本文已参与「新人创作礼」活动，一起开启掘金创作之路。

---

• 初始化完成之后，进行跟踪

• 使用函数 trackNewCoarse(fh)进行跟踪，传入参数FrameHessian相当于Frame，得到残差和光流信息tres

• 接下来判断是否插入关键帧，第一种策略是根据时间间隔，第二种是根据光流信息（平移、旋转、残差变化大），然后通过deliverTrackedFrame(fh, needToMakeKF)函发布关键帧。

• deliverTrackedFrame函数通过参数needToMakeKF判断是否插入关键帧 若不插入该帧，则把该帧设置成非关键帧，把此帧信息用于更新深度为收敛的点，然后删除该帧。

无论是否插入关键帧，都调用traceNewCoarse函数更新深度为收敛的点，然后进入滑窗优化部分。

选择要边缘化掉的帧

对于关键帧的边缘化策略

1. 活跃点只剩下5%的;
2. 和最新关键帧曝光变化大于0.7;
3. 距离最远的关键帧

遍历关键帧 通过保留的点和边缘化点的比例，以及光度变化比例判断是否要被边缘化。 如果剩下的关键帧依然大于设定窗口的最大值，利用帧间距离（保证良好的空间结构）继续筛选marg的帧。

加入到关键帧序列

setPrecalcValues()

构建之前关键帧与当前帧fh的残差(旧的)

激活所有关键帧上的部分未成熟点(构造新的残差)

激活一些具备条件的imagepoint，因为重新插入关键帧和点，因此需要重新计算一下ID号，方面后面计算正规方程。

对滑窗内的关键帧进行优化

optimize() 1.判断迭代次数 2.判断两帧之间点的残差，是否线性化，每次先验化完成之后，边缘化的点以及被抛弃，因此存下的都是未线性化的点，都会加入到activeResiduals 3.线性化、计算能量函数 此时传入linearizeAll的参数为false，若为true，会把状态进行更新，并挑选出一些不好的状态，残差比较大的点添加到remove中，但是此时为第一次线性化，并没有进行优化，所以没有剔除的过程。 linearizeAll() ==> linearizeAll_Reductor() ==> linearize() 主要函数linearize对不同的状态进行求导(位姿、光度参数、内参、逆深度) 4.迭代求解（类似高斯牛顿） 4.更新之后，重新线性化一次，此时参数仍是false，优化并未完成。 5.根据先验化完成之后的能量是否下降，判断是否接受这次更新，如果接受apply，不接受则加载之前备份的状态，继续进行线性化，以备下一次求解。 ![在这里插入图片描述](img-blog.csdnimg.cn/20200411205…

6.把最新帧的位姿设为线性化点 优化完成之后，此时linearizeAll参数为true。 7.把优化的结果, 给每个帧的shell, 注意这里其他帧的线性点是不更新的

去除外点, 把最新帧设置为参考帧

标记删除和边缘化的点, 并删除&边缘化

flagPointsForRemoval()标记要移除点的状态, 边缘化or丢掉

生成新的点

边缘化掉关键帧

marginalizeFrame()把边缘化的帧挪到最右边, 最下边。并计算舒尔补。更新编号。