源码：https://github.com/UZ-SLAMLab/ORB_SLAM3
上电时系统处于NO_IMAGES_YET状态，如果这时第一张图片，即第0帧，被系统读取，它会经过哪些函数，会被系统如何处理呢？
1. 主函数
以mono_inertial_euroc为例，main()在mono_inertial_euroc.cc中。
1.1
系统首先读取图片路径和时间戳，IMU测量值、参数和时间戳。
LoadImages(pathCam0, pathTimeStamps, vstrImageFilenames[seq], vTimestampsCam[seq]);
LoadIMU(pathImu, vTimestampsImu[seq], vAcc[seq], vGyro[seq]);
1.2
用预训练好的词袋、yaml配置文件初始化并启动系统的4个线程，包括跟踪mpTracker、建图mpLocalMapper、回环mpLoopCloser和可视化mpViewer。
ORB_SLAM3::System SLAM(argv[1],argv[2],ORB_SLAM3::System::IMU_MONOCULAR, true);
之后的工作就很直接了，系统需要将每一帧im、时间戳tframe和对应的IMU测量值vImuMeas传递到跟踪线程。函数入口是：
SLAM.TrackMonocular(im,tframe,vImuMeas);
我们只考虑第0帧，来看看这个函数对第0帧做了什么处理。
2. 跟踪
2.1
首先检查是否有纯定位模式和系统重置被要求使能。
// Check mode change
unique_lock<mutex> lock(mMutexMode);
if(mbActivateLocalizationMode)
{
mpLocalMapper->RequestStop();
// Wait until Local Mapping has effectively stopped
while(!mpLocalMapper->isStopped())
{
usleep(1000);
}
mpTracker->InformOnlyTracking(true);
mbActivateLocalizationMode = false;
}
if(mbDeactivateLocalizationMode)
{
mpTracker->InformOnlyTracking(false);
mpLocalMapper->Release();
mbDeactivateLocalizationMode = false;
}
// Check reset
unique_lock<mutex> lock(mMutexReset);
if(mbReset)
{
mpTracker->Reset();
mbReset = false;
mbResetActiveMap = false;
}
else if(mbResetActiveMap)
{
cout << "SYSTEM-> Reseting active map in monocular case" << endl;
mpTracker->ResetActiveMap();
mbResetActiveMap = false;
}
2.2
传递进来的IMU测量值被存储在队列mlQueueImuData中。
for(size_t i_imu = 0; i_imu < vImuMeas.size(); i_imu++)
mpTracker->GrabImuData(vImuMeas[i_imu]);
之后跟踪传递进来的图像，计算它的位姿Tcw。因为这里处理的是第0帧，Tcw应该是一个4维的单位矩阵。
cv::Mat Tcw = mpTracker->GrabImageMonocular(im,timestamp,filename);
下面看看GrabImageMonocular()的实现细节，和第0帧处理无关的就直接略去。
3. GrabImageMonocular()
3.1
将第0帧转成灰度图。
cvtColor(mImGray,mImGray,cv::COLOR_RGB2GRAY);
此时系统状态mState为NO_IMAGES_YET，用灰度图创建当前帧mCurrentFrame。
mCurrentFrame = Frame(mImGray,timestamp,mpIniORBextractor,mpORBVocabulary,mpCamera,mDistCoef,mbf,mThDepth,&mLastFrame,*mpImuCalib);
记录下Id后，Track()开始跟踪当前帧。Track()和系统所使用的传感器无关，无论是单目、双目还是IMU方案，都是执行该函数来估计每一帧的位姿。
lastID = mCurrentFrame.mnId;
Track();
3.2 Track()
Track()对第0帧的处理很简单。首先改变系统状态为NOT_INITIALIZED，为读取下一帧进行初始化做准备。
if(mState==NO_IMAGES_YET)
mState = NOT_INITIALIZED;
调用PreintegrateIMU()计算帧帧之间的预积分。因为第0帧没有对应的IMU测量值传递进来，不满足条件，mbImuPreintegrated置1，然后被返回。
if(mlQueueImuData.size() == 0)
{
Verbose::PrintMess("Not IMU data in mlQueueImuData!!", Verbose::VERBOSITY_NORMAL);
mCurrentFrame.setIntegrated();
return;
}
之后根据系统传感器类型进入MonocularInitialization()执行单目初始化。
3.3 MonocularInitialization()
在跟踪线程初始化时，mpInitializer指针为空，条件判断成功，进入主体设置用于单目初始化的参考帧。
if(!mpInitializer)
{
// Set Reference Frame
if(mCurrentFrame.mvKeys.size()>100)
{
mInitialFrame = Frame(mCurrentFrame);
mLastFrame = Frame(mCurrentFrame);
mvbPrevMatched.resize(mCurrentFrame.mvKeysUn.size());
for(size_t i=0; i<mCurrentFrame.mvKeysUn.size(); i++)
mvbPrevMatched[i]=mCurrentFrame.mvKeysUn[i].pt;
if(mpInitializer)
delete mpInitializer;
mpInitializer = new Initializer(mCurrentFrame,1.0,200);
fill(mvIniMatches.begin(),mvIniMatches.end(),-1);
if (mSensor == System::IMU_MONOCULAR)
{
if(mpImuPreintegratedFromLastKF)
{
delete mpImuPreintegratedFromLastKF;
}
mpImuPreintegratedFromLastKF = new IMU::Preintegrated(IMU::Bias(),*mpImuCalib);
mCurrentFrame.mpImuPreintegrated = mpImuPreintegratedFromLastKF;
}
return;
}
}
mCurrentFrame.mvKeys.size()>100判断当前帧提取的特征点数是否大于100。如果满足条件，设置初始帧mInitialFrame和最新帧mLastFrame均为当前帧，并将去畸变后的特征点坐标传给mvbPrevMatched。delete mpInitializer这一步我没看明白，外层条件语句已经判断了mpInitializer为空指针，根本无法进入这一层的条件判断，我把这两行注释后，程序运行似乎也没出问题(?)。现在可以用当前帧重新设置mpInitializer了，fill()函数初始化mvIniMatches元素为-1，表示未进行特征点匹配或匹配未成功。根据ORB-SLAM3的论文，系统会先跑2秒的纯视觉，用来初始化IMU，包括bias、尺度、重力方向和前几帧的速度，系统从第0帧开始累计预积分，使用yaml配置文件给出的IMU参数设置第0帧的预积分，并给定bias初值为0。设置完成后，返回到上一层函数Track()。
3.4
最后一步，判断初始化是否成功。到这里我们只处理了第0帧，因此系统状态仍旧是NOT_INITIALIZED。进入条件语句主体，设置最新帧为当前帧。当然这一步对于第0帧是多余的，因为在MonocularInitialization()中，已经设置过一次最新帧了。
if(mState!=OK) // If rightly initialized, mState=OK
{
mLastFrame = Frame(mCurrentFrame);
return;
}
对第0帧的处理就全结束了，下次看看对第1帧及单目初始化是怎么处理的。