学习到这里为止，SLAM14讲的主要知识就不多了。这章的内容书里只是做了一个简述，因此读起来也没有什么难度。但是初学者不仔细看就很容易犯糊涂。
回环检测的意义：
1.给后端的Pose Graph提供更多有效的数据（即走到同一个位置附近了），否则后端优化可能把前端的误差累积起来，出现漂移问题。 2.跟踪算法如果跟丢了，利用回环检测进行重定位。
回环检测的实现方式：
1.朴素思路：（1）暴力匹配，任意两幅图像做一遍特征匹配，并根据数量确定两幅相关联的图像。问题：时间复杂度太大，不实用。（2）随机抽取历史数据进行回环检测。问题：抽到回环几率下降。检测率不高。 2.不盲目的预测： （1）基于里程计的几何关系：发现相机到达之前的某个位置附近，进行回环检测。存在问题：由于累积误差存在，往往没办法正确发现“运动到了某个位置附近”。 （2）基于外观的方式：主流方式。（本文讲的也是这个方式）
必要基础知识：
准确率和召回率：
准确率：算法检测到“是回环”的结果里，有多少个真的是回环。（针对结果） 召回率：有多少个真的回环，被算法检测到“是回环”了。（针对真实样本） 记忆：阳性Postive，阴性Negative，是算法的结果。真True，假False，是真正的结果。由首字母结合。 slam中对准确率要求更高，因为如果实际不是回环，算法却判断为回环（即假阳性）会在后端Pose Graph中添加根本错误的边，严重影响算法结果。而召回率低一些关系不大，因为大不了没检测到回环，后端的优化有点漂移和累积误差而已。
词袋模型：
1.强调的是词的有无，而不是顺序。 2.可以记录词出现的次数，也可以记录词是否出现（这样的向量是二值向量） 3.两个向量的相似性，可以由如下方式定义（定义方式不唯一）： 
W是向量的位数。
字典：
词袋（BoW）表现了字典里的词是否出现或是出现的情况。有词带的前提是，先得有字典。 字典的生成方式：聚类 可以用的方式：K-means聚类。 
字典的数据结构：k叉树（叶子层是单词，中间节点的作用是方便查找） 
回到回环检测，基于外观的方式：
如何判断两幅图像的相似性？
1.提取图像特征初步作为字典中的单词，构建初步字典。
2.加入特征的权重。权重生成方式：TF-IDF:
TF:某单词在一个图像中经常出现，它的区分度就高 IDF:某单词在字典中出现的频率越低，则分类图像时区分度越高 （关于这块我之前有个不明白：字典中的单词不都是唯一的吗？怎么会说“某单词在字典中出现的频率越低”呢？） 这块理解很重要，之前我的理解出现了一些偏差，犯了糊涂。后来才明白。在此特别感谢我的师兄李坤指出我的低级错误。 并不是一个特征点就是一个叶子节点，而是作为最下面的一个类别（还可以再细分，很多个特征点同属这个单词），也就是说聚成了k类。 单幅图像A中单词wi出现了ni次，一共出现的单词数为n次，（即图像里有n个单词，其中某个单词出现的次数是ni次，换句话说就是有ni个特征点同属这个单词） TF为： 
整体的字典中，共有n个特征点，其中单词wi里面含有的特征点有ni个，IDF为 
注意IDF是离线算出来的，也就是说所有的图像都已经有了，提取特征点聚类了。而TF是在线算出来的，来一张算一张。 这样单词的权重就可以通过TF和IDF乘积计算出来。
3.对图像提取特征点，找到字典里的单词，并且形成一个向量。
这块扩展一下： 
每个单词（也就是一小部分特征点的集合）指向这么一个数据结构：一个是图像号，一个是权重。这也就是词袋中的“逆序指针/索引”。 在字典建立好以后，每次有新的图像来了，比如A图检测到1号单词，那么就把1号叶子节点指针指向的列表中多加一个Image A，表示A中曾经出现过这个单词。然后把1单词在A图中对应的权重（该单词类别内所含有特征点数目/该图像中所有的特征点）记录下来。 除了“逆序指针”以外，还有个“顺序索引”： 顺序索引存储了图像特征和它们关联的节点： 
左图是2011会议论文所采用的存储结构，以word为单位，右图是2012在TRO期刊上使用的存储结构，以node为单元。 图里的f1,65表示，第一张图像的第65个特征点是node3的子节点（node3可以指定为倒数第二层，也可以指定为倒数第三层……几层都行，这个按需来）的第三个节点。这样的目的是快速匹配而不是暴力匹配。之后当前关键帧的这个叶节点可以和上一个关键帧在这个node3下的其他兄弟叶节点进行匹配。 【扩展结束】 每一副图像，都由向量表示，即一堆（wi，ni）组成。wi是检测到的单词，ni是上面算出的TF和IDF的乘积（所以每个单词在不同图像中对应的TF是不一样的，而单词自身的IDF是一样的）
4.计算向量直接的差异，得到相似评分：
例如：
相似评分的处理：
分值的绝对值大小不一定帮助大。按上面的分值来说，高分说明相似，低分说明不相似。（有的环境本身外观相似，有的环境各个地方都不同，这样前者向量的差异很小，分值高但并不一定代表回环，后者向量的差异很大，分值低却可能代表回环） 处理方法：取先验相似度（关键帧图像与上一时刻关键帧图像的相似性），做归一化处理： 
从这个角度可以制定一个策略：当前帧与之前某关键帧的相似度超过当前帧与上一个关键帧的三倍，就可能存在回环。 问题：关键帧是啥？ 用于回环检测的帧。可以取的稀疏一些，彼此不同但涵盖整个环境。在后端优化中，主要优化的也是关键帧 对此我的理解：假如把运动轨迹抽象成一个10厘米的尺子，把整数厘米的刻度当成关键帧，然后回环检测就是和这些关键帧作为对比，跟哪个最像就说明走到哪个附近了。
关键帧的处理：
1.用于回环检测的帧取的稀疏一些，彼此之间不太相同，又能涵盖整个环境。 2.把”相近”的回环聚成一类，使算法不要反复地检测同一类的回环。
检测之后的验证：
1.时间上的一致性检测：一段时间内一直检测的回环才当做是回环（n，n+1，n+2……帧都和关键帧像，才当做是回环） 2.空间上的一致性检测：把回环上的两帧进行特征匹配，估计相机运动。把运动放到Pose Graph中，检查与之前估计是否有很大出入。
学了这章以后我的理解是，回环检测并不是用来百分百确定我走到了哪个位姿上，而是通过回环检测判断我是否走到了之前走过的位置附近，也就是说两张图像可以是不完全相似的。回环检测到的目的，是为了给后端优化一个参考，或者是跟丢以后，重新把之前的位姿续上。 而广义上的“重定位”，应该是指我给出一张图像，虽然我没有完全精准的走到那个位置，但是我可以根据这个图像算出它所在的位置。这应该就是回环检测和重定位的区别。回环检测也可以拿来做重定位，就是上面说的跟丢了，把位姿续上，但这并不代表回环检测就等同于重定位，而是说做回环检测的目的，是为了要重定位。 和机器学习的关系是，1.聚类方式能否有更先进的？2.能否不用SURF，ORB等人工设计的特征点，而是用机器学习学习到的图像特征？显然，这点是可以和机器学习结合的突破口之一。
这块补充一些参考资料： 1.浅谈回环检测中的词袋模型（bag of words） 2.ORB-SLAM2：基于可识别特征的自主导航与地图构建（这篇内容中包含著名的《Bags of Binary Words for Fast Place Recognition in Image Sequences 》的翻译，可以作为参考） 3.浅谈SLAM的回环检测技术 4.【泡泡机器人原创专栏】DBoW3 视觉词袋模型、视觉字典和图像数据库分析 5.词袋模型一些理解
