想象一位蒙着眼在城市里穿行的旅人：他每走一段，就在草稿纸上记下“大约向东xx步、向北xx步”。但脚步丈量并不精准，一步的误差很小，走上几百米却会让地图上的路口明显错位。直到某天他摸到一家熟悉的咖啡店门把手，闻到烘焙豆子的香气——原来是绕回了起点！这一刻，他借助“认出曾到之处”，把笔下歪斜的地图重新拉直。这种“认出旧地、校正全局”的本领，在机器人世界里就是回环检测。机器人同样会因为传感器噪声而累积轨迹漂移，而回环检测提供了一条“时间跨度极大的约束”，相当于在错位地图的终点与起点之间钉上一颗钉子，让整张地图重新闭合、对齐。

岗位关联

对 AI 从业者而言，回环检测是 SLAM 系统长期稳定运行的关键保障，也是机器人感知与自动驾驶定位岗位面试中绕不开的核心考点。理解它，等于握住了从“会跑地图”到“能把地图跑准”的那把钥匙。

目录
  1. 可视化演示
  2. 回环检测概述
  3. 外观描述构建
  4. 词袋模型原理
  5. 相似度评分
  6. 几何验证机制
  7. 误回环防护
  8. 工程实践调优
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

通过步进式展示快速排序的分区与递归过程，直观观察枢轴选择、元素比较与交换如何逐步完成排序。

本节配有交互动效（进入视口后自动加载，约 3KB）。

快速排序分区过程 红色为当前枢轴，橙色为比较元素 绿色为已排序定位的元素 partition: O(n), 平均 O(n log n)

回环检测概述

蒙眼旅人在走第一条街区时，草稿纸上还很干净；可走过五六条街后，他发现右转的巷口本应正对钟楼，却偏了一个屋檐；再走下去，整张图的方位都开始拧巴。原因很简单：每一步的估计都有微小噪声，噪声沿着路径不断累计，最终把一条闭合路线画成了开环。

在 SLAM 系统中，机器人依靠里程计、惯性测量单元或视觉里程计做连续位姿估计。每两个相邻时刻之间求解出一个相对运动，再把相对运动连乘起来得到当前位姿。问题在于，每次求解都带有噪声，噪声会像滚雪球一样积累，使轨迹逐渐偏离真实路线。回环检测的目标，就是在机器人绕回曾经访问过的位置时，从图像观测中发现“我回到了这里”，从而为后端优化提供一条连接两个非相邻时刻的强约束。

就像旅人绕了一圈终于摸到熟悉的门把手，回环检测在漂移轨迹的首尾之间补上了一条关键约束。后端优化拿到这条约束后，会把整条歪斜的轨迹整体“拉”回闭合状态。回环检测的价值不在于局部修正，而在于从全局上终止误差的无休止累积。

Xt=X0+∑i=1tΔXi+∑i=1tεiX_t = X_0 + \sum_{i=1}^{t}\Delta X_i + \sum_{i=1}^{t}\varepsilon_i
这个公式说明：当前位置由初始位置、每次运动增量以及所有噪声共同决定，噪声项越积越大，轨迹就越来越“飘”。
  1. 初始位置机器人开始建图前所在的位置，设为建图原点的参考基准。
    X0X_0
  2. 运动增量求和每一步估计出的位姿变化量被累加起来，形成一条连续的轨迹估计。
    ∑i=1tΔXi\sum_{i=1}^{t}\Delta X_i
  3. 误差累积项每一步引入的测量噪声也在累加，它是轨迹漂移的根源。
    ∑i=1tεi\sum_{i=1}^{t}\varepsilon_i

外观描述构建

旅人回忆一条街时，不会去记每一块砖的颜色，而是记住几个稳定地标：面馆的旗子、药房的绿色雨棚、巷口那只打盹的橘猫。这些地标足够独特、足够稳定，即使换个角度、换种光线，也依然能够认出来。机器人的“地标”则是图像中的关键点和描述子。

原始图像由几十万个像素构成，直接比较像素既不高效也不鲁棒——换个视角，同一面墙的像素位置就完全变了。因此，回环检测的第一步是从单帧图像中提取有意义的外观描述：先用角点检测、斑点检测等方法找出图像中纹理变化剧烈的关键点，再为每个关键点生成一个描述子向量。描述子相当于给关键点发了一张“身份证”，上面记录着它周围区域的纹理分布信息。

通俗地说，外观描述构建把“一整条街的细节”压缩成“几个经典地标的名片”。旅人认旧地靠地标，机器人认旧地靠特征描述子；地标选得好，后面的一切才会顺利。

F(I)={f1,f2,…,fm},fj∈RdF(I) = \{\mathbf{f}_1, \mathbf{f}_2, \dots, \mathbf{f}_m\}, \quad \mathbf{f}_j \in \mathbb{R}^d
一张图像经过特征提取后，就变成了若干固定维度的描述子向量集合，这正是后续“视觉词典”的原料。
  1. 图像输入用符号 \(I\) 表示一帧图像，它是整个回环检测流程的起点。
    II
  2. 特征集合花括号中的每个 \(\mathbf{f}_j\) 表示从该图像中提取出的第 \(j\) 个关键点描述子，整幅图变成 \(m\) 个描述子的集合。
    {f1,f2,…,fm}\{\mathbf{f}_1, \mathbf{f}_2, \dots, \mathbf{f}_m\}
  3. 描述子维度每个 \(\mathbf{f}_j\) 都是 \(d\) 维向量，\(d\) 通常为 32、64 或 128 等固定数值，便于比较距离。
    fj∈Rd\mathbf{f}_j \in \mathbb{R}^d

词袋模型原理

回到书房整理书籍的场景：书多到记不住每一本的名字，于是准备十几个大箱子，分别贴上“科幻”“历史”“传记”的标签，把书粗略归类后数一数每个箱子里有多少本。这样一来，只需报出“科幻5本、历史3本、传记1本”，就能对整面书墙有个极为精简的整体印象。词袋模型做的是同样的事：把所有描述子聚类成若干“视觉词汇”，再用每个词出现的次数来描述一帧图像。

实际操作中，系统先离线收集大量图像特征，通过 K 均值聚类等方法把它们聚成 \(K\) 个类别，每个类别中心就是一个“视觉单词”。之后，任意一帧图像的特征都会被分配到最近的视觉单词上，于是图像就从一个特征集合变成一个长度为 \(K\) 的频数向量。

不过，有些视觉词太常见，比如街道、墙壁、地板纹理，它们在许多图像中都频繁出现，区分度很低。为此，词袋模型引入 TF-IDF 权重：词频越高说明越重要，但出现该词的图像越多，其重要性反而越低。

这就像旅人记路时，不会把“有路灯”这种处处可见的特征当作地标，而是会记住“蓝色雨棚配槐树”这种稀缺组合。TF-IDF 让机器人在建立图像描述时也拥有同样的“稀缺感”。

v(I)=[n1m,n2m,…,nKm]v(I) = \left[\frac{n_1}{m}, \frac{n_2}{m}, \dots, \frac{n_K}{m}\right]
前半部分是词频，后半部分是逆文档频率，两者相乘后，罕见的、有区分力的视觉词会被放大，常见词的干扰会被抑制。
  1. 词频项\(n_{i,d}\) 是第 \(i\) 个视觉词在第 \(d\) 帧图像中出现的次数，\(n_d\) 是该图像中所有特征的总数。
    ni,dnd\frac{n_{i,d}}{n_d}
  2. 逆文档频率项\(N\) 是数据库中图像总数，\(N_i\) 是包含第 \(i\) 个视觉词的图像数；比值取对数后，出现越广泛的词权重越低。
    log⁡NNi\log\frac{N}{N_i}
  3. 合并权重将词频项与逆文档频率项相乘，得到该帧图像在第 \(i\) 个视觉词上的最终权重。
    wi=ni,dnd×log⁡NNiw_i = \frac{n_{i,d}}{n_d} \times \log\frac{N}{N_i}

相似度评分

旅人从兜里掏出自己画的地图，看到前方街口挂着一块褪色的“东风理发店”招牌，和记忆中的一处地标很像，于是他会先在心里打个分：“这家店和我之前见过的那家有多像？”回环检测中，机器人也要做同样的事：把当前帧的词袋向量与历史帧的向量逐一比较，计算一个相似度分数。

词袋向量之间的比较有多种方式，最常用、最稳定的是基于 L1 归一化距离的相似度：如果两个向量在每个维度上都很接近，说明两张图使用的视觉词分布几乎一致，可能来自同一地点。

得到分数后还需要一个判定策略：只有分数超过预设阈值 \(\tau\) 的帧，才被选为回环候选帧。阈值定得太低会增加误检，定得太高又会漏掉真实回环。实际系统中常采用动态阈值，结合当前帧得分分布来调高或调低门槛，就像旅人看到特别相似的地标时会先放慢脚步，靠近仔细看一眼，而不是远远看了一眼就断定“是这里”。

s(va,vb)=1−12∑k=1K∣va,k−vb,k∣s(v_a, v_b) = 1 - \frac{1}{2}\sum_{k=1}^{K}\left|v_{a,k} - v_{b,k}\right|
这个分数范围在 0 到 1 之间：1 表示两幅图在词袋层面完全相同，0 表示完全不同。
  1. 逐维差值对第 \(k\) 个视觉词，取两个向量各自取值的绝对差，衡量它们在这一维度上的差异。
    ∣va,k−vb,k∣\left|v_{a,k} - v_{b,k}\right|
  2. 累加与归一化把所有维度差异加起来，除以 2，使结果落在 \([0,1]\) 区间内。
    12∑k=1K∣va,k−vb,k∣\frac{1}{2}\sum_{k=1}^{K}\left|v_{a,k} - v_{b,k}\right|
  3. 转换为相似度用 1 减去差异，差异越小则分数越高，得到直观的相似度分值。
    s(va,vb)=1−12∑k=1K∣va,k−vb,k∣s(v_a, v_b) = 1 - \frac{1}{2}\sum_{k=1}^{K}\left|v_{a,k} - v_{b,k}\right|

几何验证机制

旅人在街上看到一家“东风理发店”，但不能立刻确认这就是之前路过那家——也许另一条街有家店门脸几乎一样。他必须走近，看看玻璃门上的贴纸、门把手的位置、旁边台阶的高度是否与记忆完全吻合。几何验证，就是走近之后的“细节确认”。

词袋模型描述了一幅图像的“整体构成”，却丢失了特征之间的空间排列关系。两幅图可能词频分布相似，但特征点的相对位置完全对不上，这种情况极有可能是误匹配。因此，回环检测在得到候选帧后，要对候选帧与当前帧做特征匹配，然后求解两帧之间的相对相机位姿，并验算匹配点在几何约束下是否真正成立。

最常见的做法是求解 PnP 问题：已知当前帧中的 2D 特征点与地图中的 3D 点，估计相机位姿 \(R, t\)，再计算地图 3D 点重新投影到图像后与观测像素之间的误差。

几何验证相当于给回环检测上最后一道保险。只有同时通过词袋评分和几何验证的回环，才能作为可信约束送入后端，否则宁可不加这条边，也不能让错误的地图假设污染全局优化。

E(R,t)=∑j=1m∥pj−π(RPj+t)∥2E(R,t) = \sum_{j=1}^{m}\left\|\mathbf{p}_j - \pi(R\mathbf{P}_j + t)\right\|^2
重投影误差越小，说明候选回环在几何上越“真实”，可以通过验证。
  1. 地图与观测点\(\mathbf{P}_j\) 是地图中的 3D 点，\(\mathbf{p}_j\) 是当前帧中与之对应的 2D 观测像素点。
    Pj,pj\mathbf{P}_j,\quad \mathbf{p}_j
  2. 投影变换把 3D 点经过旋转 \(R\) 和平移 \(t\) 变换到相机坐标系后，用投影函数 \(\pi\) 映射到图像平面。
    π(RPj+t)\pi(R\mathbf{P}_j + t)
  3. 误差累加计算投影位置与真实观测位置之间的像素差，把所有匹配点的误差平方求和，得到总重投影误差。
    E(R,t)=∑j=1m∥pj−π(RPj+t)∥2E(R,t) = \sum_{j=1}^{m}\left\|\mathbf{p}_j - \pi(R\mathbf{P}_j + t)\right\|^2

误回环防护

城市里有两条街的转角都有一棵大槐树，树下都停着白色面包车，蒙眼旅人凭借瞬间的印象，很容易把 B 街当成 A 街，在草稿纸上把两条街“折叠”到一起。结果整张地图的拓扑结构被破坏，原本笔直的马路被拧成麻花。这就是误回环的可怕之处——它比“没有回环”更致命。

误回环是指系统把两个并不相同的地点判断为同一个位置。一旦这样的错误约束被送入后端优化，会连带扭曲整张轨迹和地图。因此，现代 SLAM 系统都会做多层防护：词袋分数阈值只是第一道闸门，几何一致性验证才是第二道关键闸门。几何验证阶段会对候选帧做特征匹配，并通过 RANSAC 求解几何模型，统计匹配点中有多少“内点”支持这个模型。

除了几何一致性，还可以加入时间一致性：只有连续多帧都检测到同一个回环，才予以确认。这就像旅人不仅看到理发店，还看到隔壁药房和台阶裂缝，三个地标同时吻合，他才敢确认自己真的回到了 A 街。

η=ninliersnmatches≥η0\eta = \frac{n_{\text{inliers}}}{n_{\text{matches}}} \geq \eta_0
内点比例越高，说明两幅图的特征在几何上越一致；只有超过预设比例 \(\eta_0\) 时，才认定回环通过。
  1. 匹配总数\(n_{\text{matches}}\) 是候选帧与当前帧之间通过描述子匹配得到的特征点对总数。
    nmatchesn_{\text{matches}}
  2. 内点数量\(n_{\text{inliers}}\) 是在 RANSAC 几何模型约束下满足一致性条件的匹配点对数。
    ninliersn_{\text{inliers}}
  3. 比例判断内点数占匹配总数的比例达到 \(\eta_0\)，才认为两帧存在一致的几何关系，回环为真。
    η≥η0\eta \geq \eta_0

工程实践调优

有经验的旅人不会盲目地记下所有街角，而是会记住数量适中、分布均匀的稳定地标；他还知道在光线昏暗的巷子里要放慢脚步，反复确认路口再转弯。回环检测的工程实践也同样讲究“抓大放小”：要想让系统稳定运行，必须知道瓶颈在哪里，然后针对性地调优。

回环检测的完整链路通常包括三个主要阶段：特征提取与描述子计算、词袋向量检索、候选帧几何验证。第一个阶段受图像分辨率影响较大，第二个阶段依赖词典规模和索引结构，第三个阶段则和候选帧数量直接相关。实时系统中的优化目标，是让三个阶段的耗时总和低于一帧的实时预算。

调优经验通常是：词典规模太小时检索快但区分度差，太大则内存占用高且向量稀疏；相似度阈值需要结合召回率与精确率曲线来标定；几何验证阶段只对少数高评分候选帧执行，避免每帧都做昂贵的位姿求解。整体思路就像旅人规划回忆路线：地标适量、特征鲜明、确认步骤简洁，才能走得又快又不迷路。

Tloop=Tfeat+Tbow+Tveri<1FPStargetT_{\text{loop}} = T_{\text{feat}} + T_{\text{bow}} + T_{\text{veri}} < \frac{1}{FPS_{\text{target}}}
将回环检测总耗时拆成特征、检索、验证三段，分别测量，就能快速定位拖延性能的环节。
  1. 三个阶段耗时特征提取耗时、词袋检索耗时、几何验证耗时分别用三个变量表示。
    Tfeat+Tbow+TveriT_{\text{feat}} + T_{\text{bow}} + T_{\text{veri}}
  2. 帧预算目标帧率的倒数就是每帧可用的时间预算，例如 30 FPS 对应约 33 毫秒。
    1FPStarget\frac{1}{FPS_{\text{target}}}
  3. 总和比较当回环检测总耗时接近甚至超过帧预算时，系统就会卡顿，必须优化超限的单个阶段。
    Tloop<1FPStargetT_{\text{loop}} < \frac{1}{FPS_{\text{target}}}

AI 应用场景

扫地机器人回充与地图修正

阶段：感知与定位、SLAM后端全局优化

解决的问题：扫地机器人在房间内长时间清扫时，车轮打滑和里程计噪声会让轨迹漂移，导致“明明在客厅，地图却画进了卧室”。传统方法只依赖里程计和局部匹配，误差会不断累积。

具体案例：当扫地机器人绕回充电桩附近，视觉模块识别到充电桩周围的墙角、家具轮廓等特征，触发回环检测。系统把当前位姿与历史经过充电桩时的位姿关联起来，经过后端图优化后，整张房间地图被重新拉正，机器人也能精确对接充电桩。

自动驾驶地下车库重定位

阶段：全局定位与数据关联

解决的问题：地下车库没有 GPS 信号，车辆仅靠惯性单元和轮速计定位，时间稍长就会累积漂移，导致车道级定位失效。传统方法难以处理这种长时间、无绝对参考的定位场景。

具体案例：车辆在车库地图中行驶，视觉模块将当前画面与事先构建的“车库视觉词典”进行相似度查询，识别到曾停过车的空位或柱子区域，判定回环。随后用 PnP 做几何验证，直接把车辆在新一轮行驶中的漂移轨迹拉回全局地图，实现精确重定位。

AR眼镜长时间佩戴的坐标漂移修正

阶段：空间感知、世界锁定

解决的问题：AR 眼镜在用户长时间行走、转头后，虚拟物体显示位置会相对真实世界缓慢滑动，破坏沉浸感。传统方式需要高性能外部定位设备，难以随身部署。

具体案例：用户在展馆中来回参观，AR 眼镜会不断提取展厅中的海报、雕塑等视觉特征，一旦识别出回环，便在后台触发轨迹修正，将虚拟导航箭头重新锚定到天花板和展柜的正确位置，用户几乎感觉不到修正过程。

Python 演示

python45 行
import numpy as np  def build_vocabulary(all_descs, K, iters=3):    """对全部特征描述子做K均值聚类，得到视觉词典。"""    data = np.vstack(all_descs)    idx = np.random.choice(len(data), K, replace=False)    centers = data[idx].copy()    for _ in range(iters):        dist = np.linalg.norm(data[:, None, :] - centers[None, :, :], axis=2)        label = dist.argmin(axis=1)        for k in range(K):            if np.any(label == k):                centers[k] = data[label == k].mean(axis=0)    return centers  def bow_vector(desc, centers):    """把一帧图像的特征描述子量化为词频向量。"""    dist = np.linalg.norm(desc[:, None, :] - centers[None, :, :], axis=2)    label = dist.argmin(axis=1)    v = np.bincount(label, minlength=len(centers)).astype(float) / len(desc)    return v  def similarity(a, b):    """L1归一化相似度：1表示完全一致，0表示完全不同。"""    return 1.0 - 0.5 * np.abs(a - b).sum()  np.random.seed(42)database = [np.random.rand(180, 8) + np.random.normal(0, 0.01, (180, 8))            for _ in range(40)]vocab = build_vocabulary(database, K=10)db_vecs = [bow_vector(f, vocab) for f in database] query = database[25] + np.random.normal(0, 0.02, (180, 8))qv = bow_vector(query, vocab)scores = [similarity(qv, v) for v in db_vecs]best = int(np.argmax(scores))found = best == 25 and scores[best] > 0.65 print("best frame:", best)print("score:", round(float(scores[best]), 3))print("loop found:", found)
目的：用随机生成的合成特征模拟“机器人的历史图像库”，训练一个 10 词视觉词典，并将第 25 帧加噪声后作为当前查询帧，检验回环检测能否正确找出历史匹配帧。
  1. data = np.vstack(all_descs)把所有历史帧的特征描述子拼成一个大矩阵，作为聚类原料。
  2. centers = data[idx].copy()随机选择 K 个样本作为初始聚类中心，K 即视觉词汇量。
  3. label = dist.argmin(axis=1)每个特征描述子都被分配到距离最近的视觉单词上。
  4. centers[k] = data[label == k].mean(axis=0)每一轮迭代都用该簇内所有特征的均值更新聚类中心。
  5. v = np.bincount(label, minlength=len(centers)).astype(float) / len(desc)统计每个视觉词的频数并归一化，得到词袋向量。
  6. scores = [similarity(qv, v) for v in db_vecs]当前查询帧与数据库每一帧计算 L1 相似度，找到最高分。
  7. found = best == 25 and scores[best] > 0.65最高分正好对应原始第 25 帧且分数超过阈值，说明回环检测成功。

常见误区

误区回环检测就是拿当前图像和所有历史图像做特征匹配，匹配成功就是回环。

正解实时 SLAM 中不会真的和每一帧做暴力特征匹配，那样计算量太大。标准流程是先用词袋模型从数据库里快速检索出少量候选帧，再对候选帧做特征匹配和几何验证。词袋检索、特征匹配、几何验证是三道工序，特征匹配只是中段的一环。

为何常见：许多回环检测示意图直接画出“两帧特征点连线”，让初学者误以为找到匹配点就等于完成了回环检测。

误区回环检测一旦通过，SLAM 系统生成的地图立刻就精准闭合，误差全部消失。

正解回环检测只产生了一条“约束边”，告诉后端“第 t 帧的位置和第 t-k 帧的位置应该重合”。真正把误差分摊到整条轨迹上，需要由后端图优化执行位姿图调整。检测只是识别，修正是优化环节的职责。

为何常见：演示视频中回环瞬间地图快速回正，容易让人误以为检测模块独自完成了所有修正。

误区出现误回环说明阈值设得不够高，只要把相似度阈值调大，就能彻底解决误检。

正解阈值只能调节“严格程度”，无法消除视觉本身的歧义。在隧道、森林、长廊等重复纹理环境中，不同地点的图像外观可能高度相似，分数普遍很高；再调高阈值也只会让所有回环都被漏掉。解决误检必须依靠几何一致性验证和时间一致性约束，而不是单纯调阈值。

为何常见：阈值是代码中肉眼可见的参数，初学者遇到误检后最容易去调它，却忽略了更结构化的验证机制。

误区视觉词典规模越大，词袋向量区分度越高，回环检测就越准确。

正解词典过大会导致几乎所有视觉词出现频率都很低，向量极度稀疏，相似度计算变得不稳定；同时内存占用和检索耗时也会显著上升。合理的词典规模需要结合场景复杂度和算力标定，通常一两万到几百万级词汇量之间需要针对具体任务做折中。

为何常见：直觉上“更精细的划分更有区分度”，但在统计模型中，稀疏向量反而可能带来噪声和过拟合。

面试题

Q1. 回环检测最核心的目标是什么？

单选题 · easy

  • A.压缩地图存储体积
  • B.识别曾经到过的位置← 正确答案
  • C.加快特征提取速度
  • D.替代 GPS 进行定位

答案：B。回环检测的核心是判断机器人当前看到的环境是否与历史某时刻重合，从而为位姿图增加跨时段的约束。压缩地图、加快特征提取和替代 GPS 都不是它的本职目标。

Q2. 回环检测主要解决 SLAM 中的哪类问题？

单选题 · easy

  • A.累积误差与轨迹漂移← 正确答案
  • B.传感器分辨率不足
  • C.地图颜色失真
  • D.路径规划实时性

答案：A。SLAM 中里程计误差会随轨迹长度持续累积，回环检测通过识别重新访问的位置来约束漂移。传感器分辨率、地图颜色和路径规划都不属于回环检测的核心问题。

Q3. 词袋模型对图像特征的常见处理方式是什么？

单选题 · easy

  • A.按视觉词频统计向量← 正确答案
  • B.保存所有像素灰度值
  • C.将图像分割成规则网格
  • D.计算相邻两帧的光流

答案：A。词袋模型把特征描述子聚类为视觉词汇，然后统计每帧图像中各词汇出现的频率，得到词频向量。保存像素、分割网格和计算光流都不是词袋模型的做法。

Q4. TF-IDF 权重中 IDF 的主要作用是什么？

单选题 · mid

  • A.提高常见视觉词的比重
  • B.抑制常见视觉词的干扰← 正确答案
  • C.减少特征提取的计算时长
  • D.增加视觉词典的词汇总量

答案：B。IDF（逆文档频率）会惩罚那些在大量图像中都出现的词，降低它们的区分权重，从而突出罕见而有辨识力的视觉词。它不改变算力、词典大小，也不会提高常见词比重。

Q5. 在 DBoW 系列算法中，两个词袋向量的相似度通常如何计算？

单选题 · mid

  • A.欧氏距离的平方
  • B.L1 距离的归一化补数← 正确答案
  • C.图像像素逐点相减
  • D.直方图曲线的斜率

答案：B。DBoW 系列采用 L1 归一化距离，计算两个向量逐维绝对差的总和并除以 2，再用 1 减去差异得到相似度。欧氏距离不是 DBoW 默认做法，像素相减和直方图斜率也不相关。

Q6. 以下哪项最适合验证候选回环是否真实？

单选题 · mid

  • A.调整图像亮度和对比度
  • B.重投影误差几何验证← 正确答案
  • C.统计词袋向量的长度
  • D.比较直方图的波峰数

答案：B。几何验证把候选帧的匹配点投射到同一几何模型下，通过重投影误差判断两帧空间关系是否成立。亮度和对比度处理、向量长度和直方图波峰都无法验证空间一致性。

Q7. 误回环会给 SLAM 系统带来哪些后果？

多选题 · mid

  • A.全局地图产生畸变← 正确答案
  • B.位姿图中出现错误边← 正确答案
  • C.轨迹精度一定提升
  • D.后端优化结果不可信← 正确答案

答案：ABD。误回环会被当作错误约束送入后端，导致位姿图出现错误边，全局地图畸变，优化结果不可信。它不会提升轨迹精度，恰恰相反，错误约束会严重破坏精度。

Q8. 关于回环检测与后端优化，哪些说法正确？

多选题 · hard

  • A.回环提供了跨时段位姿约束← 正确答案
  • B.约束必须经图优化才能生效← 正确答案
  • C.任意高得分帧都可作为约束
  • D.几何验证可以过滤伪回环← 正确答案

答案：ABD。回环检测的核心产物是跨时段位姿约束，这种约束要经后端图优化才能修正轨迹。高得分帧仍需经过几何验证，不可以直接当作约束；几何验证正是用来过滤伪回环的关键防线。

Q9. 以下哪些措施可以降低误回环率？

多选题 · hard

  • A.提高相似度判定阈值← 正确答案
  • B.增加几何一致性检验← 正确答案
  • C.加入时间一致性约束← 正确答案
  • D.无限扩大视觉词典规模

答案：ABC。提高阈值、做几何验证、加时间一致性约束都可以降低误检。无限扩大词典规模不仅不能保证降低误回环率，反而可能造成向量稀疏、内存上升和检索退化。

Q10. 在实时 SLAM 系统中，回环检测最可能成为性能瓶颈的环节是哪个？

单选题 · extreme

  • A.词袋向量的相似度查询
  • B.关键点的特征提取
  • C.候选帧的几何验证← 正确答案
  • D.传感器图像的采集

答案：C。词袋查询借助倒排索引可以很快完成，特征提取往往在前端已经完成可以复用，图像采集由硬件决定；而几何验证需要对候选帧逐一执行特征匹配和位姿求解，复杂度最高，最容易成为瓶颈。