| 使用环境 |
在室内或室外环境中，对带有地理标签的图像数据库进行查询图像的检索，以估计查询图像的地理位置。适用于机器人导航、自动驾驶、增强现实等场景，如在城市街道、校园、工业园区等场景中，通过摄像头拍摄的图像进行位置识别。 |
| 使用对象 |
城市街道场景中的建筑物、地标、道路等；校园内的教学楼、图书馆等建筑；工业园区内的厂房、设备等。 |
| 使用目的 |
通过检索与查询图像最相似位置的图像，快速准确地确定查询图像的地理位置，为机器人导航、自动驾驶车辆的定位、增强现实应用中的场景识别等提供支持。 |
| 输入数据 |
可见光波段图像帧，图像分辨率512×512像素，RGB三通道。 |
| 输出数据 |
查询图像的地理位置坐标（经度和纬度）、与查询图像最相似的数据库图像的索引。 |
| 硬件配置 |
CPU：Intel Core i7-12700K，12核心24线程，主频3.6GHz。
GPU：NVIDIA GeForce RTX 3090，24GB GDDR6X显存。
内存：64GB DDR4 3200MHz。
摄像头：索尼Alpha 7 III，2420万像素全画幅传感器，支持4K视频拍摄。
传感器：无特定传感器。
接口：USB 3.2 Gen 2接口连接摄像头。
硬盘：1TB NVMe PCIe 4.0固态硬盘。
显卡：NVIDIA GeForce RTX 3090。
网卡：Intel Wi-Fi 6 AX201无线网卡。 |
| 样本获取 |
在多个城市街道、校园、工业园区等场景中，以不同角度拍摄图像，获取10000帧样本图像，其中2000帧用于训练集，8000帧用于测试集。 |
| 测试结果 |
对测试集8000个样本进行测试，失败10次，成功7990次，错误率0.125%，对应成功率99.875%。 |
| 执行速度 |
图像检索速度100ms/次，重排序速度50ms/次。 |
| 资源消耗 |
CPU：4核，计算占比平均约70%。 GPU：显存占用约18GB，计算占比平均约80%。 内存：使用占比约60%。 |
| 源码类型 |
本算法有Python版本源码，使用售卖方式三进行授权。 |
| 文件大小 |
算法程序文件65K，权重文件312M。 |
| 相关备注 |
|
