投影计算两个相机间的运动）。根据观测到的空间点的数量，给这个边加上一个权值，度量这个边的可信程度。
Essential Graph比Covisibility Graph更为简单，ORB-SLAM主要用它来进行全局优化。为了限制优化的规模，ORB-SLAM试图尽量减少优化边的数量。而尽量减少边，又保持连通性的方法，就是做一个最小生成树。

共视图 本质图 生成树

共视图(covisibility graph)：将每个关键帧作为一个节点，若两个关键帧存在一定数量（至少15个）共视地图点则这两个这两个关键帧之间存在一条边，边的权重为共视地图点的数量。
本质图(essential graph)：使用位姿图来校正闭环处的累积误差，由于共视图中边的数量较多，我们创建共视图的子图-本质图。本质图包含生成树、共视地图点数量超过100的边和回环的边
生成树(spanning tree)：ORB-SLAM系统在第一个关键帧开始就维护一个生成树，每个关键帧只与共视点最多的相邻帧产生边。本质图包含生成树、共视地图点数量超过100的边和回环的边。

注意关键帧，地图点和地图三者之间的关系

我们在为全局地图添加关键帧和地图点的同时，需要更新关键帧与地图点的联系，为关键帧添加地图点同时为地图点添加可视关键帧，而且每个关键帧之间是有联系的，为了方便我们回环检测和重定位，我们将每个关键帧都添加共视关键帧（能看到相同的地图点，看到地图点的数量为两共视关键帧的权重）和父关键帧（权重最大的共视关键帧）。

ORBSLAM的PNP解决方案

PNP问题：已知空间中存在地图点世界坐标系下的坐标为Pw1，Pw2，Pw3… Pwn以及对应于在该帧中的匹配点像素坐标u1，u2，u3…un，求解此时相机的位姿Tcw。
ORBSLAM中采用EPNP的方案对解决PNP问题，EPNP将匹配点的当前相机坐标系下的坐标得到，然后根据ICP算法进一步求解得到相机的位姿Tcw。整体框架使用RANSAC的方式不断进行迭代求解。

sim3

sim3简单来说，就是使用3对匹配点来进行相似变换（similarity transformation）的求解，进而解出两个坐标系之间的旋转矩阵、平移向量和尺度。
以下图为例，A为当前关键帧，B为候选关键帧。
当相机从B处开始运动到A处的时候，检测到B为A的闭环候选帧。此时，考虑到相机从B运动到A的过程中不光会产生旋转和平移的误差，同时也会产生尺度漂移的累积，需要计算A和B之间的sim3变换，来找到A和B之间的sim3变换（包括旋转矩阵R、平移向量t、尺度变换s）,有了这些值之后，就可以对关键帧A的位姿进行纠正。

参考博文
sim3
https://blog.csdn.net/moyu123456789/article/details/91947539
pnp
https://blog.csdn.net/app_12062011/article/details/52039981
http://www.360doc.com/content/18/0423/17/54525756_748126485.shtml
三角化/三角定位
https://blog.csdn.net/OptSolution/article/details/64442962
对极几何
https://www.cnblogs.com/Jessica-jie/p/8085346.html
Covisibility Graph
https://www.cnblogs.com/liuzhenbo/p/10849840.html
BoW
https://blog.csdn.net/hzwwpgmwy/article/details/83477990
https://blog.csdn.net/qinruiyan/article/details/51042341
BA
https://blog.csdn.net/chishuideyu/article/details/76013854
https://blog.csdn.net/OptSolution/article/details/64442962
https://www.cnblogs.com/Jessica-jie/p/7739775.html