ORB-SLAM2源码中文详解.pdf

### ORB-SLAM2 源码中文详解 #### 一、概述 ORB-SLAM2是一款基于视觉里程计的SLAM系统，它能够实时地进行环境建模与定位，支持单目、双目以及RGB-D摄像头。本文将深入探讨ORB-SLAM2的核心组成部分及其工作原理。 #### 二、代码主要结构 根据提供的文档信息，ORB-SLAM2的代码组织十分清晰，主要包括以下几个关键文件： - **Tracking.cpp**：负责跟踪任务，包括初始化、位姿估计等。 - **LocalMapping.cpp**：负责局部地图的构建与优化。 - **LoopClosing.cpp**：负责闭环检测，消除累积误差。 - **Viewer.cpp**：负责显示系统状态，如关键帧、地图点等。 #### 三、变量命名规则 - **“p”** 表示指针数据类型。 - **"n"** 表示整型(int)数据类型。 - **“b”** 表示布尔型(bool)数据类型。 - **"s"** 表示集合(set)数据类型。 - **“v”** 表示向量(vector)数据类型。 - **"l"** 表示列表(list)数据类型。 - **“m”** 表示类成员变量。 这些命名规则有助于开发者快速理解代码逻辑和变量用途。 #### 四、系统入口 系统的主要入口函数是处理图像输入，根据不同的输入类型调用不同的函数： - **双目输入**：`GrabImageStereo(imRectLeft, imRectRight)` - **RGB-D输入**：`GrabImageRGBD(imRectLeft, imRectRight)` - **单目输入**：`GrabImageMonocular(im)` 这些函数首先将输入图像转换为灰度图像，并根据输入类型构造相应的`Frame`对象。例如，双目输入会调用： ```cpp Frame(mImGray, imGrayRight, mpORBextractorLeft, mpORBextractorRight) ``` 这里`mpORBextractorLeft`和`mpORBextractorRight`分别用于从左右两幅图像中提取特征点。 #### 五、Tracking线程 **初始化阶段**： - 双目初始化：`StereoInitialization()` - 单目初始化：`MonocularInitialization()` **跟踪阶段**： - 如果`mbOnlyTracking`设置为`false`，则进行同时跟踪与定位，并且可以插入关键帧；如果设置为`true`，则仅进行跟踪，不插入关键帧。 跟踪过程包括： - **运动模型跟踪**：`TrackWithMotionModel()` - **参考关键帧跟踪**：`TrackReferenceKeyFrame()` - **重定位**：`Relocalization()` - **更新局部地图**：`UpdateLocalMap()` - **搜索局部地图点**：`SearchLocalPoints()` —— 获得局部地图与当前帧的匹配 - **位姿优化**：`PoseOptimization()` —— 最小化投影误差优化位姿 - **更新局部关键帧**：`UpdateLocalKeyFrames()` - **更新局部地图点**：`UpdateLocalPoints()` #### 六、LocalMapping线程 **主要职责**： - 检查新关键帧队列：`mlNewKeyFrames` - 对新关键帧进行处理：`ProcessNewKeyFrame()` - 局部BA优化：对新关键帧及其相关联的地图点进行局部BA优化 - 更新地图点与关键帧的关联：`UpdateConnections()` - 剔除低质量的地图点： - `IncreaseFound/IncreaseVisible < 25%` - 观测到该点的关键帧数量过少 - 通过三角化恢复新的地图点 #### 七、LoopClosing线程(闭环检测) **主要职责**： - 从队列中取出关键帧：`mlpLoopKeyFrameQueue` - 判断距离上一次闭环检测是否超过10帧 - 计算当前帧与相连关键帧之间的BoW最低得分 - 检测闭环候选帧 - 检测候选帧的连续性 - 识别与当前帧有足够的共视关系的关键帧 - 闭环修正：一旦发现闭环，系统会更新地图以修正累积的漂移 #### 八、总结 通过以上分析可以看出，ORB-SLAM2是一个高度模块化的系统，各个部分紧密协作，共同完成SLAM任务。从输入图像的处理、特征点的提取，到跟踪、局部地图构建、闭环检测等，每个环节都经过精心设计。开发者可以根据实际需求调整参数或者扩展功能，使其适应更多应用场景。