前言
视觉词典技术是采用视觉Bag-of-word模型的技术。BOW模型最先是信息检索领域常用的文档表示方法，它假定对于一个文档，忽略它的单词顺序和语法、句法等要素，将其仅仅看作是若干个词汇的集合，文档中每个单词的出现都是独立的，不依赖于其它单词是否出现；2003年以来，BOW模型出现在视觉领域，如图像分类、图像检索等，其基本思想：首先提取图像集特征的集合，然后通过聚类的方法聚出若干类，将这些类作为字典，最后每个图像统计字典中words出现的频数作为输出向量，就可以用于后续的分类、检索等操作；然后发展为Vocabulary Tree，它是局部描述符量化和索引的一种高效数据结构，把通过聚类方法聚出的类保存在树结构中。
在SLAM机器人中，SLAM技术是机器人自主移动的基础。机器人的闭环检测问题是机器人SLAM在定位、导航时是否需要更新地图的重要依据，但是移动机器人在同步定位与地图创建时，由于视觉传感器自身的累积误差，无法正确的判断是否发生了闭环响应。现有闭环检测有两种：一是根据估计机器人的位置，看是否与某个位置临近；二是根据图像的外观，看是否与以前的关键帧相似，即视觉词典技术。
视觉词典创建技术是为了根据特定的场景创建视觉词典文件，应用于SLAM机器人。这样SLAM机器人能根据这个生成好的字典文件，进行闭环检测，以达到机器人实时，比较准确的移动。
Vocabulary tree模型
字典树主要是为了降低时间复杂度和创建索引。流程如下：
- 对训练图像进行特征提取
- 将提取的特征描述进行kmeans聚成K类
- 对于上一步的每一个子类，继续kmeans聚类
- 重复上步，直到聚类的层数到达L层
最后，聚类结果用树表示，其中叶子节点表示一个word。
ORB特征提取
ORB采用FAST算法找出特征点，用BRIEF算法来计算特征点的描述子。 Python实现：
import cv2
orb = cv2.ORB_create() #默认提取500个特征点
img = cv2.imread('pic.png', 0)
keypoint, descriptor = orb.detectAndCompute(img, None)
Keypoint：关键点集合 descriptor：描述特征集合
nfeatures：最多提取特征点的数量，默认500 scaleFactor：金字塔图像之间的尺度参数 nlevels：金字塔的层数 edgeThreshold：边缘阈值 firstLevel：第一层的索引值，默认0 WTA_K：BRIEF描述子点对的个数 scoreType：对特征点进行排序的算法 patchSize：计算BRIEF描述子的特征点领域大小
FAST
基本思想：拿一个点和周围的点比较，如果它和其中大部分的点都不一样就认为是特征点。 算法流程如下：
- 从图像中选取一个像素点P，首先将它的灰度值设为Ip。
- 设定一个阈值t，当两个点的灰度值之差的绝对值大于t时，认为这两个点不同。
- 比较像素点P和P周围的16个像素。
- 如果16个点中有连续n个点不同，那么它就是一个特征点，n一般设为12。
- 一个高效的测试，来快速排除非特征点的点。该测试只检查在位置1、9、5、13的像素，先检查1和9，看是否不同。如果是，再检查5和13。如果是一个特征点，那么4个像素点至少3个不同。
BRIEF
基本思想：在关键点P周围以一定模式选取N个点对，把N个点对的比较结果组合起来作为描述子。 算法流程如下：
- 以关键点P为圆心，以d为半径做圆O。
- 在圆O内选取N个点对，N为256。(opencv中orb是8维32列)
- 比较N个点对，如果大于，设为1，小于，设为0
理想的特征描述子应对光照不敏感，具备尺度一致性，旋转一致性。ORB在计算BRIEF描述子时建立的坐标系是以关键点为圆心，以关键点和取点区域的形心的连线为x轴建立2维坐标系。opencv中orb采用图像金字塔来改善尺度一致性问题。
Kmeans算法
算法流程如下：
- 创建k个点做为k个簇的起始质心，通常随机选择。
- 分别计算剩下的点到k个簇中心的距离，将这些点划分到距离最小的簇。
- 根据聚类结果，重新计算k个簇的中心，计算方法是算术平均值。
- 将点按照新的中心重新聚类。
- 重复3,4，直到聚类结果不再变化。
Python实现：
import cv2
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER,10,1.0)
compactness, labels, centers = cv2.kmeans(data, k, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)
compactness：每个点到相应聚类中心距离的和 labels：每个聚类中心下的标签数组 centers：聚类中心的数组
data：要聚类的数据，最好np.float32 k：聚成k簇 bestLabels：预设的分类标签，没有的话None criteria：迭代停止的模式选择，是三个元素组成的元组(type, max_iter, epsilon),迭代精度满足epsilon， 或迭代次数超过max_iter停止。 attempts：重复试验kmeans算法次数，返回最好的一次结果 flags：初始化中心选择
