[发明专利]基于大规模街景数据的实时图片匹配地理定位方法和系统

权利要求书

1.一种基于大规模街景数据的图片实时匹配地理定位方法，其特征在于：包括如下步骤：

B1：从查询图片中提取局部特征点作为查询特征点q_i，生成查询特征集Q＝{q_i|i＝1,2,···,N}，N为查询图片对应的查询特征个数；

B2：对所述查询特征集Q中每个查询特征点q_i，在索引中返回K个到查询特征点距离由小到大递增的近似最近邻特征点NN，生成最近邻分布表Τ_V，其中K值取5；

B3：令表示中NN对应的所有参考图片，其中I(·)表示操作算子，返回NN对应的参考图片，v_ij为：表示第i个查询特征点对应的第j个近似最近邻特征点；统计R_V中相同图片出现的重复次数，并按照从大到小的顺序进行排序，得到候选图片集其中上标N_l表示第l张候选图片c_l的重复次数；表示剔除查询特征点后的分布表Τ'_V中查询特征点的个数；表示Τ'_V剔除近似最近邻特征点后的特征分布表；

重复次数等于1，表示查询图片和参考图片只有一对匹配特征点，其对应的候选图片成为匹配图片的可能性较低；

B4：已包含NN排序信息，故通过NN对应的参考图片与候选图片的关系，生成候选图片的R近邻特征集RNN；

B5：给定所述候选图片集C中的候选图片c_t，去除所述候选图片c_t中匹配特征集的重复特征点；

B6：给定所述候选图片集C中的候选图片c_t，计算所述候选图片c_t与查询图片的匹配相似度；

B7：对所述候选图片集C中每个候选图片，选择RNN个数最多的候选图片作为匹配图片；将匹配图片的地理位置作为查询图片的地理位置。

2.根据权利要求1所述的基于大规模街景数据的图片实时匹配地理定位方法，其特征在于：步骤B2中包括剔除近似最近邻特征点，具体剔除算法包括如下步骤：令Τ_V＝{v_ij|i＝1,2，…,N,j＝1,2,…，K}，满足||ξ(q_i)-ξ(v_ij)||≤||ξ(q_i)-ξ(v_i(j+1))||，其中K表示每个查询特征对应的NN个数，v_ij表示q_i的第j个NN点，ξ(·)表示返回特征点的特征向量；||·||表示计算两个所述特征向量的范数；

剔除查询特征点；令Θ＝{θ_i|i＝1,2,…N}，其中θ_i表示第i个查询特征点与对应的第1个NN和第K个NN的距离比值；θ_i越大，则NNs可区分度越小；令Θ_a表示Θ的a百分位数，如果θ_i＞Θ_a，则删除q_i和其对应的所有近似最近邻特征点，用表示剔除查询特征点后的分布表，其中表示剔除后的查询特征点个数；

剔除近似最近邻特征点；令表示比值矩阵，其中令B_b表示B的b百分位数阈值；给定s，若β_st值越小，表示两个点差异越大；令表示Τ'_V剔除近似最近邻特征点后的特征分布表；

步骤B3中，选择重复次数大于1的候选图片，以加快匹配速度；

步骤B4包括生成候选图片的R近邻特征集，具体算法包括如下步骤：给定候选图片c_t,遍历Q中的每个查询特征点q_i,判断q_i对应的NN中是否有NN对应的参考图片到候选图片的距离小于等于R，若有，则将该查询特征点q_i、近似最近邻特征点及所述距离添加到集合RNN中，若特征点个数大于1或等于1，则选择一个距离查询特征点最近的近似最近邻特征点，其中距离为0的NN点作为匹配特征点；若无，则跳过该查询特征点q_i的选择；在生成候选图片集C的R近邻特征集RNN中,我们提算法的复杂度为K为常数，简化为