今天面试，很多基本问题都没有回答的很好。那些知识明明知道，但是就是讲不出来，看来看过是不行的，必须要自己总结一下。
一、介绍一下ORBSLAM的线程，并且分别讲一下
ORBSLAM主要有三个线程，分别是跟踪（Tracking），建图（LocalMapping），和闭环检测（LoopClosing）。
1）Tracking
这个线程主要工作是从图像中提取ORB特征点，根据上一帧进行位姿估计（1.如何估计），或者进行重定位初始化位姿，然后根据跟踪已经重建的局部地图优化位姿（2.什么优化方法），再根据一些规则确定新的关键帧（3.什么规则）。
2）Local Mapping
这个线程主要完成局部地图重建。接受上一个线程的关键帧，完成关键帧插入。验证最新生成的地图点并进行筛选（4.如何筛选地图点），然后生成心的地图点，使用Local BA调整，最后再对插入的关键帧进行筛选，去处多余的关键帧（5.如何筛选关键帧）。
3）Loop Closing
这一线程主要有两个过程，分别是闭环检测，和闭环矫正。闭环检测首先使用BOW进行检测闭环关键帧（6.如何进行），然后通过Sim3算法计算相似变换（7.将一些Sim3）。闭环矫正主要是闭环融合和Essential Graph图优化(8.图优化)。
1.如何进行位姿估计
1）TrackWithMotionModel
认为前一次位姿相对变化与当前位姿相对变化一致。 △ triangle △Rk-1= △ triangle △Rk，由此可以计算得到当前帧的初始位姿，再经过g2o投影优化得到一个相对准确的位姿。
这一步是得到初始位姿之后，匹配特征点，然后计算投影误差，再进行最小投影误差计算，优化位姿。
2）TrackReferenceKeyFrame
假设离自己最近的关键帧的位姿是自己的位姿（注意这里是关键帧，匀速模型是帧）。再跟上一步一样的优化。
3）reloaclization
都失败之后，重定位，EPnP求解。
最小投影误差求解PnP
1.将三维空间点投影至像素平面；——根据词袋模型，选择与当前帧最相近的一帧，选取他对应的MapPoints，
2.建立重投影误差函数；——投影点必定与匹配点存在一定的距离误差：
3.求解误差函数关于投影点的偏导，优化位姿
EPnP：
在空间中3D点中选取4个控制点，用4个控制点去表示其他得点。再相机平面中得到4个控制点得坐标，求解。
2.如何根据重建的局部地图优化位姿
将所有相连得关键帧以及对应得MapPoints进行投影，进行BA优化。
3.如何确定关键帧
关键帧主要在两个方面考虑。1）关键帧自身质量过硬，不能有模糊，特征点数量充足，特征分布均匀。2）关键帧与其他关键帧之间的关系，需要和局部地图中的其他关键帧有少量的共视关系，但大部分特征点都是新特征点，以达到既存在约束，有尽量少的信息荣誉。
ORBSLAM选择关键帧主要有三个条件：
1）长时间未插入关键帧（存在速度快慢的问题）
2）局部地图空闲
3）跟踪即将失败
这样做，会有扎堆出现关键帧的情况，因此后续会进行关键帧筛选。
4.如何筛选地图点
观测到该MapPoints的关键帧太少。
地图点融合TODO：
5.如何筛选关键帧
90％以上的MapPoints被其共视关键帧观测到。具体实现：
将关键帧前后10帧分为一组，计算组内得分，以最高分组的0.75为阈值，滤除一些组（？）。再在剩下的组内各自找到最高分的一阵作为备选帧。
6.如何进行闭环检测
7.Sim3求解位姿
转至：https://blog.csdn.net/weixin_39373577/article/details/86030981
8.如何进行闭环融合和图优化