1、理解回环检测的必要性

2、掌握基于词袋的外观式回环检测

3、通过DBoW3的实验，学习词袋模型的实际用途

1、概述

1.1 回环检测的意义

• 回环检测模块能够给出除了相邻帧的一些是个更加久远的约束。相机经过了同一个地方，采集了相似的数据。
• 回环检测的关键，就是如何有效地检测出相机经过同一个地方这件事。
• 回环检测的意义：
  • 关系到我们估计的轨迹和地图在长时间下的正确性。
  • 提供了与所有历史数据的关联，还可以利用回环检测进行重定位。

1.2 回环检测的方法

• 回环检测方法
  • 基于里程计的几何关系
    • 假设了相机回到之前位置，才能检测回环。有倒果为因的嫌疑，无法在累积误差较大时工作。
  • 基于外观的几何关系（主流）
    • 与前端、后端的估计都无关，仅根据两幅图像的相似性确定回环检测关系。
    • 摆脱了累积误差，使回环检测模块相对独立。（当前前端可以为它提供特征点）
  • 工程角度
    • 配备GPS，提供全局位置信息
• 如何计算图像间的相似性
  • 直接让两幅图像相减，再取某种范式不行？
    • 像素灰度不稳定，严重受环境光照和相机曝光影响。
    • 相机视角发生少量变换，即使光度不变，像素在图像中的位移，会造成很大差异。
    • 因此，直接相减取范式不能很好的反映图像间的相似关系。
  • 怎样的函数能够更好地反映相似关系？
    • 引出感知偏差（Perceptual Aliasing）和感知变异（Perceptual Variability）

1.3 准确率和召回率

• 准确率描述的是算法提取的所有回环检测中确实是真实回环的概率
•  
• 召回率是指，在所有真正回环中被正确检测出来的概率
• 
• Precision-Recall曲线。R横轴，P纵轴，我们关系整条曲线偏向右上方的程度、100%准确率下的召回率或者50%召回率时的准确率，作为评价指标
• SLAM中对准确率要求更高，对召回率相对宽容。
• 在选择回环检测算法时，我们倾向于把参数设置更严格，或在检测之后再加上回环检测的步骤。