ORBSLAM2总结系列——初始化

该系列出现，是因为之前都是没成系统的总结相关slam系统，现在对很多工具，理论都有了相应熟悉了解后，希望日后可以回读该系列，即可快速记起该slam系统的细节。暂时来说比较零散，后面会不断迭代紧凑，并可能与其他经典联动或触类旁通，相互学习，最终熟悉了解后，可以自己写一个slam系统。

• 理论知识点

  • 初始化流程

    • 单目 Tracking::MonocularInitialization()

      • 特征点大于100的帧才开始初始化（初始化初始化器）

      • ORBmatcher::SearchForInitialization（）

        • 匹配大于等于100才继续后续步骤
        • 只寻找第0层图像，查找帧1特征点附近对应帧2的特征点
        • 遍历上述所有的帧2特征点，找出最优特征描述子和次优特征描述子（汉明距离）
        • 需要最优特征描述子与次优特征描述子，汉明距离的差别达到一定阈值，才把最优特征描述子当做匹配点
        • 若于整张图片需要去除部分旋转方向不是很统一的特征点，则对所有特征点进行方向直方图分类，最多保留三组主要旋转方向，角度区间为30°（区分阈值大于一定值，则把数量低得取消）

      • Initializer::Initialize（）

        • 该部分涉及的基础部分算法需要好好复习一下。
        • 生成RANSAC的点索引
        • 分别求RANSAC中最好的H与F矩阵
          • H矩阵：归一化，求H矩阵，根据评分（大概是重投影误差与阈值的关系，后续研究一下）得出最好的H矩阵
          • F矩阵：与上类同
        • RH = SH/(SH+SF)，根据此打分选择对应的H与F
        • 从对应的变换矩阵中解出R与t，并三角化出三维点与可否三角化的标志

      • Tracking::CreateInitialMapMonocular()

        • 添加联系

          • 把参考帧与当前帧对应生成为关键帧，并计算其词袋向量
          • 把关键帧加入地图
          • 创建地图点，关键帧关联地图点，地图点关联关键帧（关联共识关系）
          • 计算该地图点的最优描述子（取中值中最优），并计算该地图点的平均观测方向（所有共视关键帧关于该地图点方向平均）和观测范围（根据参考帧的尺度对参考帧上该地图点距离进行最大最小范围确定）
          • 给普通当前帧增加对应的地图点与外点标志
          • 把地图点加入地图
          • 上述就是主要是三个主体互相建立关系，关键帧，地图，地图点，附带一个普通帧。一开始建立关键帧与地图彼此关系，后面建立地图点与别的关系
          • 

        • 更新边，全局优化

          • KeyFrame::UpdateConnections()
            • KFcounter存放与该关键帧有共视关系的其他关键帧，与对应权重（即看到同一个地图点次数）。
            • 找出最大权重关键帧，把权重大于15的关键帧加入vPairs，并把建立另外的共视帧与该帧的联系（共视帧 -> 该帧）；若果没有大于阈值的关键帧，则把最大权重帧进行同等操作
            • 该帧自身，把共视的帧存入mConnectedKeyFrameWeights（好像没有15阈值限制），把阈值限制的共视帧根据权重顺序逆序存入mvpOrderedConnectedKeyFrames，对应权重存入mvOrderedWeights
            • 若是第一次建立连接，则把权重最大的关键帧设为父关键帧（权重最大关键帧 < - >该关键帧，父子关系），把mbFirstConnection置为false
          • Optimizer::GlobalBundleAdjustemnt（）
            • 单目仅考虑单帧投影的约束
            • 双目与RGBD除了单帧投影的约束，还考虑mbf的约束

        • 尺度归一化，初始化两帧的t与地图点（以当前关键帧的所有地图点中值距离来归一）

        • 把关键帧加入局部地图线程，更新状态（当前帧的位姿、参考关键帧，，更新上一关键帧id与本体，更新局部地图关键帧、地图点、参考帧）