一种全景图像特征点描述符生成网络的训练方法以及装置制造方法及图纸

本申请适用于图像处理技术领域，提供了一种全景图像特征点描述符生成网络的训练方法以及装置，该方法包括：获取待处理特征点；其中，待处理特征点是从待处理全景图像中提取的特征点；确定待处理特征点中的目标特征点；将待处理特征点作为输入参数，目标特征点作为输出参数，对全景图像特征点描述符生成网络进行训练，得到训练后的全景图像特征点描述符生成网络。可见，本申请通过自动训练全景图像特征点描述符生成网络，从而达到对有丰富图像信息和宽广视野的全景图像进行准确提取特征点的效果。效果。效果。

【技术实现步骤摘要】
一种全景图像特征点描述符生成网络的训练方法以及装置


[0001]本申请属于图像处理
，尤其涉及一种全景图像特征点描述符生成网络的训练方法以及装置。

技术介绍

[0002]相机空间定位是基于图像的三维重建中的基本步骤，根据同一物体对象对应的不同图像之间的特征点匹配来实现相机定位。一般地，根据全景图像之间的特征匹配实现的相机定位效果较佳。现有技术中，通过特征点描述符提取图像的特征点，但是，现有的特征点描述符只可以稳健的提取平面图像的特征点，无法对有丰富图像信息和宽广视野的全景图像进行准确提取特征点。

技术实现思路

[0003]本申请实施例提供了一种全景图像特征点描述符生成网络的训练方法以及装置，可以解决现有技术中无法对有丰富图像信息和宽广视野的全景图像进行准确提取特征点的问题。
[0004]第一方面，本申请实施例提供了一种全景图像特征点描述符生成网络的训练方法，包括：获取待处理特征点；其中，所述待处理特征点是从待处理全景图像中提取的特征点；确定所述待处理特征点中的目标特征点；将所述待处理特征点作为输入参数，所述目标特征点作为输出参数，对全景图像特征点描述符生成网络进行训练，得到训练后的全景图像特征点描述符生成网络。
[0005]在第一方面的一种可能的实现方式中，获取待处理特征点，包括：获取待处理全景图像；对所述待处理全景图像进行裁剪，得到透视图像；提取所述透视图像中的待处理特征点。
[0006]在第一方面的一种可能的实现方式中，提取所述透视图像中的待处理特征点，包括：根据预设提取算法确定出所述透视图像中的候选待处理特征点；根据预设匹配算法对所述候选待处理特征点进行匹配对齐，得到待处理特征点。
[0007]在第一方面的一种可能的实现方式中，确定所述待处理特征点中的目标特征点，包括：获取所述待处理特征点对应的相机拍摄位置；根据所述相机拍摄位置筛选出所述待处理特征点中的目标特征点。
[0008]在第一方面的一种可能的实现方式中，所述全景图像特征点描述符生成网络包括深度级可分离卷积；
将所述待处理特征点作为输入参数，所述目标特征点作为输出参数，对全景图像特征点描述符生成网络进行训练，得到训练后的全景图像特征点描述符生成网络，包括：基于预设激活函数，根据所述待处理特征点作为输入参数，所述目标特征点作为输出参数，对所述深度级可分离卷积进行训练，得到训练后的深度级可分离卷积。
[0009]第二方面，本申请实施例提供了一种全景图像特征点描述符生成网络的训练装置，包括：获取模块，用于获取待处理特征点；所述待处理特征点是从待处理全景图像中提取的特征点；确定模块，用于确定所述待处理特征点中的目标特征点；训练模块，用于将所述待处理特征点作为输入参数，所述目标特征点作为输出参数，对全景图像特征点描述符生成网络进行训练，得到训练后的全景图像特征点描述符生成网络。
[0010]在第二方面的一种可能的实现方式中，所述获取模块，包括：获取子模块，用于获取待处理全景图像；剪裁子模块，用于对所述待处理全景图像进行裁剪，得到透视图像；提取子模块，用于提取所述透视图像中的待处理特征点。
[0011]在第二方面的一种可能的实现方式中，所述提取子模块，包括：确定单元，用于根据预设提取算法确定出所述透视图像中的候选待处理特征点；匹配单元，用于根据预设匹配算法对所述候选待处理特征点进行匹配对齐，得到待处理特征点。
[0012]在第二方面的一种可能的实现方式中，所述确定模块包括：获取子模块，用于获取所述待处理特征点对应的相机拍摄位置；筛选子模块，用于根据所述相机拍摄位置筛选出所述待处理特征点中的目标特征点。
[0013]在第二方面的一种可能的实现方式中，所述全景图像特征点描述符生成网络包括深度级可分离卷积；所述训练模块，包括：训练子模块，用于基于预设激活函数，根据所述待处理特征点作为输入参数，所述目标特征点作为输出参数，对所述深度级可分离卷积进行训练，得到训练后的深度级可分离卷积。
[0014]本申请实施例与现有技术相比存在的有益效果是：本申请实施例中，通过获取待处理特征点；其中，待处理特征点是从待处理全景图像中提取的特征点；确定待处理特征点中的目标特征点；将待处理特征点作为输入参数，目标特征点作为输出参数，对全景图像特征点描述符生成网络进行训练，得到训练后的全景图像特征点描述符生成网络。可见，本申请实施例通过自动训练全景图像特征点描述符生成网络，从而达到对有丰富图像信息和宽广视野的全景图像进行准确提取特征点的效果。
附图说明
[0015]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述
中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0016]图1是本申请实施例提供的全景图像特征点描述符生成网络的训练方法的流程示意图；图2是本申请实施例提供的全景图像特征点描述符生成网络的训练装置的结构框图；图3是本申请实施例提供的服务器的结构示意图。
具体实施方式
[0017]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0018]应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0019]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0020]如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0021]另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0022]在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全景图像特征点描述符生成网络的训练方法，其特征在于，包括：获取待处理特征点；其中，所述待处理特征点是从待处理全景图像中提取的特征点；确定所述待处理特征点中的目标特征点；将所述待处理特征点作为输入参数，所述目标特征点作为输出参数，对全景图像特征点描述符生成网络进行训练，得到训练后的全景图像特征点描述符生成网络。2.如权利要求1所述的全景图像特征点描述符生成网络的训练方法，其特征在于，获取待处理特征点，包括：获取待处理全景图像；对所述待处理全景图像进行裁剪，得到透视图像；提取所述透视图像中的待处理特征点。3.如权利要求2所述的全景图像特征点描述符生成网络的训练方法，其特征在于，提取所述透视图像中的待处理特征点，包括：根据预设提取算法确定出所述透视图像中的候选待处理特征点；根据预设匹配算法对所述候选待处理特征点进行匹配对齐，得到待处理特征点。4.如权利要求1至3任一项所述的全景图像特征点描述符生成网络的训练方法，其特征在于，确定所述待处理特征点中的目标特征点，包括：获取所述待处理特征点对应的相机拍摄位置；根据所述相机拍摄位置筛选出所述待处理特征点中的目标特征点。5.如权利要求1至3任一项所述的全景图像特征点描述符生成网络的训练方法，其特征在于，所述全景图像特征点描述符生成网络包括深度级可分离卷积；将所述待处理特征点作为输入参数，所述目标特征点作为输出参数，对全景图像特征点描述符生成网络进行训练，得到训练后的全景图像特征点描述符生成网络，包括：基于预设激活函数，根据所述待...

【专利技术属性】
技术研发人员：崔岩，黄亚江，
申请(专利权)人：珠海市四维时代网络科技有限公司，
类型：发明
国别省市：