[发明专利]利用KD‑FERN的快速最近邻居搜索

说明书

技术领域

本公开涉及利用KD-Fern方法来增加最近邻居搜索的速度的系统和方法。

背景技术

最近邻居（NN）搜索被用在各种应用中，包括计算机视觉、图形识别和目标检测。对于给定搜索或查询点，NN搜索的目的是要在参考数据集中的大量数据点中按照Euclidian距离找到最接近数据点。一组矢量表示所有的可能的Euclidean距离。基本NN搜索的变化形式是k-NN搜索，其中对给定查询点找到“k”个最接近矢量针。替换地，近似NN（ANN）搜索找到一近似地接近查询点的矢量作为最接近矢量。

经由NN搜索技术检查的数据点可例如是用于目标检测中的可视或其它图案。由此，NN搜索对于大量的不同图形识别任务的执行来说是基本的。计算机视觉领域中的实例包括目标检测和图像获取。在相对高维度空间中，找到准确的方案需要许多矢量比较，且因此，当使用传统的NN搜索技术时计算会相对较慢。

用于增加基础NN搜索的速度的现有方法包括使用K-维度（KD）树，随机KD树和Hierarchical K-means。KD树特别提供了一种空间划分数据结构，用于在给定维度空间中组织兴趣点。在典型的KD树算法中，二进制树被创建，其中该树的每个节点具有分裂维度和分裂阈值。维度空间中的给定根单元被分裂为两个子单元，而该子单元则被分裂为再两个子单元，直至没有更多的分裂发生。最终的单元被称为“叶单元”。使用NN搜索技术，通过使用KD树排除维度空间的大部分区域且由此降低搜索负担，最接近给定输入点的KD树上的点可被找到。但是，KD树和其它方法可做出的搜索速度并不理想。

发明内容

本文公开了一种系统和方法，其用于经由使用下文称为KD-Fern的技术来改善现有最近邻居（NN）搜索技术的可能的搜索速度。本方法的实例性应用可包括目标检测和特征识别，且由此KD-Fern可具有在机器人、自动驾驶、道路障碍检测、图像获取和其它发展的图形识别应用中的具体应用。

在一个实施例中，一种系统包括处理器、数据库和存储器。数据库包含多个数据点。用于执行最近邻居搜索的指令被储存在存储器中。使用本文所述的方法，从数据点的数据库先验地创建KD-Fern，创建的KD-Fern具有一组节点作为分裂维度和分裂阈值的有序组。从输入源接收查询数据点使得处理器执行指令。KD-Fern的相同层（level）处的所有节点具有相同的分裂维度和相同的阈值τ。在KD-Fern的每个节点处，处理器还独立地产生二进制0或1位，其描述对于特定节点的阈值判定，然后使用查询点访问二进制映射（binary map）。处理器还从二进制映射返回查询点的最近邻居结果，该最近邻居是数据库中最接近查询点的点。

一种相关联的方法包括在受限构造上述KD-Fern后，经由收发器，从输入设备，接收查询数据点。对于KD-Fern的每个节点，处理器独立地产生二进制（0或1）位，其描述对于特定节点的相应阈值比较判定。且将二进制映射中的多个二进制地址的每个与相应的最近邻居索引相关联，例如与被识别为对于具有给定二进制地址的任意点的最近邻居相关联。该方法还包括确定查询点的二进制地址，且经由收发器，通过从二进制映射中提取对于查询点的相应最近邻居，返回最近邻居结果。

本方法的随机化KD-Fern变化形式也在此予以描述。在该替换方法中，多个这种KD-Fern被随机地先验地创建，且一起返回对于近似最近邻居的多个候选节点。在这种变化形式中，代替根据最大平均方差选择分裂维度，具有最大方差的固定数量的维度被考虑，且分裂维度被从它们中随机地选择。通过从各个KD-Fern中限制被访问叶的数量，近似最近邻居被返回。

一种实例性车辆也在这里进行描述，其可包括控制器、数字相机和上述系统。在该实施例中，相机是至系统的输入设备。在该信息被从二进制映射提取后，收发器返回对于查询点的最近邻居结果至控制器。控制器，例如制动、转向或车身控制模块响应于返回的最近邻居结果而执行关于车辆的特性的控制动作。在可能的实施例中，车辆中使用的该系统可使用随机化KD-Fern方法。

当结合附图时，从下面的用于执行如所附权利要求限定的本发明的一些最佳方式和其它实施例的具体描述可容易地明白本发明的上述特征和优点，以及其它特征和优点。

附图说明

图1是用于执行本发明的基于KD-Fern最近邻居（NN）搜索即使的示例性系统的示意图；

图2是至图1的系统的示例性输入数据的示意图，其形式为具有被选择外观片段的训练图像；

图3是使用KD-Fern的示例性二维空间分裂与使用KD树提供的分裂比较的示意图；