一起研究ORB-SLAM（三）--LocalMapping和LooplClosing线程

转载自：一起研究ORB-SLAM（三）--LocalMapping和LoopClosing线程

上两篇文章主要介绍了ORB-SLAM中最重要的三个线程中的一个，今天这篇文章介绍最后一个线程，这个介绍完事了之后，就开始介绍里头的算法了！！！  依然是上一篇的问题，能告诉我ORB-SLAM中主要的三个线程是什么吗？ 

Tracking LocalMapping 和 LocalClosing 。 
一起研究ORB-SLAM（一）--结构和入口  

一起研究ORB-SLAM（二）---Tracking线程  


 
小莱姆：师兄，能透露下这篇文章的具体细节吗？ 
师兄：可以啊，上面一段不是说过了嘛，还来问我！！  


从现在开始进入正题了，首先介绍LocalMapping ，主要是以流程为主，并没有涉及到太多算法方面的内容，也就是说没有什么公式了，从这篇之后会逐渐给大家带进数学的世界~ 


LocalMaping 线程  


该线程中的 KeyFrame 是通过 Tracking 线程送进来的

第一个函 数的作用是检查这个队列是否为空队列，若是为空阻塞，不为空继续走  
第二个函数：  ProcessNewKeyFrame()  主要作用是更新关键点与关键帧的关联，确定哪些关键点与关键帧是有关系的。  
第三个部分，用来剔除不好的观测点。   三个原则：  
a.         关键点质量不好的点  
b.         应该观测到，但是没有观测到的比值，若是小于 25% 则被认为是不好的点。  
c.         观测到该点的关键帧的数量太少。  
第四部分，运动过程中，共同观测到匹配点，通过三角化恢复一些 MapPoints ，单目通过三角化的方法生成，而双目通过反投影的方法。  
  
第五部分， MapPoints 融合，如下图所示：

该过程中，首先判断生成的关键点与原有的点的位置是否重合，若是重合或接近进行优化，在ORB-SLAM 中多数点被做移除，通过原始的估计出移动的位姿状态，并把不好的剔除掉，通过这个过程会把匹配点做的越来越少，则单目通过三角化，双目通过反投影的方式进行新的MapPoint 的创建。

以上五步是一个循环的步骤，然后进行局部优化处理，然后对关键帧进行剔除，保留下90%  的MapPoints 点能被的关键帧（至少三个）观测到被保留。

LoopClosing 线程（闭环检测）

该线程的数据主要是通过LocalMapping 送进来的

  
  
首先去取出一帧进行处理，检查当前帧是否距离上一次的闭环检测超过 10 帧，若是超过，继续下一次的闭环检测。主要过程是根据当前帧相连的，使用 BOW 算法计算当前的最低得分。主要是为了算出一个阈值，进行自适应处理，如下图所示的一个连接分组的形式。

1 2 3 4 10  都是闭环的候选帧，则通过图可以在，节点 1  与 2 、 3 相连    所以  1 与 3 、 3  为一组，以此类推。最后 10 为单独的一组。  
算出最低分之后，以最低分作为阈值，进行闭环检测，若是小于该组的最低得分，则被认为不是闭环的候选位置。如下所示，是闭环候选帧的检测流程。  
检测闭环的过程可以概述为如下过程：

最后处理完事了，还有许多的帧，然后进行连续性检测，若是连续的三是相邻的，则被认为是回环的点。然后继续优化的过程，主要使用 Sim3 算法进行优化。  


下一篇SIM（3)算法哦！！！  接受数学的洗礼吧！！