? ? ? ? 對于移動機器人的視覺定位而言，其實平臺是否是機器人不重要，無人車、自動駕駛或者手持相機等都可以。

一、區分幾個概念

1. visual place recognition， 視覺位置識別，只是將inquiry image （當前采集到的圖像） 與之前圖像數據庫中的做匹配（matching）， 匹配成功，或者相似度最大的那個數據庫圖像所在的位置范圍 就是當前圖像 所找到的位置。

注釋：此處的place是一個大概的范圍，不需要精確的相機空間坐標 pose。

2. location recognition 可能有點相似。自己參考論文去甄別

3. image based localization （IBL） 這個就是需要求出相機的準確位姿 pose了。

二、方法

1. 圖像特征的提取、轉換保存和 匹配。? 這個五花八門，從 點特征、線特征、面特征、組合特征、神經網絡卷積的特征、局部特征、全局特征等；? 特征提取后的轉換 包括 詞袋模型 （Bag-of-Words）等。? 匹配方法 包括? ransac、flann等等。

本質就是：預先采集圖像數據庫（一幅幅的離散圖像）、當前正在采集的圖像提取特征、與數據庫中的匹配（類似于數據結構的查找/ 或者圖像檢索? image retrieval）、匹配成功后 再做其他決策。

2. 定位可能涉及到2D-3D的匹配和計算問題。? 多視幾何書籍、slam等書籍內容可以參考。

數據集：（不一定是最新的最全的，只是參考）

2017年CVPR的一篇論文--源自百度無人駕駛團隊

Sun X, Xie Y, Luo P, et al. A dataset for benchmarking image-based localization[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2017: 7436-7444.

下載鏈接：CVPR 2017 Open Access Repositoryhttps://openaccess.thecvf.com/content_cvpr_2017/html/Sun_A_Dataset_for_CVPR_2017_paper.html

或者：2017-A_Dataset_for_CVPR_2017_paper.pdf-互聯網文檔類資源-CSDN下載視覺定位的數據集，2017年CVPR上的一篇文章更多下載資源、學習資料請訪問CSDN下載頻道.https://download.csdn.net/download/GGY1102/44308575

?

?

自己理解：實際上人類或者機器人所工作的環境中，有太多的特征； 低級別、抽象高級別的； 不能僅依賴于激光掃的點云（距離點或線或面）、或相機掃的彩色像素； 可以考慮太多特征輔助定位。 目前的數據集，一旦采集后，總有些局限性，畢竟機器人所攜帶的相機不能隨時按照用戶的想法靈活移動或采集相應的信息。 不能陷入別人的定義域里面。? ? 自己用一套算法，提取一些特征，實現了定位，搞出一篇論文，足矣，，，，，，

總結

以上是生活随笔為你收集整理的机器人学习--视觉定位数据集介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。