ORB-SLAM（五）KeyFrameDataBase類

關鍵幀數據庫經過預先訓練好的詞典，維護一個向量std::vector<list<KeyFrame*> > mvInvertedFile; 該向量中mvInvertedFile[i]表示包含了第i個WordId的全部關鍵幀；

咱們須要知道關鍵幀對應的vBowVec向量是一個map：

std::map<WordId, WordValue> // WordId以及單詞值，WordId是惟一的，和一個特徵綁定

KeyFrameDatabase::KeyFrameDatabase (const ORBVocabulary &voc):
    mpVoc(&voc)
{
    mvInvertedFile.resize(voc.size()); // number of words
}

該類的主要做用是在迴環檢測和重定位中，根據詞袋模型的特徵匹配度，找到閉環候選幀和重定位候選幀，二者之間的區別在於，須要參考關鍵幀去尋找閉環候選幀，而重定位則參考普通幀。

主要步驟是：

1. 找出與當前幀pKF有公共單詞的全部關鍵幀pKFi，不包括與當前幀相連的關鍵幀；

2. 統計全部閉環候選幀中與pKF具備共同單詞最多的單詞數，只考慮共有單詞數大於0.8*maxCommonWords以及匹配得分大於給定的minScore的關鍵幀，存入lScoreAndMatch；

3. 對於第二步中篩選出來的pKFi，每個都要抽取出自身的共視（共享地圖點最多的前10幀）關鍵幀分爲一組，計算該組總體得分（與pKF比較的），記爲bestAccScore；

全部組得分大於0.75*bestAccScore的，均看成閉環候選幀。

若想改變閉環檢測候選幀的參數，根據場景鑑定閉環的閾值，能夠在這裏修改參數。