orb slam2 代码解析1

orb slam 2 代码解析1

orb slam 2 是一个完整的SLAM系统，包括了 VO，跟踪，及回环，是一种基于单目稀疏特征点的slam系统，使用orb 特征 作为视觉slam的特征点，有以下的特点。

• 使用ORB特征，实时性好
• 使用词袋模型进行回环检测，g2o图优化
• 支持多种传感器 单目、双目、RGB-D
• 支持ROS

我们主要是看看其中的代码实现。

git clone https://github.com/stevenlovegrove/Pangolin.git #下载代码

安装过程忽略，可自行搜索教程

打开下载代码的路径，主要有以下文件夹

• camke_modules #cmake 相关项，搜索需要的库
• Examples # 使用示例，包括ros下的示例，注意orbslam2主要代码编译之后只是生成库orb_slam2的动态库
• include # 主实现代码头文件
• src #实现代码
• Thirdparty #第三方依赖库，源码下载及编译
• Vocabulary #词袋模型

根据这个文件组织结构，代码阅读课从示例代码开始

决定预先看单目实现代码，我们挑选 /Examples/Monocular/mono_kitti.cc 文件作为解析的范例代码，看文件名就知道这个示例是使用kitti 数据集，而不需要使用真正的摄像头。

void LoadImages(const string &strSequence, vector<string> &vstrImageFilenames,
                vector<double> &vTimestamps); //前置声明一个图像加载函数,实现在最后，主要实现读取文件路径及名称到vstrImageFilenames 里

接下来，我们看下main函数，看下整个系统的运行流程，（只挑选核心代码，精简所有主功能无关代码）

LoadImages(string(argv[3]), vstrImageFilenames, vTimestamps); //加载文件名称
ORB_SLAM2::System SLAM(argv[1],argv[2],ORB_SLAM2::System::MONOCULAR,true); //orb slam 核心管理类，所有功能都在这里实现

cv::Mat im;
for(int ni=0; ni<nImages; ni++)  //根据路径一张张读图像
{
    im = cv::imread(vstrImageFilenames[ni],CV_LOAD_IMAGE_UNCHANGED); //读图

    // Pass the image to the SLAM system
    SLAM.TrackMonocular(im,tframe);  //跟踪及解析每张图

}
SLAM.Shutdown(); //关闭slam，释放资源，锁等

SLAM.SaveKeyFrameTrajectoryTUM("KeyFrameTrajectory.txt");  /存取关键帧，主要存储信息为关键帧的 R t矩阵 R转换为四元数表示 

至此，我们看完了，处理流程，但由于主要的处理均在TrackMonocular函数中，所以我们需要再去分析 TrackMonocular 函数的实现，也即去看System.cc文件。

要阅读system文件，可先看头文件，了解大体的数据结构及功能，再看详细的代码实现，我们阅读代码的目的一般有以下几个

• 分析问题的整体解决及结构
• 关注实现过程的语言技巧及细节
• 关注算法实现思路
• 用来对原有库进行某种修改或扩展

对于orb_slam 这样的库，更重要的是算法实现和整体工程解决思路，所以我们更关注1,3点，第4点也可以关注，我们也会在其中分析如果需要修改时，可以怎么去实现相关功能

//System.h 简化版（数据结构部分，函数下回分解）

class System
{
public:
    enum eSensor{
        MONOCULAR=0,  //传感器类型，单目，双目，RGBD
        STEREO=1,
        RGBD=2
    };
public:
    System(const string &strVocFile, const string &strSettingsFile, const eSensor sensor, const bool bUseViewer = true);    
    cv::Mat TrackStereo(const cv::Mat &imLeft, const cv::Mat &imRight, const double &timestamp);   
    cv::Mat TrackRGBD(const cv::Mat &im, const cv::Mat &depthmap, const double &timestamp);  
    cv::Mat TrackMonocular(const cv::Mat &im, const double &timestamp);   
    void ActivateLocalizationMode();
    void DeactivateLocalizationMode();
    bool MapChanged();  
    void Reset();  
    void Shutdown();
    void SaveTrajectoryTUM(const string &filename);
    void SaveKeyFrameTrajectoryTUM(const string &filename);
    void SaveTrajectoryKITTI(const string &filename);
    int GetTrackingState();
    std::vector<MapPoint*> GetTrackedMapPoints();
    std::vector<cv::KeyPoint> GetTrackedKeyPointsUn();

private:

    eSensor mSensor; //传感器类型定义
    ORBVocabulary* mpVocabulary; //词袋模型，用于位置识别和特征匹配
    KeyFrameDatabase* mpKeyFrameDatabase; //关键帧数据结构，使用vector<keyframe*> 实现，存储关键帧
    Map* mpMap; //地图 存储 mappoint keyframe 所有的指针
    Tracking* mpTracker; //关键类，跟踪帧，并估计变换和相机位置，确定是否为关键帧，创建新的mappoint 并且当跟踪失败时重新定位
    LocalMapping* mpLocalMapper; //局部地图，管理局部地图并执行局部BA（优化）
    LoopClosing* mpLoopCloser; //回环检测，对每一个新的关键帧进行回环搜索，如果发现有回环则在新线程执行图优化和全局BA
    Viewer* mpViewer;//绘制地图和当前相机位置

    FrameDrawer* mpFrameDrawer; //帧绘制
    MapDrawer* mpMapDrawer;//地图绘制

    // System threads: Local Mapping, Loop Closing, Viewer.
    // The Tracking thread "lives" in the main execution thread that creates the System object.
    std::thread* mptLocalMapping; //关键实现，orb采用三线程并行处理，提高实时性能，此为局部绘图线程
    std::thread* mptLoopClosing; //回环检测及处理线程
    std::thread* mptViewer; //展示线程，绘制相关交互界面线程

    // 使用三个锁和一些标志位实现 资源分配及调度 重置/ 模式改变/跟踪

    std::mutex mMutexReset;  
    bool mbReset;

    std::mutex mMutexMode;
    bool mbActivateLocalizationMode;
    bool mbDeactivateLocalizationMode;

    int mTrackingState;
    std::vector<MapPoint*> mTrackedMapPoints;
    std::vector<cv::KeyPoint> mTrackedKeyPointsUn;
    std::mutex mMutexState;
};

至此，本次简单分析就到这里啦。