回环检测与建图

1. 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

1. 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