本文選題：圖像檢索 + 定位算法�。� 參考：《山東大學(xué)》2017年碩士論文

【摘要】：基于圖像的定位算法作為一門融合計算機視覺、機器學(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),在機器人導(dǎo)航定位、現(xiàn)實增強、三維重建、地標(biāo)識別等領(lǐng)域有著關(guān)闊的應(yīng)用前景和巨大的研究價值。基于圖像的定位技術(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義標(biāo)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,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(chǔ)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(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)針對圖像檢索過程中,實時構(gòu)建k-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(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模型的自動樣本標(biāo)定方法和訓(xùn)練過程中采用的損失函數(shù)。通過與現(xiàn)有主流算法在公共數(shù)據(jù)庫上的對比實驗,驗證基于VLAD-CNN圖像檢索定位算法的合理性和有效性。
[Abstract]:The image-based localization algorithm is a cross-disciplinary technology that integrates computer vision, machine learning, multi-view geometry, image retrieval and so on, in robot navigation, reality enhancement, 3D reconstruction, and so on. Landmark recognition and other fields have the application prospect and great research value of Guan Kuo. Image-based localization is also an indispensable part of high-level image processing. Its typical applications include semantic tagging of objects in images and acceleration of large scale SFM model reconstruction by providing camera initial attitude. In this paper, the advantages and disadvantages of three main image localization algorithms based on image retrieval, feature matching and logical regression are summarized on the basis of describing the camera model VLAD algorithm and the traditional VLAD algorithm. A localization algorithm based on VLAD-CNN image retrieval is proposed. The research contents and main work of this paper are as follows: 1) on the basis of deep understanding of the existing algorithms and theories, we implement the SPTR-RANSAC algorithm and P4Pf algorithm. From the 2D-3D matching relationship of noisy data, using the SPTR-RANSAC algorithm of fusion P4Pf can solve the 6-DOF.F-2 of the image to be located quickly and effectively. In the process of image retrieval, constructing the search structure of k-d tree in real time will lead to the problem of low efficiency of the algorithm. In this paper, the GPU version of KNN(K Nearest neighbor algorithm is implemented, which is used to speed up the search of adjacent points. Through the powerful parallel execution ability of GPU to reduce the time required for feature matching and to improve the efficiency of image retrieval localization algorithm, aiming at the shortcomings of traditional image retrieval and localization algorithms, this paper proposes an image location algorithm based on VLAD-CNN. The basic principle of NetVLAD network layer is discussed in detail. The basic structure of VLAD-CNN network, the automatic sample calibration method based on SFM model and the loss function used in the training process are introduced. The validity and rationality of the algorithm based on VLAD-CNN image retrieval are verified by comparing it with the existing mainstream algorithms in the common database.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 江士方,汪英姿;圖像及圖像檢索應(yīng)用前景的探討[J];江蘇工業(yè)學(xué)院學(xué)報(社會科學(xué)版);2003年04期

2 韓法旺;;基于云計算模式的圖像檢索研究[J];情報科學(xué);2011年10期

3 何巖;;以計算機為基礎(chǔ)的色彩圖像檢索方法與研究[J];計算機光盤軟件與應(yīng)用;2013年12期

4 郭海鳳;李廣水;仇彬任;;基于融合多特征的社會網(wǎng)上圖像檢索方法[J];計算機與現(xiàn)代化;2013年12期

5 柏正堯,周紀(jì)勤;基于復(fù)數(shù)矩不變性的圖像檢索方法研究[J];計算機應(yīng)用;2000年10期

6 夏峰,張文龍;一種圖像檢索的新方法[J];計算機應(yīng)用研究;2002年11期

7 鄧誠強,馮剛;基于內(nèi)容的多特征綜合圖像檢索[J];計算機應(yīng)用;2003年07期

8 斯白露,高文,盧漢清,曾煒,段立娟;基于感興趣區(qū)域的圖像檢索方法[J];高技術(shù)通訊;2003年05期

9 劉怡,于沛;基于“知網(wǎng)”的新聞圖像檢索方法[J];河南師范大學(xué)學(xué)報(自然科學(xué)版);2003年02期

10 張榮,鄭浩然,李金龍,王煦法;進(jìn)化加速技術(shù)在圖像檢索中的應(yīng)用[J];計算機工程與應(yīng)用;2004年16期

相關(guān)會議論文 前10條

1 陳旭文;朱紅麗;;一種高效的圖像檢索方法[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

2 周向東;張亮;張琪;劉莉;殷慷;施伯樂;;一種新的圖像檢索相關(guān)反饋方法[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2002年

3 陳世亮;李戰(zhàn)懷;閆劍鋒;;一種基于本體描述的空間語義圖像檢索方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

4 趙海英;彭宏;;基于最優(yōu)近似反饋的圖像檢索[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2004年

5 許相莉;張利彪;于哲舟;周春光;;基于商空間粒度計算的圖像檢索[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計算機學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

6 李凌偉;周榮貴;劉怡;;基于概念的圖像檢索方法[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2002年

7 楊關(guān)良;李忠杰;徐小杰;;基于代表色的圖像檢索方法研究[A];首屆信息獲取與處理學(xué)術(shù)會議論文集[C];2003年

8 彭瑜;喬奇峰;魏昆娟;;基于多示例學(xué)習(xí)的圖像檢索方法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

9 胡敬;武港山;;基于語義特征的風(fēng)景圖像檢索[A];2009年研究生學(xué)術(shù)交流會通信與信息技術(shù)論文集[C];2009年

10 許天兵;;一種基于語義分類的圖像檢索方法[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

相關(guān)博士學(xué)位論文 前10條

1 崔超然;圖像檢索中自動標(biāo)注、標(biāo)簽處理和重排序問題的研究[D];山東大學(xué);2015年

2 楊迪;基于內(nèi)容的分布式圖像檢索[D];北京郵電大學(xué);2015年

3 張旭;網(wǎng)絡(luò)圖像檢索關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2014年

4 吳夢麟;基于半監(jiān)督學(xué)習(xí)的醫(yī)學(xué)圖像檢索研究[D];南京理工大學(xué);2015年

5 高毫林;基于哈希技術(shù)的圖像檢索研究[D];解放軍信息工程大學(xué);2014年

6 李清亮;圖像檢索中判別性增強研究[D];吉林大學(xué);2016年

7 劉爽;多特征融合圖像檢索方法及其應(yīng)用研究[D];哈爾濱理工大學(xué);2016年

8 程航;密文JPEG圖像檢索研究[D];上海大學(xué);2016年

9 李強;基于語義理解的圖像檢索研究[D];天津大學(xué);2015年

10 劉少偉;面向用戶意圖的社會化圖像檢索[D];清華大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 趙鴻;基于尺度不變局部特征的圖像檢索研究[D];華南理工大學(xué);2015年

2 孫劍飛;基于圖像索引的熱點話題檢索方法研究[D];蘭州大學(xué);2015年

3 章進(jìn)洲;圖像檢索中的用戶意圖分析[D];南京理工大學(xué);2015年

4 苗思楊;移動圖像檢索中的漸進(jìn)式傳輸方式研究[D];大連海事大學(xué);2015年

5 都業(yè)剛;基于顯著性的移動圖像檢索[D];大連海事大學(xué);2015年

6 王夢蕾;基于用戶反饋和改進(jìn)詞袋模型的圖像檢索[D];南京理工大學(xué);2015年

7 許鵬飛;基于草圖的海量圖像檢索方法研究[D];浙江大學(xué);2015年

8 馮進(jìn)麗;基于BoF的圖像檢索與行為識別研究[D];山西大學(xué);2015年

9 喬維強;基于低級特征和語義特征的醫(yī)學(xué)圖像檢索[D];北京理工大學(xué);2015年

10 蔣國寶;基于內(nèi)容的概念建模和圖像檢索重排序[D];復(fù)旦大學(xué);2014年

，

本文編號：1873209