水下地形匹配定位方法、设备及计算机存储介质技术

本发明专利技术公开了一种水下地形匹配定位方法、设备及计算机存储介质，该方法包括以下步骤：通过孪生特征网络对实时区域与搜索区域进行特征提取，计算并生成相关性特征；构建权重网络，对所述实时区域与所述搜索区域之间各通道的所述相关性特征进行权重分配并融合，生成相似性响应图；通过多峰模式检测所述相似性响应图；若所述相似性响应图满足预设条件，则计算并输出最终坐标；本发明专利技术解决现有技术中不能很好地表达图像的早期特征，且无法适用于由水下高程数据转化的灰度地形图像的精确定位的问题；实现了增强网络输出特征的表达能力，以及提高定位结果的可靠性。

【技术实现步骤摘要】
水下地形匹配定位方法、设备及计算机存储介质
本专利技术涉及水下高精度定位领域，尤其涉及一种水下地形匹配定位方法、设备及计算机存储介质。
技术介绍
在视觉导航领域，实时地图与先验地图匹配的稳定性和可靠性成为导航定位成功的关键，在基于特征的图像匹配方法中，传统的图像匹配方法多基于人工设计的特征，往往缺乏稳定的特征表达而造成图像的匹配效果较差，随着神经网络在图像领域的发展，得益于卷积神经网络对图像特征优秀的学习和表达能力，目前已成为包括图像匹配等计算机视觉领域的研究热点。另一方面，智能水下机器人(AutonomousUnderwaterVehicle，AUV)在应用神经网络模型进行定位时，受神经网络模型性质的影响，存在效率问题，为了满足AUV定位的实时性需求，需要在保证模型准确率的前提下降低模型的计算量。ShuffleNetV2提出了使用深度分离卷积降低模型复杂度的方法，但该方法不能很好地表达图像的早期特征，对图像匹配定位等任务适用性较差，无法适用于由水下高程数据转化的灰度地形图像的精确定位。
技术实现思路
<br>有鉴于此，提供本文档来自技高网...

【技术保护点】
1.一种水下地形匹配定位方法，其特征在于，所述方法包括：/n通过孪生特征网络对实时区域与搜索区域进行特征提取，计算并生成相关性特征；/n构建权重网络，对所述实时区域与所述搜索区域之间各通道的所述相关性特征进行权重分配并融合，生成相似性响应图；/n通过多峰模式检测所述相似性响应图；/n若所述相似性响应图满足预设条件，则计算并输出最终坐标。/n

【技术特征摘要】
1.一种水下地形匹配定位方法，其特征在于，所述方法包括：
通过孪生特征网络对实时区域与搜索区域进行特征提取，计算并生成相关性特征；
构建权重网络，对所述实时区域与所述搜索区域之间各通道的所述相关性特征进行权重分配并融合，生成相似性响应图；
通过多峰模式检测所述相似性响应图；
若所述相似性响应图满足预设条件，则计算并输出最终坐标。


2.如权利要求1所述的水下地形匹配定位方法，其特征在于，所述通过孪生特征网络对实时区域与搜索区域进行特征提取，计算并生成相关性特征，包括：
基于ShuffleNet网络模型，提取阶段二的特征图、阶段三的特征图以及第五层卷积后的特征图；
基于所述阶段二特征图、所述阶段三的特征图以及所述第五层卷积后的特征图，计算所述实时区域与所述搜索区域各通道之间的相关性，生成所述相关性特征。


3.如权利要求1所述的水下地形匹配定位方法，其特征在于，所述构建权重网络，对所述实时区域与所述搜索区域之间各通道的所述相关性特征进行权重分配并融合，生成相似性响应图，包括：
采用深度分离卷积，对各通道的相关性特征进行分组卷积计算，生成分组卷积结果；
采用通道注意力机制对所述分组卷积结果分配权重；
对所述分组卷积结果以及分配的权重执行线性融合操作，生成相似性响应图。


4.如权利要求1所述的水下地形匹配定位方法，其特征在于，所述通过多峰模式检测所述相似性响应图，包括：
以所述相似性响应图中最大值为中心的3*3区域外定义为峰值旁瓣区域；
计算峰值区域内点的均值；其中，所述峰值区域为所述相似性响应图中最大值为中心的3*3区域；
统计所述峰值旁瓣区域内的大于所述均值的点的个数。


5.如权利要求4所述的水下地形匹配定位方法，其特征在于，所述若所述相似性响应图满足预设条件，则计算并输出最终...

【专利技术属性】
技术研发人员：卞红雨，李胜全，张锋，何抒慧，杨巍，王天社，邱康，
申请(专利权)人：哈尔滨工程大学，鹏城实验室，
类型：发明
国别省市：黑龙江;23