ORBSLAM3 --- 检测闭环及融合关键帧KeyFrameDatabase::DetectNBestCandidates函数解析

本文链接：https://blog.csdn.net/qq_41694024/article/details/129579631

本文详细解析了ORB-SLAM3中的KeyFrameDatabase::DetectNBestCandidates函数，用于闭环检测和融合关键帧。与ORB-SLAM2相比，ORB-SLAM3筛选候选关键帧时，不再考虑最低相似度阈值，而是选取具有最多共同单词的前N个关键帧作为候选。同时，介绍了不同阶段的筛选标准和步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.函数用处

2.ORB-SLAM2与ORB-SLAM3的筛选候选关键帧的不同之处与原理解析

3.代码解析

1.函数用处

在闭环及地图合并线程调用：

mpKeyFrameDB->DetectNBestCandidates(mpCurrentKF, vpLoopBowCand, vpMergeBowCand,3);

分别找到3个最好的候选帧，3个回环候选帧放在vpLoopBowCand中，3个融合候选帧放在vpMergeBowCand中。

函数的参数如下：

/**
 * @brief 找到N个融合候选N个回环候选
 *
 * @param[in] pKF 当前关键帧(我们要寻找这个关键帧的回环候选帧和融合候选帧)
 * @param[out] vpLoopCand 记录找到的回环候选帧
 * @param[out] vpMergeCand 记录找到的融合候选帧
 * @param[in] nNumCandidates 期望的候选数目,即回环和候选分别应该有多少个
 */
void KeyFrameDatabase::DetectNBestCandidates(KeyFrame *pKF, vector<KeyFrame *> &vpLoopCand, vector<KeyFrame *> &vpMergeCand, int nNumCandidates)

2.ORB-SLAM2与ORB-SLAM3的筛选候选关键帧的不同之处与原理解析

闭环和地图合并示意图

        找到和当前关键帧 $K_a$ 对应的最佳的3个回环候选帧和融合候选帧，统一称为 $K_m$ 。
        我们先回顾下ORB-SLAM2函数中如何做的，对应函数KeyFrameDatabase::DetectLoopCandidates()，如果想详细了解的话详见我的博客：

ORB-SLAM2 --- KeyFrameDatabase::DetectLoopCandidates函数解析https://blog.csdn.net/qq_41694024/article/details/128574571        阈值1：minCommonWords，最大共同单词的0.8倍。
        阈值2：minScore，当前关键帧与它的共视关键帧的最低相似度。
        阈值3：minScoreToRetain，统计符合上述条件的回环候选帧的共视关系最好的10帧中总相似度最高的组࿰