本章的内容没有理论知识，完全是由实践部分组成的。 本章主要有两大难点。 第一，g2o的使用。对此，我总结了到了之前的一章中： SLAM14讲学习笔记（十一）g2o图优化中的要点与难点（前端VO中雅克比矩阵的定义） 第二，程序的架构，各个部分的组装。确实如高博所述，这章内容让人体会到了怎么一步一步由砖头搭建起大厦的过程。搭建的过程中，文章内容缺乏注释，因此，我在学习过程中将自己的理解和注释写到了程序中，为了方便保存，上传到了github中。 github链接：slam14讲第9讲设计前端-带注释代码 如果对其中内容有疑问，欢迎star并且留言，我很快就会回复。
此外，如果是跟着代码一步一步搭起来的，有几点需要注意一下： 除了书上已经介绍的修改内容，从0.1到0.2版本，有两处还需要额外修改：第一，在common.h中，需要加入SE3相关内容（原先只有SO3）。第二，需要修改Camera.h，使其包含config.h，并修改1.0版本中的构造函数，从config.h中获得相机内参。 从0.2版本更新到0.3版本，需要额外修改两处：1.在visual_odometry.h中更新头文件 2.修改src文件夹下的CmakeList文件，使其包含g2o_types.cpp。 从0.3版本更新到0.4版本，需要额外修改两处：1.修改config下的yaml文件。2.修改run_vo.cpp文件，加入多出来的一个头文件和对于原图的描点操作。
0.4版本有个未解决的问题，即：大概在第165张图的时候，vo.cpp中num_lost会增多，每次多1，之后到第175帧的时候超出设定的最小值，vo丢失。我个人推测是由于缺乏对地图的优化导致的。我已经在高博的github中提出了疑问。等待回答之后，我会将内容补充在这里。 有网友回复了我的issue： “应该是isInFrame()这个函数的原因，我更改后可以跑完整个数据集” 我忙着找工作，现在是没时间试了，大家可以试一下，看看该怎么改。
在学习的过程中，我也参考了其他博主的内容，为了表示对他们的尊重和他们的原创性，我将他们的博客内容列在这里： 更加多注释地学习视觉SLAM第九讲程序[1] 更加多注释地学习视觉SLAM第九讲程序[2] 对本章内容有疑问的，欢迎评论交流！
