最近在讀ORB-SLAM的代碼，雖然代碼注釋算比較多了，但各種類和變量互相引用，看起來有點痛苦。索性總結了一下Tracking部分的代碼結構，希望能抓住主要思路，不掉坑里。

追蹤

追蹤部分的主要思路是在當前幀和（局部）地圖之間尋找盡可能多的對應關系，來優化當前幀的位姿。

作者在追蹤這部分主要用了幾種模型：運動模型（Tracking with motion model）、關鍵幀（Tracking with reference key frame）和重定位（Relocalization）。

下面一一介紹。

Tracking with motion model

假設物體處于勻速運動，那么可以用上一幀的位姿和速度來估計當前幀的位姿。上一幀的速度可以通過前面幾幀的位姿計算得到。這個模型適用于運動速度和方向比較一致，沒有大轉動的情形下，比如勻速運動的汽車、機器人、人等。而對于運動比較隨意的目標，當然就會失效了。此時就要用到下面兩個模型。

Tracking with reference key frame

假如motion model已經失效，那么首先可以嘗試和最近一個關鍵幀去做匹配。畢竟當前幀和上一個關鍵幀的距離還不是很遠。作者利用了bag of Words（BoW）來加速匹配。首先，計算當前幀的BoW，并設定初始位姿為上一幀的位姿；其次，根據位姿和BoW詞典來尋找特征匹配（參見ORB－SLAM（六）回環檢測）；最后，利用匹配的特征優化位姿（參見ORB－SLAM（五）優化）。

Relocalization

假如當前幀與最近鄰關鍵幀的匹配也失敗了，那么意味著此時當前幀已經丟了，無法確定其真實位置。此時，只有去和所有關鍵幀匹配，看能否找到合適的位置。首先，利用BoW詞典選取若干關鍵幀作為備選（參見ORB－SLAM（六）回環檢測）；其次，尋找有足夠多的特征點匹配的關鍵幀；最后，利用特征點匹配迭代求解位姿（RANSAC框架下，因為相對位姿可能比較大，局外點會比較多）。如果有關鍵幀有足夠多的內點，那么選取該關鍵幀優化出的位姿。

更新局部地圖

Tracking成功以后，需要更新motion model，并判斷當前幀是否是新的關鍵幀。如果是，將其加入并更新局部地圖（local map），建立當前關鍵幀與其它關鍵幀的連接關系，更新當前關鍵幀與其它關鍵幀之間的特征點匹配關系，并利用三角法生成新的三維點，最后做一個局部優化（local BA，包括相鄰關鍵幀和它們對應的三維點，參見ORB－SLAM（五）優化）。

如果讀者對作者的程序有興趣，那么可以參照下圖來閱讀追蹤這部分的程序。 

該系列的其它文章：

ORB－SLAM（一）簡介

ORB－SLAM（二）性能

ORB－SLAM（三）初始化

ORB－SLAM（五）優化

ORB－SLAM（六）回環檢測