《视觉SLAM十四讲精品总结》12 回环检测创建字典

最新推荐文章于 2025-03-09 16:54:12 发布

原创

最新推荐文章于 2025-03-09 16:54:12 发布 · 1.2k 阅读

9 ·

CC 4.0 BY-SA版权

本文总结了视觉SLAM中回环检测的字典创建过程，使用词袋模型（BoW）对图像特征点进行聚类。通过K-means算法创建字典，并采用二分查找和k叉树提升匹配效率。在`feature_training.cpp`中，读取图像并创建字典，而在`loop_closure.cpp`中，加载字典进行回环检测的匹配操作。

这部分并不难，主要用到了一个词袋模型（BoW），对两幅图像的特征点进行匹配。

创建字典：一个单词是某一类特征的集合，字典生成是个聚类问题，可使用K-meams算法。

匹配相似性：暴力计算量太大，可用二分查找提升效率，以及k叉树表达字典（层次聚类）

feature_training.cpp

loop_closure.cpp

feature_training.cpp

 #include "DBoW3/DBoW3.h"
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/features2d/features2d.hpp>
#include <iostream>
#include <vector>
#include <string>

using namespace cv;
using namespace std;

/***************************************************
 * 本节演示了如何根据data/目录下的十张图训练字典
 * ************************************************/

int main( int argc, char** argv )
{
    // 1.读入10张图像
    cout<<"reading images... "<<endl;
    vector<Mat> images; 
    for ( int i=0; i<10; i++ )
    {
        string path = "./data/"+to_string(i+1)+".png";//to_string数值转为字符串
        images.push_