(01)ORB-SLAM2源码无死角解析-(25) 关键帧KeyFrame→判断系统目前是否需要关键帧

ORB-SLAM2从理论到代码实现(一):整体框架 本人邮箱 jinbo66888@qq.com,欢迎交流。 一、总述       ORB-SLAM是由Raul Mur-Artal,J. M. M. Montiel和Juan D. Tardos在2015年提出。它是一个基于特征识别的单目slam系统,可以实时运行,适用于各种场合,室内的或者室外的,大场景或小场景。系统具有很强的鲁棒性,可以很好地处理剧烈运动图像、可以有比较大的余地自由处理闭环控... 阅读详情

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 W X → 官方认证 {\color{blue}{文末正下方中心}提供了本人 \color{red} 联系方式,\color{blue}点击本人照片即可显示WX→官方认证} 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→官方认证
 

一、前言

通过前面的博客,我们已经了解单目初始化的整个流程。但是这仅仅是追踪线程中的一部分,回到 src/Tracking.cc 文件 void Tracking::Track() 函数,很明显的看到,还有太多的东西需要讲解。在进行细致讲解之前,我们先来讲解一下 KeyFrame 相关的东西。在整个 ORB-SLAM2 系统中,关键帧 KeyFrame 起到了一个至关重要的作用,那么首先,我们来看看什么是关键帧 KeyFrame。

 

二、为什么需要关键帧

根据前面的知识讲解,已经能够很明白的了解到特征点,3D点,地图点之间的区别。建立在这些的基础上首先,我们需要明白的是,什么样的普通帧,可以认为是关键帧。通俗来说,关键帧就是几帧普通帧里面具有代表性的一帧。

( 1 ) : \color{blue}{(1)}: (1): 相近帧之间信息冗余度很高,关键帧是取局部相近帧中最有代表性的一帧,可以降低信息冗余度。举例来说,摄像头放在原处不动,普通帧还是要记录的,但关键帧不会增加。

( 2 ) : \color{blue}{(2)}: (2): 关键帧选择时还会对图片质量、特征点质量等进行考察,在Bundle Fusion、RKD SLAM等RGB-D SLAM相关方案中常常用普通帧的深度投影到关键帧上进行深度图优化,一定程度上关键帧是普通帧滤波和优化的结果,防止无用的或错误的信息进入优化过程而破坏定位建图的准确性。

( 3 ) : \color{blue}{(3)}: (3): 如果所有帧全部参与计算,不仅浪费了算力,对内存也是极大的考验,这一点在前端vo中表现不明显,但在后端优化里是一个大问题,所以关键帧主要作用是面向后端优化的算力与精度的折中,使得有限的计算资源能够用在刀刃上,保证系统的平稳运行。假如你放松ORB_SLAM2 关键帧选择条件,大量产生的关键帧不仅耗计算资源,还会导致 local mapping 计算不过来,出现误差累积。
 

三、如何选择关键帧

选择关键帧主要从 关键帧自身和关键帧与其他关键帧的关系 \color{red}{关键帧自身和关键帧与其他关键帧的关系} 关键帧自身和关键帧与其他关键帧的关系 2方面来考虑。关键帧自身质量要好→例如不能是非常模糊的图像、特征点数量要充足、特征点分布要尽量均匀等等;关键帧与其他关键帧之间的关系→例如需要和局部地图中的其他关键帧有一定的共视关系但又不能重复度太高,以达到既存在约束,又尽量少的信息冗余的效果,选取的指标主要有如下:

( 1 ) 时间 : \color{blue}{(1)}时间: (1)时间: 距离上一关键帧的帧数是否足够多(时间)。比如我每隔固定帧数选择一个关键帧,这样编程简单但效果不好。比如运动很慢的时候,就会选择大量相似的关键帧,冗余,运动快的时候又丢失了很多重要的帧。

( 2 ) 空间 : \color{blue}{(2)}空间: (2)空间: 距离最近关键帧的距离是否足够远(空间)/运动比如相邻帧根据pose计算运动的相对大小,可以是位移也可以是旋转或者两个都考虑,运动足够大(超过一定阈值)就新建一个关键帧,这种方法比第一种好。但问题是如果对着同一个物体来回扫就会出现大量相似关键帧

( 3 ) 共视特征点数目 : \color{blue}{(3)}共视特征点数目: (3)共视特征点数目: 跟踪局部地图质量(共视特征点数目),记录当前视角下跟踪的特征点数或者比例,当相机离开当前场景时(双目或比例明显降低)才会新建关键帧,避免了第2种方法的问题。缺点是数据结构和逻辑比较复杂。

在关键帧的运用上,我认为orbslam2做的非常好,跟踪线程选择关键帧标准较宽松,局部建图线程再跟据共视冗余度进行剔除,尤其是在回环检测中使用了以关键帧为代表的帧“簇”的概念,回环筛选中有一步将关键帧前后10帧为一组,计算组内总分,以最高分的组的0.75为阈值,滤除一些组,再在剩下的组内各自找最高分的一帧作为备选帧,这个方法非常好地诠释了“关键帧代表局部”的这个理念。下面是整个 ORB-SLAM2 的流程图:
在这里插入图片描述
其上的三个红框的部分分别代表 追踪、局部建图、闭环 三个线程。简要的可以看出,在追踪线程中,其会决定是否新建关键帧。局部建图、闭环都是对关键帧进行处理。

 

四、源码分析与讲解

如何判断当前帧是否为普通帧? 或者说判断系统目前是否需要关键帧? 其核心函数为 Tracking::NeedNewKeyFrame()。其主要有如下几个步骤:

1:纯VO(视觉里程)模式下不插入关键帧,如果局部地图被闭环检测使用,则不插入关键帧
2:如果距离上一次重定位比较近,或者关键帧数目超出最大限制,不插入关键帧
3:得到参考关键帧跟踪到的地图点数量
4:查询局部地图管理器是否繁忙,也就是当前能否接受新的关键帧
5:对于双目或RGBD摄像头,统计可以添加的有效地图点总数 和 跟踪到的地图点数量
6:决策是否需要插入关键帧

代码注释如下:

/**
 * @brief 判断当前帧是否需要插入关键帧
 * 
 * Step 1:纯VO模式下不插入关键帧,如果局部地图被闭环检测使用,则不插入关键帧
 * Step 2:如果距离上一次重定位比较近,或者关键帧数目超出最大限制,不插入关键帧
 * Step 3:得到参考关键帧跟踪到的地图点数量
 * Step 4:查询局部地图管理器是否繁忙,也就是当前能否接受新的关键帧
 * Step 5:对于双目或RGBD摄像头,统计可以添加的有效地图点总数 和 跟踪到的地图点数量
 * Step 6:决策是否需要插入关键帧
 * @return true         需要
 * @return false        不需要
 */
bool Tracking::NeedNewKeyFrame()
{
    // Step 1:纯VO模式下不插入关键帧
    if(mbOnlyTracking)
        return false;

    // If Local Mapping is freezed by a Loop Closure do not insert keyframes
    // Step 2:如果局部地图线程被闭环检测使用,则不插入关键帧
    if(mpLocalMapper->isStopped() || mpLocalMapper->stopRequested())
        return false;
    // 获取当前地图中的关键帧数目
    const int nKFs = mpMap->KeyFramesInMap();

    // Do not insert keyframes if not enough frames have passed from last relocalisation
    // mCurrentFrame.mnId是当前帧的ID
    // mnLastRelocFrameId是最近一次重定位帧的ID
    // mMaxFrames等于图像输入的帧率
    //  Step 3:如果距离上一次重定位比较近,并且关键帧数目超出最大限制,不插入关键帧
    if( mCurrentFrame.mnId < mnLastRelocFrameId + mMaxFrames && nKFs>mMaxFrames)                                     
        return false;

    // Tracked MapPoints in the reference keyframe
    // Step 4:得到参考关键帧跟踪到的地图点数量
    // UpdateLocalKeyFrames 函数中会将与当前关键帧共视程度最高的关键帧设定为当前帧的参考关键帧 

    // 地图点的最小观测次数
    int nMinObs = 3;
    if(nKFs<=2)
        nMinObs=2;
    // 参考关键帧地图点中观测的数目>= nMinObs的地图点数目
    int nRefMatches = mpReferenceKF->TrackedMapPoints(nMinObs);

    // Local Mapping accept keyframes?
    // Step 5:查询局部地图线程是否繁忙,当前能否接受新的关键帧
    bool bLocalMappingIdle = mpLocalMapper->AcceptKeyFrames();

    // Check how many "close" points are being tracked and how many could be potentially created.
    // Step 6:对于双目或RGBD摄像头,统计成功跟踪的近点的数量,如果跟踪到的近点太少,没有跟踪到的近点较多,可以插入关键帧
     int nNonTrackedClose = 0;  //双目或RGB-D中没有跟踪到的近点
    int nTrackedClose= 0;       //双目或RGB-D中成功跟踪的近点(三维点)
    if(mSensor!=System::MONOCULAR)
    {
        for(int i =0; i<mCurrentFrame.N; i++)
        {
            // 深度值在有效范围内
            if(mCurrentFrame.mvDepth[i]>0 && mCurrentFrame.mvDepth[i]<mThDepth)
            {
                if(mCurrentFrame.mvpMapPoints[i] && !mCurrentFrame.mvbOutlier[i])
                    nTrackedClose++;
                else
                    nNonTrackedClose++;
            }
        }
    }

    // 双目或RGBD情况下:跟踪到的地图点中近点太少 同时 没有跟踪到的三维点太多,可以插入关键帧了
    // 单目时,为false
    bool bNeedToInsertClose = (nTrackedClose<100) && (nNonTrackedClose>70);

    // Step 7:决策是否需要插入关键帧
    // Thresholds
    // Step 7.1:设定比例阈值,当前帧和参考关键帧跟踪到点的比例,比例越大,越倾向于增加关键帧
    float thRefRatio = 0.75f;

    // 关键帧只有一帧,那么插入关键帧的阈值设置的低一点,插入频率较低
    if(nKFs<2)
        thRefRatio = 0.4f;

    //单目情况下插入关键帧的频率很高    
    if(mSensor==System::MONOCULAR)
        thRefRatio = 0.9f;

    // Condition 1a: More than "MaxFrames" have passed from last keyframe insertion
    // Step 7.2:很长时间没有插入关键帧,可以插入
    const bool c1a = mCurrentFrame.mnId>=mnLastKeyFrameId+mMaxFrames;

    // Condition 1b: More than "MinFrames" have passed and Local Mapping is idle
    // Step 7.3:满足插入关键帧的最小间隔并且localMapper处于空闲状态,可以插入
    const bool c1b = (mCurrentFrame.mnId>=mnLastKeyFrameId+mMinFrames && bLocalMappingIdle);

    // Condition 1c: tracking is weak
    // Step 7.4:在双目,RGB-D的情况下当前帧跟踪到的点比参考关键帧的0.25倍还少,或者满足bNeedToInsertClose
    const bool c1c =  mSensor!=System::MONOCULAR &&             //只考虑在双目,RGB-D的情况
                    (mnMatchesInliers<nRefMatches*0.25 ||       //当前帧和地图点匹配的数目非常少
                      bNeedToInsertClose) ;                     //需要插入

    // Condition 2: Few tracked points compared to reference keyframe. Lots of visual odometry compared to map matches.
    // Step 7.5:和参考帧相比当前跟踪到的点太少 或者满足bNeedToInsertClose;同时跟踪到的内点还不能太少
    const bool c2 = ((mnMatchesInliers<nRefMatches*thRefRatio|| bNeedToInsertClose) && mnMatchesInliers>15);

    if((c1a||c1b||c1c)&&c2)
    {
        // If the mapping accepts keyframes, insert keyframe.
        // Otherwise send a signal to interrupt BA
        // Step 7.6:local mapping空闲时可以直接插入,不空闲的时候要根据情况插入
        if(bLocalMappingIdle)
        {
            //可以插入关键帧
            return true;
        }
        else
        {
            mpLocalMapper->InterruptBA();
            if(mSensor!=System::MONOCULAR)
            {
                // 队列里不能阻塞太多关键帧
                // tracking插入关键帧不是直接插入,而且先插入到mlNewKeyFrames中,
                // 然后localmapper再逐个pop出来插入到mspKeyFrames
                if(mpLocalMapper->KeyframesInQueue()<3)
                    //队列中的关键帧数目不是很多,可以插入
                    return true;
                else
                    //队列中缓冲的关键帧数目太多,暂时不能插入
                    return false;
            }
            else
                //对于单目情况,就直接无法插入关键帧了
                //? 为什么这里对单目情况的处理不一样?
                //回答:可能是单目关键帧相对比较密集
                return false;
        }
    }
    else
        //不满足上面的条件,自然不能插入关键帧
        return false;
}

 

五、代码细节分析

mpReferenceKF->TrackedMapPoints(nMinObs);
该函数在上一篇博客中有讲解: 如果刚刚完成初始化,这参考帧为当前帧,否则在 UpdateLocalKeyFrames 函数中会将与当前关键帧共视程度最高的关键帧设定为当前帧的参考关键帧 。这里认为为与当前帧共视程度最高的关键帧为参考帧。

在当前帧中存在N个特征点,但是并不是每个特征点都能够三角化,生成一个地图点。所以这里对当前帧的地图点做了一个统计,如果当前帧的一个地图点,被 minObs 以上关键帧(相机) 观测到,认为该关键点被追踪到。该函数返回的局部变量 nRefMatches 则表示当前帧被追踪到的地图点总数。

mSensor!=System::MONOCULAR
如果不是单目摄像头,其会做一些额外的操作,比如判断当前帧关键点的深度值是否在有效范围内(比较近的距离)。如果关键点不在有效范围内,则执行 nNonTrackedClose++操作。总的来说 nNonTrackedClose记录双目或RGB-D中没有跟踪到的近点数目;nTrackedClose 记录双目或RGB-D中成功跟踪的近点(三维点)数目。

 

六、结语

通过该篇博客,知道 ORB-SLAM2 运行的时候,何时需要关键帧。那么不必多说,可想而知接下来就是创建关键帧,或者说添加关键帧,精彩请看下篇博客。

 
 
本文内容来自计算机视觉life ORB-SLAM2 课程课件

ORB-SLAM2源码逐行解析系列(十一):ORB-SLAM2中的关键帧 ​ 函数的目的是为当前关键帧新建或更新与其共视的关键帧的连接权重,因此主要是更新当前关键帧所属变量mConnectedKeyFrameWeights里面共视关键帧的权重。​ 成员变量mConnectedKeyFrameWeights中存放的是与当前关键帧共视的关键帧及对应的权重,因此需要遍历mConnectedKeyFrameWeights中的每个元素,调用EraseConnection删除其与当前关键帧的联系。(2)为该待删除关键帧的子关键帧重新寻找合适的父关键帧。(1)重新排序的作用。 阅读详情

相关推荐

ORBSLAM3.10 关键帧选取策略

关键帧是目前是一种非常常用的方法,可以减少待优化的帧数,并且可以代表其附近的帧,关键帧相当于slam的骨架,是在局部一系列普通帧中选出一帧作为局部帧的代表,记录局部信息。如果摄像头放在原处不动,普通帧还是要记录的,但关键帧因为总看到原场景,所以不会增加。可以简单理解为方阵里有10行10列,每一行的第一个人就是一个关键帧,他可以代表他所在一行的人的特征。但实际上并不是每一行第一个人,这就涉及到关键帧的选取策略了。......

qq_41861406的博客 1665

ORB_SLAM2的单目SLAM提高关键帧的个数

一、前言 最近在结合ORB_SLAM2和Map2DFusion,来做无人机航拍视频建图,基本完成了pipeline,但发现出来的效果没有Map2DFusion官方的效果好。 (左图是我自己处理的效果,在一些地方可以看到明显断层;右图是官方的效果) 我有一个想法,能不能通过提高ORB_SLAM2关键帧的个数来改善建图? 于是我开始调研如何增加ORB_SLAM2关键帧的个数。 二、调研 ORB_SLAM2的Tracking线程会经过四个条件判断,来决定是否添加关键帧: const bo..

Jeff_zjf的博客 2216

使用 NTLite 来定制专属的官方 windows 镜像

移除掉不想要的一些自带的应用,比如 Xbox,office 啥的,这个就根据自己的实际需求来选择,备注基本都是有解释这个应用的作用。win 11 的右键展示不喜欢,更喜欢 win10 的,但是需要修改注册表,这里直接把下面的命令写到后期任务里面。NTLite 的自动保存会话功能会保留操作过的配置,是一个 xml 文件,可以在下次升级镜像版本的时候,导入配置。关闭 windows defender,不关会有这个提示,点是,就会跳到对应的界面。勾选创建 iso,配置 iso 镜像的名字,然后点开始。

以梦为马|越骑越傻 3342

ORB-SLAM2源码笔记(1)——框架结构

ORB-SLAM2源码笔记(1)——框架结构

luoyihao123456的博客 1324

从一根USB线缆说起:深入浅出聊聊那些影响信号完整性和EMC性能的‘小细节’(双绞、屏蔽、360度搭接全解析)

本文深入探讨了USB线缆中影响信号完整性和EMC性能的关键细节,包括双绞线绞距、屏蔽层设计和360度搭接工艺。通过实验数据和实用技巧,揭示了这些‘小细节’如何显著影响高频信号质量和电磁兼容性,为工程师提供了从选购到系统设计的全面指南。

weixin_30824479的博客 441

GD32H7系列SRAM优化配置实战指南

本文详细解析了GD32H7系列MCU的SRAM架构,包括ITCM、DTCM、AXI SRAM等关键内存区域的特点与性能差异。通过实战指南,指导开发者如何通过配置寄存器和链接脚本,优化内存布局以提升系统性能,并重点探讨了DMA操作与CPU缓存一致性的解决方案,帮助充分发挥GD32H7的高性能潜力。

weixin_29169899的博客 519

ORB-SLAM2源码笔记(4)——帧Frame和关键帧KeyFrame

Frame和KeyFrame学习笔记

luoyihao123456的博客 1469

STM32H743+YT8512C以太网通信实战:CubeMX与LWIP配置详解

本文详细解析了基于STM32H743微控制器与YT8512C PHY芯片的以太网通信实战方案。通过CubeMX工具进行RMII接口、MPU、时钟树等关键硬件配置,并重点阐述了如何修改LWIP协议栈驱动代码以适配YT8512C芯片,解决了LAN8742驱动不兼容的问题。文章提供了从工程创建、代码适配到调试验证的完整步骤,帮助开发者快速实现稳定可靠的嵌入式网络连接。

weixin_29190573的博客 570

ORB-SLAM2 --- KeyFrame::UpdateConnections 函数

更新关键帧之间的连接图。更新变量mConnectedKeyFrameWeights、mvpOrderedConnectedKeyFrames、mvOrderedWeights、mpParent、mspChildrens

qq_41694024的博客 937

消息平台接入实战:Hermes Agent 实现微信/钉钉日常任务自动化的 4 步配置

揭示 Hermes Agent 接入微信/钉钉时高频失效的根本原因——非 API 调用问题,而是上下文边界缺失;详解通过 soul.md 锁定人格基线、skills/ 目录原子化封装技能、CLAUDE.md 控制记忆节奏、Docker 环境适配四步构建可信赖自动化信任链,并给出身份证号过滤、中文标点

weixin_42520239的博客 167

Vision 机器视觉案例 之 零件边缘缺陷检测

缺陷检测工具

机器视觉李小白的博客 1391

(01)ORB-SLAM2源码无死角解析-(52) 局部建图线程→剔除关键帧KeyFrameCulling()、整体线程梳理

上一篇博客对 SearchInNeighbors() 函数进行了讲解,该函数的主要功能为检查并融合当前关键帧与相邻关键帧帧(两级相邻)中重复的地图点。接下来呢,原本是应该讲解一个重要的函数,那就是 Optimizer::LocalBundleAdjustment() 函数,其功能为局部优化。

江南才尽江南山,年少无知年少狂! 1009

启动launch文件时显示找不到franka_ign_ros2_control-system...如何解决?

🏆本文收录于 《全栈 Bug 调优(实战版)》 专栏。专栏聚焦真实项目中的各类疑难 Bug,从成因剖析 → 排查路径 → 解决方案 → 预防优化全链路拆解,形成一套可复用、可沉淀的实战知识体系。无论你是初入职场的开发者,还是负责复杂项目的资深工程师,都可以在这里构建一套属于自己的「问题诊断与性能调优」方法论,助你稳步进阶、放大技术价值 。

**My Coding Family** 696

(01)ORB-SLAM2源码无死角解析-(26) 关键帧KeyFrame→如何创建、插入关键帧

通过上一篇博客,已经知道什么时候需要关键帧,那么接下来就是创建关键帧。其核心函数位于 src/Tracking.cc 的 Tracking::CreateNewKeyFrame() 函数中,分析如下。

江南才尽江南山,年少无知年少狂! 1941

eCognition易康操作教程(二):多尺度分割基于多光谱数据构建规则集,结合DSM高程数据提取建筑物、树木和绿地

一、数据 数据来源:教程中的实验数据,共包含RGB三个波段,还有数字地表模型(以下简称DSM)文件。 图一 RGB影像 数据特征:数据范围较小,要素种类少,仅包含较多的建筑和大片的绿地。由于建筑的房顶使用的材料和材料颜色不同,所以建筑的光谱特征没有规律,是不连续的特征。而绿地的光谱特征则十分容易分辨。 但是建筑通常具有规则的形状,而且建筑相比于周围其他要素...

蒹葭苍苍 8309

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

(01)ORB-SLAM2源码无死角解析-(32) ORB特征匹配→跟踪线程BoW加速匹配,关键帧特征点跟踪SearchByBoW()

前面两篇博客对 BoW 的构建,以及:BRIEF描述子转BoW向量进行了讲解。那么他有什么作用呢?或者说,在什么地方可以得到应用。其实,利用到他的地方很多,比如跟踪线程中得关键帧特征点跟踪SearchByBoW()、局部建图线程中得搜索匹配三角化SearchForTriangulation。本来这个是后面进行讲解得内容,但是为了让大家了解源码是如何通过BoW加速匹配得。这里提前为大家分析这两个案例。这篇博客,就先来看看SearchByBoW()函数。

江南才尽江南山,年少无知年少狂! 1620

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

ORB-SLAM3 从理论到代码实现(五):sim3 优化

摘要:本文分析了ORB-SLAM3中Optimizer::OptimizeSim3()函数的实现,该函数用于优化两个关键帧之间的Sim3变换。首先初始化g2o优化器,添加Sim3顶点和地图点顶点;然后通过双向投影构建边约束,利用L-M算法进行优化;最后剔除误差较大的边并再次优化,得到精确的Sim3变换。该函数被闭环检测线程调用,通过双向重投影误差优化候选关键帧到当前帧的Sim3变换,为后续闭环校正提供准确的位姿约束。

人无远虑,必有近忧 1602

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

ORB-SLAM2从理论到代码实现(十四):KeyFrame类长

需要删除的是该关键帧和其他所有帧、地图点之间的连接关系,但是删除会带来一个问题,就是它可能是其他节点的父节点,在删除之前需要告诉自己所有的子节点,换个爸爸,这个函数里绝大部分代码都是在完成这一步。真实删除当前关键帧之前,需要处理好父亲和儿子关键帧关系,不然会造成整个关键帧维护的图断裂,或者混乱,不能够为后端提供较好的初值(理解起来就是父亲挂了,儿子需要找新的父亲,在候选父亲里找,当前帧的父亲肯定在候选父亲中)。这一类函数的内容同样比较j简单,主要围绕存放MapPoint的容器mvpMapPoints进行。

zl5186888的博客 242

ORBSLAM3 --- 是否需要插入关键帧的判定

ORBSLAM3 --- 是否需要插入关键帧的判定

qq_41694024的博客 1610

(01)ORB-SLAM2源码无死角解析-(54) 闭环线程→闭环检测:寻找闭环候选关键帧 LoopClosing::DetectLoop()

通过前面的博客,了解了闭环线程中 LoopClosing::Run 的总体结果,这篇博客主要就是对其调用的函数 bool LoopClosing::DetectLoop() 进行讲解,其同样位于 src/LoopClosing.cc 文件中。主要功能为为检测闭环。在进行代码讲解之前,先来讨论下其是怎么实现的,如下图所示:图一假设机器人(相机)溜达之后回到了起始点附近,形成了一个如上图的环。这个时候呢,机器人就会思考,我是不是回到起始位置了呢?

江南才尽江南山,年少无知年少狂! 1276

ORB_SLAM2 源码解析 地图点、关键帧和图结构(四)

目录 一、地图点 地图点代表性描述子的计算 地图点法线朝向的计算 地图点和特征点的区别 生成地图点 二、关键帧 什么是关键帧 为什么需要关键帧 如何选择关键帧 关键帧的类型及更新连接关系 父子关键帧 更新连接关系 更新局部关键帧 三、共视图 本质图 扩展树 共视图 (Covisibility Graph) 共视图的作用 本质图(Essential Graph) 本质图优化 扩展树(spanning tree) 子关键帧和父关键帧构成 一、地图点 地...

m0_58173801的博客 4243

详谈ORB-SLAM2的关键帧

关键帧是ORB-SLAM2地图里面重要的组成部分之一。关键帧中要重视的两部分:共视图和生成树。共视图和生成树都是来描述关键帧权重关系的,不同之处在于共视图更为稠密,而生成树更为稀疏。ORB-SLAM2论文中的描述图,蓝色表示关键帧,黑色和红色部分表示特征点,绿色的实际上是一条条线,每条线表示附近的两个关键帧的共视关系 共视图仅作为参考用,在做优化的时候不会选择共视图。优化共视图是耗时严重的线程,而且优化共视图的时候要给其它变量加锁,其它线程无法工作,所以进一步导致了优化共视图是一个很长、很复杂的过程。 就

极客园地 1846

slam十四讲之第十三讲设计slam系统代码详解(1)

slam十四讲之设计slam系统 不多说了,都在注释里,我的流程就是先每句进行学习,然后整体看,后期直接看大块就行。 下面为前端 fronted.cpp // // Created by gaoxiang on 19-5-2. // #include <opencv2/opencv.hpp> #include "myslam/algorithm.h" #include "myslam/backend.h" #include "myslam/config.h" #include "myslam

weixin_51326570的博客 1397

【ORB-SLAM2】代码框架精讲

这个代码逻辑框架图是作者17年时做的,希望时隔多年后的分享还能帮助到一些刚刚接触SLAM的同学,由于CSDN的下载搞得太复杂,还需要积分,所以我直接贴上我的github仓储链接吧,大家点击进入仓储就可以直接下载了!如果觉得我做的还可以麻烦给我的仓储一个star或者fork哦!

J.L 295

ORB-SLAM2代码详解05: 关键帧KeyFrame

ORB-SLAM2代码详解05: 关键帧KeyFrame各成员函数/变量共视图`mConnectedKeyFrameWeights`基于对地图点的观测构造共视图`UpdateConnections()`生成树`mpParent`、`mspChildrens`关键帧的删除参与回环检测的关键帧具有不被删除的特权`mbNotErase`删除关键帧时维护共视图和生成树对地图点的观测回环检测==与本质图==`KeyFrame`的用途`KeyFrame`类的生命周期 各成员函数/变量 共视图mConnectedKey

ncepu_Chen的博客 7736

ORB-SLAM2 --- Tracking::UpdateLocalKeyFrames函数

更新局部关键帧mvpLocalKeyFrames

qq_41694024的博客 946
上一篇: (01)ORB-SLAM2源码无死角解析-(24) 单目SFM地图初始化→CreateInitialMapMonocular()-细节分析:尺度不确定性
下一篇: (01)ORB-SLAM2源码无死角解析-(26) 关键帧KeyFrame→如何创建、插入关键帧
江南才尽,年少无知!
江南才尽,年少无知! 领域专家: 人工智能技术领域 领域专家: 人工智能技术领域
博客等级 码龄8年 4万+粉丝 519原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址