ORB特征匹配

策略汇总(十一种特征匹配策略)

• SearchForInitialization

• SearchByProjection->4种

• SearchByBow->2种

• SearchForTriangulation

• Fuse->2种

• SearchBySim3

1.SearchForInitialization

调用函数：Tracking->MonocularInitialization

策略步骤：寻找ORB匹配点，利用匹配点对地图进行初始化，假设一张1920*1080图像，每个格子30*22.5

要点：

1. 匹配点要大于100个才能进行初始化
2. 挑选出来的特征点所属的金字塔必须为第0层
3. 剔除那些在所选格子内但是不属于搜索范围内的点
4. 最优距离要小于50，计算最优距离和次优距离的比值
5. 统计匹配点的方向直方图
6. 统计出特征点数量最多的方向
7. 判断第二多的数量<0.1*第一多的数量？符合则证明第一多的为主方向
8. 判断第三多的数量<0.1*第二多的数量？符合则证明第一和第二多的为主方向

 

2.SearchByProjection

调用函数：Tracking->TrackWithModel

策略步骤：根据匀速模型计算初始位姿，然后通过投影的方式搜索匹配点

1. 遍历前一帧所有的特征点
2. 将前一帧特征点对应的地图点投影到当前帧，在一定范围内搜索匹配点
3. 将搜到的特征点和前一帧特征点逐一计算描述子距离
4. 找出汉明距离最小的特征点
5. 如果小于阈值，则为匹配点，跟踪成功
6. 如果匹配点不足，提高阈值
7. PoseOptimization,内点大于10则跟踪成功

调用函数：Tracking->Relocalization

策略步骤：前面利用EPnP计算位姿然后进行motion-only BA，如果内点不足则通过投影方式搜索更多匹配点

1. 前面EPnP得到的内点不再进行搜索
2. 这里需要估计关键帧地图点在当前帧图像金字塔中的层数（通过地图点离相机光心的距离计算）
3. 和前面的SearchByProjection类似，将关键帧地图点投影到当前帧，然后在一定范围内进行搜索

调用函数：Tracking->TracklocalMap->SearchLocalPoints

策略步骤：搜索局部地图点，不包含前面三个步骤匹配过的地图点

1. 先对局部地图点检查其是否在当前帧的视锥中，并预测金字塔层数
2. 根据投影搜索匹配点，将符合要求的地图点归为该特征点的地图点
3. 根据更新后的地图点再对当前帧位姿进行优化
4. 如果内点足够多，跟踪线程跟踪成功

3.SearchByBow

调用函数：Tracking->TrackRefenceKeyFrame/Relocalization

策略步骤：在不知位姿的情况下通过特征向量寻找匹配点

1. 提取关键帧中的特征向量（继承map<unsigned int,vector<unsigned int>>)
2. 对相同节点的特征点一一计算描述子距离
3. 挑选汉明距离最小的匹配对
4. 判断最小距离和次小距离的比例，并检查旋转方向
5. 得到两个当前帧和关键帧的匹配点
6. Relocalization利用匹配点通过EPnP计算位姿，TrackRefenceKeyFrame将上一帧的位姿作为初始位姿在利用匹配点优化位姿

4.SearchForTriangulation

调用函数：Tracking->Run->CreateNewMapPoints

策略步骤：对跟踪线程中没有跟踪到的特征点在参考关键帧中搜索匹配点，进行三角测量

1. 选取与当前关键帧共视程度最高的20帧相对帧
2. 计算当前帧到相邻帧的R和t，并计算F矩阵
3. 类似SearchByBow,对两帧之间同一节点的特征寻找匹配
4. 计算匹配点离极线的距离，匹配后检查匹配点的视差
5. 利用DLT进行三角测量得到3D地图点，检查深度、重投影误差、尺度连续性

5.Fuse

调用函数：LocalMapping->Run->SearchInNeighbors

策略步骤：要处理最后一个关键帧时，对之前产生的重复地图点进行融合

1. 选取与当前关键帧共视程度最高的20帧一级相邻和5帧对应的二级相对帧
2. 和SearchByProjection