本帖最后由 keer_zu 于 2023-3-22 18:07 编辑
词袋模型
既然直接用两张图像相减的方式不够好，我们就需要一种更可靠的方式。结合前面几讲的内容，一种思路是：为何不像视觉里程计中那样使用特征点来做回环检测呢？和视觉里程计一样，我们对两幅图像的特征点进行匹配，只要匹配数量大于一定值，就认为出现了回环。根据特征点匹配，我们还能计算出这两幅图像之间的运动关系。当然这种做法存在一些问题，例如，特征的匹配会比较费时，当光照变化时特征描述可能不稳定等，但离我们要介绍的词袋模型已经很相近了。下面先介绍词袋的做法，再来讨论数据结构之类的实现细节。 词袋，也就是Bag-of-Words（BoW），目的是用“图像上的哪几种特征”来描述一幅图像。例如，我们说某张照片中有一个人、一辆车；而另一张中有两个人、一只狗。根据这样的描述，就可以度量这两幅图像的相似性。再具体一些，我们要做一下三步： - 确定“人”“狗”“车”等概念，对应于BoW中的视觉“单词”（Word），许多单词放在一起，组成了一本视觉“字典”。
- 确定一幅图像中出现了哪些在字典中定义的概念，我们用单词出现的情况（或直方图）描述整幅图像。这就把一幅图像转换成了一个向量的描述。
- 比较上一步中的描述的相似程度。
-
\
| 
楼主
标题置顶
标题高亮
