ORB-SLAM2源码详解：代码结构与变量命名规则解读

ORB-SLAM2是一种用于实时跟踪和建图的视觉SLAM系统，该系统的源代码经过详细解读后，可以了解到以下信息。 首先，代码中使用了一套变量命名规则，其中“p”表示指针数据类型，"n"表示整型数据类型，"s"表示集合类型，"v"表示向量数据类型，'l'表示列表数据类型，"m"表示类成员变量。这套命名规则使得代码阅读更加清晰明了，有助于理解代码结构。 整个代码主要分为四个部分：Tracking、LocalMapping、LoopClosing和Viewer。在系统的入口处，通过输入不同类型的图像数据（Stero、RGBD和Monocular），调用GrabImageStero、GrabImageRGBD和GrabImageMonocular来将其转换为灰度图像并存储到相应的成员变量中（mImGray、imGrayRight和mImDepth等）。 然后，通过构造Frame对象，将灰度图像以及对应的ORB特征提取器（mpORBextractorLeft和mpORBextractorRight）传递给Frame的构造函数。根据不同的输入类型（Stero、RGBD和Monocular），构造不同类型的Frame对象（Stero：Frame（mImGray，imGrayRight，mpORBextractorLeft，mpORBextractorRight），RGBD：Frame；Mono：Frame）。 在Tracking模块中，ORB特征提取器和描述子匹配器被用于跟踪当前帧并估计相机的运动。同时，通过描述子匹配和三角测量得到3D点云。在LocalMapping模块中，通过Bundle Adjustment优化地图，进一步优化相机姿态和3D点云。在LoopClosing模块中，通过闭环检测和优化，进一步优化地图的一致性。最后，在Viewer模块中，将地图和相机的位姿可视化展示。 总结来说，ORB-SLAM2是一个基于视觉SLAM技术的系统，其源代码详解涉及到四个模块：Tracking、LocalMapping、LoopClosing和Viewer。代码中采用了一套规范的变量命名规则，使得代码的结构更加清晰明了。通过输入不同类型的图像，经过一系列的处理和计算，实现了实时的跟踪和建图功能。这个系统对于机器人领域的研究和应用具有重要意义。