Bag of Words

词袋模型最早用于文本检索，把一篇文章看作“词”的集合，忽略顺序，只统计每个词出现的频率

在回环检测中，词袋模型的本质是 用“视觉单词”替代原始特征点，将图像转化为稀疏向量进行快速检索，再结合几何验证确保准确性

在图像中，“词” 对应的是 视觉单词（Visual Words），由局部特征（如ORB、BRIEF、SIFT等）聚类得到

每张图像就可以用一个 视觉单词直方图 表示，方便快速比较相似度

流程

  1. 特征提取与描述: 从图像中提取局部特征点（如 ORB 特征）、用二进制描述子（如 BRIEF/ORB）表示特征，便于快速匹配（汉明距离）

  2. 视觉词典构建（离线）：从大量训练图像中提取特征，用 K-means 或 K叉树分层聚类 生成固定数量的视觉单词（如 10^4 个），每个叶子节点就是一个视觉单词

  3. 图像向量化（在线）：将当前图像的特征映射到词典中的单词，统计每个单词的出现次数（TF）并结合逆文档频率（IDF）计算权重得到加权的词袋向量：

\[TF_i = \frac{n_i}{n}, \quad IDF_i = \log\frac{N}{N_i}, \quad \eta_i = TF_i \times IDF_i\]

  1. 相似度计算：用 L1/L2 距离、余弦相似度等方法比较两张图像的词袋向量，得分高的候选帧进入下一步验证

  2. 候选验证：时间一致性检查：避免短时间内重复检测同一位置；几何一致性检查：用特征匹配+RANSAC验证空间几何关系，防止误检