Model Globally, Match Locally: Efficient and Robust 3D Object Recognition 中文翻译 ；原网页为：http://campar.in.tum.de/pub/drost2010CVPR/drost2010CVPR.pdfHash table I1. n A (m1,m2) F i.11 m;, (Key to (ms, m6) F1=m2 hash table 图2.(a)两个定向点的点对特征F.分量F1被设置为点F2和F3与法

图像位置估计的空间约束

如今，图像的位置已在具有地理标记的大型图像语料库的许多应用场景中得到广泛使用。 对于未进行地理标记的图像，我们借助基于内容的图像检索通过地理标记的大型图像集来估计其位置。 在本文中，我们利用有用的视觉单词的空间信息来改善图像位置估计（或基于内容的图像检索性能）。 我们建议通过均值漂移聚类生成视觉单词组。 为了提高检索性能，利用空间约束对视觉单词的相对位置进行编码。 我们建议为每个视觉单词生成一个位置描述符，并为视觉单词组建立快速索引结构。 实验证明了我们提出的方法的有效性。

针对汽车自主驾驶技术的车道检测和跑偏告警问题，提出了一种快速可靠的视觉计算方法。利用方向滤波算子对路面图像进行 5×5 模板运算，得到边缘图像；采用 Otsu 自动阈值算法对图像进行二值化处理，并根据车道在图像中的位置特性对边沿图像细化去点，减少后续处理运算量；在此基础上，根据车道几何特性引入约束条件，去除干扰点，并采用Hough 变换检测出车道线；依据针孔摄像机模型建立空间坐标系，用于计算汽车相对于车道线的偏转角和垂直距离，估计驶离车道的时间，为汽车自主驾驶中的安全预警及智能控制提供信息支撑