ORB_SLAM3原理源码解读系列（4）——视觉词袋模型

一、词袋模型的引出

最初的Bag of words，也叫做“词袋”，在信息检索中，Bag of words model假定对于一个文本，忽略其词序和语法，句法，将其仅仅看做是一个词集合，或者说是词的一个组合，文本中每个词的出现都是独立的，不依赖于其他词 是否出现.也就是说，文档中任意一个位置出现的任何单词，都不受该文档语意影响而独立选择的。例如有如下两个文档：

 1：Bob likes to play basketball, Jim likes too.

 2：Bob also likes to play football games.

基于这两个文本文档，构造一个词典：

Dictionary = {1:”Bob”, 2. “like”, 3. “to”, 4. “play”, 5. “basketball”, 6. “also”, 7. “football”, 8. “games”, 9. “Jim”, 10. “too”}。

这个词典一共包含10个不同的单词，利用词典的索引号，上面两个文档每一个都可以用一个10维向量表示（用整数数字0~n（n为正整数）表示某个单词在文档中出现的次数）：

 1：[1, 2, 1, 1, 1, 0, 0, 0, 1, 1]

 2：[1, 1, 1, 1 ,0, 1, 1, 1, 0, 0]

向量中每个元素表示词典中相关元素在文档中出现的次数,不过，在构造文档向量的过程中可以看到，词袋并没有表达单词在原来句子中出现的次序。但这个缺点却恰恰是视觉特征点所需的。因为视角变换的原因，同一地点，两次观测的特征点的顺序很可能不同，而词袋模型的这种无序性恰好解决了这一点。

二、原理

三、实现步骤

3.1 生成词袋

3.2 用词表示图像

四、vocabulary tree(字典)

4.1 生成字典

4.2 使用字典

完整内容传送门