回环校正 - 又见苍岚

本文最后更新于：2026年7月9日上午

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。

候选的不足

词袋检索给出的是"单帧命中"的候选，但单帧命中不可靠。原因有两层：

感知偏差（perceptual aliasing）：不同位置看起来可能很像（走廊、农田、幕墙），BoW 相似度高，但根本不是同一处。词袋本身解决不了——它衡量的就是"看起来像"。
单帧巧合：光照、视角偶然相似，让一帧误命中。

真回环和假阳在时间行为和几何一致性上有本质区别，这正是后续三步过滤的依据。

时序与空间一致性

倒排索引给出的候选先过两道廉价判据，避免把昂贵的几何验证浪费在偶然命中上：

时序一致性：真回环在连续多帧里持续命中同一片历史区域；假阳只偶然命中一次、位置跳变。DBoW2 原文的做法是维护一个滑动窗口，对候选 $(q_t,d_t)$（当前帧及其最佳匹配历史帧），回看前几帧的匹配结果，要求它们都落在 $d_t$ 的邻域里。连续几帧都"钉在同一区域"才升级为稳定候选。

空间一致性：回环不应在刚走过的地方检测到（那是前端跟踪的活）。ORB-SLAM 的做法是把互相共视的历史关键帧聚成"组"、候选以组为单位比较，并要求候选在连续 3 个关键帧的候选列表里都出现，才送去做几何验证；同时要求候选离当前帧的图上距离足够远。

这两步把"单帧误报"压到极低，是几何验证之前的廉价过滤器。整体是个三级漏斗：倒排检索命中（多）→ 时序/空间一致性（少）→ 几何验证（极少），每一级用更贵但更准的判据逐级过滤。

几何验证

几何验证是判定的本质。当前帧和候选历史帧做特征匹配（用直接索引只在同词组内匹配，加速），然后 RANSAC 求一个能解释大量匹配的统一几何模型：

一般 3D 场景 → 基础矩阵 F（对极约束 $\mathbf{x}_B^\top F\,\mathbf{x}_A=0$）；
纯平面场景 → 单应矩阵 H；
若历史帧已有 3D 路标 → PnP 求相对位姿。

错误匹配是随机散落的，不服从任何单一变换；正确匹配服从同一个几何模型。RANSAC 反复采样最小点集估模型、数内点，内点数（或比例）超阈值就判"同一场景"。再配合 cheirality 检查（三角化几个点确认都在相机前方），排除镜像误报。

判定同场景的原子标准是"存在一个能解释大量匹配的统一几何模型"，而不是匹配的绝对数量——一面满是相同窗户的墙能匹配上千个但不服从单一几何，内点反而少。这一条是回环检测最根本的判据。

Sim3 校正

确认回环后，要把当前帧位姿和历史帧位姿对齐。这里有个单目 SLAM 特有的问题：尺度漂移。

单目 SLAM 的尺度不可观——本质矩阵只有 5 个自由度，平移方向已知但长度未知。不同时间段的局部地图可能建立在不同尺度上：时刻 $T_0$ 的局部地图尺度是 $s_1$，时刻 $T$ 的是 $s_2$。若 $s_1\ne s_2$，用刚体变换 SE(3)（只有 R, t）对齐就错了，必须用相似变换 Sim3（含尺度因子 s）：

$$ \mathbf{X}'=s\,R\,\mathbf{X}+\mathbf{t} $$

Sim3 同时估计旋转 R、平移 t、尺度 s，把回环两端的局部地图对齐到同一尺度。双目 / RGBD / 有 IMU 的系统提供了绝对尺度，理论上可以用 SE(3)，但工程上 Sim3 对残余尺度误差更稳健，所以也常用。

全局优化

Sim3 校正只对齐了回环两端，但中间整条轨迹的累积漂移还在。消除它的办法是把回环约束加进位姿图，做全局优化：

位姿图优化：只优化相机位姿（3D 点固定），把回环约束作为一条边加入图，全局调整所有关键帧位姿。秒级，精度中等，用于快速消除漂移。
全局 BA：优化全部相机位姿加全部 3D 点，最精但最贵（分钟级）。实际策略是先位姿图优化快速拉直，再全局 BA 精化。

优化后，原本漂移的轨迹被"拉回"对齐到回环点，整条轨迹全局一致。如果有双目/RGBD/GPS 提供的绝对约束，也一并加入因子图。

地图融合

全局优化调整了位姿后，原本因漂移而"分裂"的重复观测需要合并：把回环两端对应的重复 3D 路标融合为同一个，并对之前因漂移三角化失败的点做重三角化（回环校正后视角关系变好，原本失败的三角化可能成功）。这一步让地图也变得全局一致，不只是位姿。

完整流程

以 ORB-SLAM 为例，回环线程（与跟踪、局部映射并行的第三个线程）的完整流程：

当前关键帧
  → 算 BoW 向量，倒排索引检索 → 候选相似帧 + 得分            [词袋干的部分]
  → 得分超阈值 + 时序一致性（连续多帧命中同一候选）
  → 空间一致性（距离够远、共视图分组、3 连续关键帧）           [廉价预过滤]
  → 几何验证：特征匹配（直接索引加速）+ RANSAC 求 Sim3 位姿
  → 内点足够 → 接受回环                                      [判定]
  → Sim3 校正（含尺度）对齐回环两端
  → 位姿图优化沿共视图传播，全局拉直
  → 全局 BA 精化所有位姿 + 路标
  → 地图融合（合并重复点、重三角化）                          [校正]

关键分工是：词袋负责"粗筛、快速找候选"，时序/空间一致性加几何验证负责"精筛、确认"，Sim3 加全局优化负责"校正、消漂移"。粗筛只保召回（不漏真回环），精筛只保精度（不误报假阳），两者缺一不可——单靠词袋阈值同时保召回和精度理论上不可能，所以必须级联。

小结

词袋给出的候选只是回环检测的起点。完整流程是：候选 → 时序/空间一致性（廉价过滤偶然命中）→ 几何验证（RANSAC 找一致几何模型，判定真假）→ Sim3 校正（处理单目尺度漂移）→ 全局优化（沿共视图把漂移拉直）→ 地图融合。BoW 衡量"看起来像"，几何验证确认"真的是同一处"，全局优化把这份确认转化为整条轨迹的一致性——三步合起来，才把 SLAM 从"会漂移的里程计"提升为"全局一致的建图系统"。

参考资料

D. Gálvez-López and J. D. Tardós, “Bags of Binary Words for Fast Place Recognition in Image Sequences,” IEEE T-RO, 2012.（DBoW2，时序一致性）
H. Strasdat, A. J. Davison, J. M. M. Montiel, “Scale Drift-Aware Large Scale Monocular SLAM,” RSS, 2010.（单目尺度漂移与 Sim3）
R. Mur-Artal and J. D. Tardós, “ORB-SLAM2,” IEEE T-RO, 2017.（回环线程、共视图、Sim3）
C. Campos et al., “ORB-SLAM3,” IEEE T-RO, 2021.
高翔，《视觉SLAM十四讲》。
相关笔记：词袋模型 BoW 与回环检测（检索候选部分）、SLAM 全景、RANSAC、PnP 算法