基于圖像檢索的定位算法研究與實(shí)現(xiàn).pdf

1、基于圖像的定位算法作為一門(mén)融合計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)、多視圖幾何、圖像檢索等眾多科研領(lǐng)域的交叉性學(xué)科技術(shù)，在機(jī)器人導(dǎo)航定位、現(xiàn)實(shí)增強(qiáng)、三維重建、地標(biāo)識(shí)別等領(lǐng)域有著關(guān)闊的應(yīng)用前景和巨大的研究?jī)r(jià)值?；趫D像的定位技術(shù)也是高層次圖像處理任務(wù)不可缺少的組成部分，其典型應(yīng)用包括圖像中物體的語(yǔ)義標(biāo)注、通過(guò)提供相機(jī)初始姿態(tài)加速大規(guī)模SFM模型重建等。
　　本文在闡述相機(jī)模型、PNP算法、RANSAC算法、SFM算法、CNN理論、傳統(tǒng)VLAD算法的

2、基礎(chǔ)上，總結(jié)歸納了基于圖像檢索、基于特征匹配和基于邏輯回歸三大主流圖像定位算法的優(yōu)缺點(diǎn)，并提出了基于VLAD-CNN圖像檢索的定位算法。本文的研究?jī)?nèi)容和主要工作如下:
　　(1)在對(duì)現(xiàn)有算法和理論深入理解的基礎(chǔ)上，實(shí)現(xiàn)了SPTR-RANSAC算法、P4Pf算法。從包含噪聲數(shù)據(jù)的2D-3D匹配關(guān)系中，利用融合P4Pf的SPTR-RANSAC算法可快速、有效的求解待定位圖像的6-DOF。
　　(2)針對(duì)圖像檢索過(guò)程中，實(shí)時(shí)構(gòu)建k

3、-d樹(shù)搜索結(jié)構(gòu)容易造成算法效率低下的問(wèn)題，本文實(shí)現(xiàn)了GPU版本的KNN(K Nearest Neighborhood)算法，用于加速鄰近點(diǎn)的查找。通過(guò)GPU強(qiáng)大的并行執(zhí)行能力減少特征匹配所需時(shí)間，提高基于圖像檢索定位算法的效率。
　　(3)針對(duì)傳統(tǒng)圖像檢索定位算法的不足，本文提出了基于VLAD-CNN的圖像定位算法，并詳細(xì)論述了NetVLAD網(wǎng)絡(luò)層基本原理，介紹了VLAD-CNN網(wǎng)絡(luò)的基本結(jié)構(gòu)、基于SFM模型的自動(dòng)樣本標(biāo)定方法和訓(xùn)