• Short term data association短期数据关联：匹配最近几秒获得的map elements。这是大多数VO系统唯一的数据关联方式，一旦环境元素离开视野，就将它们“忘记”，导致了连续的estimation drift，即使系统在相同的区域内移动（即使回到了原来去过的地方）。对应ORB-SLAM里的跟踪tracking；
• Mid-term data association中期数据关联：匹配靠近相机并且累计漂移较小的map elements。匹配靠近累计drift仍然很小的相机的map elements。这些（elements）可以在BA中与short-term observations中相同的方式进行匹配和使用，并且当系统移动到mapped areas已建图的区域允许达到零漂移zero drift。它们是我们系统相比较于有loop detection的VO系统获得更好的accuracy的关键。对应ORB-SLAM里的local BA、局部建图；
• Long-term data association长期数据关联：使用place recognition technique将observations与之前访问过的区域中的elements进行匹配，无论是loop detection中的accumulated drift，还是跟踪丢失、relocalization的情况下都可以成功匹配。当前区域是否之前就在一个disconnected map中map过了（map merging）或者tracking lost（relocalization）都可以成功匹配。long-term匹配允许使用位姿图pose-graph（PG）优化，或者使用更精确的BA。这是中大型loopy环境中SLAM准确性的关键。对应ORB-SLAM里用词袋进行闭环和重定位。
• multi-map association多地图数据关联：可以使用之前已经建立的多块地图来实现地图的匹配、合并和BA 优化