logo资料库

ORB-SLAM2源码详解.pdf

发布时间：2022-05-31 发布人：admin 分类：说明书 资料大小：0.82M 资料格式：pdf 举报 版权申诉
第1页 / 共34页
第2页 / 共34页
第3页 / 共34页
第4页 / 共34页
第5页 / 共34页
第6页 / 共34页
第7页 / 共34页
第8页 / 共34页
资料共34页，剩余部分请下载后查看
    信息科学与工程学院 人工智能与机器人研究所 ORB-SLAM代码详细解读 吴博 @泡泡机器人 657390323@qq.com 2016.8.29 1
    代码主要结构 2 2016/10/9 Tracking.cpp LocalMapping.cpp LoopClosing.cpp Viewer.cpp 变量命名规则： “p”表示指针数据类型 "n"表示int类型 “b”表示bool类型 "s"表示set类型 “v”表示vector数据类型 'l'表示list数据类型 “m”表示类成员变量
    System入口: GrabImageStero(imRectLeft,imRectRight) 输入图像 GrabImageRGBD(imRectLeft,imRectRight) GrabImageMonocular(im) Stero: mImGray,imGrayRight 转为灰度图 RGBD: mImGray,imDepth Mono: mImGray 构造Frame Stero: Frame(mImGray,imGrayRight,mpORBextractorLeft, mpORBextractorRight) RGBD: Frame(mImGray,imDepth,mpORBextractorLeft) Mono(未初始化): Frame(mImGray,mpIniORBextractor) Mono(已初始化): Frame(mImGray,mpORBextractorLeft) Track 数据流进入Tracking线程 注：mpIniORBextractor相比mpORBextractorLeft提取的特征点多一倍 3 2016/10/9
    Tracking线程: Frame 初始化 相机位姿跟踪 局部地图跟踪 是否生成关键 帧 生成关键帧 SteroInitialization() MonocularInitialization() mbOnlyTracking(false) 位姿跟踪 TrackWithMotionModel() TrackReferenceKeyFrame() Relocalization() mbOnlyTracking(true):同时跟踪与定位，不插入关键帧，局部地图不工作 UpdateLocalMap() UpdateLocalKeyFrames() UpdateLocalPoints() SearchLocalPoints()：获得局部地图与当前帧的匹配 PoseOptimization():最小化投影误差优化位姿 很长时间没有插入关键帧、局部地图空闲、跟踪快要跪 跟踪地图MapPoints的比例比较少 KeyFrame(mCurrentFrame,mpMap,mpKeyFrameDB) 对于双目或RGBD摄像头构造一些MapPoints,为MapPoints添加属性 注： mbOnlyTracking默认为false，用户可通过运行界面选择仅跟踪定位模式 4 2016/10/9
    LocalMapping线程: mlNewKeyFrames 检查队列 CheckNewKeyFrames() 处理新关键帧 ProcessNewKeyFrame() 更新MapPoints与KeyFrame的关联 UpdateConnections() 剔除MapPoints 剔除地图中新添加的但质量不好的MapPoints： a.IncreaseFound / IncreaseVisible < 25% b.观测到该点的关键帧太少 生成MapPoints 运动过程中和共视程度比较高的关键帧通过三角化恢复出一些MapPoints MapPoints融合 检查当前关键帧与相邻帧（两级相邻）重复的MapPoints Local BA 和当前关键帧相连的关键帧及MapPoints做局部BA优化 关键帧剔除 其90%以上的MapPoints能被其它共视关键帧（至少3个）观测到的关键帧 5 2016/10/9
    LocalClosing线程(闭环检测): mlploopKeyFrameQueue 队列中取一帧 mpcurrentKF 判断距离上一次闭环检 测是否超过10帧 1、三个阈值都是计算获得，鲁邦性好 minscore mincommons minscoreToRetain 2、通过分组可以将单独得分很高 的无匹配关键帧剔除 计算当前帧与相连关键 帧的Bow最低得分 mpcurrentKF minscore 检测得到闭环候选帧 vpLoopCandidates 分组示意图： 1 2 10 3 4 如图：1、2、3、4、10都是闭环候选帧。 节点1：与2、3相连，1与2、3分为一组 节点2：与1、3相连，2与1、3分为一组 节点3：与1、2、4相连，3与1、2、4分为一组 节点4：与3相连，4与3分为一组 节点10：10自己单独一组 检测候选帧连续性 连续性检测示意图： 3、for(*sit,spcandidateKFs) …… 1、for(i,vpcandidateKFs) Result: …… mvpEnoughConsistentcandidates SpreviousGroup 2、for(iG,mvConsistentGroup) 6 2016/10/9 vcurrentconsistentGroup (pKF,minscore) 找出与当前帧有公共单词的关键帧， 但不包括与当前帧相连的关键帧 lKFsharingwords 统计候选帧中与pKF具有共同单词最 多的单词数 maxcommonwords 得到阈值 mincommons=0.8*maxcommonwords maxcommonwords mincommons minscore 筛选共有单词大于mincommons且Bow 得分大于minscore的关键帧 lscoreAndMatch 将存在相连的分为一组，计算组最高 得分bestAccScore，同时得到每组中 得分最高的关键帧 lsAccScoreAndMatch bestAccScore 得到阈值minScoreToRetain =0.75*bestAccScore lsAccScoreAndMatch minScoreToRetain vpLoopCandidates
    LocalClosing线程(Sim3计算): mpCurrentKF for(pKF,mvpEnoughConsistentCandidates) SearchByBow vvpMapPointMatches 处构造Sim3求解器，对匹配 成功的关键帧进行Sim3求解 mpCurrentKF,pKF Scm -->(R,t,s) vpMapPointMatches SearchBySim3得到更多匹配 Scm -->gscm (mpCurrentKF,pKF) vpMapPointMatches OptimizeSim3 vpMapPointMatches -->mvpCurrentMatchedPoints pKF -->MatchedKF 将MatchedKF共视帧取出 vpLoopConnectedKFs (包括MatchedKF) 将MatchedKF共视帧取出 mvpLoopMapPoints mpCurrentKF gscm -->mg2oscw -->mscw SearchByProjection得到更 7 多匹配点 mvpCurrentMatchedPoints 7
    LocalClosing线程(Sim3计算): X轴： 其中： 右坐标系同理，且令： 4 , , , ,, 三对匹配3D，分别对左右三个3D点建立坐标系： ⁄ = ‖‖ 其中：=,−, 1 ⁄ Y轴：= ‖‖ 2 =(,−,)−[(,−,)⋅] Z轴：=× 3 , =|| =|| 可以得到 向量沿着坐标轴的值 如果左边坐标系有一个向量 ,那么： 左乘可以变换到右坐标系,故可推导出旋转： 5 = = 质心： =1, =1, =‖,−[(,)+‖ 优化函数：‖‖ 5 8 , =,− 原点移到质心：,=,− 6 ⋅,−(,)]+‖‖ =‖,−(,‖−2 与优化量无关 , =0 , =0 ‖,−(,‖ =−+( 7 , =(,)− =0 min‖‖ ==−( 9 计算平移量： 8
    分享到：
    赞 收藏

    相关推荐

    资料库

    人工智能

    共收录2047份资料，累计62个分类，关注成员有19位，主要包括：GNSS,Pico-SIM868-GSM,GPRS,NB-IoT,GPRSHAT,SIM7070GCat-M,GNSSHAT,GSM,NB-IoTHAT,SIM7080GCat-M,R800CGSM,SIM800CGSM,UPSPowerModule(B),UPSPowerModule,Pico-SIM7020C-NB-IoT,SIM7028NB-IoTHAT,SIM7020CNB-IoTHAT,SIM7000XNB-IoTHAT,A7670CCat-1HAT,A7600C1Cat-1,SIM7600X4G&amp;LTECat-1HAT,SIM7600X4GDONGLE用户手册,RM520N-GL5GHAT,RM500Q-GL5GHAT,RM500U-CN5GHAT,SIM820X-M25GforJetsonNano,AudioCardforJetsonNano,SIM7600G-H4GforJetsonNano,OpenNCC-Lite-4G8M,IMX219-77Camera,13.3inche-PaperHAT,10.3inche-PaperHAT(D),10.3inche-PaperHAT,9.7inche-PaperHAT,7.8inche-PaperHAT,6inchHDTouche-PaperHAT,6inchHDe-PaperHAT,6inche-PaperHAT,5.83inche-PaperHAT(C),LCD-Clock-A,0.95inchRGBOLED(A),0.96inchRGBOLEDModule,0.96inchOLEDModule,0.96inchOLED(A),1.27inchRGBOLEDModule,1.3inchOLEDModule(C),1.3inchOLED(A),1.32inchOLEDModule,1.5inchRGBOLEDModule,1.5inchOLEDModule,JETSONORINNX,自然语言处理,搜索引擎,VR,计算广告,深度学习,机器学习

    热门标签

    GNSS Pico-SIM868-GSM GPRS NB-IoT GPRSHAT SIM7070GCat-M GNSSHAT GSM NB-IoTHAT SIM7080GCat-M R800CGSM SIM800CGSM UPSPowerModule(B) UPSPowerModule Pico-SIM7020C-NB-IoT SIM7028NB-IoTHAT SIM7020CNB-IoTHAT SIM7000XNB-IoTHAT A7670CCat-1HAT A7600C1Cat-1 SIM7600X4G&amp;LTECat-1HAT SIM7600X4GDONGLE用户手册 RM520N-GL5GHAT RM500Q-GL5GHAT RM500U-CN5GHAT SIM820X-M25GforJetsonNano AudioCardforJetsonNano SIM7600G-H4GforJetsonNano OpenNCC-Lite-4G8M IMX219-77Camera 13.3inche-PaperHAT 10.3inche-PaperHAT(D) 10.3inche-PaperHAT 9.7inche-PaperHAT 7.8inche-PaperHAT 6inchHDTouche-PaperHAT 6inchHDe-PaperHAT 6inche-PaperHAT 5.83inche-PaperHAT(C) LCD-Clock-A 0.95inchRGBOLED(A) 0.96inchRGBOLEDModule 0.96inchOLEDModule 0.96inchOLED(A) 1.27inchRGBOLEDModule 1.3inchOLEDModule(C) 1.3inchOLED(A) 1.32inchOLEDModule 1.5inchRGBOLEDModule 1.5inchOLEDModule JETSONORINNX 自然语言处理 搜索引擎 VR 计算广告 深度学习 机器学习

    最新资料