开源SLAM框架学习——OpenVSLAM源码解析: 第二节 文件组织结构

本文主要是介绍开源SLAM框架学习——OpenVSLAM源码解析: 第二节 文件组织结构,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

OpenvSLAM源码解析的博客写完第一篇《开源SLAM框架学习——OpenVSLAM源码解析: 第一节 安装和初探》之后,没想到过了三个月才写第二篇。主要是最近工作确实很忙,现在正在做一个基于全景相机的视觉定位的项目,但是整个项目就我一个人在做。不过幸运的是,这个项目目前已经获得了一些成果了,往后有时间我会在博客中与大家分享。趁着在跑实验数据的间隙开始我OpenVSLAM源码解析的第二篇。

########################### 我是分割线 ######################

1.主要内容

这一节我主要介绍OpenVSLAM的文件结构,以及每一个文件或者代码的功能。

2.文件结构

图1

图1 OpenVSLAM文件夹结构

3. 文件内容简介

下面我按照上图所示的文件结构顺序,对每一个文件夹进行介绍。

3.1 3rd

该文件夹主要存放三方库文件。

  • json:该库只有头文件,它主要是用来将文件保存为json格式,该库的github链接nlohmann,这个库本身非常符合现代C++的风格,易用性非常强。OpenVSLAM中使用该库主要是为了方便的进行地图本地化保存和读取,在OpenVSLAM中对于每一个需要序列化的对象,只需要编写一个to_json()的函数,然后就可以使用nlohmann库方便的将该对象反序列化为json的格式。OpenVSLAM中并不是将地图保存位json的格式,而是通过nlohmann库将其转换位message pack的二进制格式保存。

使用这种方式保存地图,虽然方便了数据的管理,但是同时也出现了一个问题,那就是加载和保存地图都需要较长的时间。

  • popl :它是一种命令行参数解析工具。该库也是只有头文件,如果你用过Google的gflags的话,那么你应该能立马理解popl是干什么的,它虽然没有gflags的功能多,但是它小巧易用,作为一个小工具还是很不错的。
  • spdlog:一个基于程序级记录日志信息的c++库。它主要是在程序运行期间记录一些log信息,其功能与Google的glog很像,但是spdlog是一个轻量的、只有头文件的log工具。

3.2 cmake

cmake文件夹下存放的都是.cmake文件,它主要是用来查找相关的库。

3.3 docs

该文件主要用来生成doc文件,也就是生成和和作者提供的网页一样的内容,这个对于我们来说没有必要自己去生成这种网页,直接看作者提供的网页就行。

这里提供一下docs文件夹的编译方法:
首先安装以下两个工具:

pip install sphinx
pip install sphinx_rtd_theme

然后编译:

cd docs
sphinx-build -b html ./ build

此时会在docs文件夹下生成一个build文件夹,里面就是一个一个的网页了。

3.4 example

example文件夹下存放的主要是各种例程,以及配置文件。

  • euroc/kitti/tum_rgbd/tum_vi/这四个文件夹存储的分别是这四个数据集的配置文件。
  • util/文件夹存储的是工具型的代码。分别是用来读取对应数据集的图像和时间戳等信息。
  • xxx.cc:当前文件夹下有很多.cc的文件,它们对应着各种主程序。比方说run_video_slam.cc编译的程序,可以使用输入的视频进行建图,run_image_localization.cc它编译的程序可以是用图像来定位。具体的功能后续需要根据源码进行学习。

3.5 ros

该文件夹提供了OpenVSLAM的ros版本的代码主程序。
openvslam/:提供了ros版本下的建图和定位的两个代码;
publisher/:提供了图像和视频信息的发布节点。

3.6 src

src文件夹是OpenVSLAM的核心,这其中包含了整个slam系统最主要的代码。

3.6.1 openvslam

  • camera/文件夹主要用来存放各种相机模型的类,其中base是基类,fisheye(鱼眼相机)、perspective(透视相机)、equirectangular(全景相机),都是在base的基础上继承的。这些类中定义了一些专用于当前相机模型的函数,比如去畸变、计算图像的边界等等。
  • data/文件夹中存放的时候slam数据结构相关的代码。包括bow database、Frame、KeyFrame、Landmark、map database等重要的数据类,这些是支撑起整个slam系统的最重要数据结构。这个文件夹中的内容非常重要,对于我们理解slam系统非常有帮助,在学习的时候一定要把这个文件夹下的数据结构理清楚。
  • feature/文件夹中存放的主要是一些操作方法相关的代码,包括orb提取器的构造、orb特征点的提取、以及一些描述子的计算都在这个文件夹下。
  • initialize/文件夹是slam在初始化时对应的比较基础的代码。由于全景相机和普通的透视相机其初始化方法不一样,所以这里为了方便定义了一个基类base,然后在基类的基础上继承出了全景相机的初始化方法和透视相机的初始化方法。
  • io/文件夹下的代码相对比较简单,主要是保存和加载特征点的代码,以及保存轨迹相关信息的代码。
  • match/文件夹下保存的是slam匹配相关的代码。所有和匹配相关的代码全都放在这个文件下了。包括前后两帧的帧间匹配,基于bow的词袋加速匹配,投影匹配,双目还原深度等等。
  • module/:存放的是一些比较完整的模块化的代码。包括有frame的跟踪,完整的初始化流程,回环检测,回环检测之后的BA优化,以及重定位,两视角下的三角化等等比较完整的模块。
  • optimize/:该文件夹下是各种的优化器,包括全局的BA优化,pose的优化,局部的BA优化。
  • publish/:主要用来进行frame和地图点的显示相关的操作,在viewer.cc中会用到这里的代码,进行相关内容的绘制与显示。
  • solve/:是求解器相关的代码,包括本质矩阵(essential)的求解,基础矩阵(fundamental)的求解,单应矩阵(homography)的求解,sim3的求解,以及PnP的求解。
  • util/:一些工具类。包括产生随机数,图像的转换等等操作。

另外openvslam/文件夹下还包含相机的配置类(config.cc)。另外以下几个模块全部都是很完整的类,它们各自对应slam系统的几个模块,这些模块在slam运行时会运行在每一个独立的线程中:全局优化的类(global_optimization_module.cc),地图管理的类(mapping_module.cc),slam系统类(system.cc),跟踪模块类(tracking_module.cc)。

3.6.2 pangolin_viewer

这个文件主要用于显示slam的运行情况,这是openvlsam中的用户界面,它不但可以显示3D的运行情况,还有GUI的功能,可以实现与slam系统的简单交互。

3.6.2 socket_publisher

openvslam的另一种交互界面,它也可以显示slam的运行情况,以及设置一些运行的参数。

4 test

test文件夹中是openvslam中的一些重要算法的测试代码。如果你对openvslam中的某一算法感兴趣,想进一步了解其数据的流向,以及具体细节,不妨通过这个文件夹下的代码进行学习和探究一下。

另外还有一些关于docker相关的代码,我就不再赘述了,这部分我不常用,不是很了解。

下一节我们就要从源代码开始进行学习了,敬请期待,哈哈!!

这篇关于开源SLAM框架学习——OpenVSLAM源码解析: 第二节 文件组织结构的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1033707

相关文章

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库,完全使用 Python 语言编写,它对 XPath表达式提供了良好的支 持,因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块,该模块专门用来解析 HTML/XML 文档,下面来介绍一下 lxml 库

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟&nbsp;开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚&nbsp;第一站:海量资源,应有尽有 走进“智听

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

usaco 1.3 Mixing Milk (结构体排序 qsort) and hdu 2020(sort)

到了这题学会了结构体排序 于是回去修改了 1.2 milking cows 的算法~ 结构体排序核心: 1.结构体定义 struct Milk{int price;int milks;}milk[5000]; 2.自定义的比较函数,若返回值为正,qsort 函数判定a>b ;为负,a<b;为0,a==b; int milkcmp(const void *va,c