买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州电子科技大学

摘要：本发明公开了一种基于神经网络的特征点选择方法及系统。本发明将图像作为输入，经过数据预处理之后，通过卷积神经网络从图像中提取特征图，随后使用全连接神经网络从特征图中提取得到特征点。本发明使用位姿以及正则相的约束来计算每张图片上的特征点，由于引入了位姿的约束，能够大大的提高特征点提取和位姿估计的相关性，能够在选择较少特征点的情况下，实现精准定位的目标，大大减小边缘计算在执行SLAM程序时候的消耗。解决了如何选择合适的地图点，在不影响定位精度的情况下，减少特征点的数量的问题。

主权项：1.一种基于神经网络的特征点选择方法，其特征在于，包括以下步骤：步骤1基于特征提取网络的特征提取；使用卷积神经网络作为特征提取网络，从输入图像中提取特征图；通过卷积神经网络将输入图像的长宽压缩到源分辨率的四分之一，通道数从原先的3个通道变成128个通道；步骤2基于全连接神经网络的特征点提取；使用一个编码器将特征图进一步压缩，将通道数压缩到8个通道，由于输入图像的分辨率不一，再使用自适应池化层将特征图压缩到一个相同的大小32x32x4；随后，将特征图转换一个4096维向量后，使用有3个隐藏层的全连接神经网络预测每个图像中的特征点；全连接神经网络的输出是一个200x3的向量，代表着200个特征点的坐标和置信度；步骤3基于单应性变化变换的Loss设计；使用单应性变换，将通过fast方法获取的特征点映射到另外一个空间中，然后再将变换后的特征点投影到原始图像上，各个空间中提取到的特征点合起来作为特征点的真值；然后，通过计算相邻两张图像中特征点对应的orb描述子，来计算相邻两张图像之间的相对位姿；将计算得到的相对位姿和真值进行对比后计算出位姿的误差；为了保证特征点的质量，为特征点选取网络的Loss添加了特征点位置、分数正则项来进一步约束特征点的生成；所述的特征点选取网络由步骤1中的特征提取网络与步骤2中的全连接神经网络组成；步骤4根据设计好的loss对特征点选取网络进行训练；在网络的训练过程中，输入图像将先经过特征提取网络，获得特征图，再通过全连接神经网络提取特征点，获得特征点后，结合特征图计算描述子，然后然后使用PnP算法和相邻帧计算图像的位姿，与位姿的真实值计算loss监督网络训练。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于神经网络的关键点选择方法及系统