orb_slam2源码解析（1）

主体框架

输入：有三种模式选择，单目模式，双目模式和RGB-D模式。

跟踪：初始化成功后首先会选择参考关键帧跟踪，然后大部分时间是恒速模型跟踪，当跟踪丢失的时候启动重定位跟踪，，在经过以上跟踪后可以估计初步的位姿，然后经过局部地图对位姿进行进一步优化，同时会根据条件判断是否要将当前关键帧新建为关键帧。

局部建图：输入的关键帧来自跟踪重新建的关键帧，为了增加局部地图点数目，局部地图里关键帧之间会重新进行特征匹配，生成新的地图点，局部BA会同时优化共视图里关键帧位姿和地图点，优化后也不会删除不准确的地图点和冗余的关键帧。

闭环：通过词袋来查询数据集检测是否闭环，计算当前关键帧和闭环候选关键帧之间的Sim3位姿，仅在单目时考虑尺度，双目或RGB-D模式下尺度固定为1，然后执行闭环融合和本质图优化，使得所有关键帧位姿更加准确。

全局BA：优化所有的关键帧及其地图点。

位置识别：需要导入离线训练好的字典，这个字典是由视觉词袋模型构建的，新输入的图像帧需要先在线转化成词袋向量，主要应用于特征匹配，重定位，闭环。

地图：地图主要由地图点和关键帧组成，关键帧之间根据共视地图点数目组成了共视图，根据父子关系组成了生成树。

orb_slam2总共由三个线程：Tracking，Local Mapping，Loop Closing 线程，Tracking主要负责定位相机以及相机是否插入一个新的关键帧，将输入的每一个帧进行orb fearures，并且以此估计相机位姿。local mapping 线程主要负责处理新的关键帧以及执行局部BA以此来优化相机位姿，此外，负责新的map point的创建和剔除掉冗余的keyframes。loop closing线程主要负责回环检测和全局地图优化，减少位姿累计误差漂移，将误差均匀化，使得总体误差减小。

其中Tracking线程位于主线程之中，Local Mapping 线程和Loop Closing线程位于主线程中的系统初始化中。

命名规则：

了解一个工程项目的命名规则有助于学习源码。

以小写字母m（member）开头的变量表示类的成员变量，如：

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

mp（member point）开头的变量表示指针型类成员变量，如：

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

mb（member bool）开头的变量表示布尔型类成员变量，如：

bool mbOnlyTracking;

 mv（member vector）开头的变量表示向量型类成员变量。如：

std::vector<int> mvIniLastMatches;
std::vector<cv::Point3f> mvInip3D;

mpt（member point thread）开头的变量表示指针型类成员变量，并且是一个线程，如：

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

ml（member list）开头的变量表示列表型成员变量，

mlp（menber list pointer）开头的变量表示列表型类成员变量，并且元素类型是指针

mlb（member list bool）开头的变量表示列表型类成员变量，并且他的元素类型是布尔型

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

接下来介绍main（）函数入口

首先加载图片，将rgb.txt文档中的timestamp-filename序列存到vstrImageFilenames和vTimestamps中。

LoadImages(strFile, vstrImageFilenames, vTimestamps);

初始化，创建一个slam系统

 ORB_SLAM2::System SLAM(argv[1],argv[2],ORB_SLAM2::System::MONOCULAR,true);

调用TrackMonocular函数，进行跟踪图片，并记录每张图片的开销时间

    for(int ni=0; ni<nImages; ni++)
    {
        // Read image from file
        im = cv::imread(string(argv[3])+"/"+vstrImageFilenames[ni],CV_LOAD_IMAGE_UNCHANGED);
        double tframe = vTimestamps[ni];

        if(im.empty())
        {
            cerr << endl << "Failed to load image at: "
                 << string(argv[3]) << "/" << vstrImageFilenames[ni] << endl;
            return 1;
        }

#ifdef COMPILEDWITHC11
        std::chrono::steady_clock::time_point t1 = std::chrono::steady_clock::now();
#else
        std::chrono::monotonic_clock::time_point t1 = std::chrono::monotonic_clock::now();
#endif

        // Pass the image to the SLAM system
        SLAM.TrackMonocular(im,tframe);

#ifdef COMPILEDWITHC11
        std::chrono::steady_clock::time_point t2 = std::chrono::steady_clock::now();
#else
        std::chrono::monotonic_clock::time_point t2 = std::chrono::monotonic_clock::now();
#endif

        double ttrack= std::chrono::duration_cast<std::chrono::duration<double> >(t2 - t1).count();

        vTimesTrack[ni]=ttrack;

        // Wait to load the next frame
        double T=0;
        if(ni<nImages-1)
            T = vTimestamps[ni+1]-tframe;
        else if(ni>0)
            T = tframe-vTimestamps[ni-1];

        if(ttrack<T)
            usleep((T-ttrack)*1e6);
    }

关闭slam系统

SLAM.Shutdown();

计算Track图片时间的平均值和中间值

    sort(vTimesTrack.begin(),vTimesTrack.end());
    float totaltime = 0;
    for(int ni=0; ni<nImages; ni++)
    {
        totaltime+=vTimesTrack[ni];
    }

保存相机轨迹为KeyFrameTrajectory.txt

这里只保存了关键帧位姿，不包含全部帧的轨迹

SLAM.SaveKeyFrameTrajectoryTUM("KeyFrameTrajectory.txt");

ps：笔者水平有限，如有错误，联系邮箱2806762759@qq.com，欢迎批评指正