从理论到实践: ORB-SLAM3 Initializer完全解读
作者：Liam
点击上方“3D视觉工坊”，选择“星标”
干货第一时间送达
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。
下载1
在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。
下载2
在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。
下载3
在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。
重磅！3DCVer-学术论文写作投稿 交流群已成立扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。
同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。▲长按加微信群或投稿▲长按关注公众号
3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：
学习3D视觉核心技术，扫描查看介绍，3天内无条件退款 圈里有高质量教程资料、可答疑解惑、助你高效解决问题觉得有用，麻烦给个赞和在看~
