RTAB-Map (Real-Time Appearance-Based Mapping)自2013年起作为开源库分发，最初是一种基于特征的回环检测方法，具有内存管理功能，可以处理大规模和长期的在线操作。然后，它开始在各种机器人和移动平台上实现同步定位和建图（SLAM）。

​ 提供一个与时间和尺度无关的基于外观的定位与构图解决方案。 ​ 针对解决大型环境中的在线闭环检测问题。

RTAB-Map用于基于外观的实时建图[Labb ́e and Michaud, 2013,Labb ́e and Michaud, 2017], 是一个通过内存管理方法实现回环检测的开源库，。从限制地图的大小以使得回环检测始终在固定的时间限制内处理，从而满足长期和大规模环境在线建图要求。

输入：

输出：

节点描述

STM：（ Short-Term Memory ，短期记忆模块）传感器的原始数据和额外有用的信息将会为其他模块提供服务， 比如回环和全局地图。 STM用于观察连续图像在时间上的相似度，并依此更新定位点的权重。 STM的存储量大小T取决于机器人的速度和定位点获取的频率，定位点数量达到t时，在STM中存储时间最长的定位点就被移动到WM中。

WM用于检测定位点在空间上的闭环假设。

由于LTM中的定位点并不参与闭环检测，因此选择WM中的哪些定点转移到LTM中非常重要。

​ rtab-map的思想是：假设更频繁的被访问的定位点比其他的定位点更易于形成闭环。这样一个定位点被连续访问的次数就可以用来衡量其易于形成闭环的权重。当需要从WM转移定位点到LTM中时，优先选择具有最低权重的定位点。如果具有最低权重的定位点又有多个时，优先选择被存储时间最长的那一个。

为满足实时性的一些限制，闭环检测是仅仅利用有限数量的一些定位点，同时在需要的时候又能够访问到整个地图的定位点。当地图中定位点的数目使得找到定位匹配的时间超过某个阀值时，RTAB-MAP就将WM(Working Memory)中不太可能形成闭环的定位点转移到LTM（Long-Term Memory）中，这样这些被转移的位置点就不参与下次闭环检测的运算。当ＷＭ中闭环被检测到时，其领接定位点又能够重新的从LTM中取回放入WM中，以检测更多的闭环。

​ RTAB-MAP闭环检测时并没有使用STM中的定位点，因为多数情况下，最后获取的定位点大多与其最近的定位点相似。

论文：Appearance-Based Loop Closure Detection for Online Large-Scale and Long-Term Operation

RTAB-Map用离散贝叶斯过滤器来估计形成闭环的概率，将新的定位点与存储在WM中的定位点进行比较。当发现新旧定位点之间有高概率形成闭环时，一个闭环就被检测到了，新旧定位点也就被链接在一起。有两个关键个步骤，一个是“取回”:对于具有形成闭环概率最高的那个定位点，将它的那些没有在WM中的领接定位点，重新从LTM中取出放回到WM中。第二个步骤叫做“转移”:当闭环检测的处理时间超过阀值,具有最低权重的定位点中，存储时间最长的将被转移到LTM中，被转移的定位点的数量取决于当前依赖循环中的WM存储的定位点的数量。

使用词袋法创建图像的签名，一幅图像的签名由视觉词典中的词的集合表示，是在线增量式创建的。 优点：选择增量式的创建方法，而不是采用预先训练号的词典，好处在于针对一个特定的环境不需要与训练过程。

闭环检测完成后，具有形成闭环概率最高的定位点的那些没在WM中的邻接定位点，会重新从LTM取回到WM中。

当处理一帧图像的时间超过Ttime的时候,具有最低权重的定位点中，存储时间最长的将被转移到LTM中。

rtab-map论文翻译 参考 https://blog.csdn.net/xmy306538517/article/details/78771104 https://blog.csdn.net/qq_38649880/article/details/90666446#RTABMap_66 https://blog.51cto.com/remyspot/1784914