基于BoVW模型的图像匹配方法在视觉自定位中的应用

摘要：

　　本文提出一种基于BoVW视觉词包模型的图像匹配方法，并应用于移动体的视觉自定位。运用SURF提取图像特征，并利用SURF特征产牛每张图像的BoVW视觉词包。对图像集进行分组建立“由粗到精的双层索引结构。分层次聚类(Hierarchical-clustering)的方式被用于牛成图像组的视觉词包。采用双层索引模型大大减小图像匹配的搜索空问，降低了内存负载与计算复杂度。基于双层索引结构，移动体的视觉定位包括两个步骤：粗略定位与精确定位。基于组别索引的粗略定位快速但不够精确。基于组内索引获得匹配图像的精确定位相对较慢但准确度高。整合运用这两种方法提高了移动体的视觉定位速度与精度。通过室外场景的定位实验表明了该方法的有效性与可行性。

关键词： 视觉自定位 BoVW模型 分层次聚类 双层索引 场景匹配

作者: 彭晖 刘士荣 王坚 仲朝亮

作者单位: 杭州电子科技大学电气自动化研究所,杭州310018;检测仪表与自动化系统集成技术教育部工程研究中心,杭州310018 华东理工大学自动化研究所,上海200237

会议类型: 国际会议

会议名称: The 33th Chinese Control Conference第33届中国控制会议

会议地点: 南京

会议语种:中文

页码: 8513-8517

在线出版日期: 2014-07-28（万方平台首次上网日期，不代表论文的发表时间）