建圖模塊
mapping_module在初始化系統的時候進行實例化，在構建實例的時候會實例化local_map_cleaner和local_bundle_adjuster。系統啟動的時候會在另外一個線程中啟動該模塊。
// src/openvslam/system.cc:78
mapper_ = new mapping_module(map_db_, camera_->setup_type_ == camera::setup_type_t::Monocular);
// src/openvslam/system.cc:123
mapping_thread_ = std::unique_ptr<std::thread>(new std::thread(&openvslam::mapping_module::run, mapper_));
對新增的關鍵幀進行建圖
// src/openvslam/mapping_module.cc:128
void mapping_module::mapping_with_new_keyframe()
對新增的關鍵幀進行建圖mapping_with_new_keyframe
取出隊列中最早放入的關鍵幀
設置原始關鍵幀ID
將新關鍵幀保存入數據庫store_new_keyframe
計算當前關鍵幀的BoW特征向量
獲取當前關鍵幀的lm
如果當前關鍵幀可以觀測到該lm，將lm添加入local_map_cleaner的fresh_landmarks中
否則
添加lm的觀測
更新lm幾何信息
計算lm的描述子
更新圖連接update_connections
獲取圖關鍵幀所有lm
統計出共視關鍵幀以及共視lm數量情況，篩選出共視lm大於15的關鍵幀weight_covisibility_pairs
尋找出共視lm數量最多的關鍵幀當做最近的共視關鍵幀
圖中添加連接add_connection
對weight_covisibility_pairs進行降序排列，更新ordered_covisibilities_和ordered_weights_
更新生成樹。最近的共視關鍵幀設置為父樹，當前關鍵幀為子樹
存儲關鍵幀
去除冗余的lm（remove_redundant_landmarks）
移除的邏輯
1. observed_ratio小於觀測門限，需要從局部地圖buffer和數據庫中移除；
2. 如果lm被添加之后一段時間內，被觀測到的其他幀觀測到的次數<=2,則認為時無效幀，需要從局部地圖buffer和數據庫中移除；
3. 如果lm被添加之后一段時間內被多次觀測到，則認為該lm有效，只從局部地圖buffer中移除；
依據當前關鍵幀和共視關鍵幀重新三角化lm（create_new_landmarks）
獲取當前關鍵幀權重高的共視關鍵幀
逐個計算當前關鍵幀與共視關鍵幀之間的本質矩陣
利用本質矩陣計算出兩關鍵幀lm的匹配情況
三角化匹配的lm，三角化成功的點將添加入庫
檢測處理重復的lm（update_new_keyframe）
獲取兩層共視關鍵幀
融合重復的lm(fuse_landmark_duplication)
獲取當前幀的lm
逐個共視關鍵幀去重（replace_duplication）
如果lm沒有被共視關鍵幀觀測到
將lm重投影至該共視關鍵幀，提取共視關鍵幀投影區域附近的特征點，如果相似度很高且重投影誤差很小，
使用共視關鍵幀的lm點取代當前的lm，如果共視關鍵幀沒有對應的lm則把當前lm添加到共視關鍵幀
獲取所有共視關鍵幀的lm集合再次進行去重（replace_duplication）
這里和上面去重輸入參數是不一樣的，這里的關鍵幀是當前關鍵幀，lm是共視關鍵幀lm集合
更新當前幀lm幾何信息和圖連接
進行局部地圖BA（local_bundle_adjuster）
祛除冗余的關鍵幀remove_redundant_keyframes
獲取當前關鍵幀的共視關鍵幀
逐個共視關鍵幀計算冗余觀測count_redundant_observations
獲取當前共視關鍵幀的lm
逐個lm統計其共視關鍵幀數量，如果不小於3個就認為lm是冗余的num_redundant_obs++
lm深度有效就認為是有效的lm，num_valid_obs++
如果num_redundant_obs / num_valid_obs > 0.9，則認為該共視關鍵幀是冗余的，移除掉
將新的關鍵幀發送給全局優化模塊隊列
觀測門限清理
在跟蹤模塊優化局部地圖optimize_current_frame_with_local_map時，首先會統計出當前幀可以被觀測到的lm，會調用lm->increase_num_observable()，位姿優化后統計inlier的lm，調用lm->increase_num_observed()，因此num_observed_記錄的是跟蹤過程中真正有效的lm，num_observable_記錄的是局部地圖中可以被當前幀觀測到的lm，如果num_observed_ / num_observable_的值很小的話，說明該lm對位姿評估沒有太大意義，可以從局部地圖buffer和數據庫中清除掉。
// src/openvslam/tracking_module.cc:340
bool tracking_module::optimize_current_frame_with_local_map()
全局優化模塊
和建圖模塊一樣， 全局優化模塊global_optimization_module在初始化系統的時候進行實例化，在構建實例的時候會實例化graph_optimizer、loop_detector和loop_bundle_adjuster。系統啟動的時候會在另外一個線程中啟動該模塊。
// src/openvslam/system.cc:80
global_optimizer_ = new global_optimization_module(map_db_, bow_db_, bow_vocab_, camera_->setup_type_ != camera::setup_type_t::Monocular);
// src/openvslam/system.cc:124
global_optimization_thread_ = std::unique_ptr<std::thread>(new std::thread(&openvslam::global_optimization_module::run, global_optimizer_));
run
取出隊列中最早放入的關鍵幀
設置標記保證在回環檢測和校正期間關鍵幀不被擦除
將關鍵幀傳入回環檢測模塊
檢測回環候選detect_loop_candidates
回環檢測功能被禁用或者剛剛被校正過，則不需要檢測回環候選，直接將關鍵幀添加到bow_db
1. 通過查詢BoW數據庫來搜索循環候選者
在查詢之前，計算當前關鍵幀和每個共視關鍵幀之間的BoW相似性的最小分數
獲取回環候選acquire_loop_candidates
獲取與當前關鍵幀相連的關鍵幀集合（通過graph_node）
統計當前關鍵幀和其他關鍵幀共享單詞數量情況
將最大共享單詞數量*0.8作為最小共享單詞門限
計算共享單詞數滿足條件的候選關鍵幀於當前關鍵幀的bow得分
挑選出不大於最小分數候選關鍵幀對兒score_keyfrm_pairs
計算每個候選關鍵幀（score_keyfrm_pairs）鄰域的得分並取總和best_total_score
大於best_total_score*0.75才為有效的候選幀
沒有回環候選幀將當前關鍵幀添加到BoW database
2. 尋找連續關鍵幀集合find_continuously_detected_keyframe_sets
逐個查看回環候選關鍵幀
獲取相連的關鍵幀集合
檢測與之前連續關鍵幀集合是否相連，如果相連，添加入當前連續關鍵幀集合
3. 將連接數大於2的關鍵幀放入回環候選
4. 保存當前連續關鍵幀集合以便下次使用
如果當前關鍵沒有找到回環候選，那么當前幀是可以被刪除的
驗證回環並且從中選出一個validate_candidates
使用線性和非線性的方式評估當前關鍵幀和候選關鍵幀的sim3，挑選出回環候選幀
校正回環correct_loop
獲取當前關鍵幀的共視關鍵幀
獲取回環校正前的共視關鍵幀的Sim3s_nw
計算回環校正后的共視關鍵幀的Sim3s_nw
校正共視關鍵幀中的lm的位置信息
校正共視關鍵幀的位姿信息
處理回環融合帶來的重復lm（replace_duplicated_landmarks）
用回環候選關鍵中的lm替換當前幀中的lm
使用match::fuse檢測重復的關鍵點
獲取新的連接關系，進行圖優化sim3
優化的變量只有關鍵幀位姿，優化完成后使用優化的結果調整landmark
添加回環邊
最后進行loop BA
問題
- 搞清楚線性和非線性sim3；