DINOv2 与 AnyLoc：自监督基础模型与零训练位置检索
DINOv2（Meta AI，2023）是个自监督视觉基础模型——无标签训出对视角/光照/域惊人鲁棒的通用 patch 特征；AnyLoc（2023）把它和经典 VLAD 加按域适配组装起来，零 VPR 专属训练就拿到 SOTA 级的视觉位置检索。这篇拆解 DINOv2 怎么"自己教自己"（自蒸馏 DINO + 掩码 iBOT + 防塌缩）、AnyLoc 怎么零训练用上它，是
NetVLAD：把 VLAD 可微化的端到端位置检索
NetVLAD（CVPR 2016）把经典 VLAD 聚合改造成一个可微的 CNN 层，接在卷积主干后面，把整张图端到端映射成紧凑的全局描述子，专门为位置检索/回环训练。这篇梳理它的原理、核心的重参数化推导、训练如何端到端优化、相比 BoW 的利弊，以及一个关键反直觉点——全局描述子为什么位置无关。它是 词袋模型 BoW 的学习型后继。
词袋模型 BoW 与 SLAM 回环检测
回环检测是 SLAM 区别于纯里程计的关键——只有识别出"我以前来过这里"，才能消除累积漂移、得到全局一致的地图。词袋（Bag-of-Words, BoW）是它事实上的标配前端。这篇梳理 BoW 的算法原理、核心推导与几个常见误区。
SLAM 全景：定位与建图的联合估计
SLAM（Simultaneous Localization And Mapping，同时定位与建图）要求移动平台在未知环境、无先验地图的前提下，一边估计自身位姿、一边构建环境地图。这篇梳理 SLAM 的整体框架、数学本质与关键脉络，把前端跟踪、后端优化、回环检测、建图四个模块拧成一个整体来看。
FoundationPose：渲染对比式 6D 位姿估计
FoundationPose（CVPR 2024 Highlight，NVIDIA）把 6D 物体位姿估计做成了"一个模型零样本泛化到新物体"——给定 CAD 模型或几张参考照片即可，不重新训练。它的核心是 render-and-compare（渲染对比），把位姿估计从端到端回归转成带监督的图像判别问题。这篇记录它的算法原理和源码架构要点（不含具体代码）。
回环检测：候选之后（几何验证、Sim3 与全局校正）
词袋模型（DBoW2）给出了回环的"候选"——当前帧可能和某个历史关键帧拍的是同一个地方。但候选只是开始：单帧命中不可靠，真假回环必须经过几何验证、尺度校正、全局优化三步才能确认并消除漂移。这篇接在词袋模型之后，记录"候选之后"的完整流程。
PnP 算法的本质：射线交汇与 EPnP 推导
PnP（Perspective-n-Point）是已知 3D 点位置、它们的 2D 像素投影、相机内参，反推相机位姿的问题。它是相机定位、SLAM 重定位、AR 追踪的核心。这篇不重复 DLT/P3P 的力学推导和 OpenCV 接口（另见 PnP 算法），而是讲 PnP 的本质——射线交汇——以及最常用方法 EPnP 的完整推导。
误差工程方法论：视觉测量系统的精度预算
视觉测量系统（相机 + PnP + 手眼 + 机械臂）落地提精，难点往往不在算法——PnP、ICP、BA 的数学是标准的——而在于系统化地拆解误差、逐级量化验证、定位瓶颈、迭代逼近极限。这篇记录一套"误差预算驱动"的工程方法论，以一个 1m 工作距离、10cm 工件、目标 2mm 精度的场景为线索展开。