DBOW词袋训练工具

代码：https://github.com/rabienrose/3d_vision/blob/master/visual_map/src/vslam/Examples/Monocular/create_vol.cc

启动脚本：https://github.com/rabienrose/3d_vision/blob/master/visual_map/create_voc_full.sh

说明：

• 从多个目录中读取图片
• 从所有图片中选取指定数量的图片用于训练bow的模型
• 按照ORB-SLAM的建议，模型采用6层，10分支的配置（L=6, k=10）

安装

1. 安装visual_map，见： https://blog.csdn.net/ziliwangmoe/article/details/93094754
2. catkin build vslam

使用

1. 执行文件：/devel/lib/bag_tool/bag_tool_exe
2. 参数1：输出的模型的文件名，比如FREAKTest.bin
3. 参数2：描述类型，"freak"或者"orb"
4. 参数3：最终使用的图片数量
5. 参数4：模型的分支数
6. 参数5：模型的层数
7. 参数6+：数量不限个图片的文件夹，图片文件名任意

测试：

1. 选取三条街区，以及地下停车库的图片，一共13组图片。大概3w+。程序选出3000张左右。
2. 生成的orb模型大概30多MB，freak模型大概60多MB
3. 用orb-slam作者提供的orb模型的效果和用跑slam的图片生成的模型的效果差不多
4. 用其他视频生成的模型效果比用跑slam的图片生成的模型差
5. 用上面三条街区的数据生成的模型效果还是比不上orb-slam作者提供的orb模型
6. 但生成的freak的模型，效果都没什么问题。
7. 效果的评价是通过orb-slam中的回环检测的成功率来看。

结论

1. 目前有概率程序会crash，应该是内存越界的问题，后面需要解决。
2. 还需要更加精确和详细的对训练方法的研究