系统关闭 完全关闭所有线程=================================

深度相机 跟踪========================================================================================

跟踪 地图点 关键点能够被 观测到 的 个数 返回高质量MapPoints（被至少minObs个关键帧观察到）的数量， 其中会判断MapPoint的Observations()属性，对比给出的阈值

跟踪 地图点 关键点能够被 观测到 的 个数 返回高质量MapPoints（被至少minObs个关键帧观察到）的数量， 其中会判断MapPoint的Observations()属性，对比给出的阈值

从Track对象中 更新本 类内数据======== Tracking::Track()中会执行==================

计算特征方向是为了保证特征具有旋转不变的特性。

计算特征方向是为了保证特征具有旋转不变的特性。

点云分割聚类 点云团反向投影 与 2d检测框 相似度 获取每个点云团的类别信息，以及3d边框信息，返回 cluster 数组信息

点云分割聚类 点云团反向投影 与 2d检测框 相似度 获取每个点云团的类别信息，以及3d边框信息，返回 cluster 数组信息

计时

Plot a trajectory using matplotlib. 2D图 Input: ax -- the plot stamps -- time stamps (1xn) traj -- trajectory (3xn) style

Plot a trajectory using matplotlib. 3D图 Input: ax -- the plot stamps -- time stamps (1xn) traj -- trajectory (3xn) style

Reads a trajectory from a text file. File format: The file format is "stamp d1 d2 d3 ...", where stamp denotes the time stamp (to b

* @brief 返回 可以接收新的一个关键帧标志 * @return 是否 可以接收新的一个关键帧 */

* @brief 返回 可以接收新的一个关键帧标志 * @return 是否 可以接收新的一个关键帧 */

激活建图线程=======================================

激活建图线程=======================================

* @brief 关键点按网格分配 来加速 匹配 * 640 *480 的图像 分成 10 64*48 个网格 总关键点 个数 N 每个网格 分到的 关键点个数 */

input 16UC1 output 8UC3

显示当前帧 相机位姿========绿色=========================

通过画线 显示格子 ======

显示关键帧================蓝色============================

显示点======普通点黑色===参考地图点红色===颜色可修改====

在胖果林中显示 数据库中的目标物体====

胖果林显示 pcl点云点===

在胖果林中显示 octomap=========

删除孩子

删除孩子

获取当前相机位姿，返回 OpenGlMatrix 类型=====

可跟踪到次数/可见次数 GetFoundRatio低表示该地图点在很多关键帧的视野范围内，但是没有匹配上很多特征点。 visible和found的区别：visible 该地图点在视野范围内， found 该地图点有对应 特征点的帧数。 通常来说，found的地图点一定是visible的，但是vis

可跟踪到次数/可见次数 GetFoundRatio低表示该地图点在很多关键帧的视野范围内，但是没有匹配上很多特征点。 visible和found的区别：visible 该地图点在视野范围内， found 该地图点有对应 特征点的帧数。 通常来说，found的地图点一定是visible的，但是vis

得到所有地图点 未排序(set)

得到所有地图点 未排序(set)

最大 id的 关键帧 的 id

最大 id的 关键帧 的 id

地图中 参考地图点

地图中 参考地图点

代替点

代替点

世界坐标系转到像极坐标系下 R Returns inverse of rotation

世界坐标系转到像极坐标系下 R Returns inverse of rotation

* @brief 单目相机 获取相机位姿 * 输入左目RGB或RGBA图像 * 1、将图像转为mImGray并初始化mCurrentFrame * 2、进行tracking过程 * 输出世界坐标系到该帧相机坐标系的变换矩阵 */

* @brief 单目相机 获取相机位姿 * 输入左目RGB或RGBA图像 * 1、将图像转为mImGray并初始化mCurrentFrame * 2、进行tracking过程 * 输出世界坐标系到该帧相机坐标系的变换矩阵 */

* @brief 深度相机 获取相机位姿 * 输入左目RGB 或 RGBA图像 和 深度图 * 1、将图像转为mImGray 和 imDepth 并初始化 mCurrentFrame * 2、进行tracking过程 * 输出世界坐标系到该帧相机坐标系的变换矩阵 */

* @brief 深度相机 获取相机位姿 * 输入左目RGB 或 RGBA图像 和 深度图 * 1、将图像转为mImGray 和 imDepth 并初始化 mCurrentFrame * 2、进行tracking过程 * 输出世界坐标系到该帧相机坐标系的变换矩阵 */

* @brief 双目相机 初始化 获取相机位姿 * 输入左右目图像，可以为RGB、BGR、RGBA、GRAY * 1、将图像转为mImGray和imGrayRight并初始化mCurrentFrame * 2、进行tracking过程 * 输出世界坐标系到该帧相机坐标系的变换矩阵

* @brief 双目相机 初始化 获取相机位姿 * 输入左右目图像，可以为RGB、BGR、RGBA、GRAY * 1、将图像转为mImGray和imGrayRight并初始化mCurrentFrame * 2、进行tracking过程 * 输出世界坐标系到该帧相机坐标系的变换矩阵

灰度质心法计算特征点方向 灰度质心法假设角点的灰度与质心之间存在一个偏移，这个向量可以用于表示一个方向， 具体也就是计算这个区域的所有像素和对应x的坐标的乘积与所有像素与对应y的坐标的乘积的比值,计算反正切。

灰度质心法计算特征点方向 灰度质心法假设角点的灰度与质心之间存在一个偏移，这个向量可以用于表示一个方向， 具体也就是计算这个区域的所有像素和对应x的坐标的乘积与所有像素与对应y的坐标的乘积的比值,计算反正切。

* @brief 类初始化函数 * 并行地计算基础矩阵和单应性矩阵，选取其中一个模型，恢复出最开始两帧之间的相对姿态以及点云 * @param CurrentFrame 当前帧 和 第一帧 参考帧 匹配 三角变换得到 3D点 * @param vMatches12

* @brief 类初始化函数 * 并行地计算基础矩阵和单应性矩阵，选取其中一个模型，恢复出最开始两帧之间的相对姿态以及点云 * @param CurrentFrame 当前帧 和 第一帧 参考帧 匹配 三角变换得到 3D点 * @param vMatches12

一些常用代码片段 封装 成函数=============

插入数据库====================================================

* @brief 插入关键帧 * * 将关键帧插入到地图中，以便将来进行局部地图优化 * 这里仅仅是将关键帧插入到列表中进行等待 * @param pKF KeyFrame */

* @brief 插入关键帧 * * 将关键帧插入到地图中，以便将来进行局部地图优化 * 这里仅仅是将关键帧插入到列表中进行等待 * @param pKF KeyFrame */

* @brief 停止 全局优化 BA * @return 是否 可以接收新的一个关键帧 */

* @brief 停止 全局优化 BA * @return 是否 可以接收新的一个关键帧 */

替换地图点

替换地图点

跟踪重置

跟踪重置

载入地图时会用到

保存 二进制 地图===================

保存关键帧轨迹==============================================================

保存地图=====

保存地图为octomap=====