本申請(qǐng)涉及圖像處理，尤其涉及特征點(diǎn)提取方法、裝置、電子設(shè)備和可讀介質(zhì)。

背景技術(shù)：

1、圖片特征點(diǎn)提取算法在計(jì)算機(jī)視覺(jué)領(lǐng)域具有廣泛的應(yīng)用，它們用于識(shí)別和描述圖像中的局部特征，例如角點(diǎn)、邊緣、斑點(diǎn)等，這些特征在圖像中具有獨(dú)特性和穩(wěn)定性，可用于圖像匹配、目標(biāo)識(shí)別、圖像拼接、三維重建等任務(wù)。

2、相關(guān)技術(shù)中，常見(jiàn)的圖片特征點(diǎn)提取算法可以包括harris(角點(diǎn)檢測(cè)算法)、sift(scale-invariant?feature?transform，尺度不變特征變換算法)、surf(speeded?uprobust?features，加速穩(wěn)健特征算法)、orb(oriented?fast?and?rotated?brief，快速特征點(diǎn)提取和描述算法)、akaze(accelerated-kaze，基于非線性尺度空間的快速特征點(diǎn)提取和描述算法)、brisk(binary?robust?invariant?scalable?keypoints，二進(jìn)制魯棒不變特征點(diǎn)提取算法)等，這些特征點(diǎn)提取算法在計(jì)算機(jī)視覺(jué)領(lǐng)域中得到了廣泛應(yīng)用，但也存在一些常見(jiàn)的問(wèn)題和限制，例如存在尺度不變性限制、視角變化敏感性、遮擋和變形敏感性、大規(guī)模場(chǎng)景限制、計(jì)算資源要求、特征描述子的表達(dá)能力限制等問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、為解決或部分解決相關(guān)技術(shù)中存在的問(wèn)題，本申請(qǐng)?zhí)峁┮环N特征點(diǎn)提取方法、裝置、電子設(shè)備和可讀介質(zhì)，能夠深度優(yōu)化尺度不變性限制、視角變化敏感性、遮擋和變形敏感性、大規(guī)模場(chǎng)景限制、計(jì)算資源要求、特征描述子的表達(dá)能力限制等問(wèn)題。

2、本申請(qǐng)第一方面提供一種特征點(diǎn)提取方法，所述方法包括：

3、獲取待檢測(cè)圖片，并將所述待檢測(cè)圖片輸入至預(yù)先訓(xùn)練好的特征網(wǎng)絡(luò)模型；其中，所述特征網(wǎng)絡(luò)模型為采用預(yù)先訓(xùn)練好的深度網(wǎng)絡(luò)模型所輸出的目標(biāo)深度圖進(jìn)行訓(xùn)練得到；

4、通過(guò)所述特征網(wǎng)絡(luò)模型提取所述待檢測(cè)圖片中的各個(gè)像素點(diǎn)的特征信息，得到目標(biāo)特征圖；

5、對(duì)所述目標(biāo)特征圖進(jìn)行轉(zhuǎn)換處理，得到特征描述信息。

6、本申請(qǐng)第二方面提供一種特征點(diǎn)提取裝置，所述裝置包括：

7、待檢測(cè)圖片獲取模塊，用于獲取待檢測(cè)圖片，并將所述待檢測(cè)圖片輸入至預(yù)先訓(xùn)練好的特征網(wǎng)絡(luò)模型；其中，所述特征網(wǎng)絡(luò)模型為采用預(yù)先訓(xùn)練好的深度網(wǎng)絡(luò)模型所輸出的目標(biāo)深度圖進(jìn)行訓(xùn)練得到；

8、第一特征信息提取模塊，用于通過(guò)所述特征網(wǎng)絡(luò)模型提取所述待檢測(cè)圖片中的各個(gè)像素點(diǎn)的特征信息，得到目標(biāo)特征圖；

9、轉(zhuǎn)換處理模塊，用于對(duì)所述目標(biāo)特征圖進(jìn)行轉(zhuǎn)換處理，得到特征描述信息。

10、本申請(qǐng)第三方面提供一種電子設(shè)備，包括：

11、處理器；以及

12、存儲(chǔ)器，其上存儲(chǔ)有可執(zhí)行代碼，當(dāng)所述可執(zhí)行代碼被所述處理器執(zhí)行時(shí)，使所述處理器執(zhí)行如上所述的方法。

13、本申請(qǐng)第四方面提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有可執(zhí)行代碼，當(dāng)所述可執(zhí)行代碼被電子設(shè)備的處理器執(zhí)行時(shí)，使所述處理器執(zhí)行如上所述的方法。

14、本申請(qǐng)?zhí)峁┑募夹g(shù)方案可以包括以下有益效果：

15、本申請(qǐng)?zhí)峁┑姆桨福@取待檢測(cè)圖片，并將待檢測(cè)圖片輸入至預(yù)先訓(xùn)練好的特征網(wǎng)絡(luò)模型；其中，特征網(wǎng)絡(luò)模型為采用預(yù)先訓(xùn)練好的深度網(wǎng)絡(luò)模型所輸出的目標(biāo)深度圖進(jìn)行訓(xùn)練得到；通過(guò)特征網(wǎng)絡(luò)模型提取待檢測(cè)圖片中的各個(gè)像素點(diǎn)的特征信息，得到目標(biāo)特征圖；對(duì)目標(biāo)特征圖進(jìn)行轉(zhuǎn)換處理，得到特征描述信息。本申請(qǐng)基于卷積神經(jīng)網(wǎng)絡(luò)的方法提取特征點(diǎn)，可以深度優(yōu)化尺度不變性限制、視角變化敏感性、遮擋和變形敏感性、大規(guī)模場(chǎng)景限制、計(jì)算資源要求、特征描述子的表達(dá)能力限制等問(wèn)題。

16、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本申請(qǐng)。

技術(shù)特征：

1.一種特性點(diǎn)提取方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述目標(biāo)特征圖進(jìn)行轉(zhuǎn)換處理，得到特征描述信息，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述特征網(wǎng)絡(luò)模型通過(guò)如下方式訓(xùn)練得到：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述采用所述兩張目標(biāo)映射圖對(duì)所述特征網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到特征損失值，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述兩張樣本圖片包括基于第一視角采集的第一樣本圖片和基于第二視角采集的第二樣本圖片，所述目標(biāo)深度圖包括所述第一樣本圖片對(duì)應(yīng)的第一目標(biāo)深度圖和所述第二樣本圖片對(duì)應(yīng)的第二目標(biāo)深度圖；所述基于所述相機(jī)內(nèi)參及所述相機(jī)外參，分別對(duì)所述兩張目標(biāo)深度圖進(jìn)行標(biāo)準(zhǔn)逆變換操作，得到兩張目標(biāo)映射圖，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述兩張樣本特征圖包括所述第一樣本圖片對(duì)應(yīng)的第一樣本特征圖和所述第二樣本圖片對(duì)應(yīng)的第二樣本特征圖；所述根據(jù)所述兩張目標(biāo)映射圖，分別對(duì)所述兩張樣本特征圖進(jìn)行雙線性插值，得到兩張預(yù)測(cè)特征圖，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述根據(jù)所述兩張樣本特征圖和所述兩張預(yù)測(cè)特征圖，計(jì)算本次訓(xùn)練的特征損失值，包括：

8.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述深度網(wǎng)絡(luò)模型通過(guò)如下方式訓(xùn)練得到：

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述采用所述兩張樣本映射圖對(duì)所述深度網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到深度損失值，包括：

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述兩張樣本深度圖包括所述第一樣本圖片對(duì)應(yīng)的第一樣本深度圖和所述第二樣本圖片對(duì)應(yīng)的第二樣本深度圖，所述兩張樣本映射圖包括所述第一樣本深度圖對(duì)應(yīng)的第一樣本映射圖和所述第二樣本深度圖對(duì)應(yīng)的第二樣本映射圖，所述兩張預(yù)測(cè)圖片包括所述第一樣本映射圖對(duì)應(yīng)的第一預(yù)測(cè)圖片和所述第二樣本映射圖對(duì)應(yīng)的第二預(yù)測(cè)圖片；所述根據(jù)所述兩張樣本圖片和所述兩張預(yù)測(cè)圖片，計(jì)算本次訓(xùn)練的深度損失值，包括：

11.一種特性點(diǎn)提取裝置，其特征在于，所述裝置包括：

12.一種電子設(shè)備，其特征在于，包括：

13.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有可執(zhí)行代碼，當(dāng)所述可執(zhí)行代碼被電子設(shè)備的處理器執(zhí)行時(shí)，使所述處理器執(zhí)行如權(quán)利要求1-10中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本申請(qǐng)涉及一種特征點(diǎn)提取方法、裝置、電子設(shè)備和可讀介質(zhì)。該方法包括：獲取待檢測(cè)圖片，并將待檢測(cè)圖片輸入至預(yù)先訓(xùn)練好的特征網(wǎng)絡(luò)模型；其中，特征網(wǎng)絡(luò)模型為采用預(yù)先訓(xùn)練好的深度網(wǎng)絡(luò)模型所輸出的目標(biāo)深度圖進(jìn)行訓(xùn)練得到；通過(guò)特征網(wǎng)絡(luò)模型提取待檢測(cè)圖片中的各個(gè)像素點(diǎn)的特征信息，得到目標(biāo)特征圖；對(duì)目標(biāo)特征圖進(jìn)行轉(zhuǎn)換處理，得到特征描述信息。本申請(qǐng)?zhí)峁┑姆桨福軌蛏疃葍?yōu)化尺度不變性限制、視角變化敏感性、遮擋和變形敏感性、大規(guī)模場(chǎng)景限制、計(jì)算資源要求、特征描述子的表達(dá)能力限制等問(wèn)題。

技術(shù)研發(fā)人員：單國(guó)航,賈雙成
受保護(hù)的技術(shù)使用者：智道網(wǎng)聯(lián)科技（北京）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2