一种定位方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种定位方法、装置、电子设备以及存储介质，涉及人工智能技术领域，进一步涉及计算机视觉、深度学习技术，可应用于定位技术领域，包括：获取待定位二维图像；将所述待定位二维图像输入至粗定位卷积神经网络模型中，得到所述待定位二维图像的全局待定位图像特征；将所述待定位二维图像的全局待定位图像特征与全局存储图像特征进行特征匹配；其中，所述全局存储图像特征与所述全局待定位图像特征同时包括3D结构线特征和纹理特征；根据特征匹配结果确定与所述待定位二维图像匹配的至少一张预存二维图像。本申请实施例能够提高粗定位方法的精准性和稳定性。高粗定位方法的精准性和稳定性。高粗定位方法的精准性和稳定性。

【技术实现步骤摘要】
一种定位方法、装置、电子设备及存储介质


[0001]本申请涉及人工智能
，具体涉及计算机视觉、深度学习技术，可应用于定位


技术介绍

[0002]基于图像识别的定位技术属于一种视觉定位技术，是计算机视觉
的其中一个重要分支。基于图像识别的定位技术可以广泛应用于导航、定位及视觉追踪等
对于基于图像识别的定位技术来说，粗定位技术是其中一项关键技术环节，对基于图像识别的定位技术最终定位结果的精准性影响意义深重。

技术实现思路

[0003]本申请实施例提供了一种定位方法、装置、电子设备以及存储介质，以提高粗定位方法的精准性和稳定性。
[0004]第一方面，本申请实施例提供了一种定位方法，包括：
[0005]获取待定位二维图像；
[0006]将所述待定位二维图像输入至粗定位卷积神经网络模型中，得到所述待定位二维图像的全局待定位图像特征；
[0007]将所述待定位二维图像的全局待定位图像特征与全局存储图像特征进行特征匹配；其中，所述全局存储图像特征与所述全局待定位图像特征同时包括3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种定位方法，包括：获取待定位二维图像；将所述待定位二维图像输入至粗定位卷积神经网络模型中，得到所述待定位二维图像的全局待定位图像特征；将所述待定位二维图像的全局待定位图像特征与全局存储图像特征进行特征匹配；其中，所述全局存储图像特征与所述全局待定位图像特征同时包括3D结构线特征和纹理特征；根据特征匹配结果确定与所述待定位二维图像匹配的至少一张预存二维图像。2.根据权利要求1所述的方法，还包括：获取图像数据库中的预存二维图像；将所述预存二维图像输入至所述粗定位卷积神经网络模型中，得到所述预存二维图像的全局存储图像特征；存储所述预存二维图像的全局存储图像特征。3.根据权利要求1所述的方法，其中，所述根据特征匹配结果确定与所述待定位二维图像匹配的至少一张预存二维图像，包括：根据所述特征匹配结果确定与所述待定位二维图像匹配的第一设定数量的预存二维图像；对所述第一设定数量的预存二维图像进行筛选，得到第二设定数量的预存二维图像。4.根据权利要求3所述的方法，还包括：对所述第二设定数量的预存二维图像的预存图像相似度进行求平均计算，得到相似度平均值；将各所述预存图像相似度与所述相似度平均值进行匹配，确定目标预存图像相似度；将与所述目标预存图像相似度对应的预存二维图像作为目标预存二维图像。5.根据权利要求1-4任一所述的方法，其中，所述粗定位卷积神经网络模型包括纹理编码网络和3D编码网络，用于同时输出图像的纹理特征和3D结构线特征。6.根据权利要求5所述的方法，其中，所述纹理编码网络用于输出图像的全局纹理信息；所述3D编码网络用于输出图像的全局3D结构线信息；所述粗定位卷积神经网络模型用于通过所述纹理编码网络获取到全局纹理信息，以及通过所述3D编码网络输出图像的全局3D结构线信息之后，通过卷积层将所述全局纹理信息和全局3D结构线信息进行融合，得到全局图像特征。7.根据权利要求6所述的方法，其中，所述3D编码网络在所述粗定位卷积神经网络模型的训练过程中停止更新网络权重。8.一种定位装置，包括：待定位二维图像获取模块，用于获取待定位二维图像；全局待定位图像特征获取模块，用于将所述待定位二维图像输入至粗定位卷积神经网络模型中，得到所述待定位二维图像的全局待定位图像特征；全局待定位图像特征匹配模块，用于将所述待定位二维图像的全局待定位图像特征与全局存储图像特征进行特征匹配；其中，所述全局存储图像特征...

【专利技术属性】
技术研发人员：李照虎，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：