ORBSLAM2学习笔记（1）——整体框架

ORBSLAM2学习笔记（1）整体框架

ORB特征原理

首先，简单而笼统地概括ORB特征原理。ORB特征试由Fast关键点和rBRIEF描述子构成的。Fast关键点有一个问题，那就是不具备尺度一致性。ORB用图像金字塔的方式解决了这一问题。也就是对图像降采样，来模拟从远处看到物体的情形。比如图像里有一只猫，对它进行降采样，高和宽每两个像素点取一个，这样得到的图像高和宽都是1/2，效果和你在两倍远看猫试一样的。BRIEF描述子也有一个问题，那就是没有旋转不变性。ORB通过为FAST关键点确定方向，解决了这一问题。该方向为FAST点与其所在矩形框的灰度质心的连线方向。BRIEF描述子在确立时会以此为准进行旋转,这样就确保方向一致啦！

ORBSLAM的三线程

ORBSLAM采用经典的三线程，即跟踪(Tracking)，后端（Local Mapping),闭环检测(Loop Closing）。要注意后端和闭环的区别。后端用于维护局部地图，优化tracking的结果，而闭环用于消除累计误差。
Tracking:用于跟踪运动轨迹。功能包括：提取每帧的特征点，与局部图进行纯运动BA匹配;提取关键帧加入局部图；重启动功能。
Local Mapping: 更新局部地图。功能包括: 通过关键帧的关键点将其三角化为新的地图点（共视图covisibility graph上的点）；通过local BA来调整优化局部图，去除冗余关键帧和特征点。
Loop Closing：检测闭环。检测到后，开始估计累计误差，并根据累计误差融合特征点，通过基图进行优化。之后，开启第四个线程Full BA，获得整个系统的最优结构和轨迹。
能看出，ORBSLAM2不关心我们用的是什么相机，只要能提供特征点就ok。

顶层封装

按照github上的说明，文明打开例程的源码mono_euroc.cc，发现所有工作都是交给ORB_SLAM2::System这个类完成的。这就是orbslam2的顶层封装啦。接下来我们对它进行分析吧。