目录

1.函数作用

2.步骤

3.code

4.函数解析

4.1  将当前帧的描述子转化为BoW向量

4.2 总体解释

---

1.函数作用

        用参考关键帧的地图点来对当前普通帧进行跟踪。

2.步骤

Step 1：将当前普通帧的描述子转化为BoW向量
Step 2：通过词袋BoW加速当前帧与参考帧之间的特征点匹配
Step 3: 将上一帧的位姿态作为当前帧位姿的初始值
Step 4: 通过优化3D-2D的重投影误差来获得位姿
Step 5：剔除优化后的匹配点中的外点
 @return 如果匹配数超10，返回true

3.code

/** @brief 用参考关键帧的地图点来对当前普通帧进行跟踪* * Step 1：将当前普通帧的描述子转化为BoW向量* Step 2：通过词袋BoW加速当前帧与参考帧之间的特征点匹配* Step 3: 将上一帧的位姿态作为当前帧位姿的初始值* Step 4: 通过优化3D-2D的重投影误差来获得位姿* Step 5：剔除优化后的匹配点中的外点* @return 如果匹配数超10，返回true* */
bool Tracking::TrackReferenceKeyFrame()
{// 特征点都是有一个描述子 ORB词典（描述子集）  特征点的描述子 树根.....汉明距离最小的  ORB词典的树根 nodeid //构造BOw向量  Bowvector pair<nodeid,weight>  FeatureVector<fathernodeID,vector<int>图像的特征点索引 >// Step 1：将当前帧的描述子转化为BoW向量  BowVector  FeatureeVectormCurrentFrame.ComputeBoW();// We perform first an ORB matching with the reference keyframe// If enough matches are found we setup a PnP solverORBmatcher matcher(0.7,true);vector<MapPoint*> vpMapPointMatches;// Step 2：通过词袋BoW加速当前帧与参考帧之间的特征点匹配int nmatches = matcher.SearchByBoW(mpReferenceKF,          //参考关键帧mCurrentFrame,          //当前帧vpMapPointMatches);     //存储匹配关系// 匹配数目小于15，认为跟踪失败if(nmatches<15)return false;// Step 3:将上一帧的位姿态作为当前帧位姿的初始值mCurrentFrame.mvpMapPoints = vpMapPointMatches; //mvpMapPoints存储着是匹配关系：每个特征点对应的MapPoint.如果特征点没有对应的地图点,那么将存储一个空指针mCurrentFrame.SetPose(mLastFrame.mTcw); // 用上一次的Tcw设置初值，在PoseOptimization可以收敛快一些// Step 4:通过优化3D-2D的重投影误差来获得位姿Optimizer::PoseOptimization(&mCurrentFrame);// Discard outliers// Step 5：剔除优化后的匹配点中的外点//之所以在优化之后才剔除外点，是因为在优化的过程中就有了对这些外点的标记int nmatchesMap = 0;for(int i =0; i<mCurrentFrame.N; i++){if(mCurrentFrame.mvpMapPoints[i]){//如果对应到的某个特征点是外点if(mCurrentFrame.mvbOutlier[i]){//清除它在当前帧中存在过的痕迹MapPoint* pMP = mCurrentFrame.mvpMapPoints[i];mCurrentFrame.mvpMapPoints[i]=static_cast<MapPoint*>(NULL);mCurrentFrame.mvbOutlier[i]=false;pMP->mbTrackInView = false;pMP->mnLastFrameSeen = mCurrentFrame.mnId;nmatches--;}else if(mCurrentFrame.mvpMapPoints[i]->Observations()>0)//匹配的内点计数++nmatchesMap++;}}// 跟踪成功的数目超过10才认为跟踪成功，否则跟踪失败return nmatchesMap>=10;
}

4.函数解析

4.1  将当前帧的描述子转化为BoW向量

ComputeBoW函数解析https://blog.csdn.net/qq_41694024/article/details/128007040?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22128007040%22%2C%22source%22%3A%22qq_41694024%22%7D

4.2 总体解释

        我们先通过词袋BoW加速当前帧与参考帧之间的特征点匹配，如果匹配数目小于15，认为跟踪失败（因为匹配数目太小影响位姿恢复结果），将上一帧的位姿态作为当前帧位姿的初始值，然后通过优化得到这帧的位姿。随后剔除优化后的匹配点中的外点。如果追踪成功的数目大于10则认为跟踪成功！