KeyFrameDatabase类

这个类内容较少，有两个重要功能，一是计算在回环检测时计算候选关键帧集合，二是在重定位时计算候选关键帧

变量：

std::vector<list<KeyFrame*> > mvInvertedFile

是一个向量，里面存放的是一个个单词，每个单词对应一个list链表，每个链表里存放的是拥有该单词的关键帧。

关键函数：

vector<KeyFrame*> KeyFrameDatabase::DetectLoopCandidates(KeyFrame* pKF, float minScore)

层层筛选，最终得到候选闭环关键帧：
步骤一：计算当前帧的共视关键帧得分，取出所有得分中最低的得分mincore。
步骤二：找出与当前关键帧具有共同单词的但不共视的关键帧，计算与当前关键帧共有的最多单词数，mincommons=0.8maxcommonwords。
步骤三：筛选出共有单词数大于mincommons且得分大于mincore的关键帧。组成候选帧集合
步骤四：对每一个候选帧，计算和它相连的10个最佳关键帧（权重最高的10个），对每一个计算与当前帧的相似得分，把这些得分求和作为这一组的总分数（这里面其实是11个分数的和），并记录该组中得分最高的帧。
步骤五：找出所有组中得分最高的一组bestAccScore,取阀值minScoreToRetain=0.75bestAccScore.
步骤六：找出符合阀值的组，将组中的最高分帧作为候选闭环帧。

vector<KeyFrame*> KeyFrameDatabase::DetectRelocalizationCandidates(Frame *F)

重定位候选帧的筛选策略和闭环帧筛选类似：
步骤一：找出与当前帧共享单词的所有帧，找出最高共享单词数maxcommonwords,计算阀值mincommons=0.8maxcommonwords。
步骤二：找出大于阀值的关键帧，计算他们与当前帧的相似得分。（注意：这里就没有mincore这个阀值约束了 。。。 PS：个人理解，完整的图还没有形成，所有局部共识关键帧得分没有什么太大意义，而且运动模型失效，说明局部关键帧并不能和当前关键帧很好的匹配，所以这个分数作为阀值参考意义不打。）
步骤三：对每一个候选帧，选出和它相连的10个最佳关键帧，对每一个计算与当前帧的相似得分，把这些得分求和作为这一组的总分数（这里面其实是11个分数的和），并记录该组中得分最高的帧。
步骤四：找出所有组中得分最高的一组bestAccScore,取阀值minScoreToRetain=0.75bestAccScore。
步骤五：找出符合阀值的组，将组中的最高分帧作为候选重定位帧。