66、循环闭合与三维模型校正

循环闭合与三维模型校正

1. 环闭检测的重要性

在场景重建过程中，三维地图是逐步生成的。随着摄像机的移动，场景中的不同部分被逐步添加到模型中。然而，由于摄像机姿态和地图估计的漂移，模型中可能会出现偏差。环闭检测（Loop Closure Detection）可以帮助我们识别摄像机重新访问已调查过区域的情况，从而提供额外的约束，减少这些偏差。

环闭检测是视觉导航和地图构建中的关键步骤。它不仅能减少漂移误差，还能提高模型的一致性和准确性。例如，当机器人在一个环形路径中移动时，环闭检测可以识别路径的起点和终点，从而将模型中的重复部分合并，减少误差累积。

2. 环闭检测示例

环闭检测的一个实际例子是使用在线视觉词汇（Online Visual Vocabulary, OVV）来识别帧之间的相似性。例如，在一个实验中，OVV检测到了第31帧和第180帧之间的环闭合（如图1所示）。这表明这两帧图像对应于场景中的同一区域，尽管它们在时间上相隔较远。

图1. 环闭检测示例

使用OVV，检测到第31帧和第180帧之间的环闭合。

3. 模型修正前后的表示

在检测到环闭合之前，模型中可能存在重复表示同一场景区域的情况。例如，图2展示了模型修正前后的表示。在修正之前，交叉点对应的场景区域在模型中被表示了两次，分别对应于帧31和180的子集。这种重复表示会导致模型中的冗余和不一致性。