1. 回环检测的意义

回环检测loop back detection：前端所造成的累计误差，单纯的后端优化无法构建全局一致的轨迹和地图，所以需要回环检测，构建时间相隔更加久远的约束，获得更好的建图效果。

2. 回环检测的方法

1. 朴素方法：
   1. 任意两幅两两配对（计算量太大）
   2. 随机配对，检测效率低下
2. 基于里程计（odometry based）的几何关系

相机运动到之前位置的附近。但如果误差过大也就无从检测到附近这一说，有点悖论的感觉

1. 基于外观的（appearance based）几何关系

与前端后端的估计都无关，仅根图像之间的相似性确定回环关系。使得回环检测称为SLAM中独立的模块，能在不同场景下工作，是主流做法

1. 基于传感器

比如利用GPS。

2.1 图像之间的相似性

基于外观的方法就是计算图像之间的相似性。
不用L1范数的原因：像素灰度不稳定，受光照和相继曝光的影响；像素位移也会使得L1范数差异值很大

现在提出相似关系的相关概念：

• 感知偏差（perceptual aliasing），对应FP
• 感知变异（perceptual variability），对应FN

在SLAM中，往往要求高的准确率，对召回率则相对宽容一点。因为一旦回环检测出错，则会导致整个优化出现问题。而较低的召回率顶多使得部分回环没有检测到，可以会多一些累计误差的影响，但这都能通过一两次回环就完全消除了。

3. 词袋模型（Bag-of-Words，BoW）

用图像中有哪几种特征来描述一幅图像。特征就是单词，没有顺序，可能甚至没有数量，强调的是集合。
有了词袋模型，一个图片的特征可以描述为一个向量[1,2,0]，单词1有1个，单词2有2个，单词3没有。
然后就可以根据这个向量进行相似性计算。

3.1 k-means

我们知道字典由很多单词组成，那么提取出来的特征如何变为单词，所以字典生成问题类似于一个聚类（clustering）问题。

k-means算法基本流程：

1. 随机选取k个中心店；（分为k个类）
2. 对每一个样本，计算它与每个中心点之间的距离，取最小的作为它的归类，如此迭代n次
3. 每次迭代过程中，利用均值等方法更新各个聚类的中心点（质心）
4. 如果每个中心点都变化很小，则算法收敛

缺点：

1. k值的选取不把握（分类的个数，中心点不好掌握，初始值）
2. 对于不是凸的数据集比较难收敛
3. 最终结果和初始点的选择有关，容易陷入局部最优
4. 对噪音和异常点比较的敏感

3.2 字典结构

不管k-meas的优缺点，我们现在已经有聚类好的字典了，那么怎么从某个特征点查找字典的相应单词呢？
如果字典是一个列表，那么查找的复杂度是O(n)，太慢了，我们可以使用树结构

以这种方式实现对数级别复杂度的查找。

4. 实践

1. 创建字典，通常用更大的数据集训练而成。
   1. opencv读图
   2. 计算orb
   3. dbow3根据orb生成字典
2. 相似度计算

TF-IDF（Term Frequency-Inverse Document Frequency），是文本检索中常用的一种加权方式，也用于BoW模型中。TF的思想是，某单词在一副图像中经常出现，它的区分度就高。IDF的思想是，某单词在字典中出现的频率越低，分类图像时区分度越高。假设一张图中所有特征数量为n，某叶子节点wi，一张图片该单词的数量为ni，则：
TF:

IDF:

那么一个单词的权重就是：

5. DBoW3是什么

是一个开源的C++库，用于给图像特征排序，并将图像转化为视觉词袋表示。它采用层级树状结构。DBoW3还生成一个图像数据库，带有顺序索引和逆序索引，可以使图像特征的图像检索和对比非常快。