视觉SLAM十四讲：从理论到实践（Chapter11：回环检测）

前言

学习笔记，仅供学习，不做商用，如有侵权，联系我删除即可

一、主要目标

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。
 

二、概述

VO存在误差累积，会使得SLAM出现累计误差，长期估计的结果会不可靠，无法构建全局一致的轨迹和地图，回环检测就可以消除累计误差。

2.1 回环检测的方法

两种思路：基于里程计的几何关系，或基于外观的几何关系。基于里程计的方法由于存在累计误差，存在因果倒置的问题，所以基本无法使用，基本上用的都是基于外观的方法。

2.2 准确率和召回率

三、词袋模型

词袋（Bag-of-Words, BoW）：建立一个词典（Dictionary），然后把图像向量化，进而比较相似程度。

词典的构建可以用K-means的方法进行分析。

四、相似度计算

TF-IDF（词频-逆文档词频）

检测图像相似度的其他方法：VLAD，VLAD-NET