DBoW2视觉词袋原理
来源:互联网 发布:单片机仿真软件程序 编辑:程序博客网 时间:2024/05/17 03:50
节选原文:http://www.cnblogs.com/jian-li/p/5666556.html
DBoW2应用
图像对应的bag-of-words向量vt
假设词典总共有
其中,
,在建立视觉词袋的时候已经得到。
反向索引:描述词汇中的每一个单词在出现过的图像列表,能够加速查找具有相同词汇的图像。(用什么数据结构实现的?)存储一系列
为该单词在图像中的权重)。查询数据库时只需要比较有相同词汇的图像,加速查找,也就是说搜索图像只需要(1)词袋和(2)反向索引
具体流程如下:提取当前帧的描述子,查询字典,得到单词,查找反向索引表,得到所有具有该单词的图像。
直接索引:(存储每一幅图像的特征)对于每一幅图像
直接索引能够加快闭环检测的几何认证,因为只有具有相同的词汇或者在第l层有相同的祖先的关键帧才需要进行几何认证
直接索引存储每一个图像
层(预先给定的)的所在的节点已经所有该图像中属于该节点的描述子。
DBow2的作用:通过视觉词汇将一幅图像转换成稀疏的数字向量(能够对大量的图像进行处理)
视觉词汇是离线建立的,通过将描述子空间划分成W个视觉词汇。
基于DBoW2做闭环检测
A.查询数据库
通过数据库存储和检索相似的所有图像。步骤为:首先将图像图像转换成bag-of-words向量
计算两个bag-of-word向量(两帧图像)1和v2的相似度
B.匹配聚类
为了防止时间上很近的关键帧之间相互竞争,将检索得到的时间戳相差比价小的帧聚成island并将它们看做一个匹配,一系列匹配可以转换成一个匹配
。
C.Temporal consistency(时间一致性)
检测
D.有效的几何一致性
用RANSAC方法得到
使用直接索引近似最近邻(字典树中属于第l层的同一个节点,
(1)往数据库中加入图像时,在直接索引中存储节点和一些特征的对;
(2)在得到图像间的对应点时,在直接索引中查找只有在第l层属于同一个节点的描述子,并进行比较。这个方法能够提高对应点计算,l是提前固定的是对应点数目和进行该操作的时间的折中。
阅读全文
0 0
- DBoW2视觉词袋原理
- 视觉slam闭环检测之-DBoW2 -视觉词袋构建
- 视觉slam闭环检测之-DBoW2 -视觉词袋构建
- 视觉slam闭环检测之-DBoW2 -视觉词袋构建
- DBoW2算法原理介绍
- DBoW2原理与代码分析(结合ORB_SLAM2)
- DBoW2算法
- 视觉词袋模型
- 视觉词袋模型
- 滚动视觉差原理
- 双目视觉:三角测量原理
- DBoW2算法 精析
- 色彩与视觉的原理
- 色彩与视觉的原理
- 计算机视觉-sift(1)原理
- 双目立体视觉的原理
- 补色的视觉原理(转)
- 【图像处理】人类视觉成像原理
- Alice and Bob CodeForces
- Maven + myeclise集成,及web项目创建,和导入现成的web项目
- 如何配置 UAA 作为 SP 和 IdP
- bzoj 2049: [Sdoi2008]Cave 洞穴勘测 (时间分治+带撤销并查集)
- c3p0加载properties配置文件 报错 Access denied for user 'Administrator'@'localhost' (using password: YES)
- DBoW2视觉词袋原理
- Java中的事务——JDBC事务和JTA事务
- 排序与查找实例(四):归并排序
- 【POST 与 GET的真正区别】深入浅出
- lintcode python代码 420 报数
- countDownLatch、wait与notify
- UVA 1605 Building for UN--联合国大厦
- 【markdown】常用语法备忘
- SQL查询面试题