fix some comments

include/KeyFrame.h

@@ -202,9 +202,9 @@ public:
     long unsigned int mnMergeQuery;
     int mnMergeWords;
     float mMergeScore;
-    long unsigned int mnPlaceRecognitionQuery;
+    long unsigned int mnPlaceRecognitionQuery; //标记该关键帧被当前关键帧访问到（也就是有公共单词），防止重复添加
     int mnPlaceRecognitionWords;
-    float mPlaceRecognitionScore;
+    float mPlaceRecognitionScore; //记录该候选帧与当前帧的相似度
 
     bool mbCurrentPlaceRecognition;
 

include/LocalMapping.h

@@ -141,8 +141,8 @@ protected:
 
     System *mpSystem;
 
-    bool mbMonocular;
+    bool mbMonocular;   //mSensor==MONOCULAR || mSensor==IMU_MONOCULAR
-    bool mbInertial;
+    bool mbInertial;    //mSensor==IMU_MONOCULAR || mSensor==IMU_STEREO
 
     void ResetIfRequested();
     bool mbResetRequested;
@@ -178,10 +178,11 @@ protected:
 
     bool mbAcceptKeyFrames;
     std::mutex mMutexAccept;
-
+    // IMU初始化函数，通过控制不同的参数来表示不同阶段
     void InitializeIMU(float priorG = 1e2, float priorA = 1e6, bool bFirst = false);
+    // 单目惯性模式下优化尺度和重力方向
     void ScaleRefinement();
-
+    //跟踪线程使用，如果为true，暂不添加关键帧
     bool bInitializing;
 
     Eigen::MatrixXd infoInertial;

include/LoopClosing.h

@@ -179,7 +179,7 @@ protected:
     int mnLoopNumCoincidences;
     int mnLoopNumNotFound;
     KeyFrame* mpLoopLastCurrentKF;
-    g2o::Sim3 mg2oLoopSlw;
+    g2o::Sim3 ;
     g2o::Sim3 mg2oLoopScw;
     KeyFrame* mpLoopMatchedKF;
     std::vector<MapPoint*> mvpLoopMPs;

include/Tracking.h

@@ -63,18 +63,20 @@ public:
     ~Tracking();
 
     // Parse the config file
+    // 提取配置文件数据
     bool ParseCamParamFile(cv::FileStorage &fSettings);
     bool ParseORBParamFile(cv::FileStorage &fSettings);
     bool ParseIMUParamFile(cv::FileStorage &fSettings);
 
     // Preprocess the input and call Track(). Extract features and performs stereo matching.
+    // 输入图像输出位姿Tcw
     cv::Mat GrabImageStereo(const cv::Mat &imRectLeft,const cv::Mat &imRectRight, const double &timestamp, string filename);
     cv::Mat GrabImageRGBD(const cv::Mat &imRGB,const cv::Mat &imD, const double &timestamp, string filename);
     cv::Mat GrabImageMonocular(const cv::Mat &im, const double &timestamp, string filename);
     // cv::Mat GrabImageImuMonocular(const cv::Mat &im, const double &timestamp);
-
+    // 放置IMU数据
     void GrabImuData(const IMU::Point &imuMeasurement);
-
+    // 设置线程指针
     void SetLocalMapper(LocalMapping* pLocalMapper);
     void SetLoopClosing(LoopClosing* pLoopClosing);
     void SetViewer(Viewer* pViewer);
@@ -82,23 +84,27 @@ public:
 
     // Load new settings
     // The focal lenght should be similar or scale prediction will fail when projecting points
+    // 更换新的标定参数，未使用
     void ChangeCalibration(const string &strSettingPath);
 
     // Use this function if you have deactivated local mapping and you only want to localize the camera.
+    // 设置是否仅定位模式还是SLAM模式
     void InformOnlyTracking(const bool &flag);
-
+    // localmapping中更新了关键帧的位姿后，更新普通帧的位姿，通过IMU积分更新速度。localmapping中初始化imu中使用
     void UpdateFrameIMU(const float s, const IMU::Bias &b, KeyFrame* pCurrentKeyFrame);
     KeyFrame* GetLastKeyFrame()
     {
         return mpLastKeyFrame;
     }
-
+    // 新建地图
     void CreateMapInAtlas();
     std::mutex mMutexTracks;
 
-    //--
+    // 更新数据集
     void NewDataset();
+    // 获得数据集总数
     int GetNumberDataset();
+    // 获取匹配内点总数
     int GetMatchesInliers();
 public:
 
@@ -122,7 +128,7 @@ public:
 
     // Current Frame
     Frame mCurrentFrame;
-    Frame mLastFrame;
+    Frame mLastFrame; //跟踪成功后，保存当前帧数据
 
     cv::Mat mImGray;
 
@@ -135,6 +141,7 @@ public:
 
     // Lists used to recover the full camera trajectory at the end of the execution.
     // Basically we store the reference keyframe for each frame and its relative transformation
+    // 代码结束后保存位姿用的列表
     list<cv::Mat> mlRelativeFramePoses;
     list<KeyFrame*> mlpReferences;
     list<double> mlFrameTimes;
@@ -145,6 +152,7 @@ public:
     bool mbStep;
 
     // True if local mapping is deactivated and we are performing only localization
+    // true表示仅定位模式，此时局部建图线程和闭环线程关闭
     bool mbOnlyTracking;
 
     void Reset(bool bLocMap = false);
@@ -156,7 +164,7 @@ public:
     double t0vis; // time-stamp of first inserted keyframe
     double t0IMU; // time-stamp of IMU initialization
 
-
+    // 获取局部地图点
     vector<MapPoint*> GetLocalMapMPS();
 
     bool mbWriteStats;
@@ -186,40 +194,41 @@ public:
 protected:
 
     // Main tracking function. It is independent of the input sensor.
-    void Track();
+    void Track();   //主要的跟踪函数
 
     // Map initialization for stereo and RGB-D
-    void StereoInitialization();
+    void StereoInitialization();    //双目初始化
 
     // Map initialization for monocular
-    void MonocularInitialization();
+    void MonocularInitialization(); //单目初始化
-    void CreateNewMapPoints();
+    void CreateNewMapPoints();      //创建新的地图点
     cv::Mat ComputeF12(KeyFrame *&pKF1, KeyFrame *&pKF2);
-    void CreateInitialMapMonocular();
+    void CreateInitialMapMonocular();   //单目模式下创建初始化地图
 
-    void CheckReplacedInLastFrame();
+    void CheckReplacedInLastFrame();//检查上一帧中的地图点是否需要被替换
-    bool TrackReferenceKeyFrame();
+    bool TrackReferenceKeyFrame();  // 参考关键帧跟踪
-    void UpdateLastFrame();
+    void UpdateLastFrame();         //更新上一帧位姿，在上一帧中生成临时地图点
-    bool TrackWithMotionModel();
+    bool TrackWithMotionModel();    //恒速模型跟踪
-    bool PredictStateIMU();
+    bool PredictStateIMU();         //用IMU预测位姿
 
-    bool Relocalization();
+    bool Relocalization();          //重定位
 
-    void UpdateLocalMap();
+    void UpdateLocalMap();          //更新局部地图
-    void UpdateLocalPoints();
+    void UpdateLocalPoints();       //更新局部地图点
-    void UpdateLocalKeyFrames();
+    void UpdateLocalKeyFrames();    //更新局部地图里的关键帧
 
-    bool TrackLocalMap();
+    bool TrackLocalMap();           //局部地图跟踪
-    bool TrackLocalMap_old();
+    bool TrackLocalMap_old();       //未定义
-    void SearchLocalPoints();
+    void SearchLocalPoints();       //搜索局部地图点
 
-    bool NeedNewKeyFrame();
+    bool NeedNewKeyFrame();         //判断是否需要插入关键帧
-    void CreateNewKeyFrame();
+    void CreateNewKeyFrame();       //创建关键帧
 
     // Perform preintegration from last frame
-    void PreintegrateIMU();
+    void PreintegrateIMU();         //IMU预积分
 
     // Reset IMU biases and compute frame velocity
+    // 重置并重新计算IMU偏置。未使用
     void ComputeGyroBias(const vector<Frame*> &vpFs, float &bwx,  float &bwy, float &bwz);
     void ComputeVelocitiesAccBias(const vector<Frame*> &vpFs, float &bax,  float &bay, float &baz);
 
@@ -230,14 +239,14 @@ protected:
     IMU::Preintegrated *mpImuPreintegratedFromLastKF;
 
     // Queue of IMU measurements between frames
-    std::list<IMU::Point> mlQueueImuData;
+    std::list<IMU::Point> mlQueueImuData;   //存放两帧之间的IMU数据
 
     // Vector of IMU measurements from previous to current frame (to be filled by PreintegrateIMU)
     std::vector<IMU::Point> mvImuFromLastFrame;
     std::mutex mMutexImuQueue;
 
     // Imu calibration parameters
-    IMU::Calib *mpImuCalib;
+    IMU::Calib *mpImuCalib;     //IMU标定参数
 
     // Last Bias Estimation (at keyframe creation)
     IMU::Bias mLastBias;
@@ -249,10 +258,11 @@ protected:
     bool mbVO;
 
     //Other Thread Pointers
+    // 其他线程的指针
     LocalMapping* mpLocalMapper;
     LoopClosing* mpLoopClosing;
 
-    //ORB
+    //ORB特征提取器
     ORBextractor* mpORBextractorLeft, *mpORBextractorRight;
     ORBextractor* mpIniORBextractor;
 
@@ -297,13 +307,13 @@ protected:
     // Threshold close/far points
     // Points seen as close by the stereo/RGBD sensor are considered reliable
     // and inserted from just one frame. Far points requiere a match in two keyframes.
-    float mThDepth;
+    float mThDepth;             //近远点阈值，基线的倍数
 
     // For RGB-D inputs only. For some datasets (e.g. TUM) the depthmap values are scaled.
-    float mDepthMapFactor;
+    float mDepthMapFactor;      // RGB-D尺度缩放因子
 
     //Current matches in frame
-    int mnMatchesInliers;
+    int mnMatchesInliers;       //当前帧匹配内点数
 
     //Last Frame, KeyFrame and Relocalisation Info
     KeyFrame* mpLastKeyFrame;
@@ -321,12 +331,12 @@ protected:
 
 
     //Motion Model
-    cv::Mat mVelocity;
+    cv::Mat mVelocity;      // 恒速模型的速度。通过位姿增量获得或者IMU积分得到
 
     //Color order (true RGB, false BGR, ignored if grayscale)
     bool mbRGB;
 
-    list<MapPoint*> mlpTemporalPoints;
+    list<MapPoint*> mlpTemporalPoints;  // 临时地图点
 
     //int nMapChangeIndex;
 
@@ -340,7 +350,7 @@ protected:
     double mTime_LocalMapTrack;
     double mTime_NewKF_Dec;
 
-    GeometricCamera* mpCamera, *mpCamera2;
+    GeometricCamera* mpCamera, *mpCamera2;  //相机类
 
     int initID, lastID;
 

src/Frame.cc

@@ -1051,7 +1051,7 @@ void Frame::ComputeStereoMatches()
     // 金字塔顶层（0层）图像高 nRows
     const int nRows = mpORBextractorLeft->mvImagePyramid[0].rows;
 
-	// 二维vector存储每一行的orb特征点的列坐标，为什么是vector，因为每一行的特征点有可能不一样，例如
+	// 二维vector存储每一行的orb特征点的列坐标的索引，为什么是vector，因为每一行的特征点有可能不一样，例如
     // vRowIndices[0] = [1，2，5，8, 11]   第1行有5个特征点,他们的列号（即x坐标）分别是1,2,5,8,11
     // vRowIndices[1] = [2，6，7，9, 13, 17, 20]  第2行有7个特征点.etc
     vector<vector<size_t> > vRowIndices(nRows,vector<size_t>());

src/Initializer.cc

@@ -1648,7 +1648,7 @@ int Initializer::CheckRT(const cv::Mat &R, const cv::Mat &t, const vector<cv::Ke
         if(cosParallax<0.99998)
             vbGood[vMatches12[i].first]=true;
     }
-
+    // Step 7 得到3D点中较小的视差角，并且转换成为角度制表示
     if(nGood>0)
     {
         // 从小到大排序，注意vCosParallax值越大，视差越小

src/KeyFrameDatabase.cc

@@ -691,7 +691,7 @@ void KeyFrameDatabase::DetectNBestCandidates(KeyFrame *pKF, vector<KeyFrame*> &v
                     // 如果该关键帧不是当前关键帧的共视关键帧
                     if(!spConnectedKF.count(pKFi))
                     {
-                        // 标记改关键帧被当前关键帧访问到
+                        // 标记该关键帧被当前关键帧访问到（也就是有公共单词）
                         pKFi->mnPlaceRecognitionQuery=pKF->mnId;
                         // 把当前关键帧添加到有公共单词的关键帧列表中
                         lKFsSharingWords.push_back(pKFi);
@@ -713,7 +713,7 @@ void KeyFrameDatabase::DetectNBestCandidates(KeyFrame *pKF, vector<KeyFrame*> &v
         return;
 
     // Only compare against those keyframes that share enough words
-    // Step 2 统计所有候选帧中与当前关键帧的公共单词数最多的单词数,并筛选
+    // Step 2 统计所有候选帧中与当前关键帧的公共单词数最多的单词数maxCommonWords,并筛选
     int maxCommonWords=0;
     for(list<KeyFrame*>::iterator lit=lKFsSharingWords.begin(), lend= lKFsSharingWords.end(); lit!=lend; lit++)
     {
@@ -738,7 +738,7 @@ void KeyFrameDatabase::DetectNBestCandidates(KeyFrame *pKF, vector<KeyFrame*> &v
         // 如果当前帧的公共单词数大于minCommonWords
         if(pKFi->mnPlaceRecognitionWords>minCommonWords)
         {
-            nscores++;
+            nscores++;  //未使用
             // 计算相似度
             float si = mpVoc->score(pKF->mBowVec,pKFi->mBowVec);
             // 记录该候选帧与当前帧的相似度
@@ -773,12 +773,12 @@ void KeyFrameDatabase::DetectNBestCandidates(KeyFrame *pKF, vector<KeyFrame*> &v
         for(vector<KeyFrame*>::iterator vit=vpNeighs.begin(), vend=vpNeighs.end(); vit!=vend; vit++)
         {
             KeyFrame* pKF2 = *vit;
-            // 如果改关键帧没有被当前关键帧访问过(这里标记的是有没有公共单词)则跳过
+            // 如果该关键帧没有被当前关键帧访问过(也就是没有公共单词)则跳过
             if(pKF2->mnPlaceRecognitionQuery!=pKF->mnId)
                 continue;
             // 累加小组总分
             accScore+=pKF2->mPlaceRecognitionScore;
-            // 如果大与组内最高分,则重新记录
+            // 如果大于组内最高分,则更新当前最高分记录
             if(pKF2->mPlaceRecognitionScore>bestScore)
             {
                 pBestKF=pKF2;
@@ -806,7 +806,7 @@ void KeyFrameDatabase::DetectNBestCandidates(KeyFrame *pKF, vector<KeyFrame*> &v
     //for(list<pair<float,KeyFrame*> >::iterator it=lAccScoreAndMatch.begin(), itend=lAccScoreAndMatch.end(); it!=itend; it++)
     int i = 0;
     list<pair<float,KeyFrame*> >::iterator it=lAccScoreAndMatch.begin();
-    // 遍历lAccScoreAndMatch中所有的pair, 每个pair为<小组总相似度,组内相似度最高的关键帧指针>
+    // 遍历lAccScoreAndMatch中所有的pair, 每个pair为<小组总相似度,组内相似度最高的关键帧指针>，nNumCandidates默认为3
     while(i < lAccScoreAndMatch.size() && (vpLoopCand.size() < nNumCandidates || vpMergeCand.size() < nNumCandidates))
     {
         //cout << "Accum score: " << it->first << endl;

src/LocalMapping.cc

@@ -174,6 +174,7 @@ void LocalMapping::Run()
                         // 判断成功跟踪匹配的点数是否足够多
                         // 条件---------1.1、跟踪成功的内点数目大于75-----1.2、并且是单目--或--2.1、跟踪成功的内点数目大于100-----2.2、并且不是单目             
                         bool bLarge = ((mpTracker->GetMatchesInliers()>75)&&mbMonocular)||((mpTracker->GetMatchesInliers()>100)&&!mbMonocular);
+                        // 局部地图+IMU一起优化，优化关键帧位姿、地图点、IMU参数
                         Optimizer::LocalInertialBA(mpCurrentKeyFrame, &mbAbortBA, mpCurrentKeyFrame->GetMap(),num_FixedKF_BA,num_OptKF_BA,num_MPs_BA,num_edges_BA, bLarge, !mpCurrentKeyFrame->GetMap()->GetIniertialBA2());
                         b_doneLBA = true;
                     }
@@ -182,6 +183,7 @@ void LocalMapping::Run()
 						// Step 6.2 不是IMU模式或者当前关键帧所在的地图还未完成IMU初始化
 						// 局部地图BA，不包括IMU数据
 						// 注意这里的第二个参数是按地址传递的,当这里的 mbAbortBA 状态发生变化时，能够及时执行/停止BA
+                        // 局部地图优化，不包括IMU信息。优化关键帧位姿、地图点
                         Optimizer::LocalBundleAdjustment(mpCurrentKeyFrame,&mbAbortBA, mpCurrentKeyFrame->GetMap(),num_FixedKF_BA,num_OptKF_BA,num_MPs_BA,num_edges_BA);
                         b_doneLBA = true;
                     }
@@ -233,7 +235,7 @@ void LocalMapping::Run()
                 timeKFCulling_ms = std::chrono::duration_cast<std::chrono::duration<double,std::milli> >(time_EndKFCulling - time_EndLBA).count();
                 vdKFCullingSync_ms.push_back(timeKFCulling_ms);
 #endif
-				// Step 9 如果距离初始化成功累计时间差小于100s 并且 是IMU模式，进行VIBA
+				// Step 9 如果距离IMU第一阶段初始化成功累计时间差小于100s，进行VIBA
                 if ((mTinit<100.0f) && mbInertial)
                 {
                     // Step 9.1 根据条件判断是否进行VIBA1（IMU第二阶段初始化）
@@ -283,6 +285,7 @@ void LocalMapping::Run()
                                 (mTinit>75.0f && mTinit<75.5f))){
                             cout << "start scale ref" << endl;
                             if (mbMonocular)
+                                // 使用了所有关键帧，但只优化尺度和重力方向
                                 ScaleRefinement();
                             cout << "end scale ref" << endl;
                         }
@@ -1236,12 +1239,12 @@ void LocalMapping::KeyFrameCulling()
     vector<KeyFrame*> vpLocalKeyFrames = mpCurrentKeyFrame->GetVectorCovisibleKeyFrames();
 
     float redundant_th;
-    // 非IMU时
+    // 非IMU模式时
     if(!mbInertial)
         redundant_th = 0.9;
-    else if (mbMonocular)	// imu 且单目时
+    else if (mbMonocular)	// 单目+imu 时
         redundant_th = 0.9;
-    else	// 其他imu时
+    else	// 双目+imu时
         redundant_th = 0.5;
 
     const bool bInitImu = mpAtlas->isImuInitialized();
@@ -1268,7 +1271,7 @@ void LocalMapping::KeyFrameCulling()
     {
         count++;
         KeyFrame* pKF = *vit;
-
+        // 如果是地图里第1个关键帧或者是标记为坏帧，则跳过
         if((pKF->mnId==pKF->GetMap()->GetInitKFid()) || pKF->isBad())
             continue;
         // Step 2：提取每个共视关键帧的地图点
@@ -1291,7 +1294,7 @@ void LocalMapping::KeyFrameCulling()
                 {
                     if(!mbMonocular)
                     {
-                        // 对于双目，仅考虑近处（不超过基线的 35倍 ）的地图点
+                        // 对于双目，仅考虑近处（不超过基线的40倍 ）的地图点
                         if(pKF->mvDepth[i]>pKF->mThDepth || pKF->mvDepth[i]<0)
                             continue;
                     }
@@ -1768,7 +1771,7 @@ void LocalMapping::InitializeIMU(float priorG, float priorA, bool bFIBA)
 }
 
 /**
- * @brief 通过BA优化进行尺度更新，关键帧小于100，在这里的时间段内时多次进行尺度更新
+ * @brief 通过BA优化进行尺度更新，关键帧小于100，使用了所有关键帧的信息，但只优化尺度和重力方向。每10s在这里的时间段内时多次进行尺度更新
  */
 void LocalMapping::ScaleRefinement()
 {
@@ -1799,6 +1802,8 @@ void LocalMapping::ScaleRefinement()
 
     const int N = vpKF.size();
     // 2. 更新旋转与尺度
+
+    // 待优化变量的初值
     mRwg = Eigen::Matrix3d::Identity();
     mScale=1.0;
 

src/LoopClosing.cc

@@ -43,7 +43,7 @@ LoopClosing::LoopClosing(Atlas *pAtlas, KeyFrameDatabase *pDB, ORBVocabulary *pV
     mpLastCurrentKF = static_cast<KeyFrame*>(NULL);
 }
 
-// 设置追踪线程句柄
+// 设置跟踪线程句柄
 void LoopClosing::SetTracker(Tracking *pTracker)
 {
     mpTracker=pTracker;
@@ -393,7 +393,7 @@ bool LoopClosing::NewDetectCommonRegions()
     // Loop candidates
     bool bLoopDetectedInKF = false;
     bool bCheckSpatial = false;
-    // Step 3.1 回环的时序几何校验: 这里的判断条件里mnLoopNumCoincidences刚开始为0, 所以可以先跳过看后面
+    // Step 3.1 回环的时序几何校验。注意初始化时mnLoopNumCoincidences=0, 所以可以先跳过看后面
     // 如果回环的共视几何验证成功帧数目大于0
     if(mnLoopNumCoincidences > 0)
     {
@@ -475,7 +475,7 @@ bool LoopClosing::NewDetectCommonRegions()
 
     //Merge candidates
     bool bMergeDetectedInKF = false;
-    // Step 3.2 融合的时序几何校验: 这里的判断条件里mnMergeNumCoincidences刚开始为0, 所以可以先跳过看后面
+    // Step 3.2 融合的时序几何校验: 注意初始化时mnMergeNumCoincidences=0, 所以可以先跳过看后面
     // 如果融合的共视几何验证成功帧数目大于0
     if(mnMergeNumCoincidences > 0)
     {
@@ -550,6 +550,7 @@ bool LoopClosing::NewDetectCommonRegions()
         }
     }
     // Step 3.3 若校验成功则把当前帧添加进数据库,且返回true表示找到共同区域
+    // 注意初始化时mbMergeDetected=mbLoopDetected=false
     if(mbMergeDetected || mbLoopDetected)
     {
         //f_time_pr << "Geo" << " " << timeGeoKF_ms.count() << endl;
@@ -606,6 +607,8 @@ bool LoopClosing::NewDetectCommonRegions()
     // Step 4.1 若当前关键帧没有被检测到回环,并且候选帧数量不为0,则对回环候选帧进行论文中第8页的2-5步
     if(!bLoopDetectedInKF && !vpLoopBowCand.empty())
     {
+        // mnLoopNumCoincidences是成功几何验证的帧数，超过3就认为几何验证成功，不超过继续进行时序验证
+        // mpLoopMatchedKF 最后成功匹配的候选关键帧
         mbLoopDetected = DetectCommonRegionsFromBoW(vpLoopBowCand, mpLoopMatchedKF, mpLoopLastCurrentKF, mg2oLoopSlw, mnLoopNumCoincidences, mvpLoopMPs, mvpLoopMatchedMPs);
     }
     // Merge candidates
@@ -614,6 +617,7 @@ bool LoopClosing::NewDetectCommonRegions()
     // Step 4.2 若当前关键帧没有被检测到融合,并且候选帧数量不为0,则对融合候帧进行论文中第8页的2-5步
     if(!bMergeDetectedInKF && !vpMergeBowCand.empty())
     {
+        // mnLoopNumCoincidences是成功几何验证的帧数，超过3就认为几何验证成功，不超过继续进行时序验证
         mbMergeDetected = DetectCommonRegionsFromBoW(vpMergeBowCand, mpMergeMatchedKF, mpMergeLastCurrentKF, mg2oMergeSlw, mnMergeNumCoincidences, mvpMergeMPs, mvpMergeMatchedMPs);
     }
 
@@ -679,17 +683,16 @@ bool LoopClosing::DetectAndReffineSim3FromLastKF(KeyFrame* pCurrentKF, KeyFrame*
 
         // 单目情况下不锁定尺度
         bool bFixedScale = mbFixScale;       // TODO CHECK; Solo para el monocular inertial
-        // 如果是imu模式且地图没成熟,不锁定尺度
+        // 如果是imu模式且未完成初始化,不锁定尺度
         if(mpTracker->mSensor==System::IMU_MONOCULAR && !pCurrentKF->GetMap()->GetIniertialBA2())
             bFixedScale=false;
         // 继续优化 Sim3
         int numOptMatches = Optimizer::OptimizeSim3(mpCurrentKF, pMatchedKF, vpMatchedMPs, gScm, 10, bFixedScale, mHessian7x7, true);
 
-
+        // 若匹配的数量大于一定的数目
-
-        // 若果匹配的数量大于一定的数目
         if(numOptMatches > nProjOptMatches)
         {
+            //!bug, 以下gScw_estimation应该通过上述sim3优化后的位姿来更新。以下mScw应该改为 gscm * gswm.t
             g2o::Sim3 gScw_estimation(Converter::toMatrix3d(mScw.rowRange(0, 3).colRange(0, 3)),
                            Converter::toVector3d(mScw.rowRange(0, 3).col(3)),1.0);
 
@@ -718,14 +721,14 @@ bool LoopClosing::DetectAndReffineSim3FromLastKF(KeyFrame* pCurrentKF, KeyFrame*
  * 4. 利用地图中的共视关键帧验证(共视几何校验)
  * 
  * @param[in] vpBowCand bow 给出的一些候选关键帧
- * @param[out] pMatchedKF2 最后成功匹配的关键帧
+ * @param[out] pMatchedKF2 最后成功匹配的候选关键帧
  * @param[out] pLastCurrentKF 用于记录当前关键帧为上一个关键帧(后续若仍需要时序几何校验需要记录此信息)
  * @param[out] g2oScw 世界坐标系在当前关键帧下的Sim3
- * @param[out] nNumCoincidences 用来记录validation合格的数目
+ * @param[out] nNumCoincidences 成功几何验证的帧数，超过3就认为几何验证成功，不超过继续进行时序验证
  * @param[out] vpMPs  所有地图点
  * @param[out] vpMatchedMPs 成功匹配的地图点 
- * @return true 检测到一个合格的commen region
+ * @return true 检测到一个合格的共同区域
- * @return false 没检测到一个合格的commen region 
+ * @return false 没检测到一个合格的共同区域
  */
 bool LoopClosing::DetectCommonRegionsFromBoW(std::vector<KeyFrame*> &vpBowCand, KeyFrame* &pMatchedKF2, KeyFrame* &pLastCurrentKF, g2o::Sim3 &g2oScw,
                                              int &nNumCoincidences, std::vector<MapPoint*> &vpMPs, std::vector<MapPoint*> &vpMatchedMPs)
@@ -758,7 +761,7 @@ bool LoopClosing::DetectCommonRegionsFromBoW(std::vector<KeyFrame*> &vpBowCand,
     int nNumGuidedMatching = 0;
 
     // Varibles to select the best numbe
-    // 一些用与统计最优数据的变量,我们最后返回的是最佳的一个关键帧(几何校验匹配数最高的)
+    // 一些用于统计最优数据的变量,我们最后返回的是最佳的一个关键帧(几何校验匹配数最高的)
 
     KeyFrame* pBestMatchedKF;
     int nBestMatchesReproj = 0;
@@ -772,10 +775,9 @@ bool LoopClosing::DetectCommonRegionsFromBoW(std::vector<KeyFrame*> &vpBowCand,
     // 这三个变量是作者为了后面打印观察记录的信息,可以忽略
     vector<int> vnStage(numCandidates, 0);
     vector<int> vnMatchesStage(numCandidates, 0);
-
     int index = 0;
 
-    //对于每个候选关键帧
+    //对于每个候选关键帧，进行Sim3计算和检验
     for(KeyFrame* pKFi : vpBowCand)
     {
         //cout << endl << "-------------------------------" << endl;
@@ -811,7 +813,7 @@ bool LoopClosing::DetectCommonRegionsFromBoW(std::vector<KeyFrame*> &vpBowCand,
 
         // 记录在W_km中有最多匹配点的帧的局部index, 这个后面没有用到
         int nIndexMostBoWMatchesKF=0;
-        //! bug: 并没有重新赋值pMostBoWMatchesKF, 一直是初始值: 候选关键帧 
+        //! bug: 以下循环中并没有重新赋值pMostBoWMatchesKF, 一直是初始值: 候选关键帧 
         // 遍历窗口内Wm的每个关键帧
         // Step 1.1 通过Bow寻找候选帧窗口内的关键帧地图点与当前关键帧的匹配点
         for(int j=0; j<vpCovKFi.size(); ++j)
@@ -834,7 +836,7 @@ bool LoopClosing::DetectCommonRegionsFromBoW(std::vector<KeyFrame*> &vpBowCand,
         for(int j=0; j<vpCovKFi.size(); ++j)
         {   
 
-            // 如果窗口中的帧是当前帧的共视帧帧则结束这个循环
+            // 如果窗口中的帧是当前帧的共视帧则结束这个循环
             if(spConnectedKeyFrames.find(vpCovKFi[j]) != spConnectedKeyFrames.end())
             {
                 bAbortByNearKF = true;
@@ -849,11 +851,11 @@ bool LoopClosing::DetectCommonRegionsFromBoW(std::vector<KeyFrame*> &vpBowCand,
             {
                 // 地图点指针
                 MapPoint* pMPi_j = vvpMatchedMPs[j][k];
-                // 如果指针为空活地图点被标记为bad,则跳过当前循环
+                // 如果指针为空或地图点被标记为bad,则跳过当前循环
                 if(!pMPi_j || pMPi_j->isBad())
                     continue;
 
-                // 窗口内不同关键帧与当前关键帧可能能看到相同的3D点, 利用辅助容器避免重复添加
+                // 窗口内不同关键帧与当前关键帧可能看到相同的3D点, 利用辅助容器避免重复添加
                 if(spMatchedMPi.find(pMPi_j) == spMatchedMPi.end())
                 {
                     // 利用辅助容器记录添加过的点
@@ -871,6 +873,7 @@ bool LoopClosing::DetectCommonRegionsFromBoW(std::vector<KeyFrame*> &vpBowCand,
         //cout <<"BoW: " << numBoWMatches << " independent putative matches" << endl;
         // 当窗口内的帧不是当前关键帧的相邻帧且匹配点足够多时
         // Step 2 利用RANSAC寻找候选关键帧窗口与当前关键帧的相对位姿T_am的初始值(可能是Sim3)
+        // nBoWMatches = 20; // 最低bow匹配特征点数
         if(!bAbortByNearKF && numBoWMatches >= nBoWMatches) // TODO pick a good threshold
         {
             /*cout << "-------------------------------" << endl;
@@ -879,7 +882,7 @@ bool LoopClosing::DetectCommonRegionsFromBoW(std::vector<KeyFrame*> &vpBowCand,
             // Geometric validation
 
             bool bFixedScale = mbFixScale;
-            //? 如果是单目带imu的模式且地图没有成熟则不固定scale 
+            // 如果是单目带imu的模式且IMU初始化未完成第三阶段，则不固定scale 
             if(mpTracker->mSensor==System::IMU_MONOCULAR && !mpCurrentKF->GetMap()->GetIniertialBA2())
                 bFixedScale=false;
 
@@ -887,7 +890,7 @@ bool LoopClosing::DetectCommonRegionsFromBoW(std::vector<KeyFrame*> &vpBowCand,
             // Sim3Solver 的接口与orbslam2略有不同, 因为现在是1-N的对应关系
             Sim3Solver solver = Sim3Solver(mpCurrentKF, pMostBoWMatchesKF, vpMatchedPoints, bFixedScale, vpKeyFrameMatchedMP);
             //Sim3Solver Ransac 置信度0.99，至少20个inliers 最多300次迭
-            solver.SetRansacParameters(0.99, nBoWInliers, 300); // at least 15 inliers
+            solver.SetRansacParameters(0.99, nBoWInliers, 300); // at least 15 inliers, nBoWInliers = 15
 
             bool bNoMore = false;
             vector<bool> vbInliers;
@@ -962,17 +965,18 @@ bool LoopClosing::DetectCommonRegionsFromBoW(std::vector<KeyFrame*> &vpBowCand,
                 // Step 3.1 重新利用之前计算的mScw信息, 通过投影寻找更多的匹配点
                 int numProjMatches = matcher.SearchByProjection(mpCurrentKF, mScw, vpMapPoints, vpKeyFrames, vpMatchedMP, vpMatchedKF, 8, 1.5);
 
-                // 如果拿到了足够多的匹配点
+                // 如果拿到了足够多的匹配点, nProjMatches = 50
                 if(numProjMatches >= nProjMatches)
                 {
                     // Optimize Sim3 transformation with every matches
                     Eigen::Matrix<double, 7, 7> mHessian7x7;
 
                     bool bFixedScale = mbFixScale;
-                    // 在imu模式下没有成熟的地图就不固定scale
+                    // 在imu模式下imu未完成第3阶段初始化就不固定scale
                     if(mpTracker->mSensor==System::IMU_MONOCULAR && !mpCurrentKF->GetMap()->GetIniertialBA2())
                         bFixedScale=false;
-                    // Step 3.2 利用搜索到的更多的匹配点优化双向投影误差得到的更好的 gScm (Tam)
+                    // Step 3.2 利用搜索到的更多的匹配点用Sim3优化投影误差得到的更好的 gScm (Tam)
+                    // pKFi是候选关键帧
                     int numOptMatches = Optimizer::OptimizeSim3(mpCurrentKF, pKFi, vpMatchedMP, gScm, 10, mbFixScale, mHessian7x7, true);
                     //cout <<"BoW: " << numOptMatches << " inliers in the Sim3 optimization" << endl;
                     //cout << "Inliers in Sim3 optimization: " << numOptMatches << endl;
@@ -992,8 +996,7 @@ bool LoopClosing::DetectCommonRegionsFromBoW(std::vector<KeyFrame*> &vpBowCand,
                         // 5 : 半径的增益系数(对比之前下降了)---> 更小的半径, 1.0 , hamming distance 的阀值增益系数---> 允许更小的距离
                         int numProjOptMatches = matcher.SearchByProjection(mpCurrentKF, mScw, vpMapPoints, vpMatchedMP, 5, 1.0);
                         //cout <<"BoW: " << numProjOptMatches << " matches after of the Sim3 optimization" << endl;
-                        // ? 论文中说好的再优化一次呢?只做了搜索并没有再次进行OptimizeSim3
+                        // 当新的投影得到的内点数量大于nProjOptMatches=80时
-                        // 当新的投影得到的内点数量大于nProjOptMatches时
                         if(numProjOptMatches >= nProjOptMatches)
                         {
                             // Step 4. 用当前关键帧的相邻关键来验证前面得到的Tam(共视几何校验)
@@ -1061,7 +1064,7 @@ bool LoopClosing::DetectCommonRegionsFromBoW(std::vector<KeyFrame*> &vpBowCand,
     if(nBestMatchesReproj > 0)
     {
         pLastCurrentKF = mpCurrentKF;
-        nNumCoincidences = nBestNumCoindicendes;
+        nNumCoincidences = nBestNumCoindicendes; // 成功几何验证的帧数
         pMatchedKF2 = pBestMatchedKF;
         pMatchedKF2->SetNotErase();
         g2oScw = g2oBestScw;
@@ -1164,7 +1167,7 @@ bool LoopClosing::DetectCommonRegionsFromLastKF(KeyFrame* pCurrentKF, KeyFrame*
 }
 
 /**
- * @brief 包装与searchByProjection之上, 只不过是把窗口内的所有地图点往当前关键帧上投影, 寻找匹配点
+ * @brief 包装了一下searchByProjection, 把窗口内的所有地图点往当前关键帧上投影, 寻找匹配点
  * 
  * @param[in] pCurrentKF 当前关键帧
  * @param[in] pMatchedKFw 候选帧

src/ORBmatcher.cc

@@ -42,6 +42,7 @@ ORBmatcher::ORBmatcher(float nnratio, bool checkOri): mfNNratio(nnratio), mbChec
 {
 }
 
+// 用于Tracking::SearchLocalPoints中匹配更多地图点
 int ORBmatcher::SearchByProjection(Frame &F, const vector<MapPoint*> &vpMapPoints, const float th, const bool bFarPoints, const float thFarPoints)
 {
     int nmatches=0, left = 0, right = 0;

src/Optimizer.cc

@@ -4304,7 +4304,7 @@ int Optimizer::OptimizeSim3(KeyFrame *pKF1, KeyFrame *pKF2, vector<MapPoint *> &
  * @param[in] pKF               //关键帧
  * @param[in] pbStopFlag        //是否停止的标志
  * @param[in] pMap              //地图
- * @param[in] num_fixedKF       //
+ * @param[in] num_fixedKF       //固定不优化关键帧的数目
  * @param[in] num_OptKF 
  * @param[in] num_MPs 
  * @param[in] num_edges 
@@ -6027,7 +6027,7 @@ void Optimizer::LocalBundleAdjustment(KeyFrame* pMainKF,vector<KeyFrame*> vpAdju
     bool bShowImages = false;
 
     vector<MapPoint*> vpMPs;
-// 1. 构建g2o优化器
+    // 1. 构建g2o优化器
     g2o::SparseOptimizer optimizer;
     g2o::BlockSolver_6_3::LinearSolverType * linearSolver;
 

src/Tracking.cc

@@ -1454,7 +1454,7 @@ void Tracking::GrabImuData(const IMU::Point &imuMeasurement)
     mlQueueImuData.push_back(imuMeasurement);
 }
 
-// ?TODO
+// 对IMU进行预积分
 void Tracking::PreintegrateIMU()
 {
     // Step 1.拿到两两帧之间待处理的预积分数据，组成一个集合 
@@ -1838,7 +1838,7 @@ void Tracking::Track()
                 if(mpAtlas->isImuInitialized())
                 {
                     cout << "Timestamp jump detected. State set to LOST. Reseting IMU integration..." << endl;
-                    // ?TODO BA2标志代表什么?,BA优化成功?
+                    // IMU完成第2阶段BA（在localmapping线程里）
                     if(!pCurrentMap->GetIniertialBA2())
                     {
                         // 如果当前子图中imu没有经过BA2，重置active地图
@@ -1862,7 +1862,7 @@ void Tracking::Track()
         }
     }
 
-    // Step 3 IMU模式下设置IMU的Bias参数,还要保证上一帧存在非空
+    // Step 3 IMU模式下设置IMU的Bias参数,还要保证上一帧存在
     if ((mSensor == System::IMU_MONOCULAR || mSensor == System::IMU_STEREO) && mpLastKeyFrame)
         //认为bias在两帧间不变
         mCurrentFrame.SetNewBias(mpLastKeyFrame->GetImuBias());
@@ -1873,7 +1873,7 @@ void Tracking::Track()
     }
 
     mLastProcessedState=mState;
-    // Step 4 IMU模式下对IMU数据进行预积分：没有创建地图的情况下
+    // Step 4 IMU模式且没有创建地图的情况下对IMU数据进行预积分
     if ((mSensor == System::IMU_MONOCULAR || mSensor == System::IMU_STEREO) && !mbCreatedMap)
     {
 #ifdef REGISTER_TIMES
@@ -1906,6 +1906,7 @@ void Tracking::Track()
     if(nCurMapChangeIndex>nMapChangeIndex)
     {
         // cout << "Map update detected" << endl;
+        // 检测到地图更新了
         pCurrentMap->SetLastMapChange(nCurMapChangeIndex);
         mbMapUpdated = true;
     }
@@ -2276,22 +2277,23 @@ void Tracking::Track()
         }
 
         // Save frame if recent relocalization, since they are used for IMU reset (as we are making copy, it shluld be once mCurrFrame is completely modified)
+        // 如果刚刚发生重定位并且IMU已经初始化，则保存当前帧信息，重置IMU
         if((mCurrentFrame.mnId<(mnLastRelocFrameId+mnFramesToResetIMU)) &&          // 当前帧距离上次重定位帧小于1s
         (mCurrentFrame.mnId > mnFramesToResetIMU) &&                                // 当前帧已经运行了超过1s
         ((mSensor == System::IMU_MONOCULAR) || (mSensor == System::IMU_STEREO)) &&  // IMU模式
         pCurrentMap->isImuInitialized())                                            // IMU已经成功初始化
         {
-            // ?TODO check this situation
+            // 存储指针
             Verbose::PrintMess("Saving pointer to frame. imu needs reset...", Verbose::VERBOSITY_NORMAL);
             Frame* pF = new Frame(mCurrentFrame);
             pF->mpPrevFrame = new Frame(mLastFrame);
 
             // Load preintegration
-            // ?构造预积分处理器
+            // IMU重置
             pF->mpImuPreintegratedFrame = new IMU::Preintegrated(mCurrentFrame.mpImuPreintegratedFrame);
         }
-
+        // 下面代码看起来没有用
-        if(pCurrentMap->isImuInitialized())     // IMU成功初始化
+        if(pCurrentMap->isImuInitialized())     
         {
             if(bOK)     // 跟踪成功
             {
@@ -3223,7 +3225,7 @@ bool Tracking::TrackWithMotionModel()
 
     }
 
-    // 如果还是不能够获得足够的匹配点,那么就认为跟踪失败
+    // 这里不同于ORB-SLAM2的方式
     if(nmatches<20)
     {
         Verbose::PrintMess("Not enough matches!!", Verbose::VERBOSITY_NORMAL);
@@ -3337,13 +3339,14 @@ bool Tracking::TrackLocalMap()
     // Step 3：前面新增了更多的匹配关系，BA优化得到更准确的位姿
     int inliers;
     if (!mpAtlas->isImuInitialized())
+        // IMU未初始化，仅优化位姿
         Optimizer::PoseOptimization(&mCurrentFrame);
     else
     {
         // 初始化，重定位，重新开启一个地图都会使mnLastRelocFrameId变化
         if(mCurrentFrame.mnId<=mnLastRelocFrameId+mnFramesToResetIMU)
         {
-            // 如果距离上次重定位时间比较近，积累的IMU数据较少，优化时暂不使用IMU数据
+            // 如果距离上次重定位时间比较近（<1s），积累的IMU数据较少，优化时暂不使用IMU数据
             Verbose::PrintMess("TLM: PoseOptimization ", Verbose::VERBOSITY_DEBUG);
             Optimizer::PoseOptimization(&mCurrentFrame);
         }
@@ -3468,13 +3471,15 @@ bool Tracking::TrackLocalMap()
  */
 bool Tracking::NeedNewKeyFrame()
 {
+    // 如果是IMU模式并且当前地图中未完成IMU初始化
     if(((mSensor == System::IMU_MONOCULAR) || (mSensor == System::IMU_STEREO)) && !mpAtlas->GetCurrentMap()->isImuInitialized())
     {
+        // 如果是IMU模式，当前帧距离上一关键帧时间戳超过0.25s，则说明需要插入关键帧，不再进行后续判断
         if (mSensor == System::IMU_MONOCULAR && (mCurrentFrame.mTimeStamp-mpLastKeyFrame->mTimeStamp)>=0.25)
             return true;
         else if (mSensor == System::IMU_STEREO && (mCurrentFrame.mTimeStamp-mpLastKeyFrame->mTimeStamp)>=0.25)
             return true;
-        else
+        else    // 否则，则说明不需要插入关键帧，不再进行后续判断
             return false;
     }
 	// Step 1：纯VO模式下不插入关键帧
@@ -3560,7 +3565,7 @@ bool Tracking::NeedNewKeyFrame()
         thRefRatio = 0.9f;
 
     if(mpCamera2) thRefRatio = 0.75f;
-
+    //单目+IMU情况下如果，匹配内点数目超过350，插入关键帧的频率可以适当降低  
     if(mSensor==System::IMU_MONOCULAR)
     {
         if(mnMatchesInliers>350) // Points tracked from the local map
@@ -3577,13 +3582,14 @@ bool Tracking::NeedNewKeyFrame()
     const bool c1b = ((mCurrentFrame.mnId>=mnLastKeyFrameId+mMinFrames) && bLocalMappingIdle);
     //Condition 1c: tracking is weak
 	// Step 7.4：在双目，RGB-D的情况下当前帧跟踪到的点比参考关键帧的0.25倍还少，或者满足bNeedToInsertClose
-    const bool c1c = mSensor!=System::MONOCULAR && mSensor!=System::IMU_MONOCULAR && mSensor!=System::IMU_STEREO &&  //只考虑在双目，RGB-D的情况
+    const bool c1c = mSensor!=System::MONOCULAR && mSensor!=System::IMU_MONOCULAR && mSensor!=System::IMU_STEREO &&  //只考虑在纯双目，RGB-D的情况
 	(mnMatchesInliers<nRefMatches*0.25 || 			//当前帧和地图点匹配的数目非常少
 	bNeedToInsertClose) ;							//需要插入
     // Condition 2: Few tracked points compared to reference keyframe. Lots of visual odometry compared to map matches.
     // Step 7.5：和参考帧相比当前跟踪到的点太少 或者满足bNeedToInsertClose；同时跟踪到的内点还不能太少
     const bool c2 = (((mnMatchesInliers<nRefMatches*thRefRatio || bNeedToInsertClose)) && mnMatchesInliers>15);
 
+    // 新增的条件c3：单目/双目+IMU模式下，并且IMU完成了初始化（隐藏条件），当前帧和上一关键帧之间时间超过0.5秒，则c3=true
     // Temporal condition for Inertial cases
     bool c3 = false;
     if(mpLastKeyFrame)
@@ -3600,12 +3606,14 @@ bool Tracking::NeedNewKeyFrame()
         }
     }
 
+    // 新增的条件c4：单目+IMU模式下，当前帧匹配内点数在15~75之间或者是RECENTLY_LOST状态，c4=true
     bool c4 = false;
     if ((((mnMatchesInliers<75) && (mnMatchesInliers>15)) || mState==RECENTLY_LOST) && ((mSensor == System::IMU_MONOCULAR))) // MODIFICATION_2, originally ((((mnMatchesInliers<75) && (mnMatchesInliers>15)) || mState==RECENTLY_LOST) && ((mSensor == System::IMU_MONOCULAR)))
         c4=true;
     else
         c4=false;
 
+    // 相比ORB-SLAM2多了c3,c4
     if(((c1a||c1b||c1c) && c2)||c3 ||c4)
     {
         // If the mapping accepts keyframes, insert keyframe.
@@ -3621,7 +3629,7 @@ bool Tracking::NeedNewKeyFrame()
             mpLocalMapper->InterruptBA();
             if(mSensor!=System::MONOCULAR  && mSensor!=System::IMU_MONOCULAR)
             {
-                // 队列里不能阻塞太多关键帧
+                // 双目或双目+IMU或RGB-D模式下，如队列里没有阻塞太多关键帧，可以插入
                 // tracking插入关键帧不是直接插入，而且先插入到mlNewKeyFrames中，
                 // 然后localmapper再逐个pop出来插入到mspKeyFrames
                 if(mpLocalMapper->KeyframesInQueue()<3)
@@ -3963,6 +3971,7 @@ void Tracking::UpdateLocalKeyFrames()
     // Each map point vote for the keyframes in which it has been observed
     // Step 1：遍历当前帧的地图点，记录所有能观测到当前帧地图点的关键帧
     map<KeyFrame*,int> keyframeCounter;
+    // 如果IMU未初始化 或者 刚刚完成重定位
     if(!mpAtlas->isImuInitialized() || (mCurrentFrame.mnId<mnLastRelocFrameId+2))
     {
         for(int i=0; i<mCurrentFrame.N; i++)
@@ -3991,6 +4000,7 @@ void Tracking::UpdateLocalKeyFrames()
     }
     else
     {
+        // ?为什么IMU初始化后用mLastFrame？mLastFrame存储的是上一帧跟踪成功后帧数据。
         for(int i=0; i<mLastFrame.N; i++)
         {
             // Using lastframe since current frame has not matches yet
@@ -4112,6 +4122,7 @@ void Tracking::UpdateLocalKeyFrames()
     }
 
     // Add 10 last temporal KFs (mainly for IMU)
+    // IMU模式下增加了临时的关键帧
     if((mSensor == System::IMU_MONOCULAR || mSensor == System::IMU_STEREO) &&mvpLocalKeyFrames.size()<80)
     {
         //cout << "CurrentKF: " << mCurrentFrame.mnId << endl;

src/TwoViewReconstruction.cc

@@ -1148,15 +1148,17 @@ int TwoViewReconstruction::CheckRT(const cv::Mat &R, const cv::Mat &t, const vec
         if (cosParallax < 0.99998)
             vbGood[vMatches12[i].first] = true;
     }
-    // 步骤8：得到3D点中较大的视差角
+    // 7 得到3D点中较小的视差角，并且转换成为角度制表示
     if (nGood > 0)
     {
-        // 从小到大排序
+        // 从小到大排序，注意vCosParallax值越大，视差越小
         sort(vCosParallax.begin(), vCosParallax.end());
 
-        // trick! 排序后并没有取最大的视差角
+        // !排序后并没有取最小的视差角，而是取一个较小的视差角
-        // 取一个较大的视差角
+		// 作者的做法：如果经过检验过后的有效3D点小于50个，那么就取最后那个最小的视差角(cos值最大)
+		// 如果大于50个，就取排名第50个的较小的视差角即可，为了避免3D点太多时出现太小的视差角 
         size_t idx = min(50, int(vCosParallax.size() - 1));
+        //将这个选中的角弧度制转换为角度制
         parallax = acos(vCosParallax[idx]) * 180 / CV_PI;
     }
     else