Tracking线程是ORB_SLAM2的主线程。在System.cc中，使用构造函数进行了初始化，开启了三个线程。
可执行程序—>System构造函数（初始化三个线程）—>处理输入的帧（TrackMonocular）—>调用Tracking线程中的GrabImageMonocular函数（追踪线程的主要函数）。
 
可执行程序---->system构造函数初始化三个线程---->system中的单目初始化函数（TrackMonocular）----->
Tracking线程（GrabImageMonocular）
（1）灰度化处理
（2）构建当前帧（在这里会提取特征点，并将特征点分配到网格里）
（3）进入Track函数---->
Track函数（Track()）
（1）单目初始化（MonocularInitialization）：
1）特征点匹配，如果匹配数目不够的话，等待后两帧。（SearchForInitialization）
2）并行计算H、F矩阵。H矩阵采用（RANSAC+DLC），F矩阵采用（RANSAC+八点法）。
3）根据评分（重投影误差）选择F/H。
4）分解F/H，选择最合适的R，t（通过统计合理的路标点的数量，如：视差、重投影误差、Z>0）
5）三角化估计路标点深度信息。（2,3,4,5都在（Initialize）函数中实现）
6）全局BA优化，进行尺度归一化。（CreateInitialMapMonocular）
 
（2）使用追踪方式获得优化后的相机位姿：
1）恒速运动模型：TrackWithMotionModel（）。通过前两帧的位姿变换估计当前位姿。使用领域半径搜索的方法获得匹配点对（SearchByProjection），随后优化位姿（PoseOptimization）。
2）参考关键帧模型：TrackReferenceKeyFrame（）。以上一帧的位姿为初始位姿。找到当前帧的参考关键帧，使用词袋加速算法获得特征点对（SearchByBoW），随后进行位姿优化（PoseOptimization）。
3）重定位模型：Relocalization（）：使用词袋加速算法获得候选关键帧（DetectRelocalizationCandidates、SearchByBoW），使用EPNP估计相机位姿（SetRansacParameters）。如果内点数不够的话，将候选关键帧的路标点投影至当前帧中（SearchByProjection），获得更多的匹配点，再次进行优化。
 
（3）追踪局部地图（TrackLocalMap）：
1）获得局部关键帧（有共视关系的帧及其邻居）和局部路标点。
2）优化位姿。如果跟踪失败的话，Tracking线程返回false。
 
（4）判断关键帧（NeedNewKeyFrame）：
必要条件：1）内点数目不能小于15。2）内点数目小于参考关键帧的一定的比例。
以下条件必须满足一个：1）很长时间没有插入关键帧。2）满足插入关键帧的最小间隔并且localMapper处于空闲状态。

// 创建了System类的一个对象。
ORB_SLAM2::System SLAM(argv[1],argv[2],ORB_SLAM2::System::MONOCULAR,true);
.........
// 在System构造函数内部对Tracking进行了初始化。
mpTracker = new Tracking(this,						//现在还不是很明白为什么这里还需要一个this指针  TODO  mpVocabulary,				//字典mpFrameDrawer, 			//帧绘制器mpMapDrawer,				//地图绘制器mpMap, 					//地图mpKeyFrameDatabase, 		//关键帧地图strSettingsFile, 			//设置文件路径mSensor);					//传感器类型iomanip

并且调用Tracking线程中的函数去获得相机位姿。

// 使用单目追踪函数处理每一帧的图像
SLAM.TrackMonocular(im,tframe);

构造函数

Tracking::Tracking(System *pSys,                       //系统实例ORBVocabulary* pVoc,                //BOW字典FrameDrawer *pFrameDrawer,          //帧绘制器MapDrawer *pMapDrawer,              //地图点绘制器Map *pMap,                          //地图句柄KeyFrameDatabase* pKFDB,            //关键帧产生的词袋数据库const string &strSettingPath,       //配置文件路径const int sensor):                  //传感器类型mState(NO_IMAGES_YET),                              //当前系统还没有准备好mSensor(sensor),                                mbOnlyTracking(false),                              //处于SLAM模式mbVO(false),                                        //当处于纯跟踪模式的时候，这个变量表示了当前跟踪状态的好坏mpORBVocabulary(pVoc),          mpKeyFrameDB(pKFDB), mpInitializer(static_cast<Initializer*>(NULL)),     //暂时给地图初始化器设置为空指针mpSystem(pSys), mpViewer(NULL),                                     //注意可视化的查看器是可选的，因为ORB-SLAM2最后是被编译成为一个库，所以对方人拿过来用的时候也应该有权力说我不要可视化界面（何况可视化界面也要占用不少的CPU资源）mpFrameDrawer(pFrameDrawer),mpMapDrawer(pMapDrawer), mpMap(pMap), mnLastRelocFrameId(0)                               //恢复为0,没有进行这个过程的时候的默认值

其中mState表示追踪线程的状态。在Tracking.h中可知追踪线程的状态包括：系统还没准备好，当前无图像、未完成初始化、正常工作、跟丢。

    enum eTrackingState{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,            ///<当前无图像NOT_INITIALIZED=1,          ///<有图像但是没有完成初始化OK=2,                       ///<正常时候的工作状态LOST=3                      ///<系统已经跟丢了的状态};

mbVO：在纯定位模式中使用，追踪的地图点小于10个，表明定位快失败了，置为true。
mnLastRelocFrameId：上一次进行重定位的帧的ID。

读取相机参数

读取配置文件中的相机参数，配置文件由使用的数据集和相机的类型决定。对于单目镜头、使用KITTI00数据集时，所使用的配置文件为：

Examples/Monocular/EuRoC_TimeStamps/KITTI00-02.yaml

对于每一帧提取的特征点数：nFeatures，指的是所有层级的图像金字塔中提取出的特征点数目之和。在高层提取出的特征点要投影回最底层。
  对于双目、RGB-D相机（会计算RGB-D虚拟的基线长度），定义大于32倍基线长度的路标点为远点（只提供旋转信息），小于32倍基线长度的点为近点（提供旋转、平移信息）。

设置局部建图器、回环检测器

在追踪线程中，追踪线程、局部建图线程、回环检测线程相互影响。因此他们间彼此包含，以方便上锁，防止数据混乱（因为线程和进程不同，多线程公用同一片内存空间）。

//设置局部建图器
void Tracking::SetLocalMapper(LocalMapping *pLocalMapper)
{mpLocalMapper=pLocalMapper;
}//设置回环检测器
void Tracking::SetLoopClosing(LoopClosing *pLoopClosing)
{mpLoopClosing=pLoopClosing;
}

获得相机相对于世界坐标的位姿

该函数是追踪线程的核心，在可执行程序中，调用system.cc中的TrackMonocular函数，执行tracking线程中的GrabImageMonocular函数。函数的目的是获得当前相机相对于世界坐标的变换矩阵Tcw。

cv::Mat Tracking::GrabImageMonocular(const cv::Mat &im,const double &timestamp)

转为灰度图

需要注意ORB_SLAM2会将输入的图片转为灰度图然后进行处理。

构造当前帧

单目初始化时所需的特征点是追踪所需的特征点的两倍，因此在构建当前帧时，需要分为两部分：
（1）还没有图片输入，或有图片输入，但没有成功初始化的时候，构建当前帧，所需的特征点提取器是mpIniORBextractor。在这个过程中会提取特征点。
（2）成功追踪时，特征点提取器为mpORBextractorLeft。

追踪函数Track()

主要功能为单目初始化—>估计当前位姿—>跟踪局部地图—>决定新的关键帧—>当前帧信息保存。
 

追踪函数Track()

void Tracking::Track()

在图像reset或开始运行时，Tracking线程的状态为NO_IMAGES_YET（可执行程序调用System的构造函数，初始化三个线程。在这是会调用Tracking的构造函数，将mstate置为NO_IMAGES_YET）。此时将Tracking的状态改为NOT_INITIALIZED。（初始化之后会改为OK）
  在地图更新过程中上锁，保证地图的信息不会发生变化。

没初始化时候时初始化

初始化的目的是获得初始的位姿、路标点，方便之后的追踪。单目初始化的话可以获得尺度信息。
  在还没有初始化的时候，调用初始化函数。并行计算基础矩阵（F）和单应矩阵（H），选择一个评分最高的。分解获得相机的位姿，进行三角化，获得路标点坐标。（初始化成功后，将Tracking的状态改为OK）
  如果未初始化成功，则直接返回。

        if(mState!=OK)return;

已经初始化时通过跟踪估计相机位姿

追踪方式分为三种：运动模型（不使用对极约束求解相机位姿，而是根据恒速运动模型估计当前帧的位姿）、追踪参考关键帧、重定位。
  先检查上一帧的路标点是否被替换。因为在局部建图线程中，可能会删除一些路标点。（使用恒速运动模型时候，会将上一帧的地图点投影到当前帧）

定位且建图模式

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。
（1）运动模型为空||刚重定位完成：使用跟踪关键帧模型
1、使用词袋加速算法在当前帧、参考关键帧中进行特征点匹配。
2、使用重投影误差优化位姿。
（2）在上一帧位姿已知的情况下，使用恒速运动模型
（3）追踪失败了，使用重定位模型（最后的补救）

定位模式

mbVO表示此帧匹配的路标点的个数。大于10则为false，小于10则为true。
mbVO为false：运动模型||参考关键帧模型
mbVO为true：表明追踪的路标点已经很少了，要死了。此时就要综合考虑运动模型和重定位模型。同时运行运动模型和重定位模型，优先考虑重定位模型。重定位模型成功的话使用重定位模式，否则使用运动模型。

通过运动模型、参考关键帧模型、重定位模型进行追踪，估计相机的位姿。
这三种操作都会返回一个bool值表示其结果是否可接受，记为bOK。

进行局部地图追踪

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。
  根据跟踪局部地图成功与否，设置Tracking线程的状态为OK还是Lost。

判断是否需要创建新的关键帧

（1）获得当前帧相对于上一帧的运动模型（即上一帧转换为当前帧的转换矩阵）。上一帧的运动为空的话，当前帧的运动也为空。

// 更新恒速运动模型 TrackWithMotionModel 中的mVelocity
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; 

（2）清除观察不到的路标点。
（3）检测并插入关键帧（这一步条件比较宽松，因为局部建图线程还会剔除一些关键帧）。
（4）删除外点。

当前帧相关信息保存在Tracking的成员中

最后保存一下当前帧的位姿等信息（前面分析过的保存相机轨迹要用）。如果当前帧的mTcw已经得到了，则进行以下操作：（1）计算当前帧相对于参考关键帧的变换Tcr（Tcr = Tcw × Twr），Tcr被推入Tracking的成员 mlRelativeFramePoses 中保存；（2）当前帧的时间戳推入Tracking的成员 mlFrameTimes 中保存；（3）当前帧的参考关键帧推入Tracking的成员 mlpReferences 中保存；（4）当前帧是否跟踪失败的bool信息（mState==LOST）推入Tracking的成员 mlbLost 中保存。当然跟踪失败的时候当前帧的mTcw未知，则前面（1）（2）（3）步都只在尾部重复保存对应三个列表的尾部的元素，然后mlbLost尾部保存true。
 

单目初始化

认为单目初始化时候的参考帧和当前帧都是关键帧。单目初始化是很重要的一步，因此打算单独写一篇。

void Tracking::StereoInitialization()

约束包括：
（1）第一帧、第二帧的特征点的数量。
（2）第一帧、第二帧的特征点匹配对数。

未创建单目初始器时

（1）以第一帧为参考帧，构建初始器，并且初始化相关系数。
（2）直接返回，然后传入下一帧，计算基础矩阵。

创建单目初始器时

（1）如果第二帧的特征点数目小于100，则直接退出。
（2）对第一帧、第二帧进行特征点匹配，匹配数量小于100的话，直接退出，重新开始。
（3）进行初始化（计算F、H，使用最佳的进行分解，随后进行三角化），获得相机位姿变换以及路标点坐标。
（4）删除未三角化成功的路标点。
（5）设置第一帧为世界坐标原点。
（6）创建初始化时的路标点集合。
 

创建初始化地图时的路标点

初始化成功后进行归一化处理。
  将路标点从Point3f变为MapPoint。

void Tracking::CreateInitialMapMonocular()

设定关键帧

初始化时的第一帧、第二帧都为关键帧。

将路标点加入到地图中

全局优化，同时优化位姿与路标点

Optimizer::GlobalBundleAdjustemnt(mpMap,20);

进行尺度归一化处理

常用的尺度归一化处理为：（1）使用初始时计算的平移向量为单位1。（2）取场景的平均深度为单位1。ORB_SLAM2采用第二种方案。
  将位姿变换矩阵、路标点坐标进行归一化处理。

    // Step 6 将两帧之间的变换归一化到平均深度1的尺度下// Scale initial baselinecv::Mat Tc2w = pKFcur->GetPose();// x/z y/z 将z归一化到1 Tc2w.col(3).rowRange(0,3) = Tc2w.col(3).rowRange(0,3)*invMedianDepth;pKFcur->SetPose(Tc2w);// Scale points// Step 7 把3D点的尺度也归一化到1// 为什么是pKFini? 是不是就算是使用 pKFcur 得到的结果也是相同的? 答：是的，因为是同样的三维点vector<MapPoint*> vpAllMapPoints = pKFini->GetMapPointMatches();for(size_t iMP=0; iMP<vpAllMapPoints.size(); iMP++){if(vpAllMapPoints[iMP]){MapPoint* pMP = vpAllMapPoints[iMP];pMP->SetWorldPos(pMP->GetWorldPos()*invMedianDepth);}}

将该两帧插入到局部地图中

判断上一帧的路标点是否被替换

在局部建图线程中，可能会对一些路标点进行替换（地图点的剔除）。因此在追踪线程开始的时候，要先判断一下路标点是否被替换。

void Tracking::CheckReplacedInLastFrame()

参考关键帧追踪模式

Tracking线程的三种追踪模式打算另写一篇，感觉很重要。

bool Tracking::TrackReferenceKeyFrame()

更新上一帧位姿

更新上一帧位姿，在上一帧深度值中生成临时地图点。
单目情况：只计算了上一帧的世界坐标系位姿。在恒速模型中被使用
双目和rgbd情况：选取有深度值的并且没有被选为地图点的点生成新的临时地图点，提高跟踪鲁棒性。（优化时有更多的约束）
  但需要注意临时地图点后面会被删除。因为毕竟不是真正的地图点。

void Tracking::UpdateLastFrame()

在追踪模式中被使用，根据上一帧的参考关键帧更新上一帧。（如果上一帧没有参考关键帧，则创建一些临时地图点）（单目相机不会调用，个人感觉是因为双目、RGB-D相机本身就可以获得深度信息，对于那些无法通过特征点匹配加入的地图点，双目相机仍可获得深度，而单目不行。）。
 

获得上一帧的位姿

创建临时地图点（单目不用）（感觉到ORB_SLAM2真的是将信息利用到了极致）

对于双目、RGB-D相机，将那些未通过特征点匹配获得的地图点也做为地图点加入后序的约束中。
（1）如果双目相机中的已知深度的点没有作为路标点的话，则作为临时地图点加入到地图中。

        MapPoint* pMP = mLastFrame.mvpMapPoints[i];if(!pMP)bCreateNew = true;else if(pMP->Observations()<1)      {// 地图点被创建后就没有被观测，也需要创建bCreateNew = true;}

（2）停止添加临时地图点
条件1：当前点的深度已经超过了阈值（35倍基线长度）
条件2：已近添加够了100个。
 

更新局部地图

每来一帧，都会进行跟踪获得位姿，然后进行优化，然后跟踪局部地图。在跟踪局部地图的时候会更新局部地图，并获得当前帧的参考关键帧（共视程度最高的关键帧）。
  局部地图包括局部关键帧、局部路标点。

void Tracking::UpdateLocalMap()

将局部地图点放入地图中

将局部关键帧、局部地图点放入地图中，即ORN_SLAM运行时的红色点。

更新局部关键帧和局部地图点

更新局部关键帧：获得局部关键帧。
更新局部地图点：在这里将局部地图路标点加入到局部地图中

更新局部关键帧

void Tracking::UpdateLocalKeyFrames()

局部关键帧的选择策略：
（1）将与当前关键帧有共视点的关键帧设为局部关键帧。
（2）遍历（1）中的局部关键帧，选择共视程度最高的10个关键帧作为局部关键帧。
（3）将局部关键帧的子关键帧作为局部关键帧。
（4）将局部关键帧的夫关键帧作为局部关键帧。

获得与当前关键帧有共视点的关键帧及其代价

将与当前关键帧有共视关系的关键帧保存在keyframeCounter（有共视关系的关键帧，共视次数）中。遍历当前帧的路标点，通过函数GetObservations（）获得能观察到该路标点的所有关键帧。遍历所有关键帧，并将公式关系+1。

更新局部关键帧

首先将局部关键帧容器清空。

策略1：有共视点的关键帧为局部关键帧

在这个过程中同时获得共视程度最高的关键帧，及其共视程度。

    for(map<KeyFrame*,int>::const_iterator it=keyframeCounter.begin(), itEnd=keyframeCounter.end(); it!=itEnd; it++){KeyFrame* pKF = it->first;// 如果设定为要删除的，跳过if(pKF->isBad())continue;//寻找具有最大观测数目的关键帧if(it->second>max){max=it->second;pKFmax=pKF;}// 添加到局部关键帧的列表里mvpLocalKeyFrames.push_back(it->first);// 用该关键帧的成员变量mnTrackReferenceForFrame 记录当前帧的id// 表示它已经是当前帧的局部关键帧了，可以防止重复添加局部关键帧pKF->mnTrackReferenceForFrame = mCurrentFrame.mnId;}

策略二：取出共视程度最高的10个关键帧

const vector<KeyFrame*> vNeighs = pKF->GetBestCovisibilityKeyFrames(10);

策略三：将局部关键帧的子关键帧作为局部关键帧

        const set<KeyFrame*> spChilds = pKF->GetChilds();for(set<KeyFrame*>::const_iterator sit=spChilds.begin(), send=spChilds.end(); sit!=send; sit++){KeyFrame* pChildKF = *sit;if(!pChildKF->isBad()){if(pChildKF->mnTrackReferenceForFrame!=mCurrentFrame.mnId){mvpLocalKeyFrames.push_back(pChildKF);pChildKF->mnTrackReferenceForFrame=mCurrentFrame.mnId;//? 找到一个就直接跳出for循环？break;}}}

策略四：将局部关键帧的父关键帧作为局部关键帧

        KeyFrame* pParent = pKF->GetParent();if(pParent){// mnTrackReferenceForFrame防止重复添加局部关键帧if(pParent->mnTrackReferenceForFrame!=mCurrentFrame.mnId){mvpLocalKeyFrames.push_back(pParent);pParent->mnTrackReferenceForFrame=mCurrentFrame.mnId;//! 感觉是个bug！如果找到父关键帧会直接跳出整个循环break;}}

将与当前帧共视程度最高的关键帧作为参考关键帧

    if(pKFmax){mpReferenceKF = pKFmax;mCurrentFrame.mpReferenceKF = mpReferenceKF;}

更新局部地图点

清空之前的局部地图点

mvpLocalMapPoints.clear();

遍历所有局部关键帧，将局部关键帧的路标点放入局部地图点中

        for(vector<MapPoint*>::const_iterator itMP=vpMPs.begin(), itEndMP=vpMPs.end(); itMP!=itEndMP; itMP++){MapPoint* pMP = *itMP;if(!pMP)continue;// 用该地图点的成员变量mnTrackReferenceForFrame 记录当前帧的id// 表示它已经是当前帧的局部地图点了，可以防止重复添加局部地图点if(pMP->mnTrackReferenceForFrame==mCurrentFrame.mnId)continue;if(!pMP->isBad()){mvpLocalMapPoints.push_back(pMP);pMP->mnTrackReferenceForFrame=mCurrentFrame.mnId;}}

查找当前帧视野范围内的局部地图点，建立与特征点的联系

在局部地图中查找在当前帧视野范围内的点，将视野范围内的点和当前帧的特征点进行投影匹配。

void Tracking::SearchLocalPoints()

遍历当前帧的mvpMapPoints，标记这些MapPoints不参与之后的搜索（因为当前的mvpMapPoints一定在当前帧的视野中）

    for(vector<MapPoint*>::iterator vit=mCurrentFrame.mvpMapPoints.begin(), vend=mCurrentFrame.mvpMapPoints.end(); vit!=vend; vit++){MapPoint* pMP = *vit;if(pMP){if(pMP->isBad()){*vit = static_cast<MapPoint*>(NULL);}else{// 更新能观测到该点的帧数加1(被当前帧看到了)pMP->IncreaseVisible();// 标记该点被当前帧观测到pMP->mnLastFrameSeen = mCurrentFrame.mnId;// 标记该点将来不被投影，因为已经匹配过(指的是使用恒速运动模型进行投影)pMP->mbTrackInView = false;}}}//遍历当前帧中所有的地图点

判断哪些局部地图点在视野范围内

如果视野范围内有点的话，建立特征点与局部地图点的联系

	if(nToMatch>0){ORBmatcher matcher(0.8);int th = 1;if(mSensor==System::RGBD)   //RGBD相机输入的时候,搜索的阈值会变得稍微大一些th=3;// If the camera has been relocalised recently, perform a coarser search// 如果不久前进行过重定位，那么进行一个更加宽泛的搜索，阈值需要增大if(mCurrentFrame.mnId<mnLastRelocFrameId+2)th=5;// 对视野范围内的MapPoints通过投影进行特征点匹配matcher.SearchByProjection(mCurrentFrame,mvpLocalMapPoints,th);}

追踪局部地图

bool Tracking::TrackLocalMap()

更新局部地图（局部关键帧与局部路标点）–>跟踪局部地图
  其主要目的就是找到与当前帧存在约束的局部关键帧，随后进行优化。

更新局部地图与局部路标点，并建立与当前关键帧的特征点的联系

	// Step 1：更新局部关键帧 mvpLocalKeyFrames 和局部地图点 mvpLocalMapPointsUpdateLocalMap();// Step 2：在局部地图中查找与当前帧匹配的MapPoints, 其实也就是用局部地图点进行跟踪SearchLocalPoints();

再次位姿优化

在这个函数之前，在 Relocalization、TrackReferenceKeyFrame、TrackWithMotionModel 中都有位姿优化，这里再次对当前帧的位姿进行优化。
  因为此时当前帧中路标点与特征点间的联系变多，约束增加，所以再次进行优化。

统计跟踪效果

记录当前帧追踪的局部地图点中为内点的数量

判断追踪局部地图是否成功

如果是刚刚重定位之后，对追踪是否成功的要求较为严格。要求内点数大于50，否则大于30就行。
局部地图追踪失败的话，会将Tracking线程的状态置为LOST
 

判断是否为关键帧

bool Tracking::NeedNewKeyFrame()

（1）只定位模式下，不需判断。
（2）如果局部建图线程被回环检测线程使用。
（3）如果当前帧距离上一次重定位较近，或关键帧的数目超过了限制，不插入关键帧。

判断关键帧

nRefMatches：参考关键帧中地图点的数量
thRefRatio：当前帧与参考关键帧追踪到的点的比例。
c1a：很长时间没有插入关键帧，可以插入。
c1b：满足插入关键帧的最小间隔并且localMapper处于空闲状态，可以插入。
c2a：当前帧的内点数小于阈值*参考关键帧内点数。
c2b：当前帧的内点数不能小于15。
c2a&&c2b是必须满足的条件。

是否可以插入关键帧

局部建图线程空闲：可以插入关键帧
局部建图线程繁忙：有一个缓存队列，先将关键帧插入到缓存队列里。等局部建图线程空闲下来，再插入关键帧。
 

创建关键帧

void Tracking::CreateNewKeyFrame()

停止局部建图线程

    if(!mpLocalMapper->SetNotStop(true))return;

创建关键帧中新的路标点

单目相机：由于无法获得深度，直接跳过。
双目、RGB-D相机：遍历特征点，将未被观测的路标点进行排序，随后从大到小选出路标点加入关键帧中。该过程的终止条件：（1）路标点的深度大于35倍基线长度。（2）最多加100个。

插入局部建图线程

将关键帧插入到局部建图线程中，然后启动局部建图线程。

    mpLocalMapper->InsertKeyFrame(pKF);// 插入好了，允许局部建图停止mpLocalMapper->SetNotStop(false);

将该关键帧设为新的关键帧

    mnLastKeyFrameId = mCurrentFrame.mnId;mpLastKeyFrame = pKF;

总结

进入追踪线程的流程为：
mono_kitti.cc—>
ORB_SLAM2::System SLAM(argv[1],argv[2],ORB_SLAM2::System::MONOCULAR,true)---->
SLAM.TrackMonocular(im,tframe)—>
GrabImageMonocular(im,timestamp)。

进入Tracking线程之后：
（1）初始化：第一帧为参考关键帧，第二帧和第一帧进行匹配。特征点匹配上的数量不满足阈值的话，会舍弃这两帧，然后再进入两帧进行判断。满足阈值后，这两帧都会作为局部关键帧插入局部地图中。然后对位姿和路标点进行优化。
（2）相机位姿跟踪：估计相机位姿并进行优化（每一帧都会优化位姿）。跟踪方式分为恒速运动模型，参考关键帧模型、重定位模型。正常情况下使用恒速运动模型；出现意外了，无法获得速度，使用参考关键帧模型；跟踪丢了（Tracking的状态不是OK），使用重定位模型。
（3）局部地图跟踪：更新局部关键帧和局部地图后，获得局部地图点，并与当前关键帧的特征点进行匹配。然后根据重投影误差进行优化（每一帧都会优化位姿）。目的是局部地图点会提供更多的重投影误差约束。对于双目、RGB-D相机，会创建临时地图点以提供更多的约束。
（4）判断是否生成关键帧。如果生成关键帧的话，先停止局部建图线程，然后将关键帧插入局部建图线程中，然后启动局部建图线程。