BoW

ゝ一世哀愁。 2022-08-19 04:48 178阅读 0赞

# [利用ORB/SIFT + k-means + BOF + GPS 的Building location and recgonition项目阶段总结][ORB_SIFT _ k-means _ BOF _ GPS _Building location and recgonition] #

标签： [orb][][k-means][][倒排索引][Link 1]

2015-03-31 15:05  342人阅读  [评论][Link 2](8)  收藏  [举报][Link 3]

![category_icon.jpg][]  分类：

实验室项目

目录[(?)][Link 4][\[+\]][Link 4]

# 利用ORB/SIFT + k-means + BOF + GPS 的Building location and recognition项目阶段总结 #

Tags: ORB SIFT GPS 图像处理 区域划分 k-means opencv

--------------------

> 本项目实现的目标功能描述：   
>        用户对建筑物拍摄一张图片，系统可正确识别并实时为用户返回关于该图片中建筑物的相关信息。

## 下面分两部分对该项目进行介绍： ##

### 训练部分： ###

先用一幅流程图粗略展示一下训练过程：

> ![流程图][a24f32c3jw1eqq47hydh3j21iy0ywh30.jpg]

### 数据采集 ###

为了后续的实验，我们首先需要进行图片数据集的构建，所以需要一个专门用来采集数据的app，利用这个app，我们对校园的各标志性建筑物进行了360度的拍摄。

app界面如图所示：

> ![app界面][app]

采集到的数据如下图所示:

> ![图片集样例][a24f32c3jw1eqq4lnliqmj219s1104ew.jpg]

可以看到我们采集到的每个数据元素由两部分组成：一个是照片，一个是关于该照片的相关信息。（两个文件的文件名相同）

数据内容的说明：   
\* 第一行是该建筑物的名称   
\* 第二行tilt是手机的倾斜角   
\* 第三行distance是拍摄者与建筑物的距离   
\* 第四行height是预设置的，用户拍摄时候，手机离地的高度   
\* 第五行heading angle是，拍摄时候手机摄像头朝向与正北方的夹角   
\* 第六七行分别是拍摄者和建筑物的GPS坐标   
\* 第八行epe是GPS的误差值,单位是m   
\* 第九行光传感器是拍照瞬间，从光传感器取得值   
\* 第十，十一行是分别在拍照前后取的加速度传感器的三个轴的数值

> 注：  
>        1.其中第三行的distance是利用手机的倾角tilt，手机的离地高度height，采用勾股定理公式计算出来的  
>        所以拍摄之前，我们有个步骤是将手机屏幕中间的加号标记对准目标的底部，以获得tilt
> 
>        2.第七行中的建筑物的GPS是利用采集到的手机的GPS，加上计算出来的distance计算得到的，计算函数如下：
> 
> <code class="language-java hljs has-numbering" style="display: block; padding: 0px; color: inherit; box-sizing: border-box; font-family: 'Source Code Pro', monospace;font-size:undefined; white-space: pre; border-top-left-radius: 0px; border-top-right-radius: 0px; border-bottom-right-radius: 0px; border-bottom-left-radius: 0px; word-wrap: normal; background: transparent;">private static String ConvertDistanceToLogLat(float distance, double lat1,double lng1, double angle){
> String logLat = null; 
> double lon = lng1 + (distance * Math.sin(angle * Math.PI / 180)/1000) / (111 * Math.cos(lat1 * Math.PI / 180));//将距离转换成经度的计算公式
> double lat = lat1 + (distance * Math.cos(angle * Math.PI / 180)/1000) / 111;//将距离转换成纬度的计算公式
> logLat = + lat + "," + lon ;
> return logLat;
> }</code><ul class="pre-numbering" style="box-sizing: border-box; position: absolute; width: 50px; top: 0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width: 1px; border-right-style: solid; border-right-color: rgb(221, 221, 221); list-style: none; text-align: right; background-color: rgb(238, 238, 238);"><li style="box-sizing: border-box; padding: 0px 5px;">1</li><li style="box-sizing: border-box; padding: 0px 5px;">2</li><li style="box-sizing: border-box; padding: 0px 5px;">3</li><li style="box-sizing: border-box; padding: 0px 5px;">4</li><li style="box-sizing: border-box; padding: 0px 5px;">5</li><li style="box-sizing: border-box; padding: 0px 5px;">6</li><li style="box-sizing: border-box; padding: 0px 5px;">7</li></ul>
> 
>         3. 并不用专门新建一个.txt文件来记录这个数据，可以将数据附加在图片的最后几个字节中，只是写入txt文件处理起来相对方便，待后期完善

### 数据筛选过滤 ###

在拍摄过程中，因为手机的不同，或是其它的特殊原因，总会出现一些数据不合格，所以需要对得到的图片和对应的.txt文件进行过滤

### 根据GPS进行区域划分 ###

在用户传入图片时，我们首先按照目标建筑物或者是拍摄者的GPS进行所属区域的判断，以缩小匹配范围，划分及匹配标准如下：

![区域划分][a24f32c3jw1er5ia67bmxj20k80ikjrv.jpg]

我们将采样的区域按照目标建筑物的GPS划分为一个个300m×300m的区域，每个区域会有150m的重叠部分，以上图为例（每一个小正方形边长为150m）   
图中具有四个区域   
区域1：\[A,B,D,E\]   
区域2：\[B,C,E,F\]   
区域3：\[D,E,G,H\]   
区域4：\[E,F,H,I \]   
其中区域1与区域2具有重叠部分\[B,E\],其余的不再一一列出

北半球经纬度的变化与平面直角坐标系相同，于是我采用每个区域左下角的坐标作为该区域的编号，即   
区域1（0，1） 区域2（1，1） 区域3 （0，0） 区域4 （0，1）

> 这里需要说明一下，哪幅图片属于哪个区域是怎么计算出来的   
> 我们以采样区域的最左下角（最西南方）的坐标作为坐标原点   
> 在经度上，平均每变化1度，距离变化为102834.74258026089786013677476285m；   
> 在纬度上，平均每变化1度，距离变化为111712.69150641055729984301412873m。   
> 所以x轴坐标=（建筑物经度-原点经度）\*经度的单位距离/150   
> y轴坐标=（建筑物纬度-原点纬度）\*纬度的单位距离/150

可以看出来，每一个150m×150m的小区域左下角的坐标都代表了一个300m×300m的大区域，这个区域由这个小区域，它上方的小区域，它右上的小区域以及她右边的小区域组成

当用户传入图片进行图片匹配的时候，我们首先判断该图片中的建筑物属于哪一个区域（也就确定了其属于哪一个150m×150m的小区域），然后我们会在其周围的四个300m×300m的区域里面进行图片匹配   
可能说的有点含糊，我们这里假设有张图片，其中的建筑物坐标计算后得到其属于区域（1,1），即属于区域2，也即属于小区域E

而E这个区域是区域1，2，3，4共同的重叠区域，于是我们分别在区域1，2，3，4对应的倒排索引（后面会提到）中进行搜索，找出相似度最高的前几张图片，并进行返回

### 利用训练集进行训练 ###

接下来的训练过程总体来说就是BOW的正常步骤了：   
   1. 遍历图片，对每张图片检测 (detect) SIFT/ORB关键点 (keypoint)

2. 提取(extract)所有关键点的特征点(descriptor)

> 此处我选用的是ORB特征点，因为提取速度比SIFT快不少，出于实时性的要求，所以放弃了SIFT

<code class="language-c++ hljs r has-numbering" style="display: block; padding: 0px; color: inherit; box-sizing: border-box; font-family: 'Source Code Pro', monospace;font-size:undefined; white-space: pre; border-top-left-radius: 0px; border-top-right-radius: 0px; border-bottom-right-radius: 0px; border-bottom-left-radius: 0px; word-wrap: normal; background: transparent;">//提取ORB关键点并计算特征点
 {
 OrbDescriptorExtractor detector;
 vector<KeyPoint> keypoint ;
 
 for( ){//遍历训练集图片
 
 ...
 
 detector.detect(img, keypoint);
 detector.compute(img, keypoint,descriptor);
 
 allDesctiptors.push_back(descroptor);//所有图片的descriptors
 ...
 }
 }</code><ul class="pre-numbering" style="box-sizing: border-box; position: absolute; width: 50px; top: 0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width: 1px; border-right-style: solid; border-right-color: rgb(221, 221, 221); list-style: none; text-align: right; background-color: rgb(238, 238, 238);"><li style="box-sizing: border-box; padding: 0px 5px;">1</li><li style="box-sizing: border-box; padding: 0px 5px;">2</li><li style="box-sizing: border-box; padding: 0px 5px;">3</li><li style="box-sizing: border-box; padding: 0px 5px;">4</li><li style="box-sizing: border-box; padding: 0px 5px;">5</li><li style="box-sizing: border-box; padding: 0px 5px;">6</li><li style="box-sizing: border-box; padding: 0px 5px;">7</li><li style="box-sizing: border-box; padding: 0px 5px;">8</li><li style="box-sizing: border-box; padding: 0px 5px;">9</li><li style="box-sizing: border-box; padding: 0px 5px;">10</li><li style="box-sizing: border-box; padding: 0px 5px;">11</li><li style="box-sizing: border-box; padding: 0px 5px;">12</li><li style="box-sizing: border-box; padding: 0px 5px;">13</li><li style="box-sizing: border-box; padding: 0px 5px;">14</li><li style="box-sizing: border-box; padding: 0px 5px;">15</li><li style="box-sizing: border-box; padding: 0px 5px;">16</li></ul>

<code class="language-c++ hljs r has-numbering" style="display: block; padding: 0px; color: inherit; box-sizing: border-box; font-family: 'Source Code Pro', monospace;font-size:undefined; white-space: pre; border-top-left-radius: 0px; border-top-right-radius: 0px; border-bottom-right-radius: 0px; border-bottom-left-radius: 0px; word-wrap: normal; background: transparent;">//提取SIFT关键点并计算特征点
 
 cv::initModule_nonfree(); 
 //使用SIFT/SURF create之前，必须先initModule_<modulename>();
 
 Ptr<FeatureDetector> detector = FeatureDetector::create( "SIFT" ); 
 
 Ptr<DescriptorExtractor> extractor = DescriptorExtractor::create( "SIFT" );
 
 for( ){//遍历训练集图片
 ...
 detector->detect( img, keypoint);
 extractor->compute( img, keypoint, descriptor );
 allDescriptor.push_back(descriptor);
 ...
 }</code><ul class="pre-numbering" style="box-sizing: border-box; position: absolute; width: 50px; top: 0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width: 1px; border-right-style: solid; border-right-color: rgb(221, 221, 221); list-style: none; text-align: right; background-color: rgb(238, 238, 238);"><li style="box-sizing: border-box; padding: 0px 5px;">1</li><li style="box-sizing: border-box; padding: 0px 5px;">2</li><li style="box-sizing: border-box; padding: 0px 5px;">3</li><li style="box-sizing: border-box; padding: 0px 5px;">4</li><li style="box-sizing: border-box; padding: 0px 5px;">5</li><li style="box-sizing: border-box; padding: 0px 5px;">6</li><li style="box-sizing: border-box; padding: 0px 5px;">7</li><li style="box-sizing: border-box; padding: 0px 5px;">8</li><li style="box-sizing: border-box; padding: 0px 5px;">9</li><li style="box-sizing: border-box; padding: 0px 5px;">10</li><li style="box-sizing: border-box; padding: 0px 5px;">11</li><li style="box-sizing: border-box; padding: 0px 5px;">12</li><li style="box-sizing: border-box; padding: 0px 5px;">13</li><li style="box-sizing: border-box; padding: 0px 5px;">14</li><li style="box-sizing: border-box; padding: 0px 5px;">15</li><li style="box-sizing: border-box; padding: 0px 5px;">16</li></ul>

3. 利用K-平均值(K-means)算法计算(compute)，聚类获得k个视觉单词

> 此处对视觉单词做个解释（个人理解）：   
>      将一张图片看做一个文本文件，它是由许多个单词组成的；我们进行的前两步操作相当于从这篇文章中提取出一个个关键性的单词（就像做英语阅读一样，我们有时候更关注动词，程度副词之类的这些），这些被提取出的单词即特征点(descriptors)   
>      假设我们提取出的单词有：
> 
> > doing，does，did，done   
> > testing，tested   
> > protected, protect, protecting   
> > help
> 
>     接下来，我们便从提取出的这些单词里面进行聚类操作，然后得到以下几个单词
> 
> > do, test, protect, help
> 
>     这便是聚类操作，聚类后得到的几个单词便是聚类中心。可以看到，聚类之后得到的每个聚类中心，并不是从原来的词里面挑出来一个作为代表。而是通过计算后得到的，距离某一簇单词都很近一个结果。

<code class="language-c++ hljs mel has-numbering" style="display: block; padding: 0px; color: inherit; box-sizing: border-box; font-family: 'Source Code Pro', monospace;font-size:undefined; white-space: pre; border-top-left-radius: 0px; border-top-right-radius: 0px; border-bottom-right-radius: 0px; border-bottom-left-radius: 0px; word-wrap: normal; background: transparent;">//对ORB特征点进行计算，获取k个聚类中心(即视觉单词)
 TermCriteria tc(CV_TERMCRIT_ITER,100,0.001);
 int retries=1;
 int flags=KMEANS_RANDOM_CENTERS;
 BOWKMeansTrainer bowTrainer(clusterNumber,tc,retries,flags);
 Mat center = bowTrainer.cluster(allDescriptors);</code><ul class="pre-numbering" style="box-sizing: border-box; position: absolute; width: 50px; top: 0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width: 1px; border-right-style: solid; border-right-color: rgb(221, 221, 221); list-style: none; text-align: right; background-color: rgb(238, 238, 238);"><li style="box-sizing: border-box; padding: 0px 5px;">1</li><li style="box-sizing: border-box; padding: 0px 5px;">2</li><li style="box-sizing: border-box; padding: 0px 5px;">3</li><li style="box-sizing: border-box; padding: 0px 5px;">4</li><li style="box-sizing: border-box; padding: 0px 5px;">5</li><li style="box-sizing: border-box; padding: 0px 5px;">6</li></ul>

此处center便是聚类后得到的“视觉单词表”（即上文中的do,test,protect）

4. 对每张图片计算各类视觉单词的词频（即TF）   
设用来训练的图片共n张，上一步得到的视觉单词共k个   
则这一步获得的结果是一个（n行\*k列）的矩阵（其中每一行对应一张图片）

> 注释：详细解释一下此处的TF的意思
> 
> > TF表示词条在文档d中出现的频率 ————摘自维基百科（ [TF-IDF][] ）
> 
> 我来直观点地解释一下：我们还是将一张图片看成一个文本文件   
> 在上一步中,我们从每个文本文件中提取出了单词（keypoint）
> 
> > doing，does，did，done   
> > testing，tested   
> > protected, protect, protecting   
> > help
> 
> 然后，我们通过聚类得到视觉单词表
> 
> > do, test, protect, help
> 
> 在这个例子中，因为只有一个文本文件，所以最后得到的结果是一个值为\[4,2,3,1\]的行向量，这个便是我们该图片的TF向量，归一化后的结果为\[0.4, 0.2, 0.3, 0.1\]

opencv中要获得一个图片归一化后的TF向量（即词频向量）是很方便的   
代码如下：

<code class="language-c++ hljs cpp has-numbering" style="display: block; padding: 0px; color: inherit; box-sizing: border-box; font-family: 'Source Code Pro', monospace;font-size:undefined; white-space: pre; border-top-left-radius: 0px; border-top-right-radius: 0px; border-bottom-right-radius: 0px; border-bottom-left-radius: 0px; word-wrap: normal; background: transparent;">Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create("BruteForce-Hamming");
 
 Ptr<DescriptorExtractor> extractor(new OrbDescriptorExtractor());
 
 BOWImgDescriptorExtractor bowDE(extractor, matcher);//前面两个定义是为了方便初始化类的定义，在BOW图像特征定义完成后，便可以对每一副图片提取BOW的特征。
 
 //转化为8位无符号格式 
 Mat dictionary(center.rows,center.cols,CV_8U);
 center.convertTo(dictionary,CV_8U);
 
 bowDE.setVocabulary(dictionary); //设置单词表，center是通过前面聚类得到的聚类中心（即视觉单词表）；
 
 Mat countWordsFreq(Mat &img, vector<KeyPoint> keypoint, vector<vector<int>>* pointIdxsOfClusters, BOWImgDescriptorExtractor bowDE)
 {
 Mat histogram;//该矩阵只有一行，即为normalized histogram,即归一化后直方图，即归一化后的TF行向量
 
 bowDE.compute(img, keypoint, histogram, pointIdxsOfClusters);
 
 return histogram;
 }
 </code><ul class="pre-numbering" style="box-sizing: border-box; position: absolute; width: 50px; top: 0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width: 1px; border-right-style: solid; border-right-color: rgb(221, 221, 221); list-style: none; text-align: right; background-color: rgb(238, 238, 238);"><li style="box-sizing: border-box; padding: 0px 5px;">1</li><li style="box-sizing: border-box; padding: 0px 5px;">2</li><li style="box-sizing: border-box; padding: 0px 5px;">3</li><li style="box-sizing: border-box; padding: 0px 5px;">4</li><li style="box-sizing: border-box; padding: 0px 5px;">5</li><li style="box-sizing: border-box; padding: 0px 5px;">6</li><li style="box-sizing: border-box; padding: 0px 5px;">7</li><li style="box-sizing: border-box; padding: 0px 5px;">8</li><li style="box-sizing: border-box; padding: 0px 5px;">9</li><li style="box-sizing: border-box; padding: 0px 5px;">10</li><li style="box-sizing: border-box; padding: 0px 5px;">11</li><li style="box-sizing: border-box; padding: 0px 5px;">12</li><li style="box-sizing: border-box; padding: 0px 5px;">13</li><li style="box-sizing: border-box; padding: 0px 5px;">14</li><li style="box-sizing: border-box; padding: 0px 5px;">15</li><li style="box-sizing: border-box; padding: 0px 5px;">16</li><li style="box-sizing: border-box; padding: 0px 5px;">17</li><li style="box-sizing: border-box; padding: 0px 5px;">18</li><li style="box-sizing: border-box; padding: 0px 5px;">19</li><li style="box-sizing: border-box; padding: 0px 5px;">20</li><li style="box-sizing: border-box; padding: 0px 5px;">21</li></ul>

> 关于[BOWImgDescriptorExtractor::compute][BOWImgDescriptorExtractor_compute]函数的说明请参看官方文档

5.计算各视觉单词的IDF

> 注释：详细解释一下此处的IDF的意思
> 
> > 逆向文件频率（inverse document frequency，IDF）是一个词语普遍重要性的度量。某一特定词语的IDF，可以由总文件数目除以包含该词语之文件的数目，再将得到的商取对数得到。 ————摘自[ 维基百科][TF-IDF]
> 
> 直观的解释，即：某个词语的IDF表示平均多少篇文档会出现一次该词语。

如何获得IDF呢？   
考察刚刚得到的TF矩阵，我们知道该矩阵第（i, j）个元素表示，第i 幅图片中第j 个视觉单词出现的频率。所以可以知道，如果某个元素为0，则表示该图片中不存在属于该类视觉单词的特征点。

所以我们通过列优先遍历该矩阵，便可以得到在整个训练集中某个视觉单词出现的次数n。总的图片张数作为分子，n作为分母，再对商取对数，便可以得到某个视觉单词的IDF了！

代码参考如下：

<code class="language-c++ hljs cs has-numbering" style="display: block; padding: 0px; color: inherit; box-sizing: border-box; font-family: 'Source Code Pro', monospace;font-size:undefined; white-space: pre; border-top-left-radius: 0px; border-top-right-radius: 0px; border-bottom-right-radius: 0px; border-bottom-left-radius: 0px; word-wrap: normal; background: transparent;">Mat idfMat(1,clusterNumber,CV_32F);//行向量，记录每个视觉词的idf
 struct invertedListNode node ;
 for (int i = 0; i < wordsFreq.cols; i++){//i为列号，即第i个视觉中心
 int count = 0;
 for(int j = 0; j < wordsFreq.rows; j++){//j为行号，即第j张图片
 if(wordsFreq.at<float>(j, i) != 0 ){
 
 count++;//临时变量，用来记录含有该聚类中心的图片数
 }
 }
 
 if(count != 0){
 idfMat.at<float>(0,i) = trainingImgNumber*1.0/count;
 }else{
 idfMat.at<float>(0,i) = 0;
 }
 }
 }</code><ul class="pre-numbering" style="box-sizing: border-box; position: absolute; width: 50px; top: 0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width: 1px; border-right-style: solid; border-right-color: rgb(221, 221, 221); list-style: none; text-align: right; background-color: rgb(238, 238, 238);"><li style="box-sizing: border-box; padding: 0px 5px;">1</li><li style="box-sizing: border-box; padding: 0px 5px;">2</li><li style="box-sizing: border-box; padding: 0px 5px;">3</li><li style="box-sizing: border-box; padding: 0px 5px;">4</li><li style="box-sizing: border-box; padding: 0px 5px;">5</li><li style="box-sizing: border-box; padding: 0px 5px;">6</li><li style="box-sizing: border-box; padding: 0px 5px;">7</li><li style="box-sizing: border-box; padding: 0px 5px;">8</li><li style="box-sizing: border-box; padding: 0px 5px;">9</li><li style="box-sizing: border-box; padding: 0px 5px;">10</li><li style="box-sizing: border-box; padding: 0px 5px;">11</li><li style="box-sizing: border-box; padding: 0px 5px;">12</li><li style="box-sizing: border-box; padding: 0px 5px;">13</li><li style="box-sizing: border-box; padding: 0px 5px;">14</li><li style="box-sizing: border-box; padding: 0px 5px;">15</li><li style="box-sizing: border-box; padding: 0px 5px;">16</li><li style="box-sizing: border-box; padding: 0px 5px;">17</li><li style="box-sizing: border-box; padding: 0px 5px;">18</li></ul>

6.计算每幅图片中的各类视觉单词的TF-IDF   
  这一步很简单，即利用前两步得到的TF矩阵（一幅图片对应一个向量，一个元素代表某张图片中某个视觉单词的词频），和IDF向量（一个元素表示一个视觉单词的IDF），对应元素相乘即可

参考代码如下：

这样，我们便把每幅图片的图片特征，转化为了一个TF-IDF的向量（向量的元素个数为聚类后得到的视觉单词的个数）。后期在利用图片特征进行相似度匹配的时候（当然还需要用到其他的一些属性），两幅图片的相似度值大小，便是利用两幅图片的TF-IDF向量，计算余弦相似度获得。

7.索引结构的建立

> 我们利用文档检索中的倒排索引结构来作为我们匹配图片时候的索引结构
> 
> > 倒排索引（英语：Inverted index），也常被称为反向索引（这个翻译可能更合适点）、置入档案或反向档案，是一种索引方法，被用来存储在全文搜索下某个单词在一个文档或者一组文档中的存储位置的映射。它是文档检索系统中最常用的数据结构。 ————摘自[维基百科][Link 5]

本程序建立的倒排索引如图所示 ![倒排索引][a24f32c3jw1er57tcj2avj21dw0pu41p.jpg]

我们利用视觉单词建立索引表，视觉单词在索引表（一维数组）中的下标与我们得到的每个视觉单词的编号相对应。   
    每个视觉单词的索引指向一条链表，链表的一个节点表示拥有类该视觉单词的一幅图片。   
    每个节点存储的信息，除了图片编号和图片的全路径外，还有上面说到的，在采集数据时候获得到的各种信息。   
    前文也提到了，对于获得的数据，我们按照目标建筑物的GPS进行了区域划分。对于每个区域，我们分别建立单独的倒排索引。这是因为一幅查询图片会同时拥有多类视觉单词，当训练集图片量很大的时候，查询的速度会很慢。而划分区域会让我们的查询效率更高。

<code class="language-c++ hljs cs has-numbering" style="display: block; padding: 0px; color: inherit; box-sizing: border-box; font-family: 'Source Code Pro', monospace;font-size:undefined; white-space: pre; border-top-left-radius: 0px; border-top-right-radius: 0px; border-bottom-right-radius: 0px; border-bottom-left-radius: 0px; word-wrap: normal; background: transparent;">struct invertedListNode{//倒排列表的节点结构体
 int picId = -1;//图片编号
 struct invertedTableNode img;
 
 };
 
 struct invertedListNode node ;
 for (int i = 0; i < wordsFreq.cols; i++){//i为列号，即第i个视觉中心
 
 for(int j = 0; j < wordsFreq.rows; j++){//j为行号，即第j张图片
 if(wordsFreq.at<float>(j, i) != 0 ){
 if(isInThisDir[j] != 1){//若第j张图片是否含有第i个视觉单词
 continue;
 }
 
 ...... //存入节点的其他值
 
 invertedList[i].push_back( node );
 }
 }
 </code><ul class="pre-numbering" style="box-sizing: border-box; position: absolute; width: 50px; top: 0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width: 1px; border-right-style: solid; border-right-color: rgb(221, 221, 221); list-style: none; text-align: right; background-color: rgb(238, 238, 238);"><li style="box-sizing: border-box; padding: 0px 5px;">1</li><li style="box-sizing: border-box; padding: 0px 5px;">2</li><li style="box-sizing: border-box; padding: 0px 5px;">3</li><li style="box-sizing: border-box; padding: 0px 5px;">4</li><li style="box-sizing: border-box; padding: 0px 5px;">5</li><li style="box-sizing: border-box; padding: 0px 5px;">6</li><li style="box-sizing: border-box; padding: 0px 5px;">7</li><li style="box-sizing: border-box; padding: 0px 5px;">8</li><li style="box-sizing: border-box; padding: 0px 5px;">9</li><li style="box-sizing: border-box; padding: 0px 5px;">10</li><li style="box-sizing: border-box; padding: 0px 5px;">11</li><li style="box-sizing: border-box; padding: 0px 5px;">12</li><li style="box-sizing: border-box; padding: 0px 5px;">13</li><li style="box-sizing: border-box; padding: 0px 5px;">14</li><li style="box-sizing: border-box; padding: 0px 5px;">15</li><li style="box-sizing: border-box; padding: 0px 5px;">16</li><li style="box-sizing: border-box; padding: 0px 5px;">17</li><li style="box-sizing: border-box; padding: 0px 5px;">18</li><li style="box-sizing: border-box; padding: 0px 5px;">19</li><li style="box-sizing: border-box; padding: 0px 5px;">20</li><li style="box-sizing: border-box; padding: 0px 5px;">21</li></ul>

利用倒排索引进行图片搜寻的过程后面会提到

[ORB_SIFT _ k-means _ BOF _ GPS _Building location and recgonition]: http://blog.csdn.net/bf23456/article/details/44779821
[orb]: http://www.csdn.net/tag/orb
[k-means]: http://www.csdn.net/tag/k-means
[Link 1]: http://www.csdn.net/tag/%e5%80%92%e6%8e%92%e7%b4%a2%e5%bc%95
[Link 2]: http://blog.csdn.net/bf23456/article/details/44779821#comments
[Link 3]: http://blog.csdn.net/bf23456/article/details/44779821#report
[category_icon.jpg]: /images/20220731/e56236e59ddf408eae2acd1699cfac4e.png
[Link 4]: http://blog.csdn.net/bf23456/article/details/44779821#
[a24f32c3jw1eqq47hydh3j21iy0ywh30.jpg]: /images/20220731/1333f9fbd9764a4d95a537c0bc4068c6.png
[app]: /images/20220731/769f7cb2de56428c976764c335a5ad9a.png
[a24f32c3jw1eqq4lnliqmj219s1104ew.jpg]: /images/20220731/dda45ccf6762489282e7d697a1c5277a.png
[a24f32c3jw1er5ia67bmxj20k80ikjrv.jpg]: /images/20220731/be214afa97ef48afbbeab1063503ec06.png
[TF-IDF]: http://zh.wikipedia.org/wiki/TF-IDF
[BOWImgDescriptorExtractor_compute]: http://docs.opencv.org/modules/features2d/doc/object_categorization.html#bowimgdescriptorextractor-compute
[Link 5]: http://zh.wikipedia.org/wiki/%E5%80%92%E6%8E%92%E7%B4%A2%E5%BC%95
[a24f32c3jw1er57tcj2avj21dw0pu41p.jpg]: /images/20220731/a526effd94b04454ab19112381a93ac8.png