Frame 接收原始输入信息（图像+深度），并具备如下功能

1. 金字塔特征抽取（ORB）：得到关键点（KP）、关键点描述
2. 匹配左右视图的 KP 并计算深度
3. 计算、存储整个帧的 BoW
4. 存储位姿（似乎本身不计算位姿）

关键点 KP 使用的就是 cv::KeyPoint, 它普遍用来存储特征抽取后的关键点信息，主要包含位置、方向、金字塔层次等信息。

关键接口如下：

• 构造函数: Frame(img[+depth], const double &timeStamp, ORBextractor* left[+right], ORBVocabulary* voc, cv::Mat &K, cv::Mat &distCoef, const float &bf, const float &thDepth);

  可以看到，输入首先是图片（+深度）、时间戳，这个也是 Track 的输入；然后是 ORB 特征抽取器，说明特征抽取要在这里做；再是词典，要算帧的向量表示； K、distCoef、bf（相机 baseline * fx) 是相机信息, 处理图片需要的；thDepth 是判定远、近点的阈值。

• void ExtractORB(int flag, const cv::Mat &im); 抽 ORB 特征， flag 指示左/右图片；奇怪为啥 im 又要传进来？构造函数不是传了吗

• void ComputeBoW(); 计算帧的 BoW 表示

• 位姿相关
  • void SetPose(cv::Mat Tcw); 设置位姿
  • void UpdatePoseMatrices(); 基于位姿更新内部位姿相关的变量（R, t, 相机中心等额外矩阵）
  • cv::Mat UnprojectStereo(const int &i); 把 1 个 KP 反向映射到世界坐标
  • void ComputeStereoMatches(); void ComputeStereoFromRGBD(const cv::Mat &imDepth); 左边的 KP 在右边关联上KP，关联上的话，存储/计算关联的右边KP和深度值
• 区域判定：
  • bool isInFrustum(MapPoint* pMP, float viewingCosLimit); 判断这个地图点是否在相机的视锥(view frustum)中。
  • bool PosInGrid(const cv::KeyPoint &kp, int &posX, int &posY); KP 是否在格子里
• 获取类：相机中心、Rotation-Inverse、Features-in-Area

逻辑流程

1. 构造函数

和其他设计一样，Frame 是一个同时支持单目、双目、RGB-D的类，所以内部成员的设置是按各传感器需求的并集来设计的。但初始化需要一些各自特殊的处理，所以对 3 类传感器分别定义了对应的构造函数；此外，还整了一个拷贝构造函数。

1.1 单目初始化

Frame::Frame(const cv::Mat &imGray, 
  const double &timeStamp, 
  ORBextractor* extractor,
  ORBVocabulary* voc, 
  cv::Mat &K, 
  cv::Mat &distCoef, 
  const float &bf, 
  const float &thDepth)

先看初始化列表的操作：

mpORBvocabulary(voc),
mpORBextractorLeft(extractor), // 放到 Left 
mpORBextractorRight(static_cast<ORBextractor*>(NULL)), // 右边就置为空
mTimeStamp(timeStamp), 
// 注意这两个都是深度拷贝的（因为 Mat 本身默认浅拷贝）—— 但是为啥要深拷贝呢？ 要改它？
mK(K.clone()),
mDistCoef(distCoef.clone()), 
mbf(bf), // = baseline * fx
mThDepth(thDepth) // 远近点判定的深度阈值

再看流程：

1. 设置 Frame id 并递增全局 id 计数器: mnId=nNextId++;
2. 从 ORBExtractorLeft 获取一堆 Scale 相关信息；

   真的有必要作为成员吗？ 用的时候调函数会不会也行呢？浪费内存了

3. 对输入图片，抽取 ORB 特征：ExtractORB(0,imGray)⇂
4. 对抽取出的特征点去畸变

ExtractORB 子流程↾