"见人细过 掩匿盖覆"
- [1. 意义](#1. 意义)
- [2. 做法](#2. 做法)
-
- [2.1 词袋模型和字典](#2.1 词袋模型和字典)
-
- [2.1.2 感知偏差和感知变异](#2.1.2 感知偏差和感知变异)
- [2.1.2 词袋](#2.1.2 词袋)
- [2.1.3 字典](#2.1.3 字典)
- [2.2 匹配(相似度)计算](#2.2 匹配(相似度)计算)
- [3. 提升](#3. 提升)
前言： 前端提取数据，后端优化数据，但误差会累计，需要回环检测构建全局一致的地图；
1. 意义
- 通俗的讲，机器人两次经过同一个场景，为了检测是同一个场景，这就是回环检测。它可以用来构建全局一致的地图。有了时隔更加久远的约束，一定程度消除累计飘移。形象的想弹簧，就是把原来已经优化好的，拉的更贴近真实位置。
- 回环检测还可以做重定位，在跟踪丢失的时候。
2. 做法
以下是几种做法：
- 取当前图像和历史所有图像一一进行特征提取并比对，通过匹配的数量确定。O( n 2 n^2 n2)，缺点资源；
- 还是上边的方法，但不一一匹配，随机抽取，可检测到的帧少很多；
- 里程计配合给一个大致位置，这里的进行回环检测，缺点里程计自带误差，只能小范围；
- 基于外观，主流，其中一种就是词袋模型。
2.1 词袋模型和字典
2.1.2 感知偏差和感知变异
感知偏差(假阳性)，感知变异(假阴性)
-
准确率(检测正确的数量 / 检测的总数量): P r e c i s i o n = T P / ( T P + F P ) Precision = TP/(TP+FP) Precision=TP/(TP+FP)
-
召回率(实际检测出来的数量 / 理应检测出来的数量): R e c a l l = T P / ( T P + F N ) Recall = TP/(TP+FN) Recall=TP/(TP+FN)
一般这两个数据呈矛盾，不取极端，只说在recall为多少，pre为多少时候效果最好，一般我们对P的要求更高。这是回环检测的严格性导致的。
2.1.2 词袋
- 字典实际就是对所有图片中的特征进行提取，比如"人"，"车"等，它们是单词，对全部图像特征提取所有单词(特征)后构成一个字典。
- 词袋说的是一帧图像中，能够提取出来的单词。
比如现在有一本4个特征的字典： D = [ x 1 , x 2 , x 3 , x 4 ] D = [x_1,x_2,x_3,x_4] D=[x1,x2,x3,x4]
而我们有两个 x 1 x_1 x1 一个 x 3 x_3 x3 特征的图像，那用词袋可以记为：
A = 2 ⋅ x 1 + 0 ⋅ x 2 + 1 ⋅ x 3 + 0 ⋅ x 4 A = 2\cdot x_1 + 0\cdot x_2 + 1\cdot x_3 + 0\cdot x_4 A=2⋅x1+0⋅x2+1⋅x3+0⋅x4
它的向量就是
A = [ 2 , 1 , 0 , 0 ] A = [2,1,0,0] A=[2,1,0,0]
那么检测两个图像，则举例可以用
s ( a , b ) = 1 − 1 W ∣ ∣ a − b ∣ ∣ 1 s(a,b) = 1 - \frac{1}{W}||a-b||_1 s(a,b)=1−W1∣∣a−b∣∣1
L1范数，各元素绝对值之和，向量完全一样则得到1，是回环。
2.1.3 字典
字典里的单词是某一类特征的组合，类似于一个聚类问题，UML(无监督学习常见问题)。
- 假设要做 k k k 个单词的字典，可以用K-means，K-means++等实现，这里以K-means(均值)为例：
字典规模大，要在字典中查找单词属于哪个，逐个查找复杂度 O ( n ) O(n) O(n)，参考数据结构，这里有很多优化方法，这里以最简单的K叉树为例去优化字典结构：
又很像K-D树，聚类类中类，聚中聚哈哈。一棵深度为 d d d ， 分支为 k k k 的树，可以容纳， k d k^d kd 单词。
2.2 匹配(相似度)计算
两个概念：
- TF(Term Frequency)译频率： 某单词在一副图像中经常出现，它的区分度就高；
- IDF（Inverse Document Frequency)逆文档频率： 某单词在字典中出现的频率低，它的区分度就高；
-
在做字典时候，用IDF，假设所有特征总数为 n n n， 当前要统计的单词特征 w i w_i wi 的数量为 n i n_i ni， 则此单词的IDF为：
I D F i = l o g n n i IDF_i = log \frac{n}{n_i} IDFi=lognin -
对一副图像而言，假设特征/单词 w i w_i wi 出现了 n i n_i ni 次，而这幅图一共出现的单词数量为 n n n，则TF为：
T F i = n i n TF_i = \frac{n_i}{n} TFi=nni -
基于以上知识，一个图像的特征点可以对应到很多单词，则它的词袋（BOW）为：
A = ( w 1 , η 1 ) , ( w 2 , η 2 ) , . . . , ( w N , η N ) ⟺ v A A = {(w_1, \eta _1), (w_2, \eta _2), ... , (w_N, \eta _N)} \iff v_A A=(w1,η1),(w2,η2),...,(wN,ηN)⟺vA词袋中有很多0值，因为它不能包含字典中所有词。
-
计算两图词袋的差异(匹配度)，给出一种方式(一范数)，还有很多：
s ( v A − v B ) = 2 ∑ i = 1 N ∣ v A i ∣ + ∣ v B i ∣ − ∣ v A i − v B i ∣ s(v_A - v_B) = 2\sum^N_{i=1}|v_{Ai}| +|v_{Bi}|-|v_{Ai}-v_{Bi}| s(vA−vB)=2i=1∑N∣vAi∣+∣vBi∣−∣vAi−vBi∣
3. 提升
对于回环检测，有几点可以提升的部分：
- 增加字典规模
- 相似性评分处理
对于环境外观相似，比如教室同款椅子很多，利用先验的相似度(某时刻关键帧图像与上一时刻关键帧的相似性)进行归一化：
s ( v t , v t j ) ′ = s ( v t , v t j ) / s ( v t , v t − Δ t ) s(v_t,v_{tj})' = s(v_t,v_{tj})/s(v_t,v_{t-\Delta t}) s(vt,vtj)′=s(vt,vtj)/s(vt,vt−Δt)
- 关键帧处理
- 相邻帧肯定满足回环检测条件，因为变化太小，所以回环检测的帧一般稀疏；
- 检测到的回环相邻帧意义不大，一帧就可以优化轨迹，因此会把相近的回环聚类成一类，使算法不会反复检测同一类。
- 验证
词袋没有顺序，相机颠倒也是回环，如何验证？
回环缓存机制是一种，单词检测到的回环不足以构成约束，在一段时间内一直检测到的回环才是正确的回环(时间上的一致性检测)
- 机器学习应用于类别
图像连续变化产生不同类别，甚至可以认为是连续的；
图像间相似性可以利用深度学习方法；
词袋方法的物体识别能力不如神经网络，回环检测类似。