闭环检测python_VINS_MONO闭环检测中使用的特征点

闭环检测中每一个关键帧有两类特征点：

goodFeatureToTrack检测到的点及光流track到的点，这些点在FeatureTracker类中得到

KeyFrame类中提取的FAST特征点

两类特征点都计算了BRIEF描述子，但她们特点不同各有用处：

对于FAST点来说，其数量较多，主要用于DBOW2中的query，具体代码在PoseGraph::detectLoop()函数中。

detecLoop获得了可能存在闭环的之前的关键帧的index之后，就要用KeyFrame::findConnection()来确定是否是一个真正的闭环，这个时候就用到了第一类特征点。

具体来说，在old key的FAST特征点中找跟当前keyframe的第一类特征点匹配的点，使用的方法是计算BRIEF描述子的汉明距离，代码见KeyFrame::searchByBRIEFDes()函数。

第一类特征点有比较精确的深度信息，它在世界坐标系下的3维坐标是已知的，在old keyframe中找到它们的匹配点就可以用solvePnP的方法获得当前keyframe和old keyframe的相对位姿。如果两个关键帧之间的yaw和T小于某个阈值才认为是一个真正的闭环。

需要注意的是FAST点和第一类点是通过不同方式检测出来的点，它们往往是不重合的。所以searchByBRIEFDes的时候效果应该不会特别好吧。如果想优化这部分的，可以在这方面动动脑筋。