目录

一、ORB_SLAM2的特点

二、算法流程框架

ORB-SLAM整体流程如下图所示

a、跟踪（Tracking）  

b、建图（LocalMapping） 

c、闭环检测（LoopClosing）

三、安装教程

1、克隆仓库

2、编译ORB-SLAM2，第三方库中的DBoW2和g2o，并解压ORB词典

四、TUM数据集

1、orb-slam2在TUM数据集上面的表现

2、不同颜色地图点的含义

 五、变量名命名规则

六、多线程

1、使用多线程是为了加快运算速度

2、三个线程是怎样运转的

3、加锁

---

一、ORB_SLAM2的特点

   1、ORB_SLAM2是首个支持单目、双目和RGB-D相机的完整开源SLAM方案，能够实现地图重用，回环检测和重新定位的功能。

  2、能够在GPU上进行实时工作，比如手机、无人机、汽车。

  3、特征点法的巅峰之作，定位精度非常高。

  4、能够实时计算处相机的位姿，并生成场景的稀疏三维重建地图。

二、算法流程框架

ORB-SLAM整体流程如下图所示

它主要有三个线程组成：跟踪、Local Mapping（又称小图）、Loop Closing（又称大图）

a、跟踪（Tracking）
  

        这一部分主要工作是从图像中提取ORB特征，根据上一帧进行姿态估计，或者进行通过全局重定位初始化位姿，然后跟踪已经重建的局部地图，优化位姿，再根据一些规则确定新的关键帧。

跟踪线程相当于一个视觉里程计，流程如下：

• 首先，对原始图像提取ORB特征并计算描述子。
• 根据特征描述，在图像间进行特征匹配。
• 根据匹配特征点估计相机运动。
• 根据关键帧判别准则，判断当前帧是否为关键帧。

b、建图（LocalMapping）
 

 这一部分主要完成局部地图构建。包括对关键帧的插入，验证最近生成的地图点并进行筛选，然后生成新的地图点，使用局部捆集调整（Local BA），最后再对插入的关键帧进行筛选，去除多余的关键帧。

c、闭环检测（LoopClosing）

  这一部分主要分为两个过程，分别是闭环探测和闭环校正。闭环检测先使用WOB进行探测，然后通过Sim3算法计算相似变换。闭环校正，主要是闭环融合和Essential Graph的图优化

三、安装教程

操作系统：Ubuntu 16.04

1、克隆仓库

git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2

2、编译ORB-SLAM2，第三方库中的DBoW2和g2o，并解压ORB词典

cd ORB_SLAM2
chmod +x build.sh
./build.sh

四、TUM数据集

1、orb-slam2在TUM数据集上面的表现

 

2、不同颜色地图点的含义

 黑色点表示所有地图点，红色点属于黑色点的一部分

 五、变量名命名规则

ORB-SLAM2中的变量遵循一套命名规则:

• 变量名的第一个字母为m表示该变量为某类的成员变量.
• 变量名的第一、二个字母表示数据类型:

p	指针类型	变量，用于存放地址的变量
n	int类型	整数
b	bool类型	True和False  非0值为真，0值为假
s	std::set	set存放的元素仅仅是键，而没有关键的值
v	std:;vector	向量类型
l	std::list	list1.assign()给list赋值 list1.back()返回最后一个元素
KF	KeyFrame	关键帧

KeyFrame

列表初始化，将每个关键帧分成若干网格，设置关键帧位姿信息

KeyFrame::KeyFrame(Frame&F,Map*pMap,KeyFrameDatebase,*pkFDB)

由Tcw求出R,T,Twc=Tcw的逆

Void KeyFrame::setPose(const cv::Mat&Tcw_)

更新地图点的连接

Void KeyFrame::UpdateConnections()

六、多线程

1、使用多线程是为了加快运算速度

bool Initializer::Initialize(const Frame &CurrentFrame) {
 	// ...
    thread threadH(&Initializer::FindHomography, this, ref(vbMatchesInliersH), ref(SH), ref(H));
    thread threadF(&Initializer::FindFundamental, this, ref(vbMatchesInliersF), ref(SF), ref(F));
    // ...
}

2、三个线程是怎样运转的

  LocalMapping和LoopClosing线程都是靠Tracking线程产生的关键帧而运转的，在Tracking线程没有产生关键帧时，LocalMapping和LoopClosing线程都是处于空转状态，直到Tracking线程产生关键帧时，LocalMapping、LoopClosing线程和Tracking线程一起运转。

// Tracking线程主函数
void Tracking::Track() {
	// 进行跟踪
    // ...
	
    // 若跟踪成功,根据条件判定是否产生关键帧
    if (NeedNewKeyFrame())
        // 产生关键帧并将关键帧传给LocalMapping线程
        KeyFrame *pKF = new KeyFrame(mCurrentFrame, mpMap, mpKeyFrameDB);
        mpLocalMapper->InsertKeyFrame(pKF);	
}

// LocalMapping线程主函数
void LocalMapping::Run() {
	// 死循环
    while (1) {
        // 判断是否接收到关键帧
        if (CheckNewKeyFrames()) {
            // 处理关键帧
            // ...
            
            // 将关键帧传给LoopClosing线程
            mpLoopCloser->InsertKeyFrame(mpCurrentKeyFrame);
        }
        
        // 线程暂停3毫秒,3毫秒结束后再从while(1)循环首部运行
        std::this_thread::sleep_for(std::chrono::milliseconds(3));
    }
}

// LoopClosing线程主函数
void LoopClosing::Run() {
    // 死循环
    while (1) {
        // 判断是否接收到关键帧
        if (CheckNewKeyFrames()) {
            // 处理关键帧
            // ...
        }

        // 查看是否有外部线程请求复位当前线程
        ResetIfRequested();

        // 线程暂停5毫秒,5毫秒结束后再从while(1)循环首部运行
        std::this_thread::sleep_for(std::chrono::milliseconds(5));
    }
}

3、加锁

      因为三个线程同时运转程序可能会发生混乱，所以我们需要给他们加锁。所谓加锁就是只有拿到锁的线程才可以正常运转，运转结束之后自动释放锁。如果一个线程要运转但是锁被其他线程占用着，那只能一直等到其他线程释放锁之后拿到锁才可以继续运行。

class KeyFrame {
protected:
	KeyFrame* mpParent;
    
public:
    void KeyFrame::ChangeParent(KeyFrame *pKF) {
        unique_lock<mutex> lockCon(mMutexConnections);		// 加锁
        mpParent = pKF;
        pKF->AddChild(this);
    }

    KeyFrame *KeyFrame::GetParent() {
        unique_lock<mutex> lockCon(mMutexConnections);		// 加锁
        return mpParent;
    }
}


void KeyFrame::EraseConnection(KeyFrame *pKF) {
    // 第一部分加锁
    {
        unique_lock<mutex> lock(mMutexConnections);
        if (mConnectedKeyFrameWeights.count(pKF)) {
            mConnectedKeyFrameWeights.erase(pKF);
            bUpdate = true;
        }
    }// 程序运行到这里就释放锁,后面的操作不需要抢到锁就能执行
	
    UpdateBestCovisibles();
}