MSC-VO是ICRA2022的一篇点线视觉SLAM论文，本身是在ORBSLAM2的基础上改进的，改进的部分在于为SLAM系统引入了线段，并且使用了曼哈顿坐标系与结构化约束进行优化，之前看过的论文记录可以参考链接，年前把线段匹配和均匀化的内容试着做了一下，现在计划看一下这篇文章的代码看一下后续的代码应该如何实现。
一、初始化部分
MSC-VO本身是基于ORBSLAM2的改进，所以基本的代码框架还是ORBSLAM2的那些东西，一个比较大的区别在于MSC-VO更换了数据的内容，将图像换为了深度图，也就是RGBD图像，所以在MSC-VO的代码里面，如果输入内容不是RGBD图像，就会报错。
整个MSC-VO的主函数在Examples文件夹下的RGB-D下的rgbd-tum.cc文件，该文件内部写有整个框架的主函数，通过初始化SLAM对象来调用其余的内容，初始化的部分和ORBSLAM2几乎没有差别，这里不在展开说了，之后根据文件名读取RGBD图像，调用SLAM对象的TrackRGBD函数进行后续的处理。
二、Tracking线程
通过SLAM对象调用TrackRGBD函数，将图像与深度图传入到函数中。这里稍微补充一下，RGBD的数据集其实是两组图组合出来的，这里拿ORBSLAM使用的那个桌子的数据集来说，下载好的数据集内部其实包括这么几个部分：
其中rgb文件夹下的图像和我们平时用的单目相机图像是一样的，就是带颜色的相机图像，而depth文件夹则存放了深度图像，这里的深度图实际上是单通道的灰度图，用对应位置上的像素值来表示传感器感知到的深度值，深度图和RGB图像之间用提前存好的关系来进行对齐，从而实现深度的感知。
在TrackRGBD函数中，通过调用mpTracker对象（也就是tracking线程）的GrabImageRGBD函数来计算位姿，进入这个函数后通过cvtColor来进行通道的转换，将RGB图像转换为灰度图。转换好的图像用于初始化帧对象，由于使用了线段和曼哈顿坐标系，所以一些写法也发生了改变。
下图为ORBSLAM2代码中对应位置的写法：
可以看出，构造函数中增加了线段的提取器和曼哈顿距离的相关处理的内容，这几个对象都是在构造tracking对象的时候进行初始化的，位置在tracking对象的构造函数中：
在进入tracking线程之前，我们先简单看一下这两个对象的内容。
