【SLAM】关键帧和跟踪时新帧的位姿初始化

关键帧及其选取策略

关键帧即具有代表性的帧。使用关键帧可以减少冗余度，提高计算效率，保证图像质量。

使关键帧具有代表性，就涉及到选择。主要是从自身和与其他关键帧的关系来考量。

自身：特征点/有效点足够多，图片质量足够好

和其他帧关系：有一定共视性但重复度不能太高

量化指标：时间跨度、空间跨度、跟踪地图点情况、

跟踪

特征跟踪模式	参考关键帧跟踪	恒速模型跟踪	重定位跟踪
基本原理	利用最近的关键帧作为参考	假设相机以恒定速度移动，使用上一帧位姿	当前帧与已知地图全局匹配以恢复位姿
适用场景	初始跟踪（恒速模型中的速度为空）或恒速模型、重定位失败后	绝大多数正常跟踪情况	参考关键帧或恒速模型跟踪都失败，拯救式
操作过程	匹配当前帧与最近关键帧特征	上一帧位姿预测当前帧位姿	候选关键帧搜索（倒排索引+共视图）+EPnP
鲁棒性	较高，但依赖关键帧质量	中等，适用于相机匀速运动	能处理大幅度运动或环境变化
计算复杂度	中等	较低，更简单更快	高，需全局搜索
可靠性	受关键帧分布影响	易受剧烈运动影响	在无合适匹配时失败风险高
初始化	上一帧位姿作为初始值	利用参考关键帧更新上一帧位姿（若是双目和RGBD相机，还根据深度值生成临时地图点），并估计速度	EPnP
后续动作	成功则持续跟踪，失败则尝试其他模式	成功则继续，失败尝试重定位	成功则恢复精确跟踪，失败则重置系统
应用	物体跟踪	导航	VSLAM中的重定位

倒排索引：词袋模型中非常重要的概念，和它对应的操作叫做直接索引。倒排索引是以单词为索引，存储有单词出现的所有图像的ID及对应权重，优势是可快速查询某个单词出现在哪些图像中，进而得到那些图像有多少共有单词。判断图像相似性很有效

直接索引：以图像为索引，存储每张图像的特征及该特征所在的节点ID。

EPnP：输入为世界坐标系下的n个3D点、n个3D点在图像上的2D坐标、K，输出相机位姿。只需要4对非共面点（平面只需要3对）。思路是先反投影再ICP。求解时涉及到统一量级。

参考：《视觉惯性SLAM 理论与源码解析》