【SLAM学习笔记】2-ORB_SLAM3关键源码分析⓪ 算法框架&命名规范&KeyFrameDatabase（一）

最新推荐文章于 2024-04-28 21:54:32 发布

口哨糖youri

最新推荐文章于 2024-04-28 21:54:32 发布

阅读量819

点赞数 3

分类专栏： SLAM 文章标签：其他

本文链接：https://blog.csdn.net/qq_47891062/article/details/120693611

版权

SLAM 专栏收录该内容

13 篇文章 23 订阅

订阅专栏

2021SC@SDUSC

1.算法框架

如果直接看源码纠缠在细节上，会缺乏对整体的把握，所以先通过下图对ORB-SLAM3的算法框架结构做到一目了然！
在这里插入图片描述

2.数据关联

为什么SLAM3的精度这么高？
可以从它数据关联角度去解释：

短期数据关联。仅仅和最近几秒内获取的地图元素进行匹配。这是大多数视觉里程计使用的唯一数据关联类型，这种方法存在的问题是：一旦地图元素从视野中消失，就会被丢弃，即使回到原来的地方，也会造成持续的估计漂移。对应ORB-SLAM里的跟踪。
中期数据关联。匹配距离相机近并且累积漂移较小的地图元素。与短期观测相比，这些信息可以一并加入BA优化，当相机移动到已经建好图的区域时，可以达到零漂移。这是该系统与带闭环检测的视觉里程计相比，精度更高的关键所在。对应ORB-SLAM里的局部建图。
长期数据关联。使用位置识别技术将观测与之前访问过的区域中的元素匹配，不管是在闭环检测中的累积漂移，还是跟踪丢失、重定位的情况下都可以成功匹配。长期匹配允许使用位姿图优化来重置漂移和矫正闭环。这是保证中、大型闭环场景中SLAM局部较高精度的关键。对应ORB-SLAM里用词袋进行闭环和重定位。
多地图数据关联。可以使用之前已经建立的多块地图来实现地图中的匹配和BA优化。

ORB-SLAM3充分使用了短期、中期、长期的数据关联，可以达到在已经建图区域的零漂移。

3.代码命名规范（便于理解）

我们有必要先了解一下在ORB-SLAM2中变量的命名规则，这对我们学习代码非常有用。

以小写字母m（member的首字母）开头的变量表示类的成员变量。比如：

int mSensor;
int mTrackingState; 
std::mutex mMutexMode;

对于某些复杂的数据类型，第2个甚至第3个字母也有一定的意义，比如：
mp开头的变量表示指针（pointer）型类成员变量；

Tracking* mpTracker; 
LocalMapping* mpLocalMapper; 
LoopClosing* mpLoopCloser; 
Viewer* mpViewer;

mb开头的变量表示布尔（bool）型类成员变量；

bool mbOnlyTracking;

mv开头的变量表示向量（vector）型类成员变量；

std::vector<int> mvIniLastMatches; 
std::vector<cv::Point3f> mvIniP3D;

mpt开头的变量表示指针（pointer）型类成员变量，并且它是一个线程（thread）；

std::thread* mptLocalMapping; 
std::thread* mptLoopClosing; 
std::thread* mptViewer;

ml开头的变量表示列表（list）型类成员变量；
mlp开头的变量表示列表（list）型类成员变量，并且它的元素类型是指针（pointer）； mlb开头的变量表示列表（list）型类成员变量，并且它的元素类型是布尔型（bool）；

list<double> mlFrameTimes; 
list<bool> mlbLost;
list<cv::Mat> mlRelativeFramePoses; 
list<KeyFrame*> mlpReferences;

4.KeyFrameDatabase

4.1关键帧数据库

构建关键帧数据库，可以联系链表等常用数据结构的构建过程：创建、增加元素、删除元素、清理。

首先需要明确数据存储的数据类型：以关键帧作为数据库的元素。

这个地方需要理解两个概念：单词（词袋）和关键帧。
单词（词袋）：预先构建好的，离线词典（ORBvoc.txt）：它是DBoW2作者使用orb特征，使用大量图片训练的结果。

4.2代码分析

根据关键帧的BoW，更新数据库的倒排索引

void KeyFrameDatabase::add(KeyFrame *pKF)
{
    unique_lock<mutex> lock(mMutex);

    // 为每一个word添加该KeyFrame
    for(DBoW2::BowVector::const_iterator vit= pKF->mBowVec.begin(), vend=pKF->mBowVec.end(); vit!=vend; vit++)
        mvInvertedFile[vit->first].push_back(pKF);
}

关键帧被删除后，更新数据库的倒排索引

void KeyFrameDatabase::erase(KeyFrame* pKF)
{
    unique_lock<mutex> lock(mMutex);

    // Erase elements in the Inverse File for the entry
    // 每一个KeyFrame包含多个words，遍历mvInvertedFile中的这些words，然后在word中删除该KeyFrame
    for(DBoW2::BowVector::const_iterator vit=pKF->mBowVec.begin(), vend=pKF->mBowVec.end(); vit!=vend; vit++)
    {
        // List of keyframes that share the word
        list<KeyFrame*> &lKFs =   mvInvertedFile[vit->first];

        for(list<KeyFrame*>::iterator lit=lKFs.begin(), lend= lKFs.end(); lit!=lend; lit++)
        {
            if(pKF==*lit)
            {
                lKFs.erase(lit);
                break;
            }
        }
    }
}

清空关键帧数据库

void KeyFrameDatabase::clear()
{
    mvInvertedFile.clear();
    mvInvertedFile.resize(mpVoc->size());
}

void KeyFrameDatabase::clearMap(Map* pMap)
{
    unique_lock<mutex> lock(mMutex);

    // Erase elements in the Inverse File for the entry
    for(std::vector<list<KeyFrame*> >::iterator vit=mvInvertedFile.begin(), vend=mvInvertedFile.end(); vit!=vend; vit++)
    {
        // List of keyframes that share the word
        list<KeyFrame*> &lKFs =  *vit;

        for(list<KeyFrame*>::iterator lit=lKFs.begin(), lend= lKFs.end(); lit!=lend;)
        {
            KeyFrame* pKFi = *lit;
            if(pMap == pKFi->GetMap())
            {
                lit = lKFs.erase(lit);
                // Dont delete the KF because the class Map clean all the KF when it is destroyed
            }
            else
            {
                ++lit;
            }
        }
    }
}