视觉SLAM笔记（58） 字典

---

1. 字典的结构

按照前面的介绍，字典由很多单词组成，而每一个单词代表了一个概念
一个单词与一个单独的特征点不同
它不是从单个图像上提取出来的，而是某一类特征的组合
所以，字典生成问题类似于一个 聚类（Clustering）问题

聚类问题是无监督机器学习（Unsupervised ML）中一个特别常见的问题
用于让机器自行寻找数据中的规律的问题
BoW 的字典生成问题亦属于其中之一

首先，假设对大量的图像提取了特征点，比如说有 N 个
现在，想找一个有 k 个单词的字典，每个单词可以看作局部相邻特征点的集合
这可以用经典的 K-means（K 均值）算法解决
K-means 是一个非常简单有效的方法，因此在无监督学习中广为使用

简单来说，当有 N 个数据，想要归成 k 个类
那么用 K-means 来做，主要有以下几个步骤：

K-means 的做法是朴素且简单有效的࿰