[发明专利]一种基于大规模街景数据的图片地理定位方法和系统

说明书

本发明公开了一种基于大规模街景数据的图片地理定位方法及实现该方法的系统。所述方法包括实时匹配部分：从查询图片中提取局部特征点作为查询特征点，生成查询特征集；在索引结构中对每个查询特征点检索K个最近邻特征点，生成最近邻特征分布表；通过所述最近邻特征分布表得到候选图片的最近邻特征集；选择最近邻特征集中的最优特征集对应的候选图片作为最佳匹配图片，该匹配图片对应的地理位置即视为查询图片的地理位置；其中K为整数。本方法优选还可以包括预处理部分，将比较耗时的“建立索引结构部分”分开提前进行处理。本方法和系统具有定位精度高、匹配速度快、可以求出全局最优解等特点。

技术领域

本发明涉及图像定位技术领域，尤其涉及一种基于大规模街景数据的图片地理定位的方法和系统。

背景技术

图片地理定位是根据图片视觉信息确定或估计图片的地理位置。这个问题有许多的运用场景，例如汽车自动驾驶，移动终端导航，视频地理轨迹生成等。最近几年，街景图片正在不断地更新完善，在某些城市可以做到街道视野的全覆盖。图片中有许多可识别的视觉信息，例如建筑物、广告牌等，我们可以采用基于特征匹配的方法，把这些信息给识别出来，以达到图片地理定位的目的。

在学术研究领域，Zamir等作者提出了每个查询特征点检索距离其最近的一个特征点，然后用比值过滤误匹配的外点，最后选择特征点最多对应的参考图片作为最佳匹配。在接下来的工作中，该作者把第1个最近邻特征点扩展到K个最近邻特征点，根据第一最近邻特征点、第K个最近邻特征点到查询特征点的比值关系，过滤外点。在特征点匹配算法部分，作者把局部特征和全局特征结合作为优化条件，并提出了用广义最小团GMCP算法选择最佳匹配最近邻点。理想情况下，每个查询特征点都有一个对应的最近邻特征点，然而，大多数情况下，部分查询特征点匹配的特征点不在最近邻范围内，这些点即为匹配外点，消耗匹配时间并且GMCP为NP-hard问题，具有较高的时间复杂度。同时，GMCP求出的为局部最优解，并非全局最佳解。

在实际运用领域，Google公司研发了一个定位一张图片位置的Google Photos技术。用户把图片上传到服务器中，当服务器接收到需要定位的图片时，它首先会将图片分解成像素级别，然后将这些信息和数据库中的信息进行比对，通过一定的算法判断出照片所在大概区域，如某个国家的某个景区等。接着再根据数据库中保存的GPS地理信息进一步判断，如照片特征符合某个经纬度信息就为其匹配对应的地理位置，这样通过实际经纬度信息就可以对照片进行定位。然而此定位方法是在全球范围内，定位准确率低，无法满足实际要求。

发明内容

为了解决街景图片匹配速度慢、只能求出局部最优解和定位精度低的问题，本发明公开了一种基于大规模街景数据的图片地理定位方法，可以仅根据图片视觉信息进行地理定位，具有匹配速度快、可以求出全局最优解和定位精度高的特点。

本发明解决其技术问题所采用的技术方案是：

一种基于大规模街景数据的图片地理定位方法，从查询图片中提取局部特征点作为查询特征点，生成查询特征集；在索引结构中对每个查询特征点检索K个最近邻特征点，生成最近邻特征分布表；通过所述最近邻特征分布表得到候选图片的最近邻特征集；选择最近邻特征集中的最优特征集对应的候选图片作为最佳匹配图片，该匹配图片对应的地理位置即视为查询图片的地理位置；其中K为整数。