本文介绍了视觉SLAM中回环检测的重要性，旨在构建全局一致的地图，并防止漂移。回环检测通过比较图像相似性，尤其是利用词袋模型进行图像向量表示，提高检测准确性。文章还讨论了准确率和召回率的权衡，以及回环验证的必要性。
@ 《视觉SLAM十四讲》知识点与习题
《视觉SLAM十四讲》第十二讲知识点整理+习题
正在学习SLAM相关知识，将一些关键点及时记录下来。
知识点整理
回环检测的目的在于使得机器人可以判断是否之前运动到过当前位置，目的在于构建全局一致的地图
- 回环检测：可以给出除了相邻帧之外的时隔更加久远的约束，它关系到估计的轨迹和地图在长时间下的正确性。且可以在跟踪算法丢失之后，利用回环检测进行重定位
- 基于外观的回环检测：仅根据两幅图像的相似性确定回环检测关系，核心问题在于如何计算图像间的相似性
- 注意，2中的计算相似性不能直接通过将两幅图像的像素直接相减来度量，因为灰度本身受光照影响，且当相机视角发生改变时也会对像素带来一个较大的差异值
- 回环检测的结果：
希望TP和TN要尽量高，而FP和FN要尽可能低 - 准确率和召回率：
其中准确率是指算法提取的所有回环中确实是真实回环的概率
召回率是指在所有真实回环中被正确检测出来的概率
准确率和召回率是
最低0.47元/天 解锁文章
736
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
