回环
前提知识
共视图：无向加权图，以关键帧为节点，关键帧之间如果有共同观测的地图点则产生边，共同观测的数量就是边的权重。在重定位的时候需要在KeyFrameDatabase中搜索候选关键帧，由于关键帧之间是有重叠视图的，所以在得到匹配的候选关键帧之后，继续把每一个候选关键帧在共视图中的所有“同伙”揪出来，从他们之中重新挑选分数最高的作为最新候选关键帧，同时把他们的分数求和作为新候选帧的分数。——具体图示看连接
过程
降频
要求闭环间相隔10个帧
计算minscore
计算当前帧与共视帧的相似分数，去当前帧与共视帧间最小的相似度为minscore以备后用。在于数据中匹配中大于minscore的帧，才有可能是闭环帧
计算maxcommonwords
查找闭环候选帧，当然每个候选帧都会与查询帧有一定数量的共同单词，找到共同单词数最多的帧，并以共同单词数最多的0.8倍设定maxcommonwords
通过minscore和maxcommwords初步过滤掉了大部分候选帧
对候选帧分组
将相连的帧分为一组，这样就会将孤立的帧筛选掉。同时在每个组按公式，计算累加得分，找到组间最高分bestAccScore，并以此设定阈值minScoreToRetain = 0.75bestAccScore
至此剩余组中的就是回环候选帧
连续性检测
好的回环不仅仅是单针对单针的匹配，而是应该多帧对多帧的回环如图
至此我们就得到了若干可靠的候选帧
几何校验
匹配当前帧与闭环帧之间的特征点，利用DBoW加速一下（Direct Index的应用），匹配太少的候选帧直接就干掉了。
计算一个Sim3初值
利用Sim3初值将候选关键帧的地图点再投影到当前帧，得到更多匹配。
然后优化Sim3. 第2-4步是在RANSAC框架下做的，只要有一个帧通过了测试，就跳出去了。这样就选出了一个闭环帧。
把闭环帧的共视关键帧全部取出来，形成了局部地图，把局部地图点再投到当前帧匹配，又形成了更多的匹配。检查一下匹配点的数量来确定是否接受此次闭环。
至此就形成了闭环
Loop fusion