ORB-SLAM2详解（三）自动地图初始化

最新推荐文章于 2024-07-02 09:40:30 发布

sylvester0510

最新推荐文章于 2024-07-02 09:40:30 发布

阅读量2.5w

点赞数 20

分类专栏： SLAM 图像处理

本文链接：https://blog.csdn.net/u010128736/article/details/53218140

版权

ORB-SLAM2的自动地图初始化详细介绍了如何通过寻找初始对应点、计算单应性矩阵H和基础矩阵F，再通过模型选择、运动恢复(SFM)来建立地图。系统在低视差和平面场景中使用单应性矩阵，高视差非平面场景则采用基础矩阵。最后，通过集束调整优化初始化结果，确保在特征丰富、足够视差的场景中进行初始化。

摘要由CSDN通过智能技术生成

ORB-SLAM2详解（三）自动地图初始化

本人邮箱：sylvester0510@163.com，欢迎交流讨论，
欢迎转载，转载请注明网址http://blog.csdn.net/u010128736/

系统的第一步是初始化，ORB_SLAM使用的是一种自动初始化方法。这里同时计算两个模型：用于平面场景的单应性矩阵H和用于非平面场景的基础矩阵F，然后通过一个评分规则来选择合适的模型，恢复相机的旋转矩阵R和平移向量t。

一、找到初始对应点

在当前帧 $F_c$ 中提取ORB特征点，与参考帧Fr进行匹配。如果匹配点对数过少，就重置参考帧。这一步骤在Tracking.cc中的Tracking::MonocularInitialization函数中。

int nmatches = matcher.SearchForInitialization(mInitialFrame,mCurrentFrame,mvbPrevMatched,mvIniMatches,100);

nmatches表示匹配到的对应点对数。

二、同时计算两个模型

在找到对应点之后，开始调用Initializer.cc中的Initializer::Initialized函数进行初始化工作。为了计算R和t，ORB_SLAM为了针对平面和非平面场景选择最合适的模型，同时开启了两个线程，分别计算单应性矩阵 $H_{cr}$ 和基础矩阵 $F_{cr}$ 。如下所示：

thread threadH(&Initializer::FindHomography,this,ref(vbMatchesInliersH), ref(SH), ref(H));
thread threadF(&Initializer::FindFundamental,this,ref(vbMatchesInliersF), ref(SF), ref(F));

这里的H和F分别满足下列关系：