回环检测

Loop Closure Detection进阶

让机器人认出自己回到了到过的地方，用来消除 SLAM 的累积漂移。

回环检测是 SLAM（同步定位与建图）中的一个环节：判断机器人当前看到的场景是不是以前到过的地方。里程计每一步都有小误差，走得越远累积漂移越大，绕一圈回到起点时地图会对不上。一旦确认回到了老地方，就在两次位姿之间加一条约束，交给后端的位姿图或因子图优化，把整条轨迹和地图拉回一致。视觉 SLAM 常用词袋模型比较图像特征，如 ORB-SLAM 系列所用的 DBoW2；激光 SLAM 常用 Scan Context 这类点云全局描述子找候选，再用 ICP 精确对齐。误检代价很大，一次错误回环可能让整张地图扭曲，所以通常还要做几何一致性校验。

例子DBoW2 把图像的 ORB 或 BRIEF 特征转成词袋向量；据其 README，处理 BRIEF 特征每张图约 3 毫秒，可在数万张图的数据库里检索可能的回环候选。

也叫: 闭环检测、Loop Closure、回环、地点识别
相关: 同步定位与建图、视觉位置识别、重定位、因子图优化、迭代最近点、SLAM 前端 / 后端
来源: Wikipedia: Simultaneous localization and mapping（Loop closure 一节）
GitHub: dorian3d/DBoW2
GitHub: gisbi-kim/scancontext (Scan Context, IROS 2018)