SLAM代码（设计模式2）

上一个博客中，我们介绍了一些关于slam的前端的设计思想的内容，这里我们继续完成slam的前后端的设计
首先我们给出slam程序中各模块的主要组成部分。

我们先理清楚到底他们干了些什么，然后再说他们怎么实现的。其实吧，现代的CPU对多线程的代码支持的越来越好，因为木法提速，只能多个人（CPU核）干。所以在PTAM把Tracking 和 Maping 分开完之后，大家一下子就觉得这样玩真的不错，一窝蜂都转成这种玩法。

所以按照国际惯例，我们还是把前后端分开处理，前端是一个跟踪器，后端干的事还挺多的，什么建图啊，BA，闭环啊，各种，看着都累。

跟踪器（定位的过程）

跟踪顾名思义就是上一帧里边的点我们特别关心他们现在在哪里，然后呢，怎么直到他们去哪里呢？我们在上一个博客中介绍了有两种方法，一种使用局部范围的直接搜索，另外只用是使用特征描述子进行匹配。匹配正确的点用来计算他们的几何关系，根绝几何关系可以恢复出相机的运动，进而重建出世界中的三维点。这样到来新的一帧之后我们都可以提取到一些新的三维点。另外我们可以对应三维点和图像中的点进行计算相机的姿态。这就是跟踪器的主要目的。

以上内容是假设更踪器在顺利跟踪的时候要干的事，那么问题来了，如果跟踪不顺利或者这就是第一帧那怎么办？
所以我们把跟踪分为三种状态，一种是第一帧，叫做初始状态，其实在单目中第二帧也属于这个状态，因为第一帧什么也干不了，就只能提特征，第二帧来了才有匹配等等。

如果如果跟踪失败，那么这个状态我们成为lost，然后对应的措施是relocalization。 我们看到的那篇posenet就是干这个的。

在跟踪中初始化的时候，计算匹配点的集合关系使用的是的一般是单应矩阵和基础矩阵。
在跟踪时候匹配当前帧和路标点，一个图像中的点，一个三维空间中的点，因此用的是PnP，优化Pose，路标点这里是假设为静止的，只有pose被优化。

那么优化完了，我们可以得到测量数据了，但是为了完成下一次的跟踪，我们还有一些工作要做。
1. update Local KeyFra