# Simple_VO

**Repository Path**: bluestone029/simple_vo

## Basic Information

- **Project Name**: Simple_VO
- **Description**: 一个简单的双目视觉里程计，前端使用光流追踪角点+双目三角化地图点坐标+BA求解每帧位姿，后端使用滑窗BA估计关键帧位姿和地图点坐标。没有使用任何优化框架
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 2
- **Created**: 2023-12-14
- **Last Updated**: 2023-12-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 概述
一个简单的双目视觉里程计，前端使用光流追踪角点+双目三角化地图点坐标+BA求解每帧位姿，后端使用滑窗BA估计关键帧位姿和地图点坐标。**前后端都没有使用任何优化框架**  
可以在桌面CPU（Ryzen5 3600）和嵌入式设备（Nvidia TX2）上实时运行  
在KITTI上的运行效果参见**running_on_KITTI.mp4**  
基于高翔博士的工作[slambook2](https://github.com/gaoxiang12/slambook2/tree/master/ch13)


## 依赖
* OpenCV 3
* glog，gflag，gtest
* Eigen3，Sophus
* Pangolin
* cmake

## 如何运行
```bash
mkdir build
cd build
cmake ..
make -j
cd ..
./bin/run_kitti_stereo
```
运行前修改**config/default.yaml**中的**dataset_dir**


## 目录结构
bin: 存放编译的可执行文件
lib: 存放编译的库文件  
src: 存放cpp文件  
inlcude/myslam: 存放头文件  
config: 存放配置文件   
test: 存放测试文件   
cmake_modules: 存放第三方库的.cmake文件

## 基本的数据结构
Frame: 关键帧，含有id、位姿、图像及左右图像中的特征点  
Feature: 图像中的2D特征点  
MapPoint: 世界坐标系中的3D路标点  
Map: 全局地图，持有Frame和MapPoint对象，是前后端之间的桥梁  

## 各部分的处理逻辑
### 前端
1. 前端本身有初始化、正常追踪、追踪丢失三种状态

2. 在初始化状态中,根据左右目之间的光流匹配,寻找可以三角化的地图点,成功时建立初始地图

3. 追踪阶段中,前端计算上一帧的特征点到当前帧的光流,根据光流结果计算图像位姿。该计算只使用左目图像,不使用右目

4. 如果能追踪到的点较少,就将当前帧设为关键帧。对于关键帧,做以下几件事:
* 提取新的特征点;
* 找到这些点在右图的对应点,用三角化建立新的路标点;
* 将新的关键帧和路标点加入地图,并触发一次后端优化

### 地图
地图以散列形式记录了所有的关键帧和对应的路标点，同时维护一个被激活的关键帧和地图视觉点。这里激活的概念即我们所谓的窗口，它会随着时间往前推动  
激活的策略是保留最新的X个关键帧（X的数值可在config文件中设置）
### 后端
后端在地图更新被触发时，从地图中拿取被激活的关键帧和地图点，进行优化