ORB_SLAM2实验：单目摄像头图片处理与SLAM系统

在Robotics_Lab4_SA18225225_林永欣1实验中，主要关注的是ORB_SLAM2实验的具体实现步骤，尤其是与单目视觉（MONOCULAR）相关的部分。实验的核心内容围绕着创建和配置一个完整的ORB-SLAM2系统来处理图像数据，这是一个基于特征匹配的视觉SLAM（Simultaneous Localization and Mapping）算法。 首先，实验的流程从读取图片目录开始，通过LoadImages函数加载指定目录中的图像文件和相应的时间戳。这是数据预处理的重要步骤，为后续的图像处理和地图构建奠定基础。 接下来，创建ORB_SLAM2系统的内部过程包括以下几个关键步骤： 1. **创建ORB词袋对象**：ORB（Oriented FAST and Rotated BRIEF）是一种快速且稳健的特征检测器和描述符，用于提取图像中的关键点和描述符，这对于SLAM系统中的匹配和定位至关重要。 2. **创建关键帧数据库**：关键帧数据库用于存储重要的、稳定的图像帧，它们包含了位置信息和特征描述，是SLAM中进行局部地图构建的基础。 3. **创建地图对象**：地图对象是整个SLAM系统的核心，它负责整合所有关键帧的信息，形成全局的环境模型。 4. **显示窗口的初始化**：创建用于显示跟踪、局部映射和全局地图的窗口，帮助用户监控和理解SLAM的实时运行情况。 5. **Tracking和LocalMapping对象初始化**：这两个对象分别负责跟踪当前帧到已知地图的匹配以及在新帧上执行局部地图的构建。 6. **LoopClosing的初始化**：LoopClosing模块用于检测并解决地图中的循环闭合问题，即检查和修正先前估计的位姿与实际观测之间的不一致。 在主循环中，每一步都涉及到实际的数据处理： - **读取和处理图片**：通过提供的图像文件名和时间戳，读取新的图像，并将其传递给SLAM系统进行处理。 - **时间戳的获取**：确保时间信息与图像同步，这对于精确的时间关联和后处理至关重要。 - **SLAM系统的更新**：将新图片和时间戳输入到SLAM系统，包括传递给Tracker进行匹配，以及LocalMapper进行局部地图构建。 此外，还创建了LoopClosing线程，使其在后台并行运行，进一步优化整体性能和稳定性。 通过以上步骤，本实验实现了ORB-SLAM2在单目视觉下的工作流程，展示了如何利用ORB特征匹配、关键帧管理、地图构建以及闭环检测来实现自主导航。理解并掌握这些核心组件的运作机制，有助于深入理解视觉SLAM技术在机器人和无人驾驶领域的应用。