添加主函数、tracking注释

Examples/Monocular-Inertial/mono_inertial_tum_vi.cc

@@ -38,6 +38,7 @@ void LoadIMU(const string &strImuPath, vector<double> &vTimeStamps, vector<cv::P
 double ttrack_tot = 0;
 int main(int argc, char **argv)
 {
+    // 输出运行的序列数目
     const int num_seq = (argc-3)/3;
     cout << "num_seq = " << num_seq << endl;
     bool bFileName= ((argc % 3) == 1);
@@ -48,7 +49,7 @@ int main(int argc, char **argv)
 
     cout << "file name: " << file_name << endl;
 
-
+    // 按照下面提示至少输入6个参数
     if(argc < 6)
     {
         cerr << endl << "Usage: ./mono_inertial_tum_vi path_to_vocabulary path_to_settings path_to_image_folder_1 path_to_times_file_1 path_to_imu_data_1 (path_to_image_folder_2 path_to_times_file_2 path_to_imu_data_2 ... path_to_image_folder_N path_to_times_file_N path_to_imu_data_N) (trajectory_file_name)" << endl;
@@ -57,11 +58,12 @@ int main(int argc, char **argv)
 
 
     // Load all sequences:
+    // 准备加载所有序列的数据
     int seq;
-    vector< vector<string> > vstrImageFilenames;
+    vector< vector<string> > vstrImageFilenames;    //图像文件名
-    vector< vector<double> > vTimestampsCam;
+    vector< vector<double> > vTimestampsCam;        //图像时间戳
-    vector< vector<cv::Point3f> > vAcc, vGyro;
+    vector< vector<cv::Point3f> > vAcc, vGyro;      //加速度计，陀螺仪
-    vector< vector<double> > vTimestampsImu;
+    vector< vector<double> > vTimestampsImu;        //IMU时间戳
     vector<int> nImages;                            
     vector<int> nImu;
     vector<int> first_imu(num_seq,0);
@@ -75,12 +77,15 @@ int main(int argc, char **argv)
     nImu.resize(num_seq);
 
     int tot_images = 0;
+    // 遍历每个序列
     for (seq = 0; seq<num_seq; seq++)
     {
+        // Step 1 加载图像名和对应的图像时间戳
         cout << "Loading images for sequence " << seq << "...";
         LoadImages(string(argv[3*(seq+1)]), string(argv[3*(seq+1)+1]), vstrImageFilenames[seq], vTimestampsCam[seq]);
         cout << "LOADED!" << endl;
 
+        // Step 2 加载IMU数据
         cout << "Loading IMU for sequence " << seq << "...";
         LoadIMU(string(argv[3*(seq+1)+2]), vTimestampsImu[seq], vAcc[seq], vGyro[seq]);
         cout << "LOADED!" << endl;
@@ -89,6 +94,7 @@ int main(int argc, char **argv)
         tot_images += nImages[seq];
         nImu[seq] = vTimestampsImu[seq].size();
 
+        //检查是否存在有效数目的图像和imu数据
         if((nImages[seq]<=0)||(nImu[seq]<=0))
         {
             cerr << "ERROR: Failed to load images or IMU for sequence" << seq << endl;
@@ -96,9 +102,10 @@ int main(int argc, char **argv)
         }
 
         // Find first imu to be considered, supposing imu measurements start first
-
+        // Step 3 默认IMU数据早于图像数据记录，找到和第一帧图像时间戳最接近的imu时间戳索引，记录在first_imu[seq]中
         while(vTimestampsImu[seq][first_imu[seq]]<=vTimestampsCam[seq][0])
             first_imu[seq]++;
+        // 因为上面退出while循环时IMU时间戳刚刚超过图像时间戳，所以这里需要再减一个索引    
         first_imu[seq]--; // first imu measurement to be considered
 
     }
@@ -115,12 +122,12 @@ int main(int argc, char **argv)
     cout << "IMU data in the sequence: " << nImu << endl << endl;*/
 
     // Create SLAM system. It initializes all system threads and gets ready to process frames.
+    // Step 4 SLAM系统的初始化，包括读取配置文件、字典，创建跟踪、局部建图、闭环、显示线程
     ORB_SLAM3::System SLAM(argv[1],argv[2],ORB_SLAM3::System::IMU_MONOCULAR, true, 0, file_name);
 
     int proccIm = 0;
     for (seq = 0; seq<num_seq; seq++)
     {
-
         // Main loop
         cv::Mat im;
         vector<ORB_SLAM3::IMU::Point> vImuMeas;
@@ -128,15 +135,16 @@ int main(int argc, char **argv)
         cv::Ptr<cv::CLAHE> clahe = cv::createCLAHE(3.0, cv::Size(8, 8));
         for(int ni=0; ni<nImages[seq]; ni++, proccIm++)
         {
-
             // Read image from file
+            // Step 5 读取每一帧图像并转换为灰度图存储在im
             im = cv::imread(vstrImageFilenames[seq][ni],cv::IMREAD_GRAYSCALE);
 
             // clahe
+            // ?这里是什么作用？
             clahe->apply(im,im);
 
 
-            // cout << "mat type: " << im.type() << endl;
+            // 取出对应的图像时间戳
             double tframe = vTimestampsCam[seq][ni];
 
             if(im.empty())
@@ -148,12 +156,14 @@ int main(int argc, char **argv)
 
 
             // Load imu measurements from previous frame
+            //清空imu测量
             vImuMeas.clear();
 
             if(ni>0)
             {
                 // cout << "t_cam " << tframe << endl;
-
+                // Step 6 把上一图像帧和当前图像帧之间的imu信息存储在vImuMeas里
+                // 注意第一个图像帧没有对应的imu数据
                 while(vTimestampsImu[seq][first_imu[seq]]<=vTimestampsCam[seq][ni])
                 {
                     vImuMeas.push_back(ORB_SLAM3::IMU::Point(vAcc[seq][first_imu[seq]].x,vAcc[seq][first_imu[seq]].y,vAcc[seq][first_imu[seq]].z,
@@ -175,6 +185,7 @@ int main(int argc, char **argv)
 
             // Pass the image to the SLAM system
             // cout << "tframe = " << tframe << endl;
+            // Step 7 跟踪线程作为主线程运行
             SLAM.TrackMonocular(im,tframe,vImuMeas); // TODO change to monocular_inertial
 
     #ifdef COMPILEDWITHC11
@@ -190,6 +201,7 @@ int main(int argc, char **argv)
             vTimesTrack[ni]=ttrack;
 
             // Wait to load the next frame
+            // 等待读取下一帧
             double T=0;
             if(ni<nImages[seq]-1)
                 T = vTimestampsCam[seq][ni+1]-tframe;
@@ -203,7 +215,7 @@ int main(int argc, char **argv)
         if(seq < num_seq - 1)
         {
             cout << "Changing the dataset" << endl;
-
+            // Step 8 更换数据集 
             SLAM.ChangeDataset();
         }
 
@@ -211,13 +223,14 @@ int main(int argc, char **argv)
 
     // cout << "ttrack_tot = " << ttrack_tot << std::endl;
     // Stop all threads
+    // Step 9 关闭SLAM中所有线程
     SLAM.Shutdown();
 
 
     // Tracking time statistics
 
     // Save camera trajectory
-
+    // Step 10 保存相机位姿（轨迹）
     if (bFileName)
     {
         const string kf_file =  "kf_" + string(argv[argc-1]) + ".txt";
@@ -250,6 +263,14 @@ int main(int argc, char **argv)
     return 0;
 }
 
+/**
+ * @brief 加载图像及其时间戳
+ * 
+ * @param[in] strImagePath          图像路径名称
+ * @param[in] strPathTimes          图像时间戳文件名
+ * @param[in] vstrImages            图像路径及名称
+ * @param[in] vTimeStamps           图像时间戳和vstrImages一一对应
+ */
 void LoadImages(const string &strImagePath, const string &strPathTimes,
                 vector<string> &vstrImages, vector<double> &vTimeStamps)
 {
@@ -276,10 +297,19 @@ void LoadImages(const string &strImagePath, const string &strPathTimes,
     }
 }
 
+/**
+ * @brief 加载IMU数据
+ * 
+ * @param[in] strImuPath        IMU文件路径
+ * @param[in] vTimeStamps       IMU时间戳
+ * @param[in] vAcc              加速度计数据
+ * @param[in] vGyro             陀螺仪数据
+ */
 void LoadIMU(const string &strImuPath, vector<double> &vTimeStamps, vector<cv::Point3f> &vAcc, vector<cv::Point3f> &vGyro)
 {
     ifstream fImu;
     fImu.open(strImuPath.c_str());
+    // 预申请大小为5000的vector，不够可以再扩展
     vTimeStamps.reserve(5000);
     vAcc.reserve(5000);
     vGyro.reserve(5000);
@@ -288,6 +318,7 @@ void LoadIMU(const string &strImuPath, vector<double> &vTimeStamps, vector<cv::P
     {
         string s;
         getline(fImu,s);
+        // 跳过注释或无效数据
         if (s[0] == '#')
             continue;
 
@@ -305,6 +336,7 @@ void LoadIMU(const string &strImuPath, vector<double> &vTimeStamps, vector<cv::P
             item = s.substr(0, pos);
             data[6] = stod(item);
 
+            // 注意这里的时间戳除以10的9次方转化为秒单位
             vTimeStamps.push_back(data[0]/1e9);
             vAcc.push_back(cv::Point3f(data[4],data[5],data[6]));
             vGyro.push_back(cv::Point3f(data[1],data[2],data[3]));

Thirdparty/DBoW2/DBoW2/TemplatedVocabulary.h

@@ -1333,7 +1333,13 @@ int TemplatedVocabulary<TDescriptor,F>::stopWords(double minWeight)
 }
 
 // --------------------------------------------------------------------------
-
+/**
+ * @brief 读取TXT格式的预训练好的ORB字典
+ * 
+ * @param[in] filename    文件名
+ * @return true           读取成功
+ * @return false          读取失败
+ */
 template<class TDescriptor, class F>
 bool TemplatedVocabulary<TDescriptor,F>::loadFromTextFile(const std::string &filename)
 {
@@ -1350,8 +1356,8 @@ bool TemplatedVocabulary<TDescriptor,F>::loadFromTextFile(const std::string &fil
     getline(f,s);
     stringstream ss;
     ss << s;
-    ss >> m_k;
+    ss >> m_k;  // 树的分支数目
-    ss >> m_L;
+    ss >> m_L;  // 树的深度
     int n1, n2;
     ss >> n1;
     ss >> n2;
@@ -1362,17 +1368,19 @@ bool TemplatedVocabulary<TDescriptor,F>::loadFromTextFile(const std::string &fil
 	      return false;
     }
     
-    m_scoring = (ScoringType)n1;
+    m_scoring = (ScoringType)n1;      // 评分类型
-    m_weighting = (WeightingType)n2;
+    m_weighting = (WeightingType)n2;  // 权重类型
     createScoringObject();
 
-    // nodes
+    // 总共节点（nodes）数，是一个等比数列求和
+    //! bug 没有包含最后叶子节点数，应该改为 ((pow((double)m_k, (double)m_L + 2) - 1)/(m_k - 1))
+    //! 但是没有影响，因为这里只是reserve，实际存储是一步步resize实现
     int expected_nodes =
     (int)((pow((double)m_k, (double)m_L + 1) - 1)/(m_k - 1));
     m_nodes.reserve(expected_nodes);
-
+    // 预分配空间给 单词（叶子）数
     m_words.reserve(pow((double)m_k, (double)m_L + 1));
-
+    // 第一个节点是根节点，id设为0
     m_nodes.resize(1);
     m_nodes[0].id = 0;
     while(!f.eof())
@@ -1381,19 +1389,25 @@ bool TemplatedVocabulary<TDescriptor,F>::loadFromTextFile(const std::string &fil
         getline(f,snode);
         stringstream ssnode;
         ssnode << snode;
-
+        // nid 表示当前节点id，实际是读取顺序，从0开始
         int nid = m_nodes.size();
+        // 节点size 加1
         m_nodes.resize(m_nodes.size()+1);
 	      m_nodes[nid].id = nid;
 
+        // 读每行的第1个数字，表示父节点id
         int pid ;
         ssnode >> pid;
+        // 记录节点id的相互父子关系
         m_nodes[nid].parent = pid;
         m_nodes[pid].children.push_back(nid);
 
+        // 读取第2个数字，表示是否是叶子（Word）
         int nIsLeaf;
         ssnode >> nIsLeaf;
 
+        // 每个特征点描述子是256 bit，一个字节对应8 bit，所以一个特征点需要32个字节存储。
+        // 这里 F::L=32，也就是读取32个字节，最后以字符串形式存储在ssd
         stringstream ssd;
         for(int iD=0;iD<F::L;iD++)
         {
@@ -1401,20 +1415,27 @@ bool TemplatedVocabulary<TDescriptor,F>::loadFromTextFile(const std::string &fil
             ssnode >> sElement;
             ssd << sElement << " ";
 	      }
+        // 将ssd存储在该节点的描述子
         F::fromString(m_nodes[nid].descriptor, ssd.str());
 
+        // 读取最后一个数字：节点的权重（Word才有）
         ssnode >> m_nodes[nid].weight;
 
         if(nIsLeaf>0)
         {
+            // 如果是叶子（Word），存储到m_words 
             int wid = m_words.size();
             m_words.resize(wid+1);
 
+            //存储Word的id，具有唯一性
             m_nodes[nid].word_id = wid;
+
+            //构建 vector<Node*> m_words，存储word所在node的指针
             m_words[wid] = &m_nodes[nid];
         }
         else
         {
+            //非叶子节点，直接分配 m_k个分支
             m_nodes[nid].children.reserve(m_k);
         }
     }

include/Tracking.h

@@ -103,13 +103,14 @@ public:
 public:
 
     // Tracking states
+    // 跟踪状态
     enum eTrackingState{
-        SYSTEM_NOT_READY=-1,
+        SYSTEM_NOT_READY=-1,            //系统没有准备好的状态,一般就是在启动后加载配置文件和词典文件时候的状态
-        NO_IMAGES_YET=0,
+        NO_IMAGES_YET=0,                //当前无图像
-        NOT_INITIALIZED=1,
+        NOT_INITIALIZED=1,              //有图像但是没有完成初始化
-        OK=2,
+        OK=2,                           //正常跟踪状态
-        RECENTLY_LOST=3,
+        RECENTLY_LOST=3,                //IMU模式：当前地图中的KF>10,且丢失时间<5秒。纯视觉模式没有该状态
-        LOST=4,
+        LOST=4,                         //IMU模式：当前帧跟丢超过5s。纯视觉模式：重定位失败
         OK_KLT=5
     };
 
@@ -275,6 +276,7 @@ protected:
     int mMaxFrames;
 
     int mnFirstImuFrameId;
+    // 经过多少帧后可以重置IMU，一般设置为和帧率相同，对应的时间是1s
     int mnFramesToResetIMU;
 
     // Threshold close/far points

src/System.cc

@@ -52,7 +52,7 @@ System::System(const string &strVocFile, const string &strSettingsFile, const eS
     "under certain conditions. See LICENSE.txt." << endl << endl;
 
     cout << "Input sensor was set to: ";
-
+    // Step 1 输出当前传感器类型
     if(mSensor==MONOCULAR)
         cout << "Monocular" << endl;
     else if(mSensor==STEREO)
@@ -65,9 +65,10 @@ System::System(const string &strVocFile, const string &strSettingsFile, const eS
         cout << "Stereo-Inertial" << endl;
 
     //Check settings file
+    // Step 2 读取配置文件
     cv::FileStorage fsSettings(strSettingsFile.c_str(), 	//将配置文件名转换成为字符串
     						   cv::FileStorage::READ);		//只读
-    //如果打开失败，就输出调试信息
+    //如果打开失败，就输出错误信息
     if(!fsSettings.isOpened())
     {
        cerr << "Failed to open settings file at: " << strSettingsFile << endl;
@@ -78,13 +79,14 @@ System::System(const string &strVocFile, const string &strSettingsFile, const eS
 
     //----
     //Load ORB Vocabulary
+    // Step 3 加载ORB字典
     cout << endl << "Loading ORB Vocabulary. This could take a while..." << endl;
 
     //建立一个新的ORB字典
     mpVocabulary = new ORBVocabulary();
-    //获取字典加载状态
+    //读取预训练好的ORB字典并返回成功/失败标志
     bool bVocLoad = mpVocabulary->loadFromTextFile(strVocFile);
-    //如果加载失败，就输出调试信息
+    //如果加载失败，就输出错误信息
     if(!bVocLoad)
     {
         cerr << "Wrong path to vocabulary. " << endl;
@@ -94,13 +96,14 @@ System::System(const string &strVocFile, const string &strSettingsFile, const eS
     cout << "Vocabulary loaded!" << endl << endl;
 
     //Create KeyFrame Database
+    // Step 4 创建关键帧数据库
     mpKeyFrameDatabase = new KeyFrameDatabase(*mpVocabulary);
 
     //Create the Atlas
-    //mpMap = new Map();
+    // Step 5 创建多地图，参数0表示初始化关键帧id为0
     mpAtlas = new Atlas(0);
-    //----
   
+    // 下面注释看起来作者貌似想加地图重载功能，期待期待
     /*if(strLoadingFile.empty())
     {
         //Load ORB Vocabulary
@@ -167,24 +170,31 @@ System::System(const string &strVocFile, const string &strSettingsFile, const eS
         //usleep(10*1000*1000);
     }*/
 
-
+    // 设置Atlas中的传感器类型
     if (mSensor==IMU_STEREO || mSensor==IMU_MONOCULAR)
         mpAtlas->SetInertialSensor();
 
+    // Step 6 依次创建跟踪、局部建图、闭环、显示线程
     //Create Drawers. These are used by the Viewer
+    // 创建用于显示帧和地图的类，由Viewer调用
     mpFrameDrawer = new FrameDrawer(mpAtlas);
     mpMapDrawer = new MapDrawer(mpAtlas, strSettingsFile);
 
     //Initialize the Tracking thread
     //(it will live in the main thread of execution, the one that called this constructor)
+    // 创建跟踪线程（主线程）
     cout << "Seq. Name: " << strSequence << endl;
     mpTracker = new Tracking(this, mpVocabulary, mpFrameDrawer, mpMapDrawer,
                              mpAtlas, mpKeyFrameDatabase, strSettingsFile, mSensor, strSequence);
 
     //Initialize the Local Mapping thread and launch
+    //创建并开启local mapping线程
     mpLocalMapper = new LocalMapping(this, mpAtlas, mSensor==MONOCULAR || mSensor==IMU_MONOCULAR, mSensor==IMU_MONOCULAR || mSensor==IMU_STEREO, strSequence);
     mptLocalMapping = new thread(&ORB_SLAM3::LocalMapping::Run,mpLocalMapper);
+
+    //initFr表示初始化帧的id，代码里设置为0
     mpLocalMapper->mInitFr = initFr;
+    //设置最远3D地图点的深度值，如果超过阈值，说明可能三角化不太准确，丢弃
     mpLocalMapper->mThFarPoints = fsSettings["thFarPoints"];
     if(mpLocalMapper->mThFarPoints!=0)
     {
@@ -196,10 +206,12 @@ System::System(const string &strVocFile, const string &strSettingsFile, const eS
 
     //Initialize the Loop Closing thread and launch
     // mSensor!=MONOCULAR && mSensor!=IMU_MONOCULAR
+    // 创建并开启闭环线程
     mpLoopCloser = new LoopClosing(mpAtlas, mpKeyFrameDatabase, mpVocabulary, mSensor!=MONOCULAR); // mSensor!=MONOCULAR);
     mptLoopClosing = new thread(&ORB_SLAM3::LoopClosing::Run, mpLoopCloser);
 
     //Initialize the Viewer thread and launch
+    // 创建并开启显示线程
     if(bUseViewer)
     {
         mpViewer = new Viewer(this, mpFrameDrawer,mpMapDrawer,mpTracker,strSettingsFile);
@@ -210,6 +222,7 @@ System::System(const string &strVocFile, const string &strSettingsFile, const eS
     }
 
     //Set pointers between threads
+    // 设置线程间的指针
     mpTracker->SetLocalMapper(mpLocalMapper);
     mpTracker->SetLoopClosing(mpLoopCloser);
 
@@ -348,8 +361,18 @@ cv::Mat System::TrackRGBD(const cv::Mat &im, const cv::Mat &depthmap, const doub
     return Tcw;
 }
 
+/**
+ * @brief 单目/单目VIO跟踪
+ * 
+ * @param[in] im                灰度图像
+ * @param[in] timestamp         图像时间戳
+ * @param[in] vImuMeas          上一帧到当前帧图像之间的IMU测量值
+ * @param[in] filename          调试用的文件名
+ * @return cv::Mat              当前帧位姿Tcw
+ */
 cv::Mat System::TrackMonocular(const cv::Mat &im, const double &timestamp, const vector<IMU::Point>& vImuMeas, string filename)
 {
+    // 确保是单目或单目VIO模式
     if(mSensor!=MONOCULAR && mSensor!=IMU_MONOCULAR)
     {
         cerr << "ERROR: you called TrackMonocular but input sensor was not set to Monocular nor Monocular-Inertial." << endl;
@@ -359,6 +382,7 @@ cv::Mat System::TrackMonocular(const cv::Mat &im, const double &timestamp, const
     // Check mode change
     {
         unique_lock<mutex> lock(mMutexMode);
+        // mbActivateLocalizationMode为true会关闭局部地图线程，仅跟踪模式
         if(mbActivateLocalizationMode)
         {
             mpLocalMapper->RequestStop();
@@ -368,7 +392,7 @@ cv::Mat System::TrackMonocular(const cv::Mat &im, const double &timestamp, const
             {
                 usleep(1000);
             }
-
+            // 局部地图关闭以后，只进行追踪的线程，只计算相机的位姿，没有对局部地图进行更新
             mpTracker->InformOnlyTracking(true);
             mbActivateLocalizationMode = false;
         }
@@ -396,11 +420,12 @@ cv::Mat System::TrackMonocular(const cv::Mat &im, const double &timestamp, const
             mbResetActiveMap = false;
         }
     }
-
+    // 如果是单目VIO模式，把IMU数据存储到mlQueueImuData
     if (mSensor == System::IMU_MONOCULAR)
         for(size_t i_imu = 0; i_imu < vImuMeas.size(); i_imu++)
             mpTracker->GrabImuData(vImuMeas[i_imu]);
 
+    // 计算相机位姿
     cv::Mat Tcw = mpTracker->GrabImageMonocular(im,timestamp,filename);
 
     unique_lock<mutex> lock2(mMutexState);

src/Tracking.cc

@@ -1034,11 +1034,20 @@ cv::Mat Tracking::GrabImageRGBD(const cv::Mat &imRGB,const cv::Mat &imD, const d
     return mCurrentFrame.mTcw.clone();
 }
 
-
+/**
+ * @brief 输入单目图像，输出世界坐标系到该帧相机坐标系的变换矩阵
+ * 
+ * @param[in] im                单目图像
+ * @param[in] timestamp         时间戳
+ * @param[in] filename          文件名（调试用）
+ * @return cv::Mat              世界坐标系到相机坐标系的变换矩阵
+ */
 cv::Mat Tracking::GrabImageMonocular(const cv::Mat &im, const double &timestamp, string filename)
 {
     mImGray = im;
 
+    // Step 1 ：将彩色图像转为灰度图像
+    //若图片是3、4通道的，还需要转化成单通道灰度图
     if(mImGray.channels()==3)
     {
         if(mbRGB)
@@ -1054,6 +1063,7 @@ cv::Mat Tracking::GrabImageMonocular(const cv::Mat &im, const double &timestamp,
             cvtColor(mImGray,mImGray,CV_BGRA2GRAY);
     }
 
+    // Step 2 ：构造Frame
     if (mSensor == System::MONOCULAR)
     {
         if(mState==NOT_INITIALIZED || mState==NO_IMAGES_YET ||(lastID - initID) < mMaxFrames)
@@ -1071,6 +1081,7 @@ cv::Mat Tracking::GrabImageMonocular(const cv::Mat &im, const double &timestamp,
             mCurrentFrame = Frame(mImGray,timestamp,mpORBextractorLeft,mpORBVocabulary,mpCamera,mDistCoef,mbf,mThDepth,&mLastFrame,*mpImuCalib);
     }
 
+    // t0存储未初始化时的第1帧时间戳
     if (mState==NO_IMAGES_YET)
         t0=timestamp;
 
@@ -1080,6 +1091,8 @@ cv::Mat Tracking::GrabImageMonocular(const cv::Mat &im, const double &timestamp,
     mCurrentFrame.mnDataset = mnNumDataset;
 
     lastID = mCurrentFrame.mnId;
+
+    // Step 3 ：跟踪
     Track();
 
     std::chrono::steady_clock::time_point t1 = std::chrono::steady_clock::now();
@@ -1101,6 +1114,7 @@ cv::Mat Tracking::GrabImageMonocular(const cv::Mat &im, const double &timestamp,
     f_track_times << t_track << endl;
 #endif
 
+    //返回当前帧的位姿
     return mCurrentFrame.mTcw.clone();
 }
 
@@ -1383,7 +1397,10 @@ void Tracking::ResetFrameIMU()
     // TODO To implement...
 }
 
-
+/**
+ * @brief 跟踪过程，包括恒速模型跟踪、参考关键帧跟踪、局部地图跟踪
+ * 
+ */
 void Tracking::Track()
 {
 #ifdef SAVE_TIMES
@@ -1400,6 +1417,7 @@ void Tracking::Track()
         mbStep = false;
     }
 
+    // Step 1 如局部建图里认为IMU有问题，重置地图
     if(mpLocalMapper->mbBadImu)
     {
         cout << "TRACK: Reset map because local mapper set the bad imu flag " << endl;
@@ -1407,12 +1425,16 @@ void Tracking::Track()
         return;
     }
 
+    // 从Atlas中取出当前active的地图
     Map* pCurrentMap = mpAtlas->GetCurrentMap();
 
+    // Step 2 处理时间戳异常的情况
     if(mState!=NO_IMAGES_YET)
     {
+        // 进入以下两个if语句都是不正常的情况，不进行跟踪直接返回
         if(mLastFrame.mTimeStamp>mCurrentFrame.mTimeStamp)
         {
+            // 如果当前图像时间戳比前一帧图像时间戳小，说明出错了，清除imu数据，创建新的子地图
             cerr << "ERROR: Frame with a timestamp older than previous frame detected!" << endl;
             unique_lock<mutex> lock(mMutexImuQueue);
             mlQueueImuData.clear();
@@ -1421,34 +1443,38 @@ void Tracking::Track()
         }
         else if(mCurrentFrame.mTimeStamp>mLastFrame.mTimeStamp+1.0)
         {
+            // 如果当前图像时间戳和前一帧图像时间戳大于1s，说明时间戳明显跳变了，重置地图后直接返回
             cout << "id last: " << mLastFrame.mnId << "    id curr: " << mCurrentFrame.mnId << endl;
             if(mpAtlas->isInertial())
             {
-
+                // 如果当前地图imu成功初始化
                 if(mpAtlas->isImuInitialized())
                 {
                     cout << "Timestamp jump detected. State set to LOST. Reseting IMU integration..." << endl;
                     if(!pCurrentMap->GetIniertialBA2())
                     {
+                        // 如果当前子图中imu没有经过BA2，重置active地图
                         mpSystem->ResetActiveMap();
                     }
                     else
                     {
+                        // 如果当前子图中imu进行了BA2，重新创建新的子图
                         CreateMapInAtlas();
                     }
                 }
                 else
                 {
+                    // 如果当前子图中imu没有初始化，重置active地图
                     cout << "Timestamp jump detected, before IMU initialization. Reseting..." << endl;
                     mpSystem->ResetActiveMap();
                 }
             }
-
+            // 不跟踪直接返回
             return;
         }
     }
 
-
+    // Step 3 IMU模式下设置IMU的Bias参数
     if ((mSensor == System::IMU_MONOCULAR || mSensor == System::IMU_STEREO) && mpLastKeyFrame)
         mCurrentFrame.SetNewBias(mpLastKeyFrame->GetImuBias());
 
@@ -1458,12 +1484,13 @@ void Tracking::Track()
     }
 
     mLastProcessedState=mState;
-
+    // Step 4 IMU模式下对IMU数据进行预积分
     if ((mSensor == System::IMU_MONOCULAR || mSensor == System::IMU_STEREO) && !mbCreatedMap)
     {
 #ifdef SAVE_TIMES
         std::chrono::steady_clock::time_point t0 = std::chrono::steady_clock::now();
 #endif
+        // IMU数据进行预积分
         PreintegrateIMU();
 #ifdef SAVE_TIMES
         std::chrono::steady_clock::time_point t1 = std::chrono::steady_clock::now();
@@ -1476,10 +1503,14 @@ void Tracking::Track()
     mbCreatedMap = false;
 
     // Get Map Mutex -> Map cannot be changed
+    // 地图更新时加锁。保证地图不会发生变化
+    // 疑问:这样子会不会影响地图的实时更新?
+    // 回答：主要耗时在构造帧中特征点的提取和匹配部分,在那个时候地图是没有被上锁的,有足够的时间更新地图
     unique_lock<mutex> lock(pCurrentMap->mMutexMapUpdate);
 
     mbMapUpdated = false;
 
+    // 判断地图id是否更新了
     int nCurMapChangeIndex = pCurrentMap->GetMapChangeIndex();
     int nMapChangeIndex = pCurrentMap->GetLastMapChange();
     if(nCurMapChangeIndex>nMapChangeIndex)
@@ -1492,10 +1523,15 @@ void Tracking::Track()
 
     if(mState==NOT_INITIALIZED)
     {   
+        // Step 5 初始化
         if(mSensor==System::STEREO || mSensor==System::RGBD || mSensor==System::IMU_STEREO)
+        {
+            //双目RGBD相机的初始化共用一个函数
             StereoInitialization();
+        }
         else
         {
+            //单目初始化
             MonocularInitialization();
         }
 
@@ -1503,21 +1539,26 @@ void Tracking::Track()
 
         if(mState!=OK) // If rightly initialized, mState=OK
         {
+            // 如果没有成功初始化，直接返回
             mLastFrame = Frame(mCurrentFrame);
             return;
         }
 
         if(mpAtlas->GetAllMaps().size() == 1)
         {
+            // 如果当前地图是第一个地图，记录当前帧id为第一帧
             mnFirstFrameId = mCurrentFrame.mnId;
         }
     }
     else
     {
         // System is initialized. Track Frame.
+        // Step 6 系统成功初始化，下面是具体跟踪过程
         bool bOK;
 
         // Initial camera pose estimation using motion model or relocalization (if tracking is lost)
+        // mbOnlyTracking等于false表示正常SLAM模式（定位+地图更新），mbOnlyTracking等于true表示仅定位模式
+        // tracking 类构造时默认为false。在viewer中有个开关ActivateLocalizationMode，可以控制是否开启mbOnlyTracking
         if(!mbOnlyTracking)
         {
 #ifdef SAVE_TIMES
@@ -1527,12 +1568,22 @@ void Tracking::Track()
             // State OK
             // Local Mapping is activated. This is the normal behaviour, unless
             // you explicitly activate the "only tracking" mode.
+            // 跟踪进入正常SLAM模式，有地图更新
+
+            // 如果正常跟踪
             if(mState==OK)
             {
 
                 // Local Mapping might have changed some MapPoints tracked in last frame
+                // Step 6.1 检查并更新上一帧被替换的MapPoints
+                // 局部建图线程则可能会对原有的地图点进行替换.在这里进行检查
                 CheckReplacedInLastFrame();
 
+
+                // Step 6.2 运动模型是空的并且imu未初始化或刚完成重定位，跟踪参考关键帧；否则恒速模型跟踪
+                // 第一个条件,如果运动模型为空并且imu未初始化,说明是刚开始第一帧跟踪，或者已经跟丢了。
+                // 第二个条件,如果当前帧紧紧地跟着在重定位的帧的后面，我们用重定位帧来恢复位姿
+                // mnLastRelocFrameId 上一次重定位的那一帧
                 if((mVelocity.empty() && !pCurrentMap->isImuInitialized()) || mCurrentFrame.mnId<mnLastRelocFrameId+2)
                 {
                     //Verbose::PrintMess("TRACK: Track with respect to the reference KF ", Verbose::VERBOSITY_DEBUG);
@@ -1541,14 +1592,21 @@ void Tracking::Track()
                 else
                 {
                     //Verbose::PrintMess("TRACK: Track with motion model", Verbose::VERBOSITY_DEBUG);
+                    // 用恒速模型跟踪。所谓的恒速就是假设上上帧到上一帧的位姿=上一帧的位姿到当前帧位姿
+                    // 根据恒速模型设定当前帧的初始位姿，用最近的普通帧来跟踪当前的普通帧
+                    // 通过投影的方式在参考帧中找当前帧特征点的匹配点，优化每个特征点所对应3D点的投影误差即可得到位姿
                     bOK = TrackWithMotionModel();
                     if(!bOK)
+                        //根据恒速模型失败了，只能根据参考关键帧来跟踪
                         bOK = TrackReferenceKeyFrame();
                 }
 
-
+                // Step 6.3 如果经过跟踪参考关键帧、恒速模型跟踪都失败的话，并满足一定条件就要标记为LOST了
                 if (!bOK)
                 {
+                    // 条件1：如果当前帧距离上次重定位帧不久（时间在1s内）
+                    //        mnFramesToResetIMU 表示经过多少帧后可以重置IMU，一般设置为和帧率相同，对应的时间是1s
+                    // 条件2：单目+IMU 或者 双目+IMU模式
                     if ( mCurrentFrame.mnId<=(mnLastRelocFrameId+mnFramesToResetIMU) &&
                          (mSensor==System::IMU_MONOCULAR || mSensor==System::IMU_STEREO))
                     {
@@ -1556,6 +1614,8 @@ void Tracking::Track()
                     }
                     else if(pCurrentMap->KeyFramesInMap()>10)   
                     {
+                        // 当前地图中关键帧数目大于10 并且 当前帧距离上次重定位帧超过1s（隐藏条件）
+                        // 状态标记为RECENTLY_LOST
                         cout << "KF in map: " << pCurrentMap->KeyFramesInMap() << endl;
                         mState = RECENTLY_LOST;
                         mTimeStampLost = mCurrentFrame.mTimeStamp;
@@ -1567,21 +1627,26 @@ void Tracking::Track()
                     }
                 }
             }
-            else
+            else    //跟踪不正常按照下面处理
             {
 
                 if (mState == RECENTLY_LOST)
                 {
+                    // 如果是RECENTLY_LOST状态（仅存在IMU模式下，纯视觉模式无此状态）
                     Verbose::PrintMess("Lost for a short time", Verbose::VERBOSITY_NORMAL);
-
+                    // bOK先置为true
                     bOK = true;
-                    if((mSensor == System::IMU_MONOCULAR || mSensor == System::IMU_STEREO))
+
+                    if((mSensor == System::IMU_MONOCULAR || mSensor == System::IMU_STEREO)) // IMU模式
                     {
+                        // Step 6.4 如果当前地图中IMU已经成功初始化，就用IMU数据预测位姿
                         if(pCurrentMap->isImuInitialized())
                             PredictStateIMU();
                         else
                             bOK = false;
 
+                        // 如果当前帧距离跟丢帧已经超过了5s（time_recently_lost默认为5）
+                        // 将RECENTLY_LOST状态改为LOST
                         if (mCurrentFrame.mTimeStamp-mTimeStampLost>time_recently_lost)
                         {
                             mState = LOST;
@@ -1591,10 +1656,12 @@ void Tracking::Track()
                     }
                     else    
                     {
+                        // Step 6.5 纯视觉模式则进行重定位。主要是BOW搜索，EPnP求解位姿
                         // TODO fix relocalization
                         bOK = Relocalization();
                         if(!bOK)
                         {
+                            // 纯视觉模式下重定位失败，状态为LOST
                             mState = LOST;
                             Verbose::PrintMess("Track Lost...", Verbose::VERBOSITY_NORMAL);
                             bOK=false;
@@ -1603,14 +1670,16 @@ void Tracking::Track()
                 }
                 else if (mState == LOST)
                 {
-
+                    // Step 6.6 如果是LOST状态
                     Verbose::PrintMess("A new map is started...", Verbose::VERBOSITY_NORMAL);
 
                     if (pCurrentMap->KeyFramesInMap()<10)
                     {
+                        //当前地图中关键帧数目小于10，重置当前地图
                         mpSystem->ResetActiveMap();
                         cout << "Reseting current map..." << endl;
                     }else
+                        //当前地图中关键帧数目超过10，创建新地图
                         CreateMapInAtlas();
 
                     if(mpLastKeyFrame)
@@ -1633,23 +1702,31 @@ void Tracking::Track()
         else
         {
             // Localization Mode: Local Mapping is deactivated (TODO Not available in inertial mode)
+            // 只进行跟踪tracking，局部地图不工作
             if(mState==LOST)
             {
                 if(mSensor == System::IMU_MONOCULAR || mSensor == System::IMU_STEREO)
                     Verbose::PrintMess("IMU. State LOST", Verbose::VERBOSITY_NORMAL);
+                // Step 6.1 LOST状态进行重定位    
                 bOK = Relocalization();
             }
             else
             {
+                // mbVO是mbOnlyTracking为true时的才有的一个变量
+                // mbVO为false表示此帧匹配了很多的MapPoints，跟踪很正常 (注意有点反直觉)
+                // mbVO为true表明此帧匹配了很少的MapPoints，少于10个，要跟丢
                 if(!mbVO)
                 {
                     // In last frame we tracked enough MapPoints in the map
+                    // Step 6.2 如果跟踪状态正常，使用恒速模型或参考关键帧跟踪
                     if(!mVelocity.empty())
                     {
+                        // 优先使用恒速模型跟踪
                         bOK = TrackWithMotionModel();
                     }
                     else
                     {
+                        // 如果恒速模型不被满足,那么就只能够通过参考关键帧来跟踪
                         bOK = TrackReferenceKeyFrame();
                     }
                 }
@@ -1661,32 +1738,49 @@ void Tracking::Track()
                     // If relocalization is sucessfull we choose that solution, otherwise we retain
                     // the "visual odometry" solution.
 
+                    // mbVO为true，表明此帧匹配了很少（小于10）的地图点，要跟丢的节奏，既做跟踪又做重定位
+
+                    // MM=Motion Model,通过运动模型进行跟踪的结果
                     bool bOKMM = false;
+                    // 通过重定位方法来跟踪的结果
                     bool bOKReloc = false;
+                    // 运动模型中构造的地图点
                     vector<MapPoint*> vpMPsMM;
+                    // 在追踪运动模型后发现的外点
                     vector<bool> vbOutMM;
+                    // 运动模型得到的位姿
                     cv::Mat TcwMM;
+                    // Step 6.3 当运动模型有效的时候,根据运动模型计算位姿
                     if(!mVelocity.empty())
                     {
                         bOKMM = TrackWithMotionModel();
+                        // 将恒速模型跟踪结果暂存到这几个变量中，因为后面重定位会改变这些变量
                         vpMPsMM = mCurrentFrame.mvpMapPoints;
                         vbOutMM = mCurrentFrame.mvbOutlier;
                         TcwMM = mCurrentFrame.mTcw.clone();
                     }
+                    // Step 6.4 使用重定位的方法来得到当前帧的位姿
                     bOKReloc = Relocalization();
 
+                    // Step 6.5 根据前面的恒速模型、重定位结果来更新状态
                     if(bOKMM && !bOKReloc)
                     {
+                        // 恒速模型成功、重定位失败，重新使用之前暂存的恒速模型结果
                         mCurrentFrame.SetPose(TcwMM);
                         mCurrentFrame.mvpMapPoints = vpMPsMM;
                         mCurrentFrame.mvbOutlier = vbOutMM;
 
+                        //? 疑似bug！这段代码是不是重复增加了观测次数？后面 TrackLocalMap 函数中会有这些操作
+                        // 如果当前帧匹配的3D点很少，增加当前可视地图点的被观测次数
                         if(mbVO)
                         {
+                            // 更新当前帧的地图点被观测次数
                             for(int i =0; i<mCurrentFrame.N; i++)
                             {
+                                // 如果这个特征点形成了地图点,并且也不是外点的时候
                                 if(mCurrentFrame.mvpMapPoints[i] && !mCurrentFrame.mvbOutlier[i])
                                 {
+                                    // 增加能观测到该地图点的帧数
                                     mCurrentFrame.mvpMapPoints[i]->IncreaseFound();
                                 }
                             }
@@ -1694,18 +1788,21 @@ void Tracking::Track()
                     }
                     else if(bOKReloc)
                     {
+                        // 只要重定位成功整个跟踪过程正常进行（重定位与跟踪，更相信重定位）
                         mbVO = false;
                     }
-
+                    // 有一个成功我们就认为执行成功了
                     bOK = bOKReloc || bOKMM;
                 }
             }
         }
-
+        // 将最新的关键帧作为当前帧的参考关键帧
         if(!mCurrentFrame.mpReferenceKF)
             mCurrentFrame.mpReferenceKF = mpReferenceKF;
 
         // If we have an initial estimation of the camera pose and matching. Track the local map.
+        // Step 7 在跟踪得到当前帧初始姿态后，现在对local map进行跟踪得到更多的匹配，并优化当前位姿
+        // 前面只是跟踪一帧得到初始位姿，这里搜索局部关键帧、局部地图点，和当前帧进行投影匹配，得到更多匹配的MapPoints后进行Pose优化
         if(!mbOnlyTracking)
         {
             if(bOK)
@@ -1713,6 +1810,7 @@ void Tracking::Track()
 #ifdef SAVE_TIMES
                 std::chrono::steady_clock::time_point time_StartTrackLocalMap = std::chrono::steady_clock::now();
 #endif
+                // 局部地图跟踪
                 bOK = TrackLocalMap();
 #ifdef SAVE_TIMES
                 std::chrono::steady_clock::time_point time_EndTrackLocalMap = std::chrono::steady_clock::now();
@@ -1734,7 +1832,9 @@ void Tracking::Track()
                 bOK = TrackLocalMap();
         }
 
+        // Step 8 根据上面的操作来判断是否追踪成功
         if(bOK)
+            // 此时还OK才说明跟踪成功了
             mState = OK;
         else if (mState == OK)
         {
@@ -1743,6 +1843,7 @@ void Tracking::Track()
                 Verbose::PrintMess("Track lost for less than one second...", Verbose::VERBOSITY_NORMAL);
                 if(!pCurrentMap->isImuInitialized() || !pCurrentMap->GetIniertialBA2())
                 {
+                    // IMU模式下IMU没有成功初始化或者没有完成IMU BA，则重置当前地图
                     cout << "IMU is not or recently initialized. Reseting active map..." << endl;
                     mpSystem->ResetActiveMap();
                 }
@@ -1752,6 +1853,7 @@ void Tracking::Track()
             else
                 mState=LOST; // visual to lost
 
+            // 如果当前帧距离上次重定位帧超过1s，用当前帧时间戳更新lost帧时间戳
             if(mCurrentFrame.mnId>mnLastRelocFrameId+mMaxFrames)
             {
                 mTimeStampLost = mCurrentFrame.mTimeStamp;
@@ -1759,7 +1861,10 @@ 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)
-        if((mCurrentFrame.mnId<(mnLastRelocFrameId+mnFramesToResetIMU)) && (mCurrentFrame.mnId > mnFramesToResetIMU) && ((mSensor == System::IMU_MONOCULAR) || (mSensor == System::IMU_STEREO)) && pCurrentMap->isImuInitialized())
+        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
             Verbose::PrintMess("Saving pointer to frame. imu needs reset...", Verbose::VERBOSITY_NORMAL);
@@ -1770,10 +1875,11 @@ void Tracking::Track()
             pF->mpImuPreintegratedFrame = new IMU::Preintegrated(mCurrentFrame.mpImuPreintegratedFrame);
         }
 
-        if(pCurrentMap->isImuInitialized())
+        if(pCurrentMap->isImuInitialized())     // IMU成功初始化
         {
-            if(bOK)
+            if(bOK)     // 跟踪成功
             {
+                // 当前帧距离上次重定位帧刚好等于1s，重置IMU
                 if(mCurrentFrame.mnId==(mnLastRelocFrameId+mnFramesToResetIMU))
                 {
                     cout << "RESETING FRAME!!!" << endl;
@@ -1785,27 +1891,33 @@ void Tracking::Track()
         }
 
         // Update drawer
+        // 更新显示线程中的图像、特征点、地图点等信息
         mpFrameDrawer->Update(this);
         if(!mCurrentFrame.mTcw.empty())
             mpMapDrawer->SetCurrentCameraPose(mCurrentFrame.mTcw);
 
+        // Step 9 如果跟踪成功 或 最近刚刚跟丢，更新速度，清除无效地图点，按需创建关键帧
         if(bOK || mState==RECENTLY_LOST)
         {
             // Update motion model
+            // Step 9.1 更新恒速运动模型 TrackWithMotionModel 中的mVelocity
             if(!mLastFrame.mTcw.empty() && !mCurrentFrame.mTcw.empty())
             {
                 cv::Mat LastTwc = cv::Mat::eye(4,4,CV_32F);
                 mLastFrame.GetRotationInverse().copyTo(LastTwc.rowRange(0,3).colRange(0,3));
                 mLastFrame.GetCameraCenter().copyTo(LastTwc.rowRange(0,3).col(3));
+                // mVelocity = Tcl = Tcw * Twl,表示上一帧到当前帧的变换， 其中 Twl = LastTwc
                 mVelocity = mCurrentFrame.mTcw*LastTwc;
             }
             else
+                //否则速度为空
                 mVelocity = cv::Mat();
 
             if(mSensor == System::IMU_MONOCULAR || mSensor == System::IMU_STEREO)
                 mpMapDrawer->SetCurrentCameraPose(mCurrentFrame.mTcw);
 
             // Clean VO matches
+            // Step 9.2 清除观测不到的地图点
             for(int i=0; i<mCurrentFrame.N; i++)
             {
                 MapPoint* pMP = mCurrentFrame.mvpMapPoints[i];
@@ -1818,16 +1930,22 @@ void Tracking::Track()
             }
 
             // Delete temporal MapPoints
+            // Step 9.3 清除恒速模型跟踪中 UpdateLastFrame中为当前帧临时添加的MapPoints（仅双目和rgbd）
+            // 上个步骤中只是在当前帧中将这些MapPoints剔除，这里从MapPoints数据库中删除
+            // 临时地图点仅仅是为了提高双目或rgbd摄像头的帧间跟踪效果，用完以后就扔了，没有添加到地图中
             for(list<MapPoint*>::iterator lit = mlpTemporalPoints.begin(), lend =  mlpTemporalPoints.end(); lit!=lend; lit++)
             {
                 MapPoint* pMP = *lit;
                 delete pMP;
             }
+            // 这里不仅仅是清除mlpTemporalPoints，通过delete pMP还删除了指针指向的MapPoint
+            // 不能够直接执行这个是因为其中存储的都是指针,之前的操作都是为了避免内存泄露
             mlpTemporalPoints.clear();
 
 #ifdef SAVE_TIMES
             std::chrono::steady_clock::time_point timeStartNewKF = std::chrono::steady_clock::now();
 #endif
+            // 判断是否需要插入关键帧
             bool bNeedKF = NeedNewKeyFrame();
 #ifdef SAVE_TIMES
             std::chrono::steady_clock::time_point timeEndNewKF = std::chrono::steady_clock::now();
@@ -1838,23 +1956,35 @@ void Tracking::Track()
 
 
             // Check if we need to insert a new keyframe
+            // Step 9.4 根据条件来判断是否插入关键帧
+            // 需要同时满足下面条件1和2
+            // 条件1：bNeedKF=true，需要插入关键帧
+            // 条件2：bOK=true跟踪成功 或 IMU模式下的RECENTLY_LOST模式
             if(bNeedKF && (bOK|| (mState==RECENTLY_LOST && (mSensor == System::IMU_MONOCULAR || mSensor == System::IMU_STEREO))))
+                // 创建关键帧，对于双目或RGB-D会产生新的地图点
                 CreateNewKeyFrame();
 
             // We allow points with high innovation (considererd outliers by the Huber Function)
             // pass to the new keyframe, so that bundle adjustment will finally decide
             // if they are outliers or not. We don't want next frame to estimate its position
             // with those points so we discard them in the frame. Only has effect if lastframe is tracked
+            // 作者这里说允许在BA中被Huber核函数判断为外点的传入新的关键帧中，让后续的BA来审判他们是不是真正的外点
+            // 但是估计下一帧位姿的时候我们不想用这些外点，所以删掉
+
+            //  Step 9.5 删除那些在BA中检测为外点的地图点            
             for(int i=0; i<mCurrentFrame.N;i++)
             {
+                // 这里第一个条件还要执行判断是因为, 前面的操作中可能删除了其中的地图点
                 if(mCurrentFrame.mvpMapPoints[i] && mCurrentFrame.mvbOutlier[i])
                     mCurrentFrame.mvpMapPoints[i]=static_cast<MapPoint*>(NULL);
             }
         }
 
         // Reset if the camera get lost soon after initialization
+        // Step 10 如果跟踪失败，复位
         if(mState==LOST)
         {
+            // 如果地图中关键帧小于5，重置当前地图，退出当前跟踪
             if(pCurrentMap->KeyFramesInMap()<=5)
             {
                 mpSystem->ResetActiveMap();
@@ -1863,28 +1993,28 @@ void Tracking::Track()
             if ((mSensor == System::IMU_MONOCULAR) || (mSensor == System::IMU_STEREO))
                 if (!pCurrentMap->isImuInitialized())
                 {
+                    // 如果是IMU模式并且还未进行IMU初始化，重置当前地图，退出当前跟踪
                     Verbose::PrintMess("Track lost before IMU initialisation, reseting...", Verbose::VERBOSITY_QUIET);
                     mpSystem->ResetActiveMap();
                     return;
                 }
-
+            // 如果地图中关键帧超过5 并且 纯视觉模式 或 虽然是IMU模式但是已经完成IMU初始化了，创建新的地图
             CreateMapInAtlas();
         }
-
+        //确保已经设置了参考关键帧
         if(!mCurrentFrame.mpReferenceKF)
             mCurrentFrame.mpReferenceKF = mpReferenceKF;
-
+        // 保存上一帧的数据,当前帧变上一帧
         mLastFrame = Frame(mCurrentFrame);
     }
 
-
+    // Step 11 记录位姿信息，用于最后保存所有的轨迹
-
-
     if(mState==OK || mState==RECENTLY_LOST)
     {
         // Store frame pose information to retrieve the complete camera trajectory afterwards.
         if(!mCurrentFrame.mTcw.empty())
         {
+            // 计算相对姿态Tcr = Tcw * Twr, Twr = Trw^-1
             cv::Mat Tcr = mCurrentFrame.mTcw*mCurrentFrame.mpReferenceKF->GetPoseInverse();
             mlRelativeFramePoses.push_back(Tcr);
             mlpReferences.push_back(mCurrentFrame.mpReferenceKF);
@@ -1894,6 +2024,7 @@ void Tracking::Track()
         else
         {
             // This can happen if tracking is lost
+            // 如果跟踪失败，则相对位姿使用上一次值
             mlRelativeFramePoses.push_back(mlRelativeFramePoses.back());
             mlpReferences.push_back(mlpReferences.back());
             mlFrameTimes.push_back(mlFrameTimes.back());