一、直接上圖，清楚明了。（來自論文）

　　我們註意到TRACKING線程，很清楚明白的告訴了我們是如何跟蹤的，第一，提取ORB特征；第二，進行地圖初始化（如果沒初始化的話）。第三，初始位置估計（這裏用3種模型，代碼在這裏經過了很多判斷來選擇這三種模型的其中一種）得到是一個很粗略的初始位姿；第四，跟蹤局部地圖：為了優化上一步得到的初始位姿態。第五，決定是不是插入關鍵幀。

二、解釋跟蹤裏面使用的三種模型，這三種模型都是用來得到當前幀的位姿T的，我們根據需要選擇一種。

1.TrackWithMotionModel()

　　這個就是論文裏面提到的恒速運動模型(const velocity motion),意識相當於是：我們根據上一幀的跟蹤結果得到一個運動的速度，我們能夠像我們知道的恒速運動那樣用類似”速度乘以時間“這一公式來估算當前幀的位姿。

2.TrackReferenceKeyFrame()

　　這個很好理解，就是根據兩幀之間的約束關系來求解位估算位姿。

3. Relocalization()

　　當我們跟丟了的時候（我用RGBD相機測試代碼的時候只要稍微運動快一點就會跟丟.....），我們用所謂的“重定位”來找回當前幀的位姿，重定位其實跟找閉環相似，都是在database裏面找到與當前幀最相似的那一幀。

三種模型的函數如下：

bool Tracking::TrackWithMotionModel()

三種跟蹤模型的一種：就是根據估計的速度來“預測當前幀的位姿”。

    bool TrackReferenceKeyFrame();
 

三個跟蹤模型中的一種。會改變當前幀的位姿。

bool Tracking::Relocalization()

　　三 個跟蹤模型的一種。用於跟丟的時候，我們重新定位。知道當前幀的位姿。具體步驟：第一在關鍵幀的database裏面尋找候選的關鍵幀們。第二:將第一步 得到的候選關鍵幀們一個個的與當前幀進行BoW匹配，如果匹配的關鍵點數很少我們就拋棄這個候選的關鍵幀，否則我們就可以構造這個關鍵幀的pno求解器 了。第三步：使用pnp算法算出候選的關鍵幀們與當前幀的位姿。然後進行優化，如果優化的結果不夠好，我們就繼續找，直到找到合適的關鍵幀為止 （nGood>50）。

三、mbOnlyTracking 的解釋　

　　做SLAM我們知道，我們要優化我們估計的位姿，和空間三維點的位置。ORB使用並行線程的策略，在跟蹤的時候也有在建圖。我們可以想象我們要優化的地圖點的時候，地圖點會不斷地收斂到一個範圍，這時候我們就可以認為地圖點穩定了，沒有必要繼續優化了，我們只需要估計優化位姿，這就是mbOnlyTracking。當然反之就是既要建圖又要估計位姿的情況。

四、其他各個函數學習。

 Tracking(System* pSys, ORBVocabulary* pVoc, FrameDrawer* pFrameDrawer, MapDrawer* pMapDrawer, Map* pMap,
             KeyFrameDatabase* pKFDB, const string &strSettingPath, const int sensor);

構造函數，傳入各種參數，比如相機內參，畸變系數，金字塔層樹，特征點個數......

// Preprocess the input and call Track(). Extract features and performs stereo matching.
    cv::Mat GrabImageStereo(const cv::Mat &imRectLeft,const cv::Mat &imRectRight, const double &timestamp);
    cv::Mat GrabImageRGBD(const cv::Mat &imRGB,const cv::Mat &imD, const double &timestamp);
    cv::Mat GrabImageMonocular(const cv::Mat &im, const double &timestamp);

這幾個函數功能一樣，用於不同的傳感器。這個函數才是真正的跟蹤函數。需要註意的是，當前幀在構造的時候，其所有的特征點、描述子都已經被計算出來了。跟蹤完了的結果就是返回估計的當前幀位姿。

   void Track();

這個函數是，我們用於跟蹤的最主要的函數，其具體解釋看上面的第一部分。

    // Map initialization for stereo and RGB-D
    void StereoInitialization();

雙目的初始化。當前幀變成關鍵幀放到地圖裏面，得到關鍵點的3D坐標，並且將當前幀的關鍵點全部變成了地圖點。

   // Map initialization for monocular
    void MonocularInitialization();

這裏首先設置參考幀，new Initializer(mCurrentFrame,1.0,200); 之後還有苛刻的要求來決定是不是要初始化。然後才使用函數Initialize(mCurrentFrame, mvIniMatches, Rcw, tcw, mvIniP3D, vbTriangulated)真正的初始化。但這個函數的得到只是Rcw, tcw, mvIniP3D, vbTriangulated 後面兩個是3D點坐標，和關鍵點是不是三角化了。 最後調用的函數CreateInitialMapMonocular();創建初始化的地圖的。

void Tracking::CreateInitialMapMonocular()

　　這個函數創建了初始化的單目地圖，主要是就是創建了兩個關鍵幀，並將這個兩個關鍵幀匹配好的點作為地圖點。然後進行一次全局的BA優化下。

 bool NeedNewKeyFrame();
  void CreateNewKeyFrame();

//將地圖點的點投影到當前幀進行更多的匹配。
void Tracking::SearchLocalPoints()

　　這裏代碼參考論文，論文提到關鍵幀在這裏可以盡快的插入，因為在局部建圖會去除多余的關鍵幀。盡快插入關鍵幀的好處就是增加魯棒性，特別是在相機旋轉的時候。

創建新的關鍵幀，就是把當前幀當做關幀，創造地圖點，其他受牽連變量改變下就行了。

//就是將局部關鍵幀們裏面的合適的局部關鍵點放到mvpLocalMapPoints容器裏面，做為局部地圖點
void Tracking::UpdateLocalPoints()

void Tracking::UpdateLocalKeyFrames()

跟新局部關鍵幀，改變的是mvpLocalKeyFrames.將4中類型的關鍵幀放到mvpLocalKeyFrames裏面，第一種：與當前幀有共視點的關鍵幀們kf1；第二種：與mvpLocalKeyFrames裏面的關鍵幀有很多公視關系的關鍵幀們；第三種：mvpLocalKeyFrames裏面每個關鍵幀的孩子們（最小生成樹）；第四種：mvpLocalKeyFrames裏面每個關鍵幀的父親（最小生成樹）。

ORB-SLAM2學習5 Tracking.h