由于前端如果单纯依靠视觉+imu作为里程计,效果经常不稳定。因此最近做项目的过程中，将前端转化为以里程计（码盘编码器）来进行，相对比较鲁棒。由于这个局部传感器有累计误差，因此长期运行不可靠，因此将vins-mono中回环部分脱离出来。进行独立运行。
这里假定机器人运行的环境是在一个固定，变化相对较小的环境，因此图像数据库不进行更新。即
list<keyframe*> keyframelist
这个只保留载入存储的特征图片。
在vio线程中，通过图像特征跟踪，并三角化特征点，能够得到空间中三维点云的信息。这些点，存在了关键帧的这三个类成员中：
缺点：这些特征点没有描述子，并且数量比较少，大概在100个以下。因此在构建关键帧的时候，需要两个步骤：
（1）给这些关键点添加描述子信息（brief）,这些特征点在这里暂时叫做窗口特征点。
（2）给该帧提取更多的特征点，用fast角点，提取非常多的特征点（500个以上），同样并给这些特征点添加描述子信息。这些特征点在这里暂时叫做姿态特征点。这些姿态特征点没有三维信息，只有像素坐标和归一化坐标两种坐标。
回环匹配分成两个步骤
（1）用bow词袋模型先找出历史的图像数据库中，历史的哪一帧与现在这一帧长得最像。
（2）找出最像的这帧图像，因此历史中这帧关键帧存有非常多的姿态特征点，因此开始进行特征点匹配。
匹配的过程是：
历史的回环候选帧的姿态特征点 与当前帧窗口特征点 两者之间的匹配。
因为姿态特征点数量远远大于窗口特征点数量，就找和当前帧窗口特征点汉明距离最近的一些姿态特征点。
为什么一个选择姿态特征点，一个选择窗口特征点？
因为至少需要一个特征点是知道3D坐标的。才可能知道当前帧相对于历史帧的位姿。
因此知道了3D坐标，知道了2D坐标的投影，就能够知道回环候选帧在当前帧为真值的情况下，回环候选帧的姿态，与实际的回环候选帧的姿态做一个姿态变换，其实就是当前帧应该做的一个姿态变换。比较饶，不过VINS-MONO确实是这样做的。
VINS-MONO支持地图的保存，保存的信息包括：
1.关键帧图片（optional）
2.关键帧姿态
3.关键帧的姿态特征点2D坐标
4.关键帧的姿态特征点2D归一化坐标
5.关键帧的姿态特征点描述子
现在一个问题是，将vins-mono中回环部分脱离出来。进行独立运行。如果还是按照上面这个思路来做的话，由于需要知道特征点的3D坐标，因此同样也是需要前端的VINS_ESTIMATOR来进行三角化的。因此脱离得不够完全。因此我们需要换一种思路。
因此我们地图保存的信息变成：
1.关键帧图片（optional）
2.关键帧姿态
3.关键帧的窗口特征点2D坐标
4.关键帧的窗口特征点3D坐标
5.关键帧的窗口特征点描述子
保存的这些信息后，现在我们还是按照这个思路
（1）用bow词袋模型先找出历史的图像数据库中，历史的哪一帧与现在这一帧长得最像。
（2）找出最像的这帧图像，因此历史中这帧关键帧存有非常多的姿态特征点，因此开始进行特征点匹配。
但是特征匹配的时候，现在我们匹配的过程是：
历史的回环候选帧的窗口特征点 与当前帧姿态特征点 两者之间的匹配。
因此知道了3D坐标，知道了2D坐标的投影，就能够知道回环候选帧姿态为真值的情况下，当前帧的姿态。
由于窗口特征点有3D坐标，当前帧只需要特征点的2D坐标，因此整个过程只需要运行一个pose_graph 包即可。
因此，整个流程应该是这样的：
1.在一个熟悉的环境，运行vins-mono完整版，采集关键帧的姿态，完成后，保存关键帧姿态。（保存的信息需要进行修改，从姿态特征点修改为窗口特征点）
2.直接运行修改后的pose_graph包，这个包订阅的消息就只有图像，不需要运行feature_tracking，以及 vins_estimator。
当然了vins-mono为了追求发论文的高精度，因此把很多阈值调的比较苛刻，才认为是回环。因此，在实际运用中，为了追求回环的高输出，我们可以把一些阈值降低，这些阈值包括：
1.词袋模型找最接近的图片，论文中认为最像的图像应该比第二像的图片可信度高一定的阈值。
2.特征点匹配过程中汉明距离的阈值。
3.PNP求解的过程，内点和外点的比例阈值。
4.PNP求解出来特征点内点的数量阈值。
