c++学习16System.cc的SLAM.TrackMonocular(im,tframe)

类对象mpTracker、mpLocalMapper、mpLoopCloser都是十分重要的，是整个系统最最核心的3个类对象

1.  
   //输入为单目图像时的追踪器接口
2.  
   cv::Mat System::TrackMonocular(const cv::Mat &im, const double &timestamp)
3.  
   {
4.  
   /*1、判断传感器的类型是否为单目模式，如果不是，则表示设置错误，函数直接返回
5.  
    
6.  
   2、上锁 模式锁(mMutexMode):
7.  
   (1)如果目前需要激活定位模式，则请求停止局部建图，并且等待局部建图线程停止，设置为仅追踪模式。
8.  
   (2)如果目前需要取消定位模式，则通知局部建图可以工作了，关闭仅追踪模式
9.  
    
10.  
    3、上锁 复位锁(mMutexReset): 检查是否存在复位请求，如果有，则进行复位操作
11.  
     
12.  
    4、核心部分: 根据输入的图像获得相机位姿态（其中包含了特征提取匹配，地图初始化，关键帧查询等操作）
13.  
     
14.  
    5、进行数据更新，如追踪状态、当前帧的地图点、当前帧矫正之后的关键点等。*/
15.  
     
16.  
     
17.  
    //4、获取相机位姿的估计结果
18.  
    cv::Mat Tcw = mpTracker->GrabImageMonocular(im,timestamp);
19.  
     
20.  
    unique_lock<mutex> lock2(mMutexState);
21.  
     
22.  
    //5、
23.  
    mTrackingState = mpTracker->mState;
24.  
    mTrackedMapPoints = mpTracker->mCurrentFrame.mvpMapPoints;
25.  
    mTrackedKeyPointsUn = mpTracker->mCurrentFrame.mvKeysUn;
26.  
     
27.  
    return Tcw;
28.  
    }

mpTracker的初始化

1.  
   mpTracker = new Tracking(this, //
2.  
   mpVocabulary, //字典
3.  
   mpFrameDrawer, //帧绘制器
4.  
   mpMapDrawer, //地图绘制器
5.  
   mpMap, //地图
6.  
   mpKeyFrameDatabase, //关键帧地图
7.  
   strSettingsFile, //设置文件路径
8.  
   mSensor); //传感器类型iomanip

1.  
   cv::Mat Tracking::GrabImageMonocular(const cv::Mat &im,const double &timestamp)
2.  
   {
3.  
   mImGray = im;
4.  
    
5.  
   // Step 1 ：将彩色图像转为灰度图像
6.  
   //若图片是3、4通道的，还需要转化成灰度图
7.  
    
8.  
   // Step 2 ：构造Frame
9.  
   //判断该帧是不是初始化
10.  
    mCurrentFrame = Frame(
11.  
    mImGray,
12.  
    timestamp,
13.  
    mpORBextractorLeft, //正常运行的时的ORB特征点提取器，提取指定数目特征点
14.  
    mpORBVocabulary,
15.  
    mK,
16.  
    mDistCoef,
17.  
    mbf,
18.  
    mThDepth);
19.  
     
20.  
     
21.  
    // Step 3 ：跟踪
22.  
    Track();
23.  
     
24.  
    //返回当前帧的位姿
25.  
    return mCurrentFrame.mTcw.clone();
26.  
    }

GrabImageMonocular 函数中，最核心的部分在于 Track() 函数。但是其上的 Frame 创建也是十分重要的，其中做了很多追踪需要的预备工作，如图像金字塔、特征提取，关键点矫正、特征点均匀分布等操作

这篇好文章是转载于：学新通技术网