orb-slam2源码解读（一）——Frame类

Orb-slam2是slam界中一个非常优秀且著名的项目，关于该项目的解读网上资料较少，大都是对算法的整体构架和算法思路进行解读，本系列博客将会带你一点一滴地解读orb-slam2的源代码，在兼顾算法讲解的同时，更着重与代码的结构与实现细节。
这次就先从Frame类讲起。

Frame类：

Frame类的主要作用是实时记录和处理每一帧的信息，给视频中的每一帧进行一个信息的总结处理。

Frame类中包含如下成员变量：

公有成员变量：
ORB特征点词库
orb特征点提取子（左、右）、
时间戳：每一帧的时间
相机内参数据
特征点总数量
关键点vector容器：储存关键点
特征点立体坐标vector容器
DBow词向量
DBow特征向量
描述子矩阵（左、右）
是否是outlier的flag vector：用于表示关键点是否是outlier
图片网格化参数（网格化是为了特征点匹配时能更高效）、
相机位姿矩阵
ID
下一帧的ID
参考的关键帧
尺度金字塔信息
无失真图像的X、y边界（仅仅计算一次）
边界是否计算完的flag
私有成员变量：
旋转、平移矩阵、相机中心

Frame类中的成员函数：

公有成员函数：
构造函数
提取orb特征函数
词袋计算
位姿设置
位姿更新
获取光心
获取旋转矩阵的逆
地图点是否在视野光锥中、
是否在某栅格中
匹配左右两图特征点
纠正RGBD的错误坐标点
关键点重投影
私有成员函数：
关键点去失真函数（针对RGBD）、
计算图像边界（只计算一次，创建frame的实例时）
关键点分配至栅格（加速特征点匹配）

值得一提的是：orb-slam2在匹配特征点时使用了将图片网格化的方trick，这样能够加速特征点匹配的速度和效率。