SLAM ORB-SLAM2（27）词袋模型
- 1. 词袋模型
-
- 1.1. 词汇树
- 1.2. 逆向索引表
- 1.3. 逆向索引表
- 2. 词袋向量
- 3. 匹配候选帧
-
- 3.1. 找出和当前帧具有公共单词的所有关键帧
- 3.2. 找出和当前帧最多公共单词的关键帧
- 3.3. 剔除共享单词数较少的关键帧
- 3.4. 计算关键帧的共视关键帧组的总得分
- 3.5. 剔除共视关键帧组相似度较少的关键帧
1. 词袋模型
在《SLAM ORB-SLAM2（26）重定位过程》时， 提到用 词袋模型 进行 重定位
也简单说明了词袋模型在文本检索和图像分类的应用
那么词袋模型具体是什么呢？
上图是 DBoW2 的词袋模型示意图，它由三个部分构成：
- 词汇树 (Vocabulary Tree)
- 逆向索引表 (Inverse Indexes)
- 正向索引表 (Direct Indexes)
1.1. 词汇树
词汇树的 叶子节点 表示词袋的单词(words)，它是由一堆图片离线训练出来的
首先对训练的图片计算 ORB 特征点，然后把这些特征点放在一起
通过 K-means 的方法对它们聚类， 将之分为
![[JS]数据类型](https://img-blog.csdnimg.cn/img_convert/f5de68e17ec82f005549ab59d0618403.png)
