3D点创建与地图点检验：关键帧三角化解析

"这篇文档主要讨论了在3D重建中创建新地图点的过程，特别是`CreateNewMapPoints`函数的实现细节，涉及到关键帧的共视关系、变换矩阵、相机中心计算、三角化、对极几何以及特征点匹配。" 在3D重建过程中，`CreateNewMapPoints`函数扮演着至关重要的角色，它从与当前关键帧有共视关系的相邻关键帧中获取数据，并更新3D点云。这个过程主要包括以下几个步骤： 1. **关键帧的共视关系**：处理新的关键帧时，首先会更新关键帧间的连接关系，对具有共视关系的关键帧进行排序，选择权值最高的几个相邻关键帧进行后续处理。 2. **获取当前关键帧的变换矩阵**：变换矩阵由旋转矩阵和平移矩阵构成，它们描述了关键帧在3D空间中的位置和姿态。旋转矩阵表示了关键帧的旋转，而平移矩阵则表示了从世界坐标系到相机坐标系的平移。 3. **计算相机中心**：在已知旋转和平移矩阵的基础上，可以通过特定的数学运算得到相机中心在世界坐标系中的位置，这有助于进行三角化计算。 4. **三角化3D点**：遍历每个关键帧，判断是否需要对相邻关键帧进行三角化。对于双目系统，会考虑基线大小；对于单目系统，则考虑基线与景深的比例。利用特征点的深度信息（如中值近似）来计算三角化点。 5. **对极几何与基础矩阵**：计算相邻关键帧间的基本矩阵，这是对极几何的基础。对极约束保证了对应点在两个图像上的像素坐标满足特定关系，从而帮助建立两幅图像之间的几何联系。 6. **特征点匹配**：利用极线约束限制匹配时的搜索范围，提高匹配效率。同时，通过ORB词典加速未被跟踪的特征点匹配，如果特征点在两个关键帧中都能找到匹配，就进行相应的处理。 7. **匹配策略**：在匹配过程中，可能遇到不同迭代器访问相同结点的情况，此时进行匹配；否则，继续迭代直到找到匹配或达到容器尾部。 `CreateNewMapPoints`函数是3D重建中的核心部分，它综合运用了视觉几何中的关键概念，如共视关系、变换矩阵、三角化、对极几何和特征匹配，以构建精确的3D地图。这个过程对于实现SLAM（Simultaneous Localization and Mapping，即时定位与地图构建）系统至关重要，能够帮助机器人或设备在未知环境中导航和理解周围环境。