一种无人车单目视觉定位中对匹配矩阵的图像匹配方法组成比例

本发明专利技术涉及一种无人车单目视觉定位中对匹配矩阵的图像匹配方法，该方法包括以下步骤：1)通过深度卷积神经网络DCNN对所有输入的测试图像和定位地图图像进行全局特征描述，提取第三卷积层作为特征向量；2)采用主成分分析法对所有特征向量进行降维；3)根据测试图像和定位地图图像降维后的特征向量构建匹配矩阵，即匹配图像；4)对匹配图像进行OTSU二值化处理，得到处理后的二值化图像；5)对二值化图像进行形态学处理后，对图像进行直线拟合；6)在拟合的直线上对应的测试图像和定位地图图像即为匹配对应的图像。与现有技术相比，本发明专利技术具有算法设计方便、可视化效果好、运算速度更快、硬件要求降低等优点。

Image matching method for matching matrix in monocular vision positioning of unmanned vehicle

The invention relates to an unmanned vehicle matching method for image matching matrix of monocular vision system, the method comprises the following steps: 1) through deep convolutional neural network DCNN for all input test image and map the overall image feature description, extracting third convolutional layer as a feature vector; 2) using principal component analysis to reduce the dimensionality of the feature vectors of all method; 3) according to the feature vector of the test image and positioning map image after dimensionality reduction is to construct the matching matrix, image matching; 4) of matching OTSU image binarization processing, the two value image obtained after treatment; 5) morphologicalprocessing of binarization image. For fitting a straight line on the image; 6) corresponding to the fitting line of the test image and the location map image is image matching. Compared with the prior art, the invention has the advantages of convenient design of the algorithm, good visualization effect, faster calculation speed, lower hardware requirement, etc..

【技术实现步骤摘要】
一种无人车单目视觉定位中对匹配矩阵的图像匹配方法
本专利技术涉及无人车定位领域，尤其是涉及一种无人车单目视觉定位中对匹配矩阵的图像匹配方法。
技术介绍
现有的技术大多存在以下两个问题：1、多数技术并未对图像特征进行数据压缩处理，而是直接采用深度网络的某一层特征(如第三卷积层)，数据运算量巨大，耗时长且对硬件要求高。2、部分技术采用图像直接压缩的方法降低运算量，例如：SeqSLAM算法并未采用深度学习网络提取特征而是直接对图像进行64*32或者32*24的压缩，在此过程没有对信息的筛选，而是截取一定区域，容易可能遗漏重要信息。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种无人车单目视觉定位中对匹配矩阵的图像匹配方法。本专利技术的目的可以通过以下技术方案来实现：一种无人车单目视觉定位中对匹配矩阵的图像匹配方法，该方法包括以下步骤：1)通过深度卷积神经网络DCNN对所有输入的测试图像和定位地图图像进行全局特征描述，提取第三卷积层作为特征向量；2)采用主成分分析法对所有特征向量进行降维；3)根据测试图像和定位地图图像降维后的特征向量构建匹配矩阵，即匹配图像；4)对匹本文档来自技高网...

【技术保护点】
一种无人车单目视觉定位中对匹配矩阵的图像匹配方法，其特征在于，该方法包括以下步骤：1)通过深度卷积神经网络DCNN对所有输入的测试图像和定位地图图像进行全局特征描述，提取第三卷积层作为特征向量；2)采用主成分分析法对所有特征向量进行降维；3)根据测试图像和定位地图图像降维后的特征向量构建匹配矩阵，即匹配图像；4)对匹配图像进行OTSU二值化处理，得到处理后的二值化图像；5)对二值化图像进行形态学处理后，对图像进行直线拟合；6)在拟合的直线上对应的测试图像和定位地图图像即为匹配对应的图像。

【技术特征摘要】
1.一种无人车单目视觉定位中对匹配矩阵的图像匹配方法，其特征在于，该方法包括以下步骤：1)通过深度卷积神经网络DCNN对所有输入的测试图像和定位地图图像进行全局特征描述，提取第三卷积层作为特征向量；2)采用主成分分析法对所有特征向量进行降维；3)根据测试图像和定位地图图像降维后的特征向量构建匹配矩阵，即匹配图像；4)对匹配图像进行OTSU二值化处理，得到处理后的二值化图像；5)对二值化图像进行形态学处理后，对图像进行直线拟合；6)在拟合的直线上对应的测试图像和定位地图图像即为匹配对应的图像。2.根据权利要求1所述的一种无人车单目视觉定位中对匹配矩阵的图像匹配方法，其特征在于，所述的步骤1)中，采用Tensorflow框架中的AlexNet网络进行全局特征描述，并提取第三卷积层作为图像特征。3.根据权利要求1所述的一种无人车单目视觉定位中对匹配矩阵的图像匹配方法，其特征在于...

【专利技术属性】
技术研发人员：陈启军，张会，刘明，王香伟，杜孝国，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31