ORB-SLAM2从理论到代码实现（十四）：KeyFrame类长

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©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);
1
2
3
4
5
6
7
8
9
10
11
12

}
3.2. 位姿相关 3.2.1. 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 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_(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;
1
2
3
4
5
6
7
8
9

}

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)