DBoW：DBow首先是提取图片的局部特征，并用SIFT,SURF、orb等描述子对关键点进行数字化表示，然后将所有描述子通过Kmeans++训练成一个树结构，检索过程中通过对叶子节点关联的图片进行投票得出每个图片的分数(TF-IDF)排名。
VLAD：对提取的局部特征按照预设的聚合中心个数（N）通过kmeans训练成一个N维度向量，它存储的是所有描述子与其聚合中心的残差信息。
预积分：假设了短时间内的积分项为常数，通过迭代优化估计非积分项的状态值，避免了优化过程中的重复积分，主要是为了提高计算效率。
基于滑窗的链式优化结构等同于服从n阶马尔科夫的扩展卡尔曼滤波
欢迎纠正