【ORB_SLAM2源码解毒】创建ORB_SLAM2系统（3）

视频讲解

逐个函数功能详细讲解ORB_SLAM2源码｜ORB_SLAM2::System系统初始化

注意查看红框中的内容，对应的代码如下
构造函数成员初始化列表会对，头文件中的变量进行初始化。
创建对象的过程就是，就是在内存中开辟空间存储这些成员变量。
接下来我们看看系统构造函数System::System()都干了什么
初始化ORB-SLAM2的System系统类的实例化对象SLAM，并传入参数
初始化参数列表分别是：字典路径，参数文件路径，传感器类型，是否可视化

// Create SLAM system. It initializes all system threads and gets ready to process frames.
// 首先创建一个ORB_SLAM2的对象
ORB_SLAM2::System SLAM(argv[1],argv[2],ORB_SLAM2::System::RGBD,true);
//参数argv[1]：是DBOW词典的路径用于回环检测`path_to_vocabulary＝ORB_SLAM2/Vocabulary/ORBvoc.txt`
//参数argv[2]：是相机参数文件`path_to_settings＝ORB_SLAM2/Examples/ROS/ORB_SLAM2/src/d455.yaml`
//参数ORB_SLAM2::System::RGBD：是定义在头文件中的枚举类型，代表传感器的类型   
//参数true：const bool类型的变量，代表不可更改的变量布尔变量，作用是是否打开显示窗口。


 // Input sensor
    enum eSensor{
        MONOCULAR=0,
        STEREO=1,
        RGBD=2
    };

首先调用的是ORB_SLAM2系统 System::System构造函数，然后根据参数判断传感器类型。

然后读取词典，主要代码实现在DBOW中，流程也是通过构造函数创建对象，然后对象调用函数进行读取。

接下里将词典的指针传入关键帧的构造函数中

然后创建地图，并将地图的对象传递给负责显示当前帧的显示窗口；
地图的对象和相机参数文件传递给负责地图的显示窗口。

创建Tracking对象mpTracker，传入的参数是上面创建好的

创建局部建图线程对象

创建回环检测线程和对象

根据可视化的变量决定是否创建可视化对象和线程

将局部建图线程对象传递给Tracking对象mpTracker
将回环检测对象传递给Tracking对象mpTracker

Tracking对象mpTracker传递给局部建图线程对象
将回环检测对象传递给局部建图线程对象

Tracking对象mpTracker传递给回环检测线程和对象
将局部建图线程对象传递给回环检测线程和对象

到此才完成ORB_SLAM2::System SLAM对象的创建

接下来详细看一下上面每一步创建的对象，执行相应的构造函数都做了那些工作，创建的对象如下图所示：

mpVocabulary = new ORBVocabulary();

mpKeyFrameDatabase = new KeyFrameDatabase(*mpVocabulary);

mpMap = new Map();

mpFrameDrawer = new FrameDrawer(mpMap);

mpMapDrawer = new MapDrawer(mpMap, strSettingsFile);

mpTracker = new Tracking 创建tracking对象并执行tracking的构造函数

Tracking::Tracking(
    System *pSys,                       //系统实例
    ORBVocabulary* pVoc,                //BOW字典
    FrameDrawer *pFrameDrawer,          //可视化帧
    MapDrawer *pMapDrawer,              //可视化地图点
    Map *pMap,                          //地图
    KeyFrameDatabase* pKFDB,            
    const string &strSettingPath,       //配置文件路径
    const int sensor):                  //传感器类型
        mState(NO_IMAGES_YET),                              
        mSensor(sensor),                                
        mbOnlyTracking(false),                              
        mbVO(false),                                        //当前跟踪状态
        mpORBVocabulary(pVoc),          
        mpKeyFrameDB(pKFDB), 
        mpInitializer(static_cast<Initializer*>(NULL)),     
        mpSystem(pSys), 
        mpViewer(NULL),                                     
        mpFrameDrawer(pFrameDrawer),
        mpMapDrawer(pMapDrawer), 
        mpMap(pMap), 
        mnLastRelocFrameId(0)                               
{
    // Load camera parameters from settings file
    cv::FileStorage fSettings(strSettingPath, cv::FileStorage::READ);
    float fx = fSettings["Camera.fx"];
    float fy = fSettings["Camera.fy"];
    float cx = fSettings["Camera.cx"];
    float cy = fSettings["Camera.cy"];

    //     |fx  0   cx|
    // K = |0   fy  cy|
    //     |0   0   1 |
    //相机内参矩阵
    cv::Mat K = cv::Mat::eye(3,3,CV_32F);
    K.at<float>(0,0) = fx;
    K.at<float>(1,1) = fy;
    K.at<float>(0,2) = cx;
    K.at<float>(1,2) = cy;
    K.copyTo(mK);

    // 图像矫正系数
    // [k1 k2 p1 p2 k3]
    cv::Mat DistCoef(4,1,CV_32F);
    DistCoef.at<float>(0) = fSettings["Camera.k1"];
    DistCoef.at<float>(1) = fSettings["Camera.k2"];
    DistCoef.at<float>(2) = fSettings["Camera.p1"];
    DistCoef.at<float>(3) = fSettings["Camera.p2"];
    const float k3 = fSettings["Camera.k3"];
    //有些相机的畸变系数中会没有k3项
    if(k3!=0)
    {
        DistCoef.resize(5);
        DistCoef.at<float>(4) = k3;
    }
    DistCoef.copyTo(mDistCoef);

    // 双目摄像头baseline * fx 50
    mbf = fSettings["Camera.bf"];

    // 帧率
    float fps = fSettings["Camera.fps"];
    if(fps==0)
        fps=30;

    // Max/Min Frames to insert keyframes and to check relocalisation
    mMinFrames = 0;
    mMaxFrames = fps;

    // 1:RGB 0:BGR
    int nRGB = fSettings["Camera.RGB"];
    mbRGB = nRGB;

    // Load ORB parameters
    // 每一帧提取的特征点数 1000
    int nFeatures = fSettings["ORBextractor.nFeatures"];
    // 图像建立金字塔时的变化尺度 1.2
    float fScaleFactor = fSettings["ORBextractor.scaleFactor"];
    // 尺度金字塔的层数 8
    int nLevels = fSettings["ORBextractor.nLevels"];
    // 提取fast特征点的默认阈值 20
    int fIniThFAST = fSettings["ORBextractor.iniThFAST"];
    // 如果默认阈值提取不出足够fast特征点，则使用最小阈值 8
    int fMinThFAST = fSettings["ORBextractor.minThFAST"];

    mpORBextractorLeft = new ORBextractor(
        nFeatures,      
        fScaleFactor,
        nLevels,
        fIniThFAST,
        fMinThFAST);

    if(sensor==System::STEREO)
        mpORBextractorRight = new ORBextractor(nFeatures,fScaleFactor,nLevels,fIniThFAST,fMinThFAST);

    if(sensor==System::MONOCULAR)
        mpIniORBextractor = new ORBextractor(2*nFeatures,fScaleFactor,nLevels,fIniThFAST,fMinThFAST);

    if(sensor==System::STEREO || sensor==System::RGBD)
    {
        // 判断一个3D点远/近的阈值 mbf * 35 / fx
        //　ThDepth其实就是表示基线长度的多少倍
        mThDepth = mbf*(float)fSettings["ThDepth"]/fx;
        cout << endl << "Depth Threshold (Close/Far Points): " << mThDepth << endl;
    }

    if(sensor==System::RGBD)
    {
        // 深度相机disparity转化为depth时的因子
        mDepthMapFactor = fSettings["DepthMapFactor"];
        if(fabs(mDepthMapFactor)<1e-5)
            mDepthMapFactor=1;
        else
            mDepthMapFactor = 1.0f/mDepthMapFactor;
    }

}

mpLocalMapper = new LocalMapping(mpMap, mSensor==MONOCULAR);

mpLoopCloser = new LoopClosing(mpMap, mpKeyFrameDatabase, mpVocabulary, mSensor!=MONOCULAR);

mpViewer = new Viewer(this, mpFrameDrawer,mpMapDrawer,mpTracker,strSettingsFile);