保存 TUM数据集 相机位姿 轨迹================================================

* @brief 通过Sim3变换，确定pKF1的特征点在pKF2中的大致区域， * 同理，确定pKF2的特征点在pKF1中的大致区域 * 在该区域内通过描述子进行匹配捕获pKF1和pKF2之前漏匹配的特征点， * 更新vpMatches12（之前使用SearchByBoW进行特征点匹

* @brief 通过Sim3变换，确定pKF1的特征点在pKF2中的大致区域， * 同理，确定pKF2的特征点在pKF1中的大致区域 * 在该区域内通过描述子进行匹配捕获pKF1和pKF2之前漏匹配的特征点， * 更新vpMatches12（之前使用SearchByBoW进行特征点匹

单目初始化时 的 匹配 mInitialFrame 第一帧 mCurrentFrame当前帧第二帧 mvbPreMatched是第一帧中的所有特征点； mvIniMatches标记匹配状态，未匹配上的标为-1； 找到了可能的匹配点，下一步进行匹配计算， * 根据可能匹配特征点的描述子计算距离

单目初始化时 的 匹配 mInitialFrame 第一帧 mCurrentFrame当前帧第二帧 mvbPreMatched是第一帧中的所有特征点； mvIniMatches标记匹配状态，未匹配上的标为-1； 找到了可能的匹配点，下一步进行匹配计算， * 根据可能匹配特征点的描述子计算距离

* @brief 利用基本矩阵F12，在两个关键帧之间 两帧特征点均未有匹配的地图点 中 产生 2d-2d 匹配点对 * 关键帧1的每个特征点 与 关键帧2 特征点 同属于 词典同一个node(包含多的类似单词) * 节点下的 特征点进行描述子匹配，在符合对极几何约束的条件下，选择距

* @brief 利用基本矩阵F12，在两个关键帧之间 两帧特征点均未有匹配的地图点 中 产生 2d-2d 匹配点对 * 关键帧1的每个特征点 与 关键帧2 特征点 同属于 词典同一个node(包含多的类似单词) * 节点下的 特征点进行描述子匹配，在符合对极几何约束的条件下，选择距

设置回环检测

设置回环检测 system.cc 函数传递过来的 回环检测线程指针

=======设置 地图点参考帧==========

设置 可视化

设置 可视化

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

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

双目跟踪 常 Mat量 左图 右图 时间戳 返回相机位姿===========================================================

双目跟踪 常 Mat量 左图 右图 时间戳 返回相机位姿===========================================================

对元素图像中的点 利用 畸变 参数进行校正 得到校正后的坐标 不是对 整个图像进行校正(时间长)

* @brief Computes rotation, translation and camera center matrices from the camera pose. * * 根据Tcw计算mRcw、mtcw和mRwc、mOw */

* @brief Computes rotation, translation and camera center matrices from the camera pose. * * 根据Tcw计算mRcw、mtcw和mRwc、mOw */

Align two trajectories using the method of Horn (closed-form). 匹配误差计算==== Input: model -- first trajectory (3xn) 估计值 data -- second

Associate two dictionaries of (stamp,data). As the time stamps never match exactly, we aim to find the closest match for every input tuple.

========================================================= === 处理相机帧的 回调函数 =========================================================

========================================================= === 处理相机帧的 回调函数 =========================================================

返回 定义的物体颜色====================

wyw添加 2017.11.4 字符串搜索 找后缀，str中是否有 suffix 字符串

wyw添加 2017.11.4 字符串搜索 找后缀，str中是否有 suffix 字符串

地图中插入一个关键帧=======tracker的构建关键帧函数执行===================

地图中插入一个关键帧==========================

* @brief 判断一个点是否在视野内 * 检查地图点 是否在 当前视野中 * 相机坐标系下 点 深度小于0 点不在视野中 * 像素坐标系下 点 横纵坐标在 校正后的图像尺寸内 * 计算了重投影坐标，观测方向夹角，预测在当前帧的尺度 * @param pMP M

* @brief 判断一个点是否在视野内 * 检查地图点 是否在 当前视野中 * 相机坐标系下 点 深度小于0 点不在视野中 * 像素坐标系下 点 横纵坐标在 校正后的图像尺寸内 * 计算了重投影坐标，观测方向夹角，预测在当前帧的尺度 * @param pMP M

类关闭函数，类似 类析构函数===============

* @brief 返回 请求停止局部建图线程 标志 * @return 返回 请求停止局部建图线程 标志 */

* @brief 返回 请求停止局部建图线程 标志 * @return 返回 请求停止局部建图线程 标志 */

=================================================== ======图漾相机初始化 ===================================================

=================================================== ======图漾相机初始化 ===================================================

添加地图点 当前帧对应的地图点的指针均存放在mvpMapPoints（mvp代表：member、vector、pointer）向量中

添加地图点 当前帧对应的地图点的指针均存放在mvpMapPoints（mvp代表：member、vector、pointer）向量中

面积

* @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 */

BA 最小化重投影误差 关键帧 地图点 优化迭代次数 优化关键帧的位姿态 和 地图点坐标值 * @brief bundle adjustment Optimization * 3D-2D 最小化重投影误差 e = (u,v) - K * project(Tcw*Pw) \n *

BA 最小化重投影误差 关键帧 地图点 优化迭代次数 优化关键帧的位姿态 和 地图点坐标值 * @brief bundle adjustment Optimization * 3D-2D 最小化重投影误差 e = (u,v) - K * project(Tcw*Pw) \n *

重新读取 配置文件 相机内参数 畸变校正参数 基线长度 × 焦距

重新读取 配置文件 相机内参数 畸变校正参数 基线长度 × 焦距

* @brief 检查 给出在匹配点对 是否在 极线范围内 * @Param kp1 帧1上的关键点kp1 * @Param kp2 帧2 pKF2 上的关键点kp2 * @Param F12 帧1到帧2的基本矩阵F12 p2转置 * F * p1 = 0

* @brief 检查 给出在匹配点对 是否在 极线范围内 * @Param kp1 帧1上的关键点kp1 * @Param kp2 帧2 pKF2 上的关键点kp2 * @Param F12 帧1到帧2的基本矩阵F12 p2转置 * F * p1 = 0

* @brief 对给定的fundamental matrix打分 * p2 转置 * F21 * p1 = 0 * F21 * p1为 帧1 关键点 p1在 帧2 上的极线 l1 * * * p2 应该在这条极限附近 求p2 到极线 l的距离 可以作为误差 * 极线l：ax

* @brief 对给定的fundamental matrix打分 * p2 转置 * F21 * p1 = 0 * F21 * p1为 帧1 关键点 p1在 帧2 上的极线 l1 * * * p2 应该在这条极限附近 求p2 到极线 l的距离 可以作为误差 * 极线l：ax

* @brief 对给定的homography matrix打分 * * @see * - Author's paper - IV. AUTOMATIC MAP INITIALIZATION （2） * - Multiple View Geometry in Computer Vision

* @brief 对给定的homography matrix打分 * * @see * - Author's paper - IV. AUTOMATIC MAP INITIALIZATION （2） * - Multiple View Geometry in Computer Vision

通过之前求解的(R t)检查哪些3D-2D点对属于inliers

通过之前求解的(R t)检查哪些3D-2D点对属于inliers

* @brief 查看列表中是否有等待 被处理的关键帧 * @return 如果存在，返回true */

* @brief 查看列表中是否有等待处理的 闭环检测帧关键帧 * @return 如果存在，返回true */

* @brief 查看列表中是否有等待 被处理的关键帧 * @return 如果存在，返回true */

* @brief 查看列表中是否有等待处理的 闭环检测帧关键帧 * @return 如果存在，返回true */

* 检查求得的R t 是否符合 * 接受 R,t ，一组成功的匹配。最后给出的结果是这组匹配中有多少匹配是 * 能够在这组 R,t 下正确三角化的（即 Z都大于0），并且输出这些三角化之后的三维点。 如果三角化生成的三维点 Z小于等于0，且三角化的“前方交会角”（余弦是 cosParallax

* 检查求得的R t 是否符合 * 接受 R,t ，一组成功的匹配。最后给出的结果是这组匹配中有多少匹配是 * 能够在这组 R,t 下正确三角化的（即 Z都大于0），并且输出这些三角化之后的三维点。 如果三角化生成的三维点 Z小于等于0，且三角化的“前方交会角”（余弦是 cosParallax

* @brief 检查上一帧中的MapPoints是否被替换 * 核对 替换 关键帧 地图点 * 最后一帧 地图点 是否有替换点 有替换点的则进行替换 * Local Mapping线程可能会将关键帧中某些MapPoints进行替换，由于tracking中需要用到mLastFrame，这里检查

* @brief 检查上一帧中的MapPoints是否被替换 * 核对 替换 关键帧 地图点 * 上一帧地图点 是否有替换点 有替换点的则进行更新 * Local Mapping线程可能会将关键帧中某些MapPoints进行替换，由于tracking中需要用到mLastFrame，这里检查并更

用单词(ORB单词词典) 线性表示 一帧所有描述子 相当于 一个句子 用几个单词 来表示 词典 N个M维的单词 一帧的描述子 n个M维的描述子 生成一个 N*1的向量 记录一帧的描述子 使用词典单词的情况 4. 将当前帧的描述子矩阵（可以转换成向量），转换成词袋模型向量 （DBoW2::Bow

用单词(ORB单词词典) 线性表示 一帧所有描述子 相当于 一个句子 用几个单词 来表示 词典 N个M维的单词 一帧的描述子 n个M维的描述子 生成一个 N*1的向量 记录一帧的描述子 使用词典单词的情况 4. 将当前帧的描述子矩阵（可以转换成向量），转换成词袋模型向量 （DBoW2::Bow

* @brief 根据两关键帧的姿态计算两个关键帧之间的基本矩阵 * F = inv(K1 转置)*E*inv(K2) = inv(K1 转置)*t叉乘R*inv(K2) * @param pKF1 关键帧1 * @param pKF2 关键帧2