前端、后端和回环检测
全局优化就是回环检测
一共由两条主线构成，且这两条主线同时进行：
传感器数据——>>前端视觉里程计——>>后端非线性优化——>>建图 传感器数据——>>回环检测——>>后端非线性优化——>>建图 传感器信息读取： 在视觉SLAM中主要为相机图像信息的读取和预处理。如果在机器人中，还可能有码盘、惯性传感器等信息的读取和同步。 视觉里程计（VisualOdometry，VO）： 视觉里程计任务是估算相邻图像间相机的运动，以及局部地图的样子。VO又称为前端（Front End）。 后端优化（Optimization）： 后端接收不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对它们进行优化，得到全局一致的轨迹和地图。 回环检测（Loop Closing）： 回环检测判断机器人是否曾经到达过先前的位置。如果检测到回环，它会把信息提供给后端进行处理。 建图（Mapping）：它根据估计的轨迹，建立与任务要求对应的地图。
前后端
前端主要是用来剔除掉一些差点，后端主要是包括边缘到边缘的残差、面到面的残差、运动畸变校正、迭代位姿优化等。
LOAM-Livox算法的前端处理主要包含两个环节：good points选取和特征点提取!
后端迭代位姿优化
由于固态雷达为非重复式扫描，提取的特征点不能持续的被跟踪。即使雷达静止不动，扫描的轨迹和特征点和前一帧比也是不同的。LOAM-Livox 算法 用了一种迭代式位姿优化方法来计算雷达的位姿。实现了实时里程计和建图，频率20HZ。
回环检测
回环检测，又称为闭环检测（Loop Closure Detection）主要解决位置估计随时间漂移的问题。如果有某种手段，让机器人知道“回到了原点”，或者把“原点识别出来，我们再把位置估计值“拉”过去，就可以消除漂移了。这就是所谓的回环检测。
地图存在的主要意义，是为了让机器人知晓自己到达过的地方。为了实现回环检测，我们需要让机器人具有识别曾到达过的场景的能力。例如：我们可以判断图像间的相似性。来完成回环检测。所以视觉回环检测，实质上是一种计算图像数据相似性的算法。
在检测到回环之后，我们会把"A与B是同一个点”这样的信息告诉后端优化算法。然后，后端根据这些新的信息，把轨迹和地图调整到符合回环检测结果的样子。
「 SLAM lesson-2.1 」经典视觉SLAM框架、视觉里程计、后端优化、回环检测_Robot_Starscream的博客-CSDN博客
