企业官网建设流程全解析

1. 原理分析

KeyFrame为关键帧，关键帧之所以存在是因为优化需要，所以KeyFrame的几乎所有内容都是位优化服务的。该类中的函数较多，我们需要归类梳理一下，明白其功能原理，才能真正弄懂它的内容。

图优化需要构建节点和变量，节点很好理解，就是关键帧的位姿，所以需要有读写位姿的功能，边分为两种，第一种边是和MapPoint之间的，所以需要有管理和MapPoint之间关系的函数，第二种边是和其他关键帧之间的，他们之间需要通过MapPoint产生联系，两帧能够共同观测到一定数量的MapPoint时则可以在他俩之间建立边，这种关系叫共视，所以需要有管理共视关系的函数，这种通过共视关系构建的优化模型叫做 Covisibility Graph，但是，当需要优化较大范围的数据时，就会需要很大的计算量，因此需要简化，而 ORB SLAM2 中的 Essential Graph 就是 Covisibility Graph 的一种简化版，它通过“生成树 (Spanning tree)”来管理各关键帧之间的关系，每个帧都有一个父节点和子节点，节点为其他关键帧，在构建优化模型时，只有具有父子关系的关键帧之间才建立边，换言之，Essential Graph 就是 Covisibility Graph 的子集，这样就大大减少了边的数量，从而起到减小计算量的作用，因此，该类还需要有管理“生成树 (Spanning tree)”的函数。

为了更清晰地了解 Covisibility Graph 和 Essential Graph 之间的区别，我们可以利用下面几张图再详细解释一下

图 (a) 没什么好说的

图 (b) 中Covisibility graph是用来描述不同关键帧可以看到多少相同的地图点：每个关键帧是一个节点，如果两个关键帧之间的共视地图点数量大于15，则这两个节点之间建立边，边的权重是共视地图点的数量

图 (c) 中Spanning tree就是生成树，保留了所有的节点（或者说关键帧），但给各个关键帧找了父节点和子节点，每帧只跟各自的父节点和子节点相连，与其他关键帧不连接，此即为spanning tree

图 (d)中即是essential graph，是根据spanning tree建立的图模型，它是是简版的covisibility graph。

2. 函数功能介绍

有了以上的分析，我们再回过头来看这个类中的这些函数，分析起来就容易很多了。我们按照上面的分析，对这些函数做一个归类，如下图所示

下面我们按照分类，讲解其中重要的一些函数

3. 构造函数

3.1. Frame：有参数构造函数

构造函数一共有三个参数：

Frame &F：当前帧

Map *pMap：地图Map

KeyFrameDatabase *pKFDB：指针和关键帧数据集的指针

{ //将下一帧的帧号赋值给mnId，然后自增1 mnId = nNextId++; //根据栅格的列数重置栅格的size mGrid.resize(mnGridCols); //将该真的栅格内信息拷贝了一份给关键帧类内的变量 for (int i = 0; i < mnGridCols; i++) { mGrid[i].resize(mnGridRows); for (int j = 0; j < mnGridRows; j++) mGrid[i][j] = F.mGrid[i][j]; } //最后将当前帧的姿态赋给该关键帧 SetPose(F.mTcw); }

3.2. 位姿相关

SetPose：设置位姿

它只有一个参数Tcw_，这是传入的当前帧的位姿

void KeyFrame::SetPose(const cv::Mat &Tcw_) { unique_lock<mutex> lock(mMutexPose); Tcw_.copyTo(Tcw); cv::Mat Rcw = Tcw.rowRange(0, 3).colRange(0, 3); cv::Mat tcw = Tcw.rowRange(0, 3).col(3); cv::Mat Rwc = Rcw.t(); Ow = -Rwc * tcw;//相机光心 Twc = cv::Mat::eye(4, 4, Tcw.type()); Rwc.copyTo(Twc.rowRange(0, 3).colRange(0, 3)); Ow.copyTo(Twc.rowRange(0, 3).col(3)); // center为相机坐标系（左目）下，立体相机中心的坐标 // 立体相机中心点坐标与左目相机坐标之间只是在x轴上相差mHalfBaseline, // 因此可以看出，立体相机中两个摄像头的连线为x轴，正方向为左目相机指向右目相机 cv::Mat center = (cv::Mat_<float>(4, 1) << mHalfBaseline, 0, 0, 1); // 世界坐标系下，左目相机中心到立体相机中心的向量，方向由左目相机指向立体相机中心 Cw = Twc * center; }

4. Covisibility graph相关

4.1.AddConnection：增加连接

AddConnection( KeyFrame *pKF, // 需要关联的关键帧 const int &weight) // 权重，即该关键帧与pKF共同观测到的3d点数量

void KeyFrame::AddConnection(KeyFrame *pKF, const int &weight) { { unique_lock<mutex> lock(mMutexConnections); // std::map::count函数只可能返回0或1两种情况 // 此处0表示之前没有过连接，1表示有过连接 //之前没有连接时，要用权重赋值，即添加连接 if (!mConnectedKeyFrameWeights.count(pKF)) mConnectedKeyFrameWeights[pKF] = weight; //有连接，但权重发生变化时，也要用权重赋值，即更新权重 else if (mConnectedKeyFrameWeights[pKF] != weight) mConnectedKeyFrameWeights[pKF] = weight; else return; } //更新最好的Covisibility UpdateBestCovisibles(); }

4.2.UpdateBestCovisibles：更新最好的Covisibility

每一个关键帧都有一个容器，其中记录了与其他关键帧之间的weight，每次当关键帧添加连接、删除连接或者连接权重发生变化时，都需要根据weight对容器内内容重新排序。该函数的主要作用便是按照weight对连接的关键帧进行排序，更新后的变量存储在mvpOrderedConnectedKeyFrames 和 mvOrderedWeights 中。

void KeyFrame::UpdateBestCovisibles() { unique_lock<mutex> lock(mMutexConnections); vector<pair<int, KeyFrame *>> vPairs; vPairs.reserve(mConnectedKeyFrameWeights.size()); // 取出所有连接的关键帧，将元素取出放入一个pair组成的vector中，排序后放入vPairs // mConnectedKeyFrameWeights的类型为std::map<KeyFrame*,int>，而vPairs变量将共视的3D点数放在前面，利于排序 for (map<KeyFrame *, int>::iterator mit = mConnectedKeyFrameWeights.begin(), mend = mConnectedKeyFrameWeights.end(); mit != mend; mit++) vPairs.push_back(make_pair(mit->second, mit->first)); // 按照权重进行排序 sort(vPairs.begin(), vPairs.end()); list<KeyFrame *> lKFs; // keyframe list<int> lWs; // weight for (size_t i = 0, iend = vPairs.size(); i < iend; i++) { //所以定义的链表中权重由大到小排列要用push_front lKFs.push_front(vPairs[i].second); lWs.push_front(vPairs[i].first); } //更新排序好的连接关键帧及其对应的权重 mvpOrderedConnectedKeyFrames = vector<KeyFrame *>(lKFs.begin(), lKFs.end()); mvOrderedWeights = vector<int>(lWs.begin(), lWs.end()); }

4.3. UpdateConnections：更新连接

该函数主要包含以下三部分内容：

a. 首先获得该关键帧的所有MapPoint点，然后遍历观测到这些3d点的其它所有关键帧，对每一个找到的关键帧，先存储到相应的容器中。

b. 计算所有共视帧与该帧的连接权重，权重即为共视的3d点的数量，对这些连接按照权重从大到小进行排序。当该权重必须大于一个阈值，便在两帧之间建立边，如果没有超过该阈值的权重，那么就只保留权重最大的边（与其它关键帧的共视程度比较高）。

c. 更新covisibility graph，即把计算的边用来给图赋值，然后设置spanning tree中该帧的父节点，即共视程度最高的那一帧。

void KeyFrame::UpdateConnections() { // 在没有执行这个函数前，关键帧只和MapPoints之间有连接关系，这个函数可以更新关键帧之间的连接关系 //===============对应a部分内容================================== map<KeyFrame *, int> KFcounter; vector<MapPoint *> vpMP; { // 获得该关键帧的所有3D点 unique_lock<mutex> lockMPs(mMutexFeatures); vpMP = mvpMapPoints; } //For all map points in keyframe check in which other keyframes are they seen //Increase counter for those keyframes // 即统计每一个关键帧都有多少关键帧与它存在共视关系，统计结果放在KFcounter for (vector<MapPoint *>::iterator vit = vpMP.begin(), vend = vpMP.end(); vit != vend; vit++) { MapPoint *pMP = *vit; if (!pMP) continue; if (pMP->isBad()) continue; // 对于每一个MapPoint点，observations记录了可以观测到该MapPoint的所有关键帧 map<KeyFrame *, size_t> observations = pMP->GetObservations(); for (map<KeyFrame *, size_t>::iterator mit = observations.begin(), mend = observations.end(); mit != mend; mit++) { // 除去自身，自己与自己不算共视 if (mit->first->mnId == mnId) continue; KFcounter[mit->first]++; } } // This should not happen if (KFcounter.empty()) return; //===============对应b部分内容================================== //If the counter is greater than threshold add connection //In case no keyframe counter is over threshold add the one with maximum counter // 通过3D点间接统计可以观测到这些3D点的所有关键帧之间的共视程度 int nmax = 0; KeyFrame *pKFmax = NULL; int th = 15; // vPairs记录与其它关键帧共视帧数大于th的关键帧 // pair<int,KeyFrame*>将关键帧的权重写在前面，关键帧写在后面方便后面排序 vector<pair<int, KeyFrame *>> vPairs; vPairs.reserve(KFcounter.size()); for (map<KeyFrame *, int>::iterator mit = KFcounter.begin(), mend = KFcounter.end(); mit != mend; mit++) { if (mit->second > nmax) { nmax = mit->second; // 找到对应权重最大的关键帧（共视程度最高的关键帧） pKFmax = mit->first; } if (mit->second >= th) { // 对应权重需要大于阈值，对这些关键帧建立连接 vPairs.push_back(make_pair(mit->second, mit->first)); // 更新KFcounter中该关键帧的mConnectedKeyFrameWeights // 更新其它KeyFrame的mConnectedKeyFrameWeights，更新其它关键帧与当前帧的连接权重 (mit->first)->AddConnection(this, mit->second); } } // 如果没有超过阈值的权重，则对权重最大的关键帧建立连接 if (vPairs.empty()) { // 如果每个关键帧与它共视的关键帧的个数都少于th， // 那就只更新与其它关键帧共视程度最高的关键帧的mConnectedKeyFrameWeights // 这是对之前th这个阈值可能过高的一个补丁 vPairs.push_back(make_pair(nmax, pKFmax)); pKFmax->AddConnection(this, nmax); } // vPairs里存的都是相互共视程度比较高的关键帧和共视权重，由大到小 sort(vPairs.begin(), vPairs.end()); list<KeyFrame *> lKFs; list<int> lWs; for (size_t i = 0; i < vPairs.size(); i++) { lKFs.push_front(vPairs[i].second); lWs.push_front(vPairs[i].first); } //===============对应c部分内容================================== { unique_lock<mutex> lockCon(mMutexConnections); // mspConnectedKeyFrames = spConnectedKeyFrames; // 更新图的连接(权重) mConnectedKeyFrameWeights = KFcounter; mvpOrderedConnectedKeyFrames = vector<KeyFrame *>(lKFs.begin(), lKFs.end()); mvOrderedWeights = vector<int>(lWs.begin(), lWs.end()); // 更新生成树的连接 if (mbFirstConnection && mnId != 0) { // 初始化该关键帧的父关键帧为共视程度最高的那个关键帧 mpParent = mvpOrderedConnectedKeyFrames.front(); // 建立双向连接关系 mpParent->AddChild(this); mbFirstConnection = false; } } }

4.4. EraseConnection：移除连接

清楚一个关键帧与其他帧对应的边

void KeyFrame::EraseConnection(KeyFrame *pKF) { bool bUpdate = false; { unique_lock<mutex> lock(mMutexConnections); // 如果当前帧有连接关系，则删除 if (mConnectedKeyFrameWeights.count(pKF)) { mConnectedKeyFrameWeights.erase(pKF); bUpdate = true; } } // 如果删除了连接关系，便需要重新对权重进行排序 if (bUpdate) UpdateBestCovisibles(); }

4.5. SetBadFlag：删除与该帧相关的所有连接关系

需要删除的是该关键帧和其他所有帧、地图点之间的连接关系，但是删除会带来一个问题，就是它可能是其他节点的父节点，在删除之前需要告诉自己所有的子节点，换个爸爸，这个函数里绝大部分代码都是在完成这一步。

步骤一：遍历所有和当前关键帧共视的关键帧，删除他们与当前关键帧的联系。

步骤二：遍历每一个当前关键帧的地图点，删除每一个地图点和当前关键帧的联系。

步骤三：清空和当前关键帧的共视关键帧集合和带顺序的关键帧集合。

步骤四：共视图更新完毕后，还需要更新生成树。这个比较难理解。。。真实删除当前关键帧之前，需要处理好父亲和儿子关键帧关系，不然会造成整个关键帧维护的图断裂，或者混乱，不能够为后端提供较好的初值（理解起来就是父亲挂了，儿子需要找新的父亲，在候选父亲里找，当前帧的父亲肯定在候选父亲中）。

步骤五：遍历所有把当前关键帧当成父关键帧的子关键帧。重新为他们找父关键帧。设置一个候选父关键帧集合（集合里包含了当前帧的父帧和子帧？）

步骤六：对于每一个子关键帧，找到与它共视的关键帧集合，遍历它，看看是否有候选父帧集合里的帧，如果有，就把这个帧当做新的父帧。

步骤七：如果有子关键帧没有找到新的父帧，那么直接把当前帧的父帧（爷）当成它的父帧

配合下图可以看得更清楚：

5.spanning tree相关

这一类函数所有的操作都是在围绕自己的子节点和父节点，其中子节点可能有多个，所以是一个容器mspChildrens，父节点只能有一个，所以是个变量mpParent。函数内容都比较简单，在此一并列出

void KeyFrame::AddChild(KeyFrame *pKF) //增加子树 { unique_lock<mutex> lockCon(mMutexConnections); mspChildrens.insert(pKF); } void KeyFrame::EraseChild(KeyFrame *pKF) //删除子树 { unique_lock<mutex> lockCon(mMutexConnections); mspChildrens.erase(pKF); } void KeyFrame::ChangeParent(KeyFrame *pKF) //更换父节点 { unique_lock<mutex> lockCon(mMutexConnections); mpParent = pKF; pKF->AddChild(this); } set<KeyFrame *> KeyFrame::GetChilds() //获取所有子节点 { unique_lock<mutex> lockCon(mMutexConnections); return mspChildrens; } KeyFrame *KeyFrame::GetParent() //获取父节点 { unique_lock<mutex> lockCon(mMutexConnections); return mpParent; } bool KeyFrame::hasChild(KeyFrame *pKF) //判断是否有子节点 { unique_lock<mutex> lockCon(mMutexConnections); return mspChildrens.count(pKF); }

6. MapPoint相关

这一类函数的内容同样比较j简单，主要围绕存放MapPoint的容器mvpMapPoints进行。在此一并列出这些函数

void KeyFrame::AddMapPoint(MapPoint *pMP, const size_t &idx)//增加MapPoint { unique_lock<mutex> lock(mMutexFeatures); mvpMapPoints[idx] = pMP; } void KeyFrame::EraseMapPointMatch(const size_t &idx)//删除MapPoint { unique_lock<mutex> lock(mMutexFeatures); mvpMapPoints[idx] = static_cast<MapPoint *>(NULL); } void KeyFrame::EraseMapPointMatch(MapPoint *pMP)//删除MapPoint的匹配关系 { int idx = pMP->GetIndexInKeyFrame(this); if (idx >= 0) mvpMapPoints[idx] = static_cast<MapPoint *>(NULL); } void KeyFrame::ReplaceMapPointMatch(const size_t &idx, MapPoint *pMP)//替换MapPoint的匹配关系 { mvpMapPoints[idx] = pMP; } set<MapPoint *> KeyFrame::GetMapPoints()//获取所有MapPoint { unique_lock<mutex> lock(mMutexFeatures); set<MapPoint *> s; for (size_t i = 0, iend = mvpMapPoints.size(); i < iend; i++) { if (!mvpMapPoints[i]) continue; MapPoint *pMP = mvpMapPoints[i]; if (!pMP->isBad()) s.insert(pMP); } return s; } //获取被观测相机数大于等于minObs的MapPoint int KeyFrame::TrackedMapPoints(const int &minObs) { unique_lock<mutex> lock(mMutexFeatures); int nPoints = 0; const bool bCheckObs = minObs > 0; for (int i = 0; i < N; i++) { MapPoint *pMP = mvpMapPoints[i]; if (pMP) { if (!pMP->isBad()) { if (bCheckObs) { if (mvpMapPoints[i]->Observations() >= minObs) nPoints++; } else nPoints++; } } } return nPoints; }

7.ComputeSceneMedianDepth：计算场景中的中位深度

步骤一：获取每个地图点的世界位姿

步骤二：找出当前帧Z方向上的旋转和平移，求每个地图点在当前相机坐标系中的z轴位置，求平均值。

float KeyFrame::ComputeSceneMedianDepth(const int q) { vector<MapPoint *> vpMapPoints; cv::Mat Tcw_; { unique_lock<mutex> lock(mMutexFeatures); unique_lock<mutex> lock2(mMutexPose); vpMapPoints = mvpMapPoints; Tcw_ = Tcw.clone(); } vector<float> vDepths; vDepths.reserve(N); cv::Mat Rcw2 = Tcw_.row(2).colRange(0, 3); Rcw2 = Rcw2.t(); float zcw = Tcw_.at<float>(2, 3); for (int i = 0; i < N; i++) { if (mvpMapPoints[i]) { MapPoint *pMP = mvpMapPoints[i]; cv::Mat x3Dw = pMP->GetWorldPos(); float z = Rcw2.dot(x3Dw) + zcw; // (R*x3Dw+t)的第三行，即z vDepths.push_back(z); } } sort(vDepths.begin(), vDepths.end()); return vDepths[(vDepths.size() - 1) / q]; }

8. 修改建议

KeyFrame与Frame的成员变量和功能有很大的相似性，可以把KeyFrame作为Frame的一个来实现

参考文献

主要内容来自下文，修改了一些描述，增加了一些注释

ORB SLAM2源码解读(四)：KeyFrame类 - 古月居