回环检测要克服的难题是视角变化和环境条件的变化,保证在剧烈环境变化下回环检测的稳健性,实时性等特点。
回环检测大部分的论文是套路已有算法做改进。而现有的算法中,大部分都是借用CNN获取图像描述符,或是局部描述符,或是全局描述符,然后采用PCA降维处理, 再做相似性测量。所做的改进方向,或是改进CNN结构,或是改进描述符处理,让这些描述符更具鲁棒性或稳健性,再做相似性测量。现在越来越多的论文倾向于提取图像中的语义信息,经过处理再测量相似度。注意所使用的数据集也大多包含了季节光照视角变化下的环境图像。
理解回环检测
什么是回环检测?
一般讲回环检测,都是在说SLAM的回环检测环节,而SLAM又具体指什么呢?回环检测指什么?回环检测又在slam中起到什么作用呢?这些问题在高翔老师的《SLAM十四讲》中讲得很清楚,我这里只做引用,加上简单的个人理解。
并且引用了右边链接的分析 https://www.arduino.cn/thread-82348-1-1.html
SLAM全称为Simultaneous Localization and Mapping 的缩写,中文是“同时定位与地图构建”,指搭载特定传感器的主体,在没有环境先验信息的情况下,于运动过程中建立环境的模型,同时估计自己的运动。如果这里的传感器主要是相机,那就称为“视觉SLAM”。也就是说,SLAM要解决两个问题,定位和地图构建&#x