回环检测之STD

张开发
• 2026/4/17 22:53:16 • 15 分钟阅读

最新文章

推荐文章

相关文章

分享文章

回环检测之STD
std问题用作回环的时候应该做检验trick关于全局描述子：建图期间多走几圈不同路径多从不同角度采集描述子，同时提高匹配阈值关键帧的处理：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。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。相似评分的处理：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。检测之后的验证（候选帧是如何筛选的？）：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）—这样是要每个周期（不仅仅是关键帧）都要检测回环？这样计算成本是不是就增高了？还是说如果检测出回环就连续检测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。—怎么操作？思考：不是所有的边界点都是可靠的按照现在的策略，提取的边界点一般是平面上的突出部分，这样的话，比如桌子上的水杯杂物什么的会被优先提取，然而这种东西其实是很容易发生变动的……所以什么样的特征点才是稳定可靠的呢？比如桌子的角？这与桌子上的杯子有什么区别呢？桌子的角是可以连成边的 就是边界点是非孤立的 这个在代码中是否有体现呢？Tips点到平面的投影已知法向量（单位向量）与平面一点求平面方程Ax+By+Cz+D = 01. A B C为法向量2. 根据已知一点求得 D = -（Ax+By+Cz）已知平面外一点坐标（x1,y1,z1），又法向量为单位相邻，则d

更多文章