VINS-Mono 代码详细解读——feature_manager.cpp

最新推荐文章于 2024-07-12 23:34:20 发布

try_again_later

最新推荐文章于 2024-07-12 23:34:20 发布

阅读量3.7k

点赞数 5

分类专栏：视觉、激光SLAM

本文链接：https://blog.csdn.net/try_again_later/article/details/104893694

版权

本文详细解读VINS-Mono中的特征点管理，重点介绍FeatureManager、FeaturePerId和FeaturePerFrame三者的关系及主要函数，包括关键帧选取、视差检查和边缘化策略，旨在理解视觉惯性导航系统中的特征处理流程。

摘要由CSDN通过智能技术生成

LZ发现estimator.cpp中关键函数为processImage（），里面包含了IMU预积分、图像处理特征点跟踪等一系列流程，上一节中对processIMU（）以及预积分的integrationBase类进行解读，本节继续做基础储备，对与estimator.cpp中的feature_manager.cpp进行详细介绍，主要是对特征点管理。特征点管理器主要就是FeatureManager类

一、FeatureManager、FeaturePerId、FeaturePerFrame

1、三者关系

2、FeaturePerId，某feature_id下的所有FeaturePerFrame

3、addFeatureCheckParallax（）

1、关键帧选取：

2、代码

4、compensatedParallax2（）

removeBackShiftDepth（）

removeBack()

removeFront（）

涉及到的类的成员函数

函数名	功能
FeaturePerId::endFrame()	返回最后一个观测到这个特征点的图像帧ID
FeatureManager()::getFeatureCount()	窗口中被跟踪的特征点数量
FeatureManager()::addFeatureCheckParallax()	特征点进入时检查视差，是否为关键帧
FeatureManager()::getCorresponding()	前后两帧之间匹配特征点3D坐标
FeatureManager()::setDepth()	设置特征点逆深度
FeatureManager()::triangulate()	特征点三角化求深度（SVD分解）
FeatureManager()::removeOutlier()	移除外点
FeatureManager()::removeBackShiftDepth()
FeatureManager()::removeBack()	边缘化最老帧，直接将特征点保存的帧号前移
FeatureManager()::removeFront()	边缘化次新帧，对特征点在次新帧的信息移除

一、FeatureManager、FeaturePerId、FeaturePerFrame

1、三者关系

f_manager是特征管理器类的对象

FeatureManager f_manager;//特征管理器类

这里f_mangager.feature主要指的是一个list容器

feature_manager.h主要三个类：

FeatureManager管理所有特征点，通过list容器存储特征点属性

FeaturePerId指的是某feature_id下的所有FeaturePerFrame。常用feature_id和观测第一帧start_frame、最后一帧endFrame()

FeaturePerFrame指的是每帧基本的数据：特征点[x,y,z,u,v,vx,vy]和td IMU与cam同步时间差

在这里插入图片描述

2、FeaturePerId，某feature_id下的所有FeaturePerFrame

feature_id 特征点ID、start_frame 出现该角点的第一帧的id--start_frame

class FeaturePerId
{
  public:
    const int feature_id;// 特征点ID索引
    int start_frame;// 首次被观测到时，该帧的索引
    vector<FeaturePerFrame> feature_per_frame; // 能够观测到某个特征点的所有相关帧

    int used_num;// 该特征出现的次数
    bool is_outlier;// 是否外点
    bool is_margin;// 是否Marg边缘化
    double estimated_depth; // 估计的逆深度
    int solve_flag; // 求解器 0 haven't solve yet; 1 solve succ; 2 solve fail;

    Vector3d gt_p; // ？？？

    FeaturePerId(int _feature_id, int _start_frame) 
        : feature_id(_feature_id), start_frame(_start_frame),
          used_num(0), estimated_depth(-1.0), solve_flag(0)
    {
    }

    int endFrame();// 返回最后一次观测到这个特征点的帧数ID
};

3、FeaturePerFrame

_point 每帧的特征点[x,y,z,u,v,vx,vy]， td IMU和cam同步时间差

class FeaturePerFrame
{
  public:
    FeaturePerFrame(const Eigen::Matrix<double, 7, 1> &_point, double td)
    {
        point.x() = _point(0);
        point.y() = _point(1);
        point.z() = _point(2);
        uv.x() = _point(3);
        uv.y() = _point(4);
        velocity.x() = _point(5); 
        velocity.y() = _point(6); 
        cur_td = td;
    }
    double cur_td;
    Vector3d point;
    Vector2d uv;
    Vector2d velocity;

    double z; // 特征点的深度
    bool is_used;// 是否被用了
    double parallax;// 视差
    MatrixXd A; //变换矩阵
    VectorXd b;
    double dep_gradient; // ？？？
};

三者串联最好的例子是：从f_manager到it_per_id再到底层的it_per_frame，就可以