基于ORB-SLAM2的图片识别，其功能是首先运行ORB-SLAM2，在运行过程中调起另一个线程进行图像识别，识别成功后在图片上渲染AR中的立方体模型。

　　识别过程主要基于ORB-SLAM2中的BoW算法，同样使用DBoW2库和ORB特征以及词汇树视觉词典。其主要流程可以概括为：运行ORB-SLAM2，加载ORB词典，然后读取训练图像进行BoW训练，完成之后就是SLAM的过程了，使用Pangolin做的UI界面，开启图像识别之后，线程会取当前帧和训练图像做BoW向量的相似性打分，我的策略是当当前帧和某一图像的相似性得分大于某个得分时（0.015左右），就认为当前帧和该图相似，然后再进行特征匹配，同时使用正向索引加速匹配过程，如果同时匹配上的特征大于某个阈值（nmatches），则认为这两幅图像的确是相似的，则选中匹配上的3D特征点，利用这些特征点进行Delaunay三角剖分进行三角网格的绘制，同时绘制虚拟立方体在匹配3D特征点的均值位置上，效果还可以。

　　同时在这个里面继承了原来的平面检测模块，但是缩小了平面检测的范围，主要方法是在当前帧图像上截取一个1/2~2/3的矩形框，将矩形框内的3D点以及特征点等信息作为检测平面的依据，这样可以将举行框对准一小块儿平面区域进行检测，准确率较高，效果较好。

　　效果附图：mark

　　程序文件：略。