(01)ORB-SLAM2源码无死角解析-(27) 共视图、本质图、拓展图

讲解关于slam一系列文章汇总链接:史上最全slam从零开始，针对于本栏目讲解的(01)ORB-SLAM2源码无死角解析链接如下(本文内容来自计算机视觉life ORB-SLAM2 课程课件):
(01)ORB-SLAM2源码无死角解析-(00)目录_最新无死角讲解：https://blog.csdn.net/weixin_43013761/article/details/123092196
 
$文末正下方中心提供了本人联系方式，点击本人照片即可显示WX\to 官方认证$
 

一、前言

该篇博客是为后面的讲解做一个铺垫、主要讲解的共视图、本质图、拓展图相关内容进行讲解，首先我们看一下下图：

其上蓝色矩阵表示关键帧、绿色矩阵表示当前帧，红色小点表示当前帧的可视地图点，黑色点表示当前帧可观测到的地图点,绿色曲线是帧与帧之间的链接关系,也是前面博客提到的边。
$(a):$ 该图没有绘画帧与帧之间的连接关系,但是绘画了整个关键帧的轨迹。
$(b):$ 该图为共视图，共视图是无向加权图，每个节点是关键帧，如果两个关键帧之间满足一定的共视关系（至少15个共同观测地图点）他们就连成一条边，边的权重就是共视地图点数目。如下图所示:

$(c):$ 该为扩展数，可以很明显的看到，绿色的曲线相对于共视图稀疏了很多。甚至可以说只剩下一条。其绿色曲线表示关键帧与其父关键帧(共视程度最高关键帧)的连接关系，具体连接关系如下图，只要子关键帧存在父关键帧，则连接成关系。比如下图的黄色，就是被孤立起来帧，因为其没有父关键帧，所以其没有任何连接的线。

$(d):$ 该为本质图，共视图比较稠密，本质图比共视图更稀疏，这是因为本质图的作用是用在闭环矫正时，用相似变换来矫正尺度漂移，把闭环误差均摊在本质图中。本质图中节点也是所有关键帧，但是连接边更少，只保留了联系紧密的边来使得结果更精确。本质图中包含其主要包含三个部分:1.扩展树连接关系。2.形成闭环的连接关系，闭环后地图点变动新增加的连接关系。3.共视关系非常好(至少100个共视地图点)的连接关系。
 

二、共视图作用

大家稍微看一下就行，本分已经讲解过，没有讲解过的，在后续过程中会进行详细讲解。
1、跟踪局部地图，扩大搜索范围

Tracking:UpdateLocalKeyFrames（）

2、局部建图里关键帧之间新建地图点

LocalMapping:：CreateNewMapPoints（）
LocalMapping:SearchlnNeighbors（）

3、闭环检测、重定位检测

LoopClosing:：DetectLoop（）、LoopClosing:CorrectLoop（）
KeyFrameDatabase:：DetectLoopCandidates
KeyFrameDatabase:：DetectRelocalizationCandidates

4、优化

Optimizer:：OptimizeEssentialGraph

 

三、本质图作用

共视图比较稠密，本质图比共视图更稀疏，这是因为本质图的作用是用在闭环矫正时，用相似变换来矫
正尺度漂移，把闭环误差均摊在本质图中。本质图中节点也是所有关键帧，但是连接边更少，只保留了
联系紧密的边来使得结果更精确。本质图中包含：
$(1):$ 扩展树连接关系
$(2):$ 形成闭环的连接关系，闭环后地图点变动后新增加的连接关系
$(3):$ 共视关系非常好（至少100个共视地图点）的连接关系
本质图作用主要 Optimizer::OptimizeEssentialGraph() 函数中被使用到，后面的博客会进行纤细的讲解。

四、本质图优化和全局BA结果对比

$(1):$ 全局BA存在收敛问题。即使迭代100次，相对均方误差RMSE 也比较高
$(2):$essential graph 优化可以快速收敛并且结果更精确。θmin 表示被选为essential graph至少需要的
共视地图点数目，从结果来看，θmin的大小对精度影响不大，但是较大的θmin值可以显著减少运行时
间
$(3):$essential graph 优化 后增加全局 full BA 可以提升精度（但比较有限），但是会耗时较多

 
 
本文内容来自计算机视觉life ORB-SLAM2 课程课件