SLAM学习笔记-回环检测

1.准确率和召回率

准确率：算法提取的所有回环中确实是真实回环的概率

召回率：在所有真实回环中被检测出来的概率

在SLAM中，对准确率的要求更高。

2.词袋模型（Bag-of-Words)

词袋模型的提出是为了解决文档分类，主要应用在 NLP(Natural Language Process)， IR(Information Retrival)，CV（Computer Vision）等领域。

模型假设：一个文本或文档可以看做是一袋子单词，不考虑其语法和词序关系，每个词都是独立的。（这里要尤其注意，BoW不考虑词序的时间和空间上的信息）

示例：

John likes to watch movies. Mary likes too. 
John also likes to watch football games. 
对以上构造词典：

{ "John": 1, "likes": 2, "to": 3, "watch": 4, "movies": 5, "also": 6, "football": 7, "games": 8, "Mary": 9, "too": 10 }

则之前的两个文本可以表示为

[1, 2, 1, 1, 1, 0, 0, 0, 1, 1] 
[1, 1, 1, 1, 0, 1, 1, 1, 0, 0]

3.BoW的字典生成

可用K-means算法、层次聚类法、K-means++解决