set the estimate for the vertex also calls updateCache()

单个相机 光心 点坐标

添加能够观测到 的关键帧 对应的 关键点id 更新能够 观测到改点 的帧数量 添加地图点观测帧：能够观测到同一个地图点的关键帧之间存在共视关系

当前帧 和 局部地图 之间的匹配 最好的匹配 和 次好的 匹配在 同一金字塔层级 并且 最短的距离不小于次短距离的 80% 不被选为匹配点 * @brief 通过投影，对Local MapPoint进行跟踪 * * 将Local MapPoint投影到当前帧中, 由此增加当前帧的MapPo

2. 计算地图点平均观测方向和深度 更新 地图点 相对 观测帧 相机中心 单位化坐标 更新 地图点 在参考帧下 各个金字塔层级 下的 最小最大距离 该地图点平均观测方向与观测距离的范围，这些都是为了后面做描述子融合做准备。

返回所有关键帧

得到最具代表性的 描述子 每个地图点（世界中的一个点）在各个观测帧上 都有一个描述子 各个描述子 之间的 orb 二进制字符串汉明匹配距离 计算每个描述子和其他描述子 距离的中值 最小的距离中值 对于的描述子 在观测到该地图点的多个特征点中（对应多个关键帧），挑选出区分度最高的描述子，作为这个地图

得到地图点 在 所有观测帧中的 最具代表性的 描述子

首先设置为坏帧，如果该帧不是回环帧，则可以真的删掉；如果该帧是回环帧，怎么都删不掉的

area

return b, the right hand side of the system

* lock for the block of the hessian and the b vector associated with this vertex, to avoid * race-conditions if multi-threaded. */

* Update the position of the node from the parameters in v. * Depends on the implementation of oplusImpl in derived classes to actually carry

* unlock the block of the hessian and the b vector associated with this vertex */

相机 到 世界

if NOT NULL, error of this edge will be robustifed with the kernel

* @brief Bag of Words Representation * * 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

返回所有连接的关键帧 得到关键帧序列 set是关联容器 未排序(set)

返回所有连接的关键帧 返回全部序列 关键帧 容器 vector是顺序容器 排序(vector)

注意金字塔ScaleFactor和距离的关系： 当前特征点对应ScaleFactor为1.2的意思是： 图片分辨率下降1.2倍后，可以提取出该特征点 （分辨率更高时，肯定也可以提取出， 这里取金字塔中能够

建立关键帧之间的连接关系

* Returns whether the node is a leaf node * @return true iff the node is a leaf */

where does the row at block-row r starts?

return the size of the solution vector (x) and b

返回所有地图点

返回前N个最优 关键帧

得到该地图点的 观测帧

跟踪 + 建图 模式

set the temporary index of the vertex in the parameter blocks

sets the level of the edge

返回 给定帧 在 该地图点 的 观测帧集合中的 位置（）

内联函数

地图中 关键帧数量

* @brief Backprojects a keypoint (if stereo/depth info available) into 3D world coordinates. * @param i 第i个keypoint * @return 3D点（相对于世界坐标系） */ 得

where does the col at block-col r starts?