关键帧数据库通过预先训练好的词典，维护一个向量std::vector<list<KeyFrame*> > mvInvertedFile; 该向量中mvInvertedFile[i]表示包含了第i个WordId的所有关键帧；

我们需要知道关键帧对应的vBowVec向量是一个map：

std::map
     
       // WordId以及单词值，WordId是唯一的，和一个特征绑定
     

KeyFrameDatabase::KeyFrameDatabase (const ORBVocabulary &voc):    mpVoc(&voc){    mvInvertedFile.resize(voc.size()); // number of words}

该类的主要作用是在回环检测和重定位中，根据词袋模型的特征匹配度，找到闭环候选帧和重定位候选帧，两者之间的区别在于，需要参考关键帧去寻找闭环候选帧，而重定位则参考普通帧。

主要步骤是：

1. 找出与当前帧pKF有公共单词的所有关键帧pKFi，不包括与当前帧相连的关键帧；

2. 统计所有闭环候选帧中与pKF具有共同单词最多的单词数，只考虑共有单词数大于0.8*maxCommonWords以及匹配得分大于给定的minScore的关键帧，存入lScoreAndMatch；

3. 对于第二步中筛选出来的pKFi，每一个都要抽取出自身的共视（共享地图点最多的前10帧）关键帧分为一组，计算该组整体得分（与pKF比较的），记为bestAccScore；

所有组得分大于0.75*bestAccScore的，均当作闭环候选帧。

若想改变闭环检测候选帧的参数，根据场景鉴定闭环的阈值，可以在这里修改参数。