DBoW3库的使用

之前我们有讲过DBoW3库的编译与安装，这篇我们来谈谈DBoW3库的使用。

在这之前建议先看看视觉词袋与DBoW库的原理，这个博主写的不错：

https://blog.csdn.net/qq_24893115/article/details/52629248

 

一、使用词典

我们知道离线视觉词典实际就是将特征描述子集合聚类。

训练离线词典：

//输入特征描述子集合
std::vector<cv::Mat>& v_features；       
const int k = 7;
const int L = 5;
const DBoW3::WeightingType weight = DBoW3::TF_IDF;
const DBoW3::ScoringType score = DBoW3::L1_NORM;
DBoW3::Vocabulary voc(k, L, weight, score);
voc.create(v_features);

当然如果我们已经有了离线词典文件就可以直接加载（这也是我们常用的方法）：

DBoW3::Vocabulary voc("small_voc.yml.gz");
//或下面的方法

voc.load("small_voc.yml.gz");   

有了词典对象，就可以对新的图像计算词袋向量（BowVector）了：

DBoW3::BowVector b1, b2;
cv::Mat d1, d2;              //已得到的图像特征描述子
voc.transform(d1, b1);
voc.transform(d2, b2);

有了图像的词袋向量就可以计算这两张图像之间的相似度了：

//结果为0到1，越大相似度越高
double score = voc.score(b1, b2);

二、使用索引数据库

我们使用这个库是用来做回环检测的，通过计