稀疏重建入口

RunSparseMapper

void AutomaticReconstructionController::RunSparseMapper() {
  const auto sparse_path = JoinPaths(options_.workspace_path, "sparse");
  if (ExistsDir(sparse_path)) {
    auto dir_list = GetDirList(sparse_path);
    std::sort(dir_list.begin(), dir_list.end());
    if (dir_list.size() > 0) {
      std::cout << std::endl
                << "WARNING: Skipping sparse reconstruction because it is "
                   "already computed"
                << std::endl;
      for (const auto& dir : dir_list) {
        reconstruction_manager_->Read(dir);
      }
      return;
    }
  }

  IncrementalMapperController mapper(
      option_manager_.mapper.get(), *option_manager_.image_path,
      *option_manager_.database_path, reconstruction_manager_);
  active_thread_ = &mapper;
  mapper.Start();
  mapper.Wait();
  active_thread_ = nullptr;

  CreateDirIfNotExists(sparse_path);
  reconstruction_manager_->Write(sparse_path, &option_manager_);
}

Image

与另一幅图像至少有一个对应关系的 2D 点数。num_observations

与其它图像的关联总数num_correspondences

图像的每个特征点都有一个vector，由于存放与该特征点匹配的track（image_id, point2D_id）

std::vector<std::vector<Correspondence>> corrs;

遍历所有的边，更新corrs

FindNext

将所有未注册的图像，按照某种得分策略排序

• 图像的可见3D点，2D-3D关联
• 图像的可见3D点比率
• 论文中的next best view策略

vector<image_t> next_images

RegisterNextImage

遍历vector<image_t> next_images，如果成功了就break

寻找2D-3D点的关联

EstimateAbsolutePose

对于不同的focal_length_factors，都进行一次位姿估计，最终选择内点数最多的估计

RefineAbsolutePose

对当前帧观测到的3D点进行BA一次

TriangulateImage

生成新的观测

IterativeLocalRefinement

对改变了的观测进行一次BA

IterativeGlobalRefinement

如果模型增长一定比率，则进行全局BA

对已经配准的图像对，重新进行一次三角化