slam-回环检测 笔记

       回环检测模块能够给出除了相邻帧之外的一些时隔更加久远的约束，这是因为我们观察到相机经过了同一个地方，采集到了相似的数据。而回环检测关键是如何有效监测出相机经过同一个地方这件事。可直观的想象成回环边把带有累计误差的边拉到了正确的位置。

1 回环检测如何实现？

       希望有个哪处可能出现回环的预计，才不那么盲目地去检测。两种思路：

       基于里程计的几何关系。当我们发现当前相机运动到了之前的某个位置附近时，检测他们有没有回环关系。但由于积累误差的存在，往往没法正确发现运动到了之前某个位置附近的事实。

      基于外观。仅根据两幅图像的相似性确定回环检测关系。摆脱了积累误差，使回环检测模块成为slam系统中相对独立的模块。在此算法中，核心问题是如何计算图像间的相似性。

2 召回率和准确率

算法\事实	是回环	不是回环
是回环	真阳性(True Positive)	假阳性(False Positive)
不是回环	假阴性(False Negative)	真阴性(True Negative)

        准确率=TP/（TP+FP )             召回率=TP/（TP+FN）

       准确率描述的是，算法提取的所有回环中确实是真实回环的概率；召回率则是说在所有真实回环中被正确检测出来的概率。在slam中对准确率要求更高，对召回率相对宽容。

3 词袋模型

词袋，Bag-of-Words(BoW),目的是用“图像上有哪几种特征”来描述一幅图像。首先通过某种方式得到一本字典。例如“人”“车”“狗”都是记录在字典中的单词，记为w1,w2,w3。然后对于图像A，根据它们含有的单词，记为

                                 A=1*w1+1*w2+0*w3

       字典是固定的，只要用[1,1,0]这个向量就可以表达A的意义。该向量描述的是“图像是否含有某类特征”的信息。比单纯的灰度值更加稳定。描述向量说的是“是否出现”，而不管它们“在哪出现”，所以与物体的空间位置和排列顺序无关，因此相机发生少量运动时，只要物体仍在视野范围内，就可以保证描述向量不发生变化。

同理用[2,0,1]描述图像B。如果只考虑“是否出现”，而不考虑数量，也可以是[1,0,1]，这时向量就是二值的。

4字典

当有N个数据，想要归成k个类，用K-means聚类主要包括以下步骤：

1)随机选取k个中心点：c1,....,ck。

2)对每个样本，计算它与每个中心点之间的距离，取最小的作为它的归类。

3)重新计算每个类的中心点。

4)如果每个中心点变化很小，则算法收敛，退出；否则返回第2步。

       k叉树来表达字典，类似于层次聚类，是k-means的直接扩展。假如有N个特征点，希望构建一个深度为d，每次分叉为k的树，做法如下：

1)在根节点，用k-means把所有样本聚成k类，这样得到第一层。

2)对每一层的每个节点，把属于该节点的样本再聚成k类，得到下一层。

3)以此类推，最后得到叶子层。叶子层即为所谓的words。

最终仍在叶子层构建了单词，而树结构中的中间节点仅供快速查找时使用。一个k分支，深度为d的树，可容纳k的d次方个单词。在查找某个给定特征对应的单词时，只需将它与每个中间节点的聚类中心作比较，即可找到最后的单词。

5相似度计算

       不同单词在区分性上的重要性并不相同，通过给定不同的权值对单词的区分性或重要性加以评估。在文本检索中，常用到TF-IDF(Term Frequency-Inverse Document Frequency)。TF部分的思想是，某单词在一幅图像中经常出现，它的区分度就高；IDF的思想是，某单词在词典中出现的频率越低，则分类图像时区分度越高。

 统计某个叶子节点wi中的特征数量相对于所有特征数量的比例作为IDF部分。假设所有特征数量为n，wi数量为ni，该单词的IDF为 

                    IDFi=log(n/ni)

TF部分指某个特征在单幅图像中出现的频率。假设图像A中单词wi出现了ni次，而一共出现的单词次数为n，则

                          TFi=ni/n

wi的权重等于TF与IDF之积。

                  ci=TFi×IDFi

对于某幅图像A，它的特征点可对应到许多个单词，组成它的Bag-of-Words:

              

向量vA是一个稀疏的向量，它的非零部分指示了图像A中含有哪些单词，而这部分的值为TF-IDF的值。

给定vA和vB，计算它们的差异存在若干种解决方式，L1范数形式：