怎么追踪重定位网页的来源_[细说ORBSLAM2系列] 2.特征追踪

点击“蓝字”关注我们吧

文章：[细说ORB-SLAM2系列] 2.特征追踪

作者：盐粒

ORB-SLAM2是feature-based SLAM最棒的系统,他就像一个图书馆，等待我们去挖掘

1

track()

上一篇文章介绍了系统如何提取特征，以及如何为系统后面tracking和mapping做准备。这里我们将介绍ORB-SLAM2中Track()的策略。

如上图所示，系统的初始化是在这个函数中完成，初始化根据传感器的不同，分为单目和stereo两种方式，其中将RGB-D转化出来双目信息。

MonocularInitialization();

StereoInitialization();
大家都知道，单目系统为了构建一个稳定的地图，有比较复杂的初始化过程。双目则是直接启动。后面我们会专门介绍单目初始化模块。初始化结束之后，会建立关键帧，全局地图。

然后会进行frame-to-frame, map-to-frame的位姿估计，当然如果丢失，则会进行relocalization。

完成对的当前帧的track,就会建立起来当填充前帧中2D 特征对应的3D landmark。然后去判断是否要加入关键帧。并对追踪状态进行更新。下面，详细介绍追踪的过程。

2

Frame-to-Frame tracking

其实，ORB-SLAM2中的追踪策略是非常值得我们借鉴的。首先是给当前帧一个初始的位姿。通过track reference 或 track motion model来获得用重投影误差去优化当前帧的Pose。每个结构里面，按照当前系统状态是否OK，分成下面三种情况：

OK：

速度值不存在，或者初始化后的一帧，或者重定位后的一帧，使用参考帧 进行追踪：bOK = TrackReferenceKeyFrame();

在追踪正常的情况下，存在运动的速度值，使用运动模型进行追踪：

TrackWithMotionModel()；

！OK：

Relocalization()

 if(mVelocity.empty()||mCurrentFrame.mnId        bOK = TrackReferenceKeyFrame();
    else
    {
        bOK = TrackWithMotionModel();
        if(!bOK) {
        bOK = TrackReferenceKeyFrame();
        }
    }

具体分析一下这两个函数:
    bool Tracking::TrackReferenceKeyFrame()
    {
    // Compute Bag of Words vector
    cout<    mCurrentFrame.ComputeBoW();
    ORBmatcher matcher(0.7,true);
    vector vpMapPointMatches;
    //找到 vpMapPointMatches, nmatches
    int nmatches = matcher.SearchByBoW(mpReferenceKF,mCurrentFrame,vpMapPointMatches);
if(nmatches<15)
return false;
cout<mCurrentFrame.mvpMapPoints = vpMapPointMatches;
mCurrentFrame.SetPose(mLastFrame.mTcw);
// 通过优化3D-2D的重投影误差来获得位姿
Optimizer::PoseOptimization(&mCurrentFrame);
cout<// 剔除优化后的outlier匹配点(MapPoints)
int nmatchesMap = 0;
for(int i =0; i{
if(mCurrentFrame.mvpMapPoints[i])
{
if(mCurrentFrame.mvbOutlier[i])
{
MapPoint* pMP = mCurrentFrame.mvpMapPoints[i];
mCurrentFrame.mvpMapPoints[i]=static_cast(NULL);
mCurrentFrame.mvbOutlier[i]=false;
pMP->mbTrackInView = false;
pMP->mnLastFrameSeen = mCurrentFrame.mnId;
nmatches--;
}
else if(mCurrentFrame.mvpMapPoints[i]->Observations()>0)
nmatchesMap++;
}
}
return nmatchesMap>=10;
}

3

map-to-frame

tracking成功后接下来就开始调用TrackLocalMap()函数来优化位姿了。

TrackLocalMap()包括下面几个函数：
UpdateLocalMap()：更新局部地图中的keyframes和Local Points
searchLocalPoints()：获得局部地图与当前帧的匹配
PoseOptimization()：最小化重投影误差来优化位姿

点击此处“阅读全文”查看论文原文

扈江离与辟芷兮 

纫秋兰以为佩

完