ORB-SLAM2源码分析(单目)——参考关键帧跟踪

ORB-SLAM2源码分析(单目)——参考关键帧跟踪

在这里插入图片描述

一、 参考关键帧跟踪简介

用参考关键帧的地图点来对当前普通帧进行跟踪
当没有速度信息的时候、刚完成重定位、或者恒速模型跟踪失败后使用,大部分时间不用。只利用到了参考帧的信息。

  1. 匹配方法是 SearchByBoW,匹配当前帧和关键帧在同一节点下的特征点,不需要投影,速度很快
  2. BA优化(仅优化位姿),提供比较粗糙的位姿
    当使用恒速模型匹配到的特征点数较少时,就会选用关键帧模式跟踪,尝试和最近一个关键帧去做匹配。为了快速匹配,利用了bag of words(BoW)来加速匹配

在这里插入图片描述
在这里插入图片描述

二、 将当前帧的特征点转化成bow向量,通过词袋匹配方法来对当前帧与上一帧关键帧特征点进行快速匹配

在这里插入图片描述

三、 将上一帧的位姿态作为当前帧位姿的初始值

在这里插入图片描述

四、 通过优化3D-2D的重投影误差来获得位姿

通过当前帧与参考关键帧的共视地图点,通过3D-2D的重投影误差(将地图点转化到当前的像素坐标系与当前帧的特征点对比得到误差值),对当前帧位姿进行优化。

在这里插入图片描述

五、 剔除优化后的匹配点中的外点

在这里插入图片描述

在进行位姿优化时,通过地图点进行重投影误差,能剔除一些外点,但是在优化过程只是进行标记,到这里才真正的删除

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
本文主要介绍ORB-SLAM2中的一些关键实现细节,包括词袋建立、关键帧选择策略、词袋检索和位姿估计。此外还详细介绍了视觉里程计、闭环检测、地图维护等模块的实现细节。 首先,ORB-SLAM2通过建立词袋的方式实现了特征点的高效匹配。ORB-SLAM2采用了二叉树的结构生成了一个层次化的词袋,该词袋可以快速地检索到最相似的词,并将该词作为当前帧所属的类别。在后续的帧匹配过程中,ORB-SLAM2只需要搜索与当前帧类别相同的关键帧中的点即可,大大加快了匹配的效率。 其次,ORB-SLAM2采用了一种称为“闭线性三角测量”的方式估计位姿。该方法将两个视角下的匹配点转化为视差向量,并通过求解一组线性方程组来估计相邻帧之间的相对位姿。同时,该方法还能有效地处理重复区域和遮挡等问题,具有较高的鲁棒性。 此外,在关键帧选择方面,ORB-SLAM2采用了一种基于路标点的策略,即当当前帧与地图中的路标点距离较远时,就将当前帧作为新的关键帧。这种策略可以确保全局地图的均匀性和关键帧的稠密性。 最后,ORB-SLAM2采用了基于基础矩阵的闭环检测方法,该方法可以在时间和空间复杂度上达到较好的平衡。同时,ORB-SLAM2还采用了一种优化地图点云的方式,通过通过图优化的方式优化地图中的点云位置,确保了地图的准确性和一致性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值