ORB-SLAM-Mono论文要点总结（五）——— 回环检测Loop Closing

回环线程主要使用局部建图处理的最后一个关键帧$K_i$去进行检测和回环，具体步骤见下：

1. 回环候选帧检测
   首先，计算$K_i$和其共视图里的邻接帧（${\theta }_{min}=30$）词典的相似性，并得到最低评分$s_{min}$。接着，检索识别数据库，剔除那些评分低于$s_{min}$的关键帧。这里的操作类似于DBoW2里的归一化评分，是为了增加鲁棒性。DBoW2里是根据之前的图像计算得到的，这里我们使用共视信息计算。此外，数据库里那些直接与$K_i$相连接的关键帧直接被从结果中剔除。为了确定接受一个回路候选处，必须连续监测到三个一致（在共视图里连接起来的关键帧）的回路候选帧。若有好几处地方与$K_i$表面相似，则可能会有好几个基础回路候选处。
2. 计算相似变换
   在单目SLAM中，地图可能会在7个自由度漂移：三位移，三旋转，还有一个尺度因子。因此，为了闭合一个回路，需要计算当前帧$K_i$到回路闭合帧$K_l$的相似变换，这能够给出在整个回路里累计的误差信息。该相似性计算结果也会在回环的几何验证中使用。
   首先计算当前帧和回路候选帧中与地图点相关联的ORB特征匹配性，基于III-E中的步骤来进行。这里，可以采用3D-3D匹配计算每个候选帧和当前帧。也可以选择使用RANSAC迭代处理每个候选帧，使用Horn法[42]尽量找到一个相似变换。若找到一个相似$S_{il}$，并有足够多的内点，优化它（见附录），然后进行一个有先验的搜索，以发现更多的匹配。然后再次进行优化，若$S_{il}$能够被足够多的内点支持，则认为$K_l$是回环位置。
3. 回路融合
   回路校正的第一步是融合重复的地图点，并在共视图里插入新的边，这些边将会和回环处连接起来。首先当前帧的位姿$T_{iw}$通过相似变换$S_{il}$进行校正，而且此校正被传递到$K_i$的所有邻近帧。连接转换，是为了将回路的两边对齐。所有在回环帧以及邻近帧里可观测到的地图点均被投影到当前帧$K_i$中，而且在投影点周围较窄的区域会再次搜索邻近帧和点匹配，正如V-D中所做。所有匹配到的地图点，以及在计算$S_{il}$时是内点的那些点都被融合。融合步骤里涉及到的所有关键帧都会更新它们在共视图里的边，有效创建与回环处接触的边。
4. 重要图优化（Essential Graph Optimization）
   为了提高回路闭合的效率，进行一个基于重要图的位姿图优化，具体见III-D，其将回路闭合误差沿着图进行分配。基于相似变换进行优化去校正尺度漂移[6]。误差项和代价函数具体见附录。优化之后，每个地图点都根据观测它的关键帧的校正结果进行重新转换。