[發明專利]一種無人車單目視覺定位中對匹配矩陣的圖像匹配方法

有效

• 申請號: 201710333485.X
• 申請日: 2017-05-12
• 公開（公告）號: CN107170004B
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 陳啟軍;張會;劉明;王香偉;杜孝國
• 申請（專利權）人: 同濟大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/73;G06T5/30;G06T7/194;G06T7/155
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 宣慧蘭

本發明涉及一種無人車單目視覺定位中對匹配矩陣的圖像匹配方法，該方法包括以下步驟：1)通過深度卷積神經網絡DCNN對所有輸入的測試圖像和定位地圖圖像進行全局特征描述，提取第三卷積層作為特征向量；2)采用主成分分析法對所有特征向量進行降維；3)根據測試圖像和定位地圖圖像降維后的特征向量構建匹配矩陣，即匹配圖像；4)對匹配圖像進行OTSU二值化處理，得到處理后的二值化圖像；5)對二值化圖像進行形態學處理后，對圖像進行直線擬合；6)在擬合的直線上對應的測試圖像和定位地圖圖像即為匹配對應的圖像。與現有技術相比，本發明具有算法設計方便、可視化效果好、運算速度更快、硬件要求降低等優點。

技術領域

本發明涉及無人車定位領域，尤其是涉及一種無人車單目視覺定位中對匹配矩陣的圖像匹配方法。

背景技術

現有的技術大多存在以下兩個問題：

1、多數技術并未對圖像特征進行數據壓縮處理，而是直接采用深度網絡的某一層特征(如第三卷積層)，數據運算量巨大，耗時長且對硬件要求高。

2、部分技術采用圖像直接壓縮的方法降低運算量，例如：SeqSLAM算法并未采用深度學習網絡提取特征而是直接對圖像進行64*32或者32*24的壓縮，在此過程沒有對信息的篩選，而是截取一定區域，容易可能遺漏重要信息。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種無人車單目視覺定位中對匹配矩陣的圖像匹配方法。

本發明的目的可以通過以下技術方案來實現：

一種無人車單目視覺定位中對匹配矩陣的圖像匹配方法，該方法包括以下步驟：

1)通過深度卷積神經網絡DCNN對所有輸入的測試圖像和定位地圖圖像進行全局特征描述，提取第三卷積層作為特征向量；

2)采用主成分分析法對所有特征向量進行降維；

3)根據測試圖像和定位地圖圖像降維后的特征向量構建匹配矩陣，即匹配圖像；

4)對匹配圖像進行OTSU二值化處理，得到處理后的二值化圖像；

5)對二值化圖像進行形態學處理后，對圖像進行直線擬合；

6)在擬合的直線上對應的測試圖像和定位地圖圖像即為匹配對應的圖像。

所述的步驟1)中，采用Tensorflow框架中的AlexNet網絡進行全局特征描述，并提取第三卷積層作為圖像特征。

所述的步驟3)中，所述的匹配矩陣中元素a_ij為第i張測試圖像的特征向量與第j張定位地圖圖像的特征向量的余弦值，即：

其中，t_i為第i張測試圖像的特征向量，m_j為第j張定位地圖圖像的特征向量。

所述的步驟5)中，所述的形態學處理包括膨脹和腐蝕。

所述的步驟5)中，選取擬合后斜率不為0的直線作為最終擬合直線，并獲取其方程表達式。

所述的最終擬合直線的直線方程為y＝kx+b，其中，x為測試圖像的位置，y為與測試圖像匹配的定位地圖圖像的位置。

與現有技術相比，本發明具有以下優點：

一、算法設計方便：本方法無需建立復雜的數據關系網絡、分析圖像節點之間的權值與流量等信息，也不涉及最短路徑查找等算法，算法原理簡單可行。