ORB-SLAM2 关于初始化流程和代码解释

SLAM系统最关键的部分是tracking和maping。除此之外还有让系统更加完整和完善的初始化、回环检测、可视化等模块。
初始化是SLAM系统在运行时是都要经历的一步，系统一定要有一个初始的传感器位姿和初始的地图。单目相机需要两帧具有一定视差的图像来完成这一任务。

为什么说ORB_SLAM2是相对完美的系统，因为它改进了初始化，在该系统中初始化是自动完成的。针对平面场景(planar scene)和非平面场景(non-planar scene)， ORB-SLAM2提供了单应(homography)和基础矩阵(fundamental matrix)两种几何模型。
整个初始化过程可以总结为六个步骤：

1.计算两帧图像的ORB特征点，并进行匹配；
2.在两个线程中以RANSAC策略并行的计算单应矩阵和基础矩阵；
3.根据评判标准在单应矩阵和基础矩阵之间选择一个模型；
4.根据选定的模型分解相机的旋转矩阵和平移向量，并对匹配的特征点进行三角化；
5.建立关键帧和地图点，进行完全BA(full BA)优化；
6.以参考帧下深度的中位数为基准建立基础尺度；

初始化的最基本任务就是建立坐标系，估计机器人的初始位姿，创建初始的地图。在查看源码之后了解到，初始化的过程是在System中，在构建了System对象之后，由System对象中的成员mpTracker完成。

在mono_tum.cc中，TrackMonocular（）是用来接收数据完成单目位姿估计的。输入为图像和时间戳。

SLAM.TrackMonocular(im,tframe);//用来接收输入，以便初始化

cv::Mat System::TrackMonocular(const cv::Mat &im, const double &timestamp)
{
   
    if(mSensor!=MONOCULAR)//函数运行前先检查类别选择是否是单目
    {
   
        cerr << "ERROR: you called TrackMonocular but input sensor was not set to Monocular." << endl;//如果不是单目，报错提醒
        exit(-1);//报错之后还会退出系统
    }
    //下面是对工作模式和复位模式的检查，常规操作，不是主要理解内容
    // Check mode change
    {
   
        unique_lock<mutex> lock(mMutexMode);
        if(mbActivateLocalizationMode)
        {
   
            mpLocalMapper->RequestStop();

            // Wait until Local Mapping has effectively stopped
            while(!mpLocalMapper->isStopped())
            {
   
                usleep(1000);