mysqld --initialize --console 没有 打印信息_ORBSLAM2--Monocular模块(1):初始化

和泡泡的小伙伴讨论“为什么初始化对Monocular SLAM很重要"。

选择合适的场景、两帧影像之间应该有一个合理的视差，不然无法计算pose、纯旋转时

------欢迎补充

---

在tracking中，单目相机进入GrabImageMonocular（）函数，并在这个函数中，进行Frame的初始化和track()环节。track（）函数中，每次都会判断是否需要初始化，这是在第一次初始化和后面进行relocalization,reset之类的，都会用到的。

  if(mState==NOT_INITIALIZED)
    {
        if(mSensor==System::STEREO || mSensor==System::RGBD)
            StereoInitialization();
        else
        {
            MonocularInitialization();
        }

        mpFrameDrawer->Update(this);

        if(mState!=OK)
            return;
    }

现在就是来看，系统如何实现这个MonocularInitialization()函数。

首先，mpInitializer是：mpInitializer(static_cast<Initializer*>(NULL))

void Tracking::MonocularInitialization()
{
    int num = 100;
    // 如果单目初始器还没有没创建，则创建单目初始器 
    // 第一帧 有效进来，
    if(!mpInitializer)
    {
        // Set Reference Frame
        if(mCurrentFrame.mvKeys.size()>num)
        {
            // step 1：得到用于初始化的第一帧，初始化需要两帧
            mInitialFrame = Frame(mCurrentFrame);
            // 记录最近的一帧
            mLastFrame = Frame(mCurrentFrame);
            // mvbPreMatched最大的情况就是当前帧所有的特征点都被匹配上
            mvbPrevMatched.resize(mCurrentFrame.mvKeysUn.size());
            for(size_t i=0; i<mCurrentFrame.mvKeysUn.size(); i++)
                mvbPrevMatched[i]=mCurrentFrame.mvKeysUn[i].pt;

            if(mpInitializer)
                delete mpInitializer;

            // 由当前帧构造初始化器， sigma:1.0    iterations:200
            mpInitializer =  new Initializer(mCurrentFrame,1.0,200);

            fill(mvIniMatches.begin(),mvIniMatches.end(),-1);

            return;
        }
    }
    // else表示已经有有 mpInitializer，并且已经有一帧了
    else
    {
        // Try to initialize
        // step2：如果当前帧特征点数大于100，则得到用于单目初始化的第二帧
        // 如果当前帧特征点太少，重新构造初始器
        // 因此只有连续两帧的特征点个数都大于100时，才能继续进行初始化过程
        if((int)mCurrentFrame.mvKeys.size()<=num)
        {
            delete mpInitializer;
            mpInitializer = static_cast<Initializer*>(NULL);
            fill(mvIniMatches.begin(),mvIniMatches.end(),-1);
            return;
        }

        // Find correspondences
        // step3：在mInitialFrame与mCurrentFrame中找匹配的特征点对
        // mvbPrevMatched为前一帧的特征点，存储了mInitialFrame中哪些点将进行接下来的匹配,类型  std::vector<cv::Point2f> mvbPrevMatched;
        // mvIniMatches存储mInitialFrame, mCurrentFrame之间匹配的特征点，类型为std::vector<int> mvIniMatches; ????
        ORBmatcher matcher(0.9,true);
        int nmatches = matcher.SearchForInitialization(mInitialFrame,mCurrentFrame,mvbPrevMatched,mvIniMatches,100);

        LSDmatcher lmatcher;   //建立线特征之间的匹配
        int lineMatches = lmatcher.SerachForInitialize(mInitialFrame, mCurrentFrame, mvLineMatches);

        // Check if there are enough correspondences
        // step4：如果初始化的两帧之间的匹配点太少，重新初始化
        if(nmatches<100)
        {
            delete mpInitializer;
            mpInitializer = static_