（五）ORBSLAM关键帧的筛选和插入
ORBSLAM2的关键帧简介
图像插入频率过高会导致信息冗余度快速增加，而这些冗余的信息对系统的精度却十分有限，甚至没有提高，反而消耗了更多的计算资源。这等于吃力不讨好。
关键帧的目的在于，适当地降低信息冗余度，减少计算机资源的损耗，保证系统的平稳运行。
ORBSLAM2也是沿袭PTAM的方案，将定位和建图分成两个线程，不过ORBSLAM2还增加了回环这个线程，在关键帧的问题上做了更灵活的处理，使得系统的跟踪更流畅和稳定。
接下来我们将按照ORBSLAM2源码中的方案将内容分成两个部分进行介绍：
1. 关键帧的筛选；
2. 关键帧的插入。
关键帧的筛选：
由于关键帧的筛选主要涉及一些判断条件，没有公式没有插图，读起来想必是十分枯燥的。因此笔者主要提炼大纲，让大家能够比较直观的看出，ORBSLAM2中所用的策略是什么，并根据笔者的拙见对原因进行分析，不当之处，敬请指正。
首先是直接不插入关键帧的条件，主要有三个：
1. 若当前处于定位模式，不插入关键帧；
原因：定位模式是只定位不建图，只利用已有的地图点对当前相机姿态进行估计，而不更新地图点，因此没有插入关键帧的必要。
2. 若局部地图处于全局闭环情况下，不插入关键帧；
原因：局部地图被占用，插入关键帧会影响全局闭环的优化。
3. 若距离上一次重定位较近，不插入关键帧；
原因：重定位时，当前帧通过与局部关键帧匹配并进行运动估计，能够很好地恢复其运动姿态。笔者认为，因为重定位时当前帧与重定位候选帧的信息冗余度较低，所以在重定位成功后，当前帧会作为关键帧插入地图中。而新来的一帧，由于重定位时刚刚插入关键帧，所以不需要频繁插入。
排除了上面三种情况，接下来就需要对关键帧进一步检测，才能确定是否真的需要插入关键帧。进一步检查包含一个必不可少的条件和另外三选一的条件。
必须满足的条件：
1. 内点数必须超过设定的最小阈值，并且重叠度不能太大；
原因：保证关键帧跟踪的质量，同时，避免引入过多的信息冗余。
三选一的条件：
2.1 距离上次插入关键帧已经过去MAX帧，MAX是ORBSLAM2预设的最大值；
原因：防止过去太多帧，跟踪丢失。
2.2 距离上次插入关键帧至少过去MIN帧，且局部建图线程处于空闲状态，MIN是ORBSLAM2预设的最小值；
原因：防止图像重叠度太高，并且局部建图线程有空闲处理新的关键帧。
2.3 局部建图线程中关键帧队列的关键帧数量不超过3个；
原因：主要也是考虑局部建图线程的处理能力，以及信息的冗余度问题吧。
插入关键帧的条件即是必须满足条件1以及满足2.1-2.3中任意一个条件。
关键帧的插入
确定了当前帧是关键帧，那么就需要将其输入局部建图模块以及回环检测模块。但是在输入这两个模块之前，需要将关键帧的观测信息进行更新。为了更加直观的表达关键帧插入的方法，笔者还是以列提纲的方式，为大家介绍这个过程：
1. 中断局部建图线程，即中断处理地图点、关键帧以及优化相机位姿；
原因：这是必须插入关键帧的情况，强制终止局部建图。
2. 更新当前关键帧的位姿，即从 $T$ 矩阵中取出旋转矩阵 $R$ 和位移矩阵 $t$ 以及相机中心 $O$；
原因：主要用于局部建图模块和回环检测模块中做重投影。
3. 将当前帧所对应的地图点按深度信息进行排序；
原因：筛除超出深度阈值的地图点。
4. 对当前关键帧中未关联的三维点，创建新的地图点，具体包括观测信息，更新地图点的描述子以及法向量和深度；
原因：非常平凡的创建地图点的过程。
5. 将所创建的地图点插入地图中，最后将更新后的关键帧也插入地图中。
原因：插入关键帧的过程最后一个步骤。
插入关键帧的流程大体如上面五个步骤所述。大家在设计关键帧插入流程时可以参考这几种方案，当然也可以根据实际需要设计更符合要求的方案。
总结：
终于又到了写总结的时候了，写一篇博客着实不易啊。
本文主要介绍了ORBSLAM2对待关键帧的策略，包括关键帧的筛选和插入。
不同的SLAM系统所采用的的关键帧策略有所不同，但是目的都是类似的：一是考虑计算资源的损耗，二是考虑信息的冗余度，最重要的是系统精度提高的可能性。在精度满足要求的前提下，寻求信息冗余度和计算资源损耗的折中。
至此，ORBSLAM2的跟踪线程我们已经全部介绍完了，接下来我们将进入局部建图线程。
下一讲，笔者将为大家介绍ORBSLAM地图的更新策略。
PS：
如果您觉得我的博客对您有所帮助，欢迎关注我的博客。此外，欢迎转载我的文章，但请注明出处链接。
对本文有任何问题可以在留言区进行评论，也可以在泡泡机器人论坛：http://paopaorobot.org/bbs/index.php?c=cate&fid=1中的SLAM技术交流模块发帖提问。
我的github链接是：https://github.com/yepeichu123/orbslam2_learn。
