ORB-SLAM3的Local Mapping线程详解

本文主要是介绍ORB-SLAM3的Local Mapping线程详解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Local Mapping线程是ORB-SLAM3的三大线程之一。

一、Local Mapping线程的主要流程

关键帧是通过根据经验去添加一些约束给帧，然后输出关键帧，如果能被观测到更多特征点的话，那么我们就能把其作为关键帧。

第一部分是插入关键帧；
第二部分是去除地图点，不是所有的地图点都是好的，对地图点进行一个筛选；
第三部分，为了结果更优，生成一些新点；
第四部分，局部BA做优化；
第五部分，IMU初始化，IMU好的初值，测量数据对结果来说会有很大的促进左右；
第六部分，去除关键帧，前面冗余的关键帧进行筛选；
第七部分，对IMU尺度进行优化，优化重力方向，使结果更好。

二、Local Mapping线程主要作用

加入关键帧和地图点到当前激活地图，删除冗余帧，并通过对当前帧的附近关键帧操作，利用视觉BA或视觉-惯性BA优化地图。此外，在惯性模式下，LocalMapping线程会利用最大后验估计(MAP)来初始化和优化IMU参数。

1、插入关键帧

将Tracking线程输出的关键帧插入共视图(CovisibilityGraph)，其中节点是关键帧，边的权重为两个关键帧共视的地图点数量。

共视图中过多的边会占用计算资源，影响SLAM算法的实时性。一般通过设定阈值控制边的数量。

共视图是由结点和边构成的无向加权图，结点是关键帧，边表示的共视的地图点的数量，比如K1、K2之间的权重是W12，表示他们能够共同看到地图点的数量。K1、K2、K3互为共视共视关系，他们都能看到共视图特征点的个数。如果边不加约束的话，如果K1和K2能够共同看到地图点的个数就一个，那么就会有很多这种边，只要超过1就能构成边，那么无形当中会占用计算资源，影响SLAM算法的实时性。
这种情况我们会对W权值，做一个阈值的设定，保证边的数量是一个合理的数量，不然会影响后面一系列的方法，对ORB-SLAM3算法而言，处理的最小单位就是关键帧，保证关键帧在合适的数量，同时边也在合适的数量

2、剔除地图点

这篇关于ORB-SLAM3的Local Mapping线程详解的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---