ORB-SLAM2源码分析(单目)——重定位跟踪

ORB-SLAM2源码分析(单目)——重定位跟踪

一、 重定位跟踪简介

跟踪丢失的时候使用，很少使用。利用到了相似候选帧的信息。

1. 用BoW先找到与该帧相似的候选关键帧（函数DetectRelocalizationCandidates）
2. 遍历候选关键帧，用SearchByBoW快速匹配，
3. 匹配点足够的情况下用EPnP 计算位姿并取出其中内点做BA优化（仅优化位姿），
4. 如果优化完内点较少，通过关键帧投影生成新的匹配（函数SearchByProjection），
5. 对匹配结果再做BA优化（仅优化位姿）。

当TrackWithMotionModel 和 TrackReferenceKeyFrame 都没有跟踪成功，位置丢失后，需要在之前的关键帧中匹配最相近的关键帧，进而求出位姿信息。
使用当前帧的BoW特征映射，在关键帧数据库中寻找相似的候选关键帧，因为这里没有好的初始位姿信息，需要使用传统的3D-2D匹配点的EPnP算法来求解一个初始位姿，之后再使用最小化重投影误差来优化更新位姿

二、 用词袋找到与当前帧相似的候选关键帧(DetectRelocalizationCandidates)

通过词袋倒排索引，遍历所有关键帧，找到与当前帧相似的关键帧

1、 找出和当前帧具有公共单词(word)的所有关键帧

2、 统计上述关键帧中与当前帧F具有共同单词最多的单词数maxCommonWords，用来设定阈值1

3、 遍历上述关键帧，挑选出共有单词数大于阈值1的及其和当前帧单词匹配得分存入lScoreAndMatch

4、 计算lScoreAndMatch中每个关键帧的共视关键帧组的总得分，得到最高组得分bestAccScore，并以此决定阈值2

5、 得到所有组中总得分大于阈值2的，组内得分最高的关键帧，作为候选关键帧组

三、 遍历所有的候选关键帧，通过词袋进行快速匹配，用匹配结果初始化PnP Solver

四、 通过一系列操作,直到找到能够匹配上的关键帧

1、 通过EPnP算法估计姿态，迭代5次

2、 如果EPnP 计算出了位姿，对内点进行BA优化

3、 如果内点较少，则通过投影的方式对之前未匹配的点进行匹配，再进行优化求解

4、 如果BA后内点数还是比较少(<50)但是还不至于太少(>30)，可以挽救一下, 最后垂死挣扎

5、 如果对于当前的候选关键帧已经有足够的内点(50个)了,那么就认为重定位成功