orbslam2(2)-追踪

最近在读ORB-SLAM的代码，虽然代码注释算比较多了，但各种类和变量互相引用，看起来有点痛苦。索性总结了一下Tracking部分的代码结构，希望能抓住主要思路，不掉坑里。 作者的程序分为两种模式：SLAM模式和Localization模式。SLAM模式中，三个线程全部都在工作，即在定位也在建图。而Localization模式中，只有Tracking线程在工作，即只定位，输出追踪结果（姿态），不...

ORB-SLAM2：基于视觉的实时定位与建图系统 项目介绍 ORB-SLAM2 是一个基于视觉的实时定位与建图（Simultaneous Localization and Mapping，简称 SLAM）系统，适用于 单目、双目 和 RGB-D 相机。该系统可以实时计算相机的运动轨迹和稀疏的 3D 建图（在双目和 RGB-D 模式下具有真实比例）。ORB-SLAM2 能够实时检测回环并重新定位相机...

orbSLAM2 之 运动模型追踪简介：流程： 简介： 注意：计算的位姿是当前帧相对于世界坐标系的Tcw。 流程： 1，通过UpdateLastFrame()函数重新设置mLastFrame的Tcw为T(mLastFrame->参考关键帧)*T(参考关键帧->世界坐标系)。 问题：T(mLastFrame->参考关键帧)原本就是通过mLastFrame的Tcw和 T...

  Tracking线程是ORB_SLAM2的主线程。在System.cc中，使用构造函数进行了初始化，开启了三个线程。 可执行程序—>System构造函数（初始化三个线程）—>处理出入的帧（TrackMonocular）—>调用Tracking线程中的GrabImageMonocular函数（追踪线程的主要函数）。 // 创建了System类的一个对象。 ORB_SLAM2::System SLAM(argv[1],argv[2],ORB_SLAM2::System::MONOCULAR

本函数是第二层追踪的唯一追踪函数，本函数有两个任务，首要任务就是优化当前帧的位姿，第二个任务就是负责为当前帧找到更多的地图点，同时进行了一个局部建图。这里的第二个任务实质上是为位姿优化服务的，因为地图点越多，优化时的约束也就越多，对位姿的优化也就越好。到这里追踪线程中几个重要的追踪函数就讲完了，如果大家有问题或者发现文章中出现了逻辑错误，欢迎交流指正，互相学习，一起进步。

本函数是第一层追踪函数中兜底的那个函数，如果重定位追踪都失败了那就只能reset了，这个函数及其重要，其复杂度是三个追踪中最大的，所以不到万不得已是不会启动的。我们知道追踪的目的主要是找到新来帧的位姿，所以在丢掉位姿时，首要的事情就是找一个参考系，而这样的参考系最好是具有代表性的“关键帧”，所有在重定位中，先找一个和本帧具有高度一致性的关键帧成了重定位的关键。本函数基本上就是找到合适的关键帧，然后根据该关键帧找到本帧的位姿。三大追踪在这里就全都结束了，如果有三大追踪之间逻辑关系还没有梳理清楚，欢迎交流，

相信大家在学习一段时间SLAM后，会发现两个问题。第一个是代码能看懂，但是不知道为什么这样做（特别是优化部分）。第二个问题就是数学问题，SLAM最难最迷人的部分在于它很多原理归结到了数学问题上。在看优化的时候，因为g2o库的原因，很多数学公式的内在逻辑没有在代码中展现出来，这几篇文章将从最开始的运动模型和观测模型，一步步的推导到优化中用到的列文伯格-马夸尔方法。将非线性优化放在这里将是因为大家已经有了一定的基础，理解起来会更加的容易。

系列文章目录 ORB-SLAM2系列第一章——简介 ORB-SLAM2系列第二章——ORB 特征点提取 ORB-SLAM2系列第三章—— 地图初始化 ORB-SLAM2系列第四章—— 地图点、关键帧、图结构 ORB-SLAM2系列第五章—— 特征匹配 文章目录系列文章目录前言一、跟踪线程整体流程二、参考关键帧跟踪1.应用场景2.思路3.具体流程三、恒速模型跟踪1.应用场景2.思想3.具体流程四、重定位跟踪1.应用场景2.思想3.具体流程四、局部地图跟踪1.应用场景2.具体流程 前言 迎浏览我的SLAM专

ORB-SLAM2的三大线程几乎都是每个部分对应一个函数，非常清晰。函数名起的都十分贴切，望文就能生义，我们更应该关注的是里面的关键帧地图点这些变量是怎么流转的。Tracking线程的流程就是：首先输入一帧图像，然后实际上接着进行5步。初始化（实际上相机刚开始需要初始化过程）、图像预处理（提取ORB特征点）、初始位姿估计（根据前一张图片或者附近的一张图片估计当前帧的位姿）、基于当前帧的位姿构建当前帧的局部地图（当前帧附近的很小的一部分地图）、是否生成新的关键帧。

本帖原文：链接 ORB-SLAM2 代码解读系列汇总：链接 0. 跟踪线程总体介绍    Tracking 线程运行在系统主线程中，负责对每帧图像进行特征提取、位姿估计、地图跟踪、关键帧选取等工作，可以简单理解为 SLAM 的前端里程计部分，但该线程也存在一些优化。 0.1 流程简述 1. 系统初始化：在 System SLAM() 初始化 SLAM 系统时初始化了跟踪线程mpTracker...

ORBSLAM2跟踪线程解析

ORB-SLAM2代码详解07: 跟踪线程Tracking各成员函数/变量跟踪状态初始化单目相机初始化: `MonocularInitialization()`双目/RGBD相机初始化: `StereoInitialization()`初始位姿估计根据恒速运动模型估计初始位姿: `TrackWithMotionModel()`根据参考帧估计位姿: `TrackReferenceKeyFrame()`通过重定位估计位姿: `Relocalization()`跟踪局部地图: `TrackLocalMap()`关

初始化跟踪线程但不开启线程 mpTracker = new Tracking(this, mpVocabulary, mpFrameDrawer, mpMapDrawer, mpMap, mpKeyFrameDatabase, strSettingsFile, mSensor); 1.变量赋值 Tracking::Tracking(System *pSys, ORBVocabulary* pVoc, FrameDrawer *pFrameDrawer, MapDrawer *pMapD

ORB-SLAM2跟踪部分主要包括两个阶段，第一个阶段包括三种跟踪方法：用参考关键帧来跟踪、恒速模型跟踪、重定位跟踪，它们的目的 是保证能够“跟的上”，但估计出来的位姿可能没那么准确。第二个阶段是局部地图跟踪，将当前帧的局部关键帧对应的局部地图点投影到该 帧，得到更多的特征点匹配关系，对第一阶段的位姿再次优化得到相对准确的位姿。跟踪线程流程图Track线程的主要在track中主要实现的。主要的实现步骤看流程图即可理解。

单目初始化双目或rgbd初始化参考关键帧的跟踪匀速模型跟踪重定位（与回环有点像，主要是跟丢后重新找到在地图中的定位）局部地图跟踪（提高定位信息在局部的准确性）判断产生关键帧的时机其实整个函数很大，逻辑也很多，但是本质上通过一系列逻辑将上述函数组合，而实现跟踪的效果。我们学习的目的应该是聚焦在函数实现上，过度关注这些逻辑有点浪费时间，因为我认为这些逻辑可能每个人的思考都不同，在需要的时候参考参考即可。