当前位置: 首页 > news >正文

第11讲 回环检测

1、理解回环检测的必要性

2、掌握基于词袋的外观式回环检测

3、通过DBoW3的实验,学习词袋模型的实际用途

1、概述

1.1 回环检测的意义

  • 回环检测模块能够给出除了相邻帧的一些是个更加久远的约束。相机经过了同一个地方,采集了相似的数据。
  • 回环检测的关键,就是如何有效地检测出相机经过同一个地方这件事。
  • 回环检测的意义:
    • 关系到我们估计的轨迹和地图在长时间下的正确性。
    • 提供了与所有历史数据的关联,还可以利用回环检测进行重定位。

1.2 回环检测的方法

  • 回环检测方法
    • 基于里程计的几何关系
      • 假设了相机回到之前位置,才能检测回环。有倒果为因的嫌疑,无法在累积误差较大时工作。
    • 基于外观的几何关系(主流)
      • 与前端、后端的估计都无关,仅根据两幅图像的相似性确定回环检测关系。
      • 摆脱了累积误差,使回环检测模块相对独立。(当前前端可以为它提供特征点)
    • 工程角度
      • 配备GPS,提供全局位置信息
  • 如何计算图像间的相似性
    • 直接让两幅图像相减,再取某种范式不行?
      • 像素灰度不稳定,严重受环境光照和相机曝光影响。
      • 相机视角发生少量变换,即使光度不变,像素在图像中的位移,会造成很大差异。
      • 因此,直接相减取范式不能很好的反映图像间的相似关系。
    • 怎样的函数能够更好地反映相似关系?
      • 引出感知偏差(Perceptual Aliasing)和感知变异(Perceptual Variability)

1.3 准确率和召回率

  • 准确率描述的是算法提取的所有回环检测中确实是真实回环的概率
  •  Precision=TP/(TP+FP)
  • 召回率是指,在所有真正回环中被正确检测出来的概率
  • Recall=TP/(TP+FN)
  • Precision-Recall曲线。R横轴,P纵轴,我们关系整条曲线偏向右上方的程度、100%准确率下的召回率或者50%召回率时的准确率,作为评价指标
  • SLAM中对准确率要求更高,对召回率相对宽容。
  • 在选择回环检测算法时,我们倾向于把参数设置更严格,或在检测之后再加上回环检测的步骤。

http://www.mrgr.cn/news/19898.html

相关文章:

  • 【为项目做准备】Linux操作系统day2
  • 整形提升-C语言
  • 2157. 优秀的拆分(power)
  • Linux学习笔记5 值得一读,Linux(ubuntu)软件管理,搜索下载安装卸载全部搞定!(上)
  • 【重学 MySQL】八、MySQL 的演示使用和编码设置
  • ECCV2024|RegionDrag:基于区域的图像编辑方法,通过手动拖拽实现图像编辑!
  • hadoop dfs web页面访问增加鉴权
  • 谈谈AI领域的认知误区、机会点与面临的挑战
  • 计算机为啥搞出那么多进制?
  • SpringBoot开发——整合Swagger
  • SCI论文贡献写法
  • 哈希表(5题)
  • 828华为云征文:华为云 Flexus X 实例性能测评——SuperBench 一键窥见性能
  • python-简单的dos攻击
  • App使用Job中遇到的WAIT DEV_NOT_DOZING的解决方案
  • 红黑树总结(RbTree)——C++版
  • 3个免费好用的网站,可以转换PDF,提取MP3
  • LLM大模型学习:AI时代,敏感词过滤,如何精准且高效,方法+代码实现
  • PointNet++改进策略 :模块改进 | PAConv,位置自适应卷积提升精度
  • Axure中继器动态数据图表制作