标签：关键帧 一帧 Monocular Accurate 共视 视图 SLAM 线程 回环
三、系统总览
在这部分中简单介绍了一下整个系统的流程。
A特征选择
制图和追踪过程中的特征点在重定位和回环检测的时候也会使用，从而实现一个更加高效的系统。在ORBSLAM中使用的特征描述子是ORB描述子，这种描述子计算和匹配的速度很快，同时具有旋转不变性，从而让BA优化的结果精度更高。
B三个线程：追踪、局部建图和回环检测
图中所示的是整个系统的流程，可以看见整个系统包括三个线程。
跟踪线程主要负责随着每一帧的增加，一帧一帧地计算相机的位姿，并且根据计算出来的位姿，来确定什么时候将一个帧作为新的关键帧，在这个过程中我们首先使用匀速模型去进行估计，不合适则是用上一帧的数据，再不行则使用全局重定位。这个线程相当于在不断获得每一帧的位姿信息。
局部地图线程是负责进行新的关键帧的处理，并且要进行局部的BA优化。同时这个线程也会维护关键帧的数目，从而起到一个限制计算量的作用。
最后的回环检测线程看名字就能知道意思了，就是对新来的关键帧进行检测，看是否出现了回环的信息，如果出现就利用回环信息去校正累积误差，从而对全局的地图进行一次优化。
C地图点、关键帧以及他们的选择
地图点是恢复了3d信息的点，对应的是真实场景下的一个点的坐标，每个地图点要存储下面的一系列信息：
而关键帧没什么好说的，需要保存下面的信息：
地图点和关键帧都通过一些选择和删除机制去维持，从而保证维护的局部场景是有限大小的，不至于过大导致计算过于复杂。
D共视图和关键图
共视信息指的是一个点可以被两个帧同时看见，而共视图是基于这个共视关系，用节点表示关键帧，关键帧之间如果存在至少十五个点满足共视关系，就给这两个点增加一条边，并用共视关系的点的数目来表示边的权重。可见共视图描述了帧与帧之间特征的联系，在后面的优化过程中会用到这个图。
关键图则是用于回环检测的相关操作。关键图保留了所有的关键帧，每个关键帧都存储为一个节点，但是在关键图中节点的数目会更少，这主要是为了保持一个比较强的网络，从而获得精准的结果。它的边包含生成树的连接关系、形成闭环的连接关系、共视关系非常好的关键帧连接关系
此外，系统还增量式地维护一个生成树，从第一个关键帧开始，它连接了边缘数量最少的共视图的子图像，也就是关键帧与附近共视关系最好的关键帧，也是一种父子关系。
共视图、关键图和生成树讲解
也就是说，共视图是内容最丰富的，只要满足十五个点的共视关系就有一条边，而生成树是内容最简单的，一个节点只选择共视关系最大的点作为父节点，关键图介于二者之间，只保留了共视关系很好的边以及一些额外的信息。
E基于图像词袋模型的位置识别
在进行回环检测过程中，使用词袋模型进行回环的检测，关于词袋模型的内容前面SLAM十四讲里面有，这里不多赘述了。
四、自动地图初始化
五、跟踪
六、局部制图
七、回环检测
标签：关键帧,一帧,Monocular,Accurate,共视,视图,SLAM,线程,回环 来源： https://blog.csdn.net/weixin_43849505/article/details/122591163
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。