- 回环检测的意义
- VO和后端都存在误差
- SLAM的建图与定位是耦合的——误差将会累积
- Loop Closing 步骤
- 检测到回环的发生
- 计算回环修选帧与当前帧的运动
- 验证回环是否成立
- 闭环
如何检测回环是否发生——回环检测
最简单方法：对任意两个关键帧进行特征匹配
基于里程计的方法（Odometry based）
基于外观的方法（Appearance based）
- 外观方法是主流
- 核心在于衡量图像间的相似性
- 朴素的想法：灰度相减
回环检测的指标
- perceptual Aliasing
- perceptual Variability
ROC曲线（Precision-Recall曲线）
Appearance-based主要方法：词袋
- Bag-of-Words, BoW
- BoW是对特征的聚类
- 特征聚类形成了Word
- 许多Word组成了Dictionary
- 图像的相似性 = Word的相似性
- 只看Word的有无，无视Word的顺序
Word的形成
- 聚类
- 经典的K-means聚类 N个特征点->K个类
常见开源SLAM方案
