1.为什么要选择基于“外观”这一特性来作为回环检测的方案？

朴素思路复杂度高，不利于实时性；基于“里程计”的方案需要知道相机处于何位置下才能发生检测，这与我们需要知道的准确位置相矛盾
基于“外观”的方案与前端和后端均无关，是一个独立的模块。
这也为其过程可以加入除去视觉、惯性第三者数据提供了条件。

2.为什么不能直接用两张图像“相减”来计算相似度？

1.相机运动过程中受光照影响很大，即使两张同位置的图像，在不同光照下，其矩阵也就是计算机能读懂的信息相差也很大
2.相机在高速拍摄的过程中，同一位置相机视角肯定有微小变动，这对于计算机视觉来说影响是巨大的

3.解释准确率/召回率的理解

回环检测中更看重的是准确率，就是要将假阳性FP控制到最低！简而言之：漏判可以，错判不行

在算法中通过阈值来体现我们的“容忍度”。当提高某个阈值，算法会变的更加“严苛”，很多位置很难被判定为回环帧，于是准确率肯定会有所上升，同时由于检测到回环变少，难免会将现实中是回环的位置漏掉，因此召回率有所下降。反之，当降低了某个阈值，算法会更加“宽容”，其中将一些“模棱两可”的位置判断为回环帧，这样难免准确率会下降，但是召回率会上升。

通过上述可以看出，如果提供的数据比较多，Precision-Recall曲线是一个类似于反比例函数的模样

为了评价算法的好坏，我们会测试它在各种配置下的P和R值，然后做Precision-Recall曲线。当召回率为横轴，用准确率为纵轴时，我们会关心整条曲线偏向右上方的程度、100%准确率下召回率或者50%召回率时的准确率，作为评价的指标。

不过请注意，除了一些“天壤之别”的算法，通常不能一概而论地说算法A就是优于算法B的。我们可能会说A在准确率较高时还有很好的召回率，而B在70%召回率的情况下还能保证较好的准确率，诸如此类。

4.TF-IDF是什么？

词频-逆向文本概率，根据权重来区分单词的。前者是在图片中存在的数量，后者是在字典中存在的数量

词频（TF）：某个单词在一张图片中出现的概率很高，是这张图片中的丰富元素，说明该单词区分度高
例如：一张图片中有100辆轿车，则含有50辆以下的图片很明显不是与之相似，80辆以上的图片存在更多相似的可能性

逆向文本概率（IDF）：某个单词在一整本字典中出现次数很少，说明更“罕见、独特”。当这个单词在第一张图片和第十张图片中同时存在时，我们更可能觉得这两张图片更可能是相似的