基于圖像檢索的定位算法研究與實現(xiàn).pdf

1、基于圖像的定位算法作為一門融合計算機視覺、機器學習、多視圖幾何、圖像檢索等眾多科研領域的交叉性學科技術，在機器人導航定位、現(xiàn)實增強、三維重建、地標識別等領域有著關闊的應用前景和巨大的研究價值?；趫D像的定位技術也是高層次圖像處理任務不可缺少的組成部分，其典型應用包括圖像中物體的語義標注、通過提供相機初始姿態(tài)加速大規(guī)模SFM模型重建等。
　　本文在闡述相機模型、PNP算法、RANSAC算法、SFM算法、CNN理論、傳統(tǒng)VLAD算法的

2、基礎上，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，并提出了基于VLAD-CNN圖像檢索的定位算法。本文的研究內(nèi)容和主要工作如下:
　　(1)在對現(xiàn)有算法和理論深入理解的基礎上，實現(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)針對圖像檢索過程中，實時構(gòu)建k

3、-d樹搜索結(jié)構(gòu)容易造成算法效率低下的問題，本文實現(xiàn)了GPU版本的KNN(K Nearest Neighborhood)算法，用于加速鄰近點的查找。通過GPU強大的并行執(zhí)行能力減少特征匹配所需時間，提高基于圖像檢索定位算法的效率。
　　(3)針對傳統(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，并詳細論述了NetVLAD網(wǎng)絡層基本原理，介紹了VLAD-CNN網(wǎng)絡的基本結(jié)構(gòu)、基于SFM模型的自動樣本標定方法和訓