如何理解ORB_SLAM2算法中一个特征点在y方向的位置是以金字塔尺度为半径的多行中？

vector<vector<size_t> > vRowIndices(nRows,vector<size_t>());

for(int i=0; i<nRows; i++)
    vRowIndices[i].reserve(200);

const int Nr = mvKeysRight.size();

for(int iR=0; iR<Nr; iR++)
{
    const cv::KeyPoint &kp = mvKeysRight[iR];
    const float &kpY = kp.pt.y;
    const float r = 2.0f*mvScaleFactors[mvKeysRight[iR].octave];
    const int maxr = ceil(kpY+r);
    const int minr = floor(kpY-r);

    for(int yi=minr;yi<=maxr;yi++)
        vRowIndices[yi].push_back(iR);
}

这段代码的目标是将右图像中的关键点（即特征点）按其在y方向（垂直方向）上的位置进行排序并存储。其主要步骤如下：

1. 首先，它创建了一个二维向量vRowIndices，用于存储每行的索引。这个向量的每个元素都被预留了一定的空间，以避免在添加新索引时重新分配内存。

2. 接着，对于右图像中的每个关键点，它计算了关键点所在的y方向的位置和半径（以像素为单位）。这个半径是由关键点所在的图像金字塔层级决定的。

3. 然后，它计算了在y方向上可能包含这个关键点的所有行的范围