| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 论文的主要研究内容与章节安排 | 第12-14页 |
| 1.3.1 主要工作与研究内容 | 第12页 |
| 1.3.2 章节安排 | 第12-14页 |
| 第2章 基于图像检索的定位算法理论基础 | 第14-34页 |
| 2.1 相机模型与坐标系变换 | 第14-18页 |
| 2.1.1 理想相机模型 | 第14-15页 |
| 2.1.2 实际相机模型 | 第15-16页 |
| 2.1.3 世界坐标系与相机坐标系变换关系 | 第16-18页 |
| 2.2 PNP与RANSAC算法基本原理 | 第18-22页 |
| 2.2.1 P4Pf算法基本原理 | 第18-19页 |
| 2.2.2 RANSAC算法基本原理 | 第19-21页 |
| 2.2.3 融合PNP的RANSAC算法步骤 | 第21-22页 |
| 2.3 SIFT特征算子 | 第22-25页 |
| 2.3.1 多尺度极值点检测 | 第22-23页 |
| 2.3.2 特征点定位 | 第23-24页 |
| 2.3.3 特征点方向分配 | 第24页 |
| 2.3.4 特征向量生成 | 第24-25页 |
| 2.4 SFM算法基本原理 | 第25-28页 |
| 2.4.1 两视图点云重建 | 第25-26页 |
| 2.4.2 SFM算法基本步骤 | 第26-28页 |
| 2.5 CNN理论基础 | 第28-32页 |
| 2.5.1 CNN基本概念 | 第28-30页 |
| 2.5.2 CNN基本特点 | 第30-31页 |
| 2.5.3 CNN常用激活函数 | 第31-32页 |
| 2.6 图像定位算法基本概念 | 第32-33页 |
| 2.6.1 K-means聚类算法 | 第32-33页 |
| 2.6.2 图像检索算法基本概念 | 第33页 |
| 2.7 本章小结 | 第33-34页 |
| 第3章 基于VLAD-CNN的图像定位算法 | 第34-46页 |
| 3.1 基于VLAD-CNN的图像定位算法理论依据 | 第34-38页 |
| 3.1.1 基于图像检索定位算法 | 第34-35页 |
| 3.1.2 基于特征匹配定位算法 | 第35-36页 |
| 3.1.3 基于逻辑回归定位算法 | 第36-37页 |
| 3.1.4 基于图像检索和特征匹定位算法比较分析 | 第37-38页 |
| 3.2 基于VLAD-CNN的图像检索 | 第38-42页 |
| 3.2.1 VLAD算法概述 | 第39-40页 |
| 3.2.2 NetVLAD网络层基本理论 | 第40-41页 |
| 3.2.3 VLAD-CNN网络基本结构 | 第41-42页 |
| 3.3 VLAD特征向量降维与白化处理 | 第42-43页 |
| 3.4 VLAD-CNN样本标定与损失函数 | 第43-45页 |
| 3.4.1 基于SFM模型样本标定 | 第43-44页 |
| 3.4.2 损失函数 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 实验结果与分析 | 第46-58页 |
| 4.1 图像定位算法公共数据库 | 第46-48页 |
| 4.1.1 数据库描述 | 第46-47页 |
| 4.1.2 定位算法评价指标 | 第47-48页 |
| 4.2 VLAD-CNN网络训练方法 | 第48-49页 |
| 4.3 基于VLAD-CNN的图像检索算法实验与分析 | 第49-54页 |
| 4.4 基于VLAD-CNN的图像定位算法实验与分析 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间主要研究成果 | 第67-68页 |
| 附件 | 第68页 |
