单目图像帧Frame构造函数

本次主要讲解ORBSLAM2中的单目图像帧构造函数Frame::Frame，在其中主要完成了特征点的提取，畸变矫正以及将特征点分配到网格中的功能。
首先是构造函数的参数

Frame::Frame(const cv::Mat &imGray,             //灰度图
        const double &timeStamp,                //时间戳
            ORBextractor* extractor,            //ORB特征点提取器的句柄
            ORBVocabulary* voc,                 //ORB字典的句柄
            cv::Mat &K,                         //相机的内参数矩阵
            cv::Mat &distCoef,                  //相机的去畸变参数
            const float &bf,                    //baseline*f
            const float &thDepth)               //区分远近点的深度阈值
    :mpORBvocabulary(voc),
    mpORBextractorLeft(extractor),
    mpORBextractorRight(static_cast<ORBextractor*>(NULL)),
    mTimeStamp(timeStamp), 
    mK(K.clone()),
    mDistCoef(distCoef.clone()), 
    mbf(bf), 
    mThDepth(thDepth)

在构造函数中主要完成了以下功能：

• 帧Id的自增

  // Step 1 帧的ID 自增
    	mnId=nNextId++;
  

• 获取前面在特征点提取器中计算的金字塔的相关参数

  // Step 2 计算图像金字塔的参数 
  //获取图像金字塔的层数
  mnScaleLevels = mpORBextractorLeft->GetLevels();
  //获取每层的缩放因子
  mfScaleFactor = mpORBextractorLeft->GetScaleFactor();
  //计算每层缩放因子的自然对数
  mfLogScaleFactor = log(mfScaleFactor);
  //获取各层图像的缩放因子
  mvScaleFactors = mpORBextractorLeft->GetScaleFactors();
  //获取各层图像的缩放因子的倒数
  mvInvScaleFactors = mpORBextractorLeft->GetInverseScaleFactors();
  //获取sigma^2
  mvLevelSigma2 = mpORBextractorLeft->GetScaleSigmaSquares();
  //获取sigma^2的倒数
  mvInvLevelSigma2 = mpORBextractorLeft->GetInverseScaleSigmaSquares();
  

  • 对ORB特征点的提取

  // Step 3 对这个单目图像进行提取特征点, 第一个参数0-左图， 1-右图
  ExtractORB(0,imGray);
  
  //求出特征点的个数
  N = mvKeys.size();
  
  //如果没有能够成功提取出特征点，那么就直接返回了
  if(mvKeys.empty())
      return;
  

• 对特征点去畸变

  // Step 4 用OpenCV的矫正函数、内参对提取到的特征点进行矫正 
  UndistortKeyPoints();
  
  // Set no stereo information
  // 由于单目相机无法直接获得立体信息，所以这里要给右图像对应点和深度赋值-1表示没有相关信息
  mvuRight = vector<float>(N,-1);
  mvDepth = vector<float>(N,-1);
  

• 地图点初始化

  // 初始化本帧的地图点
  mvpMapPoints = vector<MapPoint*>(N,static_cast<MapPoint*>(NULL));
  // 记录地图点是否为外点，初始化均为外点false
  mvbOutlier = vector<bool>(N,false);
  

• 计算去畸变后的图像边界（只发生在第一帧或者相机内参发生变化时）

  //  Step 5 计算去畸变后图像边界。这个过程一般是在第一帧或者是相机标定参数发生变化之后进行
      if(mbInitialComputations)
  {
  	// 计算去畸变后图像的边界
      ComputeImageBounds(imGray);
  
  	// 表示一个图像像素相当于多少个图像网格列（宽）
      mfGridElementWidthInv=static_cast<float>(FRAME_GRID_COLS)/static_cast<float>(mnMaxX-mnMinX);
  	// 表示一个图像像素相当于多少个图像网格行（高）
      mfGridElementHeightInv=static_cast<float>(FRAME_GRID_ROWS)/static_cast<float>(mnMaxY-mnMinY);
  
  	//给类的静态成员变量复制
      fx = K.at<float>(0,0);
      fy = K.at<float>(1,1);
      cx = K.at<float>(0,2);
      cy = K.at<float>(1,2);
  	// 猜测是因为这种除法计算需要的时间略长，所以这里直接存储了这个中间计算结果
      invfx = 1.0f/fx;
      invfy = 1.0f/fy;
  
  	//特殊的初始化过程完成，标志复位
      mbInitialComputations=false;
  }
  

• 将特征点分配到对应的网格中，这主要是为了后续加速特征匹配，这个具体的用法我们后续在特征匹配阶段再提。

  // 将特征点分配到图像网格中 
  AssignFeaturesToGrid();