从理论到实践: ORB-SLAM3 Initializer完全解读

‍

构造函数

Initializer::Initializer(const Frame &ReferenceFrame, float sigma, int iterations)

参数: 参考帧(第一帧), 误差, 迭代次数

操作:读取参考帧的相机模型, 内参, 去畸变的特征点等传入参数

初始化:并行的计算前后两帧的本质矩阵和基础矩阵,选出来评分高的恢复旋转和平移

(==当前帧指向参考帧==), 三角化后的点, 特征是否被三角化过

返回值：bool->初始化是否成功的标志

操作:

• vMatches12中的匹配关系以<==第一帧特征索引,第二帧特征索引==>存储在mvMatches12中, 同时mvbMatched1[i]设置为true表示第一帧中该索引的特征点匹配成功
• 从匹配中不重复的随机选择mMaxIterations组点,每组8个
• 开两个线程同时计算单应和基本矩阵
• 计算得分
• 选择得分高的矩阵来恢复两帧位姿

寻找最优单应矩阵

void Initializer::FindHomography(vector&vbMatchesInliers, float &score, cv::Mat &H21)

参数: 匹配的Inliers, 最后的得分, 单应矩阵

操作:

• 归一化
• 利用选择的mMaxIterations组匹配点用八点法计算单应矩阵（ComputeH21(vPn1i,vPn2i)）
• 恢复初始尺度（归一化前的）
• 保留最高得分的单应矩阵及对应的匹配内点

需要最优基础矩阵

void Initializer::FindFundamental(vector&vbMatchesInliers, float &score, cv::Mat &F21)

参数: 匹配的Inliers, 最后的得分, 基础矩阵

操作:

• 归一化
• 利用选择的mMaxIterations组匹配点用八点法计算基础矩阵（ComputeF21(vPn1i,vPn2i)）
• 恢复初始尺度（归一化前的）
• 保留最高得分的基础矩阵及对应的匹配内点

本文仅做学术分享，如有侵权，请联系删文。