本文目的是为了更加详细的学习通用的回环检测算法 中的DBoW2库,了解其代码构成。
- 回环检测
- DBOW2介绍
- DBOW3介绍
回环的评价指标
一个回环的结果,可能有以下四种情况出现:
算法结果事实 | 是回环 | 不是回环 |
---|---|---|
是回环 | 真阳性 | 假阳性 |
不是回环 | 假阴性 | 真阴性 |
回环检测算法可以输出以下结果:四种结果的数量分别为
$$
准确率=N_{TP}/{N_{TP}+N_{FP}}
$$
$$
Recall = N_{TP}/{N_{TP}+N_{FN}}
$$
准确率描述了检测到的回环中真回环的个数。
Recall描述了真回环中有多少个被检测出来了。
根据准确率和召回率可以得到ROC曲线.
ROC曲线越靠右上方越好,但是通常这两者是矛盾的。
回环检测
闭环检测算法指的是通过检测算法检测出之前访问过的场景。
如图1所示,当机器人在移动过程中,特别是在探索大面积的场景时,由于模型的不确定性以及设备的噪声,不确定性会逐渐增长。通过引入闭环检测技术,识别出历史访问过的场景以增加位姿之间的约束,可以很好的减少这种不确定性。
主要方法
一、关键帧匹配
最简单的闭环检测算法是将新检测出来的关键帧和过去所有的关键帧一一进行比