小白学习 orbslam2 -- localmapping
读之前提醒：首先，该文章是按照时间顺序讲述，并且不提前讲各种类关系和数据结构关系，而是在讲述系统时间执行流成的时候及时的补充相关的东西。意思就是先知道这个东西在流程中是干嘛的，然后告诉你这个东西是啥。如果你还没有读过tracking的部分，请先读tracking，因为很多概念会在tracking里先讲出来，后面再遇到，就不会细讲了。
tracking : https://blog.csdn.net/michaelhan3/article/details/89742663
该部分是一个独立的线程，靠一个死循环执行。只讲与知识相关的，至于线程间的锁，或者联系等这里是忽略的。言归正传，开始讲述。下面代码来自泡泡机器人大神的注释。我只讲几个关键的函数。
while(1)
{
// Tracking will see that Local Mapping is busy
// 告诉Tracking，LocalMapping正处于繁忙状态，
// LocalMapping线程处理的关键帧都是Tracking线程发过的
// 在LocalMapping线程还没有处理完关键帧之前Tracking线程最好不要发送太快
SetAcceptKeyFrames(false);
// Check if there are keyframes in the queue
// 等待处理的关键帧列表不为空
if(CheckNewKeyFrames())
{
// BoW conversion and insertion in Map
// VI-A keyframe insertion
// 计算关键帧特征点的BoW映射，将关键帧插入地图
ProcessNewKeyFrame();
// Check recent MapPoints
// VI-B recent map points culling
// 剔除ProcessNewKeyFrame函数中引入的不合格MapPoints
MapPointCulling();
// Triangulate new MapPoints
// VI-C new map points creation
// 相机运动过程中与相邻关键帧通过三角化恢复出一些MapPoints
CreateNewMapPoints();
// 已经处理完队列中的最后的一个关键帧
if(!CheckNewKeyFrames())
{
// Find more matches in neighbor keyframes and fuse point duplications
// 检查并融合当前关键帧与相邻帧（两级相邻）重复的MapPoints
SearchInNeighbors();
}
mbAbortBA = false;
// 已经处理完队列中的最后的一个关键帧，并且闭环检测没有请求停止LocalMapping
if(!CheckNewKeyFrames() && !stopRequested())
{
// VI-D Local BA
if(mpMap->KeyFramesInMap()>2)
Optimizer::LocalBundleAdjustment(mpCurrentKeyFrame,&mbAbortBA, mpMap);
// Check redundant local Keyframes
// VI-E local keyframes culling
// 检测并剔除当前帧相邻的关键帧中冗余的关键帧
// 剔除的标准是：该关键帧的90%的MapPoints可以被其它关键帧观测到
// trick!
// Tracking中先把关键帧交给LocalMapping线程
// 并且在Tracking中InsertKeyFrame函数的条件比较松，交给LocalMapping线程的关键帧会比较密
// 在这里再删除冗余的关键帧
KeyFrameCulling();
}
// 将当前帧加入到闭环检测队列中
mpLoopCloser->InsertKeyFrame(mpCurrentKeyFrame);
}
else if(Stop())
{
// Safe area to stop
while(isStopped() && !CheckFinish())
{
// usleep(3000);
std::this_thread::sleep_for(std::chrono::milliseconds(3));
}
if(CheckFinish())
break;
}
ResetIfRequested();
// Tracking will see that Local Mapping is not busy
SetAcceptKeyFrames(true);
if(CheckFinish())
break;
//usleep(3000);
std::this_thread::sleep_for(std::chrono::milliseconds(3));
}函数ProcessNewKeyFrame()
该函数的作用是，从队列取出一个关键帧，计算该关键帧的Bow特征，更新关键帧观测到的地图点的信息，并且将该关键帧新生成的地图点添加进mlpRecentAddedMapPoints，等待后续检测。然后将该关键帧插入地图。
函数MapPointCulling()
该函数的主要作用是筛选mlpRecentAddedMapPoints里的点，对于不好的点标记为bad。
1：已经是坏点的MapPoints直接从检查链表中删除，SetBadFlag()
2：跟踪到该MapPoint的Frame数相比预计可观测到该MapPoint的Frame数的比例需大于25%，SetBadFlag()
IncreaseFound / IncreaseVisible < 25%，注意不一定是关键帧。
3：从该点建立开始，到现在已经过了不小于2个关键帧，但是观测到该点的关键帧数却不超过cnThObs帧，那么该点检验不合格。SetBadFlag()
4：从建立该点开始，已经过了3个关键帧而没有被剔除，则认为是质量高的点，因此没有SetBadFlag()，仅从队列中删除，放弃继续对该MapPoint的检测
mlpRecentAddedMapPoints剩下的点，需要继续经过以后的检测。
函数CreateNewMapPoints()
相机运动过程中和共视程度比较高的关键帧通过三角化恢复出一些MapPoints。首先得到与当前关键帧共视程度前10或者20的关键帧。然后遍历每个共视帧。根据当前帧和共视帧的位姿，计算他们之间的基础矩阵cv::Mat F12 = ComputeF12(mpCurrentKeyFrame,pKF2);。
然后matcher.SearchForTriangulation(mpCurrentKeyFrame,pKF2,F12,vMatchedIndices,false);该函数的主要作用就是寻找当前帧和共视帧之间的匹配关系。匹配的方法也很简单，和SearchBow（）方式一样，通过比较同一个单词（node）下的描述符距离，求出最优匹配。不同的是在该函数里加入了基础矩阵的极平面约束。在循环找最优距离的时候，只有符合极平面约束的匹配，才会去更新最优匹配距离。
然后根据当前的匹配，新建立一些新的地图点。并且添加到后续检查队列里mlpRecentAddedMapPoints。建立新的地图点的方法是，如果两个相机对地图点观测的视差角度小时用三角法恢复3D点，视差角大时用双目恢复3D点（双目以及深度有效）。三角化方法见 https://blog.csdn.net/michaelhan3/article/details/89483148里的 (2) 线性三角化法。并且利用求出来的三维点坐标计算在两个关键帧上的重投影误差，利用卡方验证方法做阈值，删除重投影误差大的点。
函数SearchInNeighbors()
检查并融合当前关键帧与相邻帧（两级相邻）重复的MapPoints，更新当前关键帧的连接关系。
局部优化LocalBundleAdjustment
优化的顶点是包括局部地图帧的位姿，概念lLocalKeyFrames，指的是当前关键帧和其相连接的关键帧组成的集合。还包括这些关键帧可以观测到的所有地图点，地图点的位置也会优化。还有一些帧，这些帧能够观测到这些地图点，但却不是局部地图里，这些帧的位姿也作为顶点添加进图中，但是却固定不动，不会被优化。
删除冗余关键帧KeyFrameCulling()
在Covisibility Graph，也就是局部地图中的关键帧，一个关键帧的90%以上的MapPoints能被其他关键帧（至少3个，这里的其他关键帧不特指当前的局部地图关键帧）观测到，则认为该关键帧为冗余关键帧。
最后将当前关键帧加入闭环检测队列。
至此，localmapping讲完了，该部分讲的比较粗糙，主要是逻辑比较简单。