Frame类

关键函数：双目计算匹配的方法
void Frame::ComputeStereoMatches()

步骤一：
建立特征点搜索范围对应表，一个特征点在一个带状区域内搜索匹配特征点
// 匹配搜索的时候，不仅仅是在一条横线上搜索，而是在一条横向搜索带上搜索,简而言之，原本每个特征点的纵坐标为1，这里把特征点体积放大，纵坐标占好几行
// 例如左目图像某个特征点的纵坐标为20，那么在右侧图像上搜索时是在纵坐标为18到22这条带上搜索，搜索带宽度为正负2，搜索带的宽度和特征点所在金字塔层数有关，尺度越大其位置不确定性越高，所以其搜索半径越大
// 简单来说，如果纵坐标是20，特征点在图像第20行，那么认为18 19 20 21 22行都有这个特征点
// vRowIndices[18]、vRowIndices[19]、vRowIndices[20]、vRowIndices[21]、vRowIndices[22]都有这个特征点编号
对左目相机每个特征点，通过描述子在右目带状搜索区域找到匹配点

步骤二：
,通过SAD做滑动窗口匹配
获得的是像素级的修正量bestincR

步骤三：做抛物线拟合找谷底得到亚像素匹配deltaR
为何需要进行亚像素定位？

数字图像通常是被离散化成像素形式；

每个像素对应一个整数坐标位置；

整数坐标位置对于很多应用然而并不精确，比如跟踪、相机标定、图像配准、图像拼接以及三维重构；

为达到有些应用的精确性，需要精确到浮点坐标位置；

所以会涉及到亚像素定位问题。亚像素定位就是计算特征所在图像中的真实位置，而真实位置有时候并不在像素所在整数坐标位置上，而是在像素的内部。

利用抛物线插值得到了亚像素级的修正量deltaR

步骤四：
利用一次描述子匹配，两次修正之后的特征点匹配，通过视差计算深度。