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

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。