ORB-SLAM2框架图
ORB特征点提取:
- 关键点和描述子:Fast关键点提取是选取像素p在其半径为3的圆周16个像素点进行比较,连续N个大于or小于阈值就认定p是关键点;;描述子Brief是在p周围以固定的模式pattern来选取N个点对,把这N个点对的比较结果来作为描述子。
- 灰度质心法得到特征点的方向,即形心指向质心。这样保证关键点和描述子不受 旋转的影响。
- 使用四叉树均匀分布特征点:假设要定的特征点数为N(金字塔每层的特征点数N是根据面积的开方均摊的),则要分的node大于等于N时结束,每个node里面选质量最好的那个点,具体过程不写了。
- 近点远点:根据基线的40倍区分
地图初始化:
- 单目SFM地图初始化:满足一定的特征点数目后就初始化成功归一化:在八点法求解基础矩阵时,其系数矩阵不好,而不好的原因是像素点的每个分量的数量级相差太大,所以需要归一化。归一化好处:提高运算精度、利用归一化处理后的图像坐标对任何尺度缩放和原点的选择是不变的。
- 双目地图初始化:稀疏立体匹配:粗匹配(行特征点匹配)->精确匹配;满足对极几何约束,描述子距离小等条件。
跟踪线程和闭环检测部分有时间再补上