[發明專利]一種基于孿生卷積神經網絡的特征匹配定位方法、系統

在審

• 申請號: 202210155271.9
• 申請日: 2022-02-21
• 公開（公告）號: CN114596454A
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 王博;黃柳;宋志洪
• 申請（專利權）人: 北京理工大學
• 主分類號: G06V10/74
• 分類號: G06V10/74;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G01C21/16
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 郭德忠

1.一種基于孿生卷積神經網絡的特征匹配定位方法，其特征在于，

利用格拉姆角場法將慣性導航系統輔助測量儀器的測量特征序列編碼為第一二維圖像，將所述第一二維圖像輸入至所述孿生卷積神經網絡模型；

遍歷由存儲的特征序列編碼獲得的第二二維圖像，以所述孿生卷積神經網絡模型輸出結果為相似時的實際軌跡作為測量特征匹配軌跡，完成特征匹配定位。

2.如權利要求1所述的特征匹配定位方法，其特征在于，所述利用格拉姆角場法將慣性導航系統輔助測量儀器的測量特征序列編碼為第一二維圖像為：先將笛卡爾坐標系下的所述測量特征序列進行歸一化處理并轉化成極坐標系的表示形式，之后將所述極坐標系下的角度作為格拉姆矩陣的元素，所述元素對應所述第一二維圖像的像素點。

3.如權利要求2所述的特征匹配定位方法，其特征在于，所述極坐標系下的角度作為格拉姆矩陣的元素為：所述極坐標系下的第i個特征對應的角度和第j個特征對應的角度之和作為所述格拉姆矩陣第i行、第j列的元素。

4.如權利要求1所述的特征匹配定位方法，其特征在于，所述第一二維圖像輸入至所述孿生卷積神經網絡模型，先經過第一卷積層獲得64個3×3×1尺寸的特征圖；再經過第二卷積層獲得128個2×2×1尺寸的特征圖；再經過第三卷積層得到一個256維特征向量；再經過第四卷積層得到一個128維特征向量；最后經過全連層和Sigmoid激活函數的處理，得到一個4096維的特征向量，根據所述4096維的特征向量的歐氏距離獲得所述存儲特征序列和所述測量特征序列的相似結果。

5.如權利要求1所述的特征匹配定位方法，其特征在于，所述孿生卷積神經網絡模型的訓練過程為：將所述測量特征序列對應的慣性導航系統的指示軌跡通過仿射變換擬合成真實軌跡，根據所述真實軌跡獲得所述存儲特征序列；之后將所述測量特征序列編碼為第一二維圖像，將所述存儲特征序列編碼為第二二維圖像并為相似的第一二維圖像和第二二維圖像添加相似標簽，將所述第一二維圖像和第二二維圖重復輸入所述孿生卷積神經網絡模型，若輸出的相似結果與輸入的相似情況不一致，則調整所述孿生卷積神經網絡模型的權重，若輸出的相似結果與輸入的相似情況一致，則無需調整所述權重。

6.如權利要求5所述的特征匹配定位方法，其特征在于，在所述孿生卷積神經網絡模型的訓練過程中，采用二值交叉熵函數作為訓練過程的損失函數。

7.一種基于孿生卷積神經網絡的特征匹配定位系統，其特征在于，包括數據處理模塊和及匹配定位模塊；

所述數據處理模塊通過利用格拉姆角場法將慣性導航系統輔助測量儀器的測量特征序列編碼為第一二維圖像；并將所述第一二維圖像輸入至所述匹配定位模塊；

所述匹配定位模塊用于遍歷由存儲的特征序列編碼獲得的第二二維圖像，以所述匹配定位模塊的孿生卷積神經網絡模型輸出結果為相似時的實際軌跡作為測量特征匹配軌跡，完成特征匹配定位。

8.如權利要求7所述的特征匹配定位系統，其特征在于，在所述數據處理模塊中，所述利用格拉姆角場法將慣性導航系統輔助測量儀器的測量特征序列編碼為第一二維圖像為：先將笛卡爾坐標系下的所述測量特征序列進行歸一化處理并轉化成極坐標系的表示形式，之后將所述極坐標系下的角度作為格拉姆矩陣的元素，所述元素對應所述第一二維圖像的像素點。

9.如權利要求7所述的特征匹配定位系統，其特征在于，所述第一二維圖像輸入至所述匹配定位模塊為：所述第一二維圖像輸入至所述孿生卷積神經網絡模型，先經過第一卷積層獲得64個3×3×1尺寸的特征圖；再經過第二卷積層獲得128個2×2×1尺寸的特征圖；再經過第三卷積層得到一個256維特征向量；再經過第四卷積層得到一個128維特征向量；最后經過全連層和Sigmoid激活函數的處理，得到一個4096維的特征向量，根據所述4096維的特征向量的歐氏距離獲得所述存儲特征序列和所述測量特征序列的相似結果。

10.如權利要求7所述的特征匹配定位系統，其特征在于，所述特征匹配定位系統還包括訓練模塊，所述訓練模塊用于訓練所述孿生卷積神經網絡模型并將訓練完成的孿生卷積神經網絡模型發送至匹配定位模塊；

所述孿生卷積神經網絡模型的訓練過程為：將所述測量特征序列對應的慣性導航系統的指示軌跡通過仿射變換擬合成真實軌跡，根據所述真實軌跡獲得所述存儲特征序列；之后將所述測量特征序列編碼為第一二維圖像，將所述存儲特征序列編碼為第二二維圖像并為相似的第一二維圖像和第二二維圖像添加相似標簽，將所述第一二維圖像和第二二維圖重復輸入所述孿生卷積神經網絡模型，若輸出的相似結果與輸入的相似情況不一致，則調整所述孿生卷積神經網絡模型的權重，若輸出的相似結果與輸入的相似情況一致，則無需調整所述權重。