相对位姿获取方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种相对位姿获取方法、装置、计算机设备和存储介质。该方法包括：获取目标图像对，目标图像对包括第一初始特征图像以及第二初始特征图像；对目标图像对进行旋转卷积处理，得到第一初始特征图像对应的第一旋转特征图像，以及第二初始特征图像对应的第二旋转特征图像；根据第一旋转特征图像与第二旋转特征图像，得到第一初始特征图像以及第二初始特征图像之间的相对位姿。采用本方法能够提高相对位姿的准确性。对位姿的准确性。对位姿的准确性。

【技术实现步骤摘要】
相对位姿获取方法、装置、计算机设备和存储介质


[0001]本申请涉及图像处理
，特别是涉及一种相对位姿获取方法、装置、计算机设备和存储介质。

技术介绍

[0002]图像配准是将来自相同或不同成像方式的图像进行一定的变换处理，使它们之间的空间位置、空间坐标达到匹配。配准的结果是使两幅图像上所有的特征点，至少是所有具有意义的点及感兴趣的点进行匹配。
[0003]随着影像工程和计算机技术的发展，医学图像成像己经成为现代医疗不可或缺的一部分，其应用贯穿于整个临床工作，不仅广泛地应用于疾病的诊断，而且在外科手术和放射治疗的计划设计、方案实施以及疗效评估等方面都发挥着重要的作用。
[0004]现有的特征图像配准方法通过获取相对位姿进行两个特征图像的配准，在有训练数据的前提下，通常考虑用深度学习的方法获得匹配的图像的相对位姿。
[0005]然而现有的相对位姿获取方法存在位姿获取结果准确性低的问题。

技术实现思路

[0006]基于此，有必要针对上述技术问题，提供一种能够提高准确性的相对位姿获取方法、装置、计算机设备和存储介质。
[0007]第一方面，本申请提供了一种相对位姿获取方法，该方法包括：
[0008]获取目标图像对，目标图像对包括第一初始特征图像以及第二初始特征图像；
[0009]对目标图像对进行旋转卷积处理，得到第一初始特征图像对应的第一旋转特征图像，以及第二初始特征图像对应的第二旋转特征图像；
[0010]根据第一旋转特征图像与第二旋转特征图像，得到第一初始特征图像以及第二初始特征图像之间的相对位姿。
[0011]在其中一个实施例中，对目标图像对进行旋转卷积处理，得到第一初始特征图像对应的第一旋转特征图像，以及第二初始特征图像对应的第二旋转特征图像，包括：
[0012]获取目标旋转卷积核；
[0013]利用目标旋转卷积核对目标图像对包含的像素点分别进行卷积处理，得到第一初始特征图像对应的第一旋转特征图像，以及第二初始特征图像对应的第二旋转特征图像。
[0014]在其中一个实施例中，目标旋转卷积核的数量为多个；
[0015]获取目标旋转卷积核，包括：
[0016]获取预设卷积核的中心点；
[0017]根据中心点，对预设卷积核进行多个角度的旋转处理，得到多个旋转角度对应的多个目标旋转卷积核。
[0018]在其中一个实施例中，利用目标旋转卷积核对目标图像对包含的像素点分别进行卷积处理，得到第一初始特征图像对应的第一旋转特征图像，以及第二初始特征图像对应
的第二旋转特征图像，包括：
[0019]利用多个目标旋转卷积核，分别对目标图像对包含的像素点进行旋转卷积处理，分别得到目标图像对中每一特征图像包含的像素点对应的多个子旋转卷积结果；
[0020]将多个子旋转卷积结果进行叠加处理，得到针对目标图像对中每一特征图像对应的像素点的旋转卷积结果；
[0021]将目标图像对中每一特征图像对应的像素点的旋转卷积结果进行叠加处理，分别得到第一旋转特征图像和第二旋转特征图像。
[0022]在其中一个实施例中，第一初始特征图像的图像维度大于第二初始特征图像的图像维度；
[0023]对目标图像对进行旋转卷积处理，包括：
[0024]按照第二初始特征图像的图像维度，对第一初始特征图像进行降维处理，得到降维处理后的第一初始特征图像；
[0025]对降维处理后的第一初始特征图像以及第二初始特征图像，进行旋转卷积处理。
[0026]在其中一个实施例中，对目标图像对进行旋转卷积处理，包括：
[0027]获取位姿获取模型；
[0028]通过位姿获取模型，对目标图像对进行旋转卷积处理。
[0029]在其中一个实施例中，获取位姿获取模型，包括：
[0030]获取样本图像对，样本图像对包括第一样本初始特征图像和第二样本初始特征图像，以及获取第一样本初始特征图像和第二样本初始特征图像之间的样本相对位姿；
[0031]将样本图像对输入至待训练的位姿获取模型，通过待训练的位姿获取模型对样本图像对进行旋转卷积处理，得到第一样本初始特征图像对应的第一预测旋转特征图像，以及第二样本初始特征图像对应的第二预测旋转特征图像；
[0032]根据第一预测旋转特征图像与第二预测旋转特征图像，得到第一初始特征图像以及第二初始特征图像之间的预测相对位姿；
[0033]利用预测相对位姿和样本相对位姿，对待训练的位姿获取模型进行训练，得到位姿获取模型。
[0034]第二方面，本申请还提供了一种相对位姿获取装置，装置包括：
[0035]图像获取模块，用于获取目标图像对，目标图像对包括第一初始特征图像以及第二初始特征图像；
[0036]卷积处理模块，用于对目标图像对进行旋转卷积处理，得到第一初始特征图像对应的第一旋转特征图像，以及第二初始特征图像对应的第二旋转特征图像；
[0037]相对位姿获取模块，用于根据第一旋转特征图像与第二旋转特征图像，得到第一初始特征图像以及第二初始特征图像之间的相对位姿。
[0038]第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的方法的步骤。
[0039]第四方面，本申请还提供了一种计算机可读存储介质。该算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的方法的步骤。
[0040]上述相对位姿获取方法、装置、计算机设备和存储介质，获取目标图像对，目标图像对包括第一初始特征图像以及第二初始特征图像；将目标图像对进行旋转卷积处理，得
到第一初始特征图像对应的第一旋转特征图像，以及第二初始特征图像对应的第二旋转特征图像；根据第一旋转特征图像与第二旋转特征图像，得到第一初始特征图像以及第二初始特征图像之间的相对位姿。通过引入旋转卷积，能够对旋转后的目标图像对的图像数据进行处理，从而能够获取预先旋转后的待匹配的特征图像的相对位姿，避免获取预先旋转后的特征图像的相对位姿误差过大的问题，从而能够提高相对位姿的准确性。
附图说明
[0041]图1为一个实施例中相对位姿获取方法的应用环境图；
[0042]图2为一个实施例中相对位姿获取方法的流程示意图；
[0043]图3为一个实施例中利用目标旋转卷积核对目标图像对包含的像素点分别进行卷积处理步骤的流程示意图；
[0044]图4为一个具体的实施例中旋转卷积等变性的示例图；
[0045]图5为一个实施例中获取位姿获取模型步骤的流程示意图；
[0046]图6为一个实施例中相对位姿获取装置的结构框图；
[0047]图7为一个实施例中计算机设备的内部结构图。
具体实施方式
[0048]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种相对位姿获取方法，其特征在于，所述方法包括：获取目标图像对，所述目标图像对包括第一初始特征图像以及第二初始特征图像；对所述目标图像对进行旋转卷积处理，得到所述第一初始特征图像对应的第一旋转特征图像，以及所述第二初始特征图像对应的第二旋转特征图像；根据所述第一旋转特征图像与所述第二旋转特征图像，得到所述第一初始特征图像以及所述第二初始特征图像之间的相对位姿。2.根据权利要求1所述的方法，其特征在于，所述对所述目标图像对进行旋转卷积处理，得到所述第一初始特征图像对应的第一旋转特征图像，以及所述第二初始特征图像对应的第二旋转特征图像，包括：获取目标旋转卷积核；利用所述目标旋转卷积核对所述目标图像对包含的像素点分别进行卷积处理，得到所述第一初始特征图像对应的第一旋转特征图像，以及所述第二初始特征图像对应的第二旋转特征图像。3.根据权利要求2所述的方法，其特征在于，所述目标旋转卷积核的数量为多个；所述获取目标旋转卷积核，包括：获取预设卷积核的中心点；根据所述中心点，对所述预设卷积核进行多个角度的旋转处理，得到多个旋转角度对应的多个目标旋转卷积核。4.根据权利要求3所述的方法，其特征在于，所述利用所述目标旋转卷积核对所述目标图像对包含的像素点分别进行卷积处理，得到所述第一初始特征图像对应的第一旋转特征图像，以及所述第二初始特征图像对应的第二旋转特征图像，包括：利用所述多个目标旋转卷积核，分别对所述目标图像对包含的像素点进行旋转卷积处理，分别得到所述目标图像对中每一特征图像包含的像素点对应的多个子旋转卷积结果；将所述多个子旋转卷积结果进行叠加处理，得到针对所述目标图像对中每一特征图像对应的像素点的旋转卷积结果；将所述目标图像对中每一特征图像对应的像素点的旋转卷积结果进行叠加处理，分别得到所述第一旋转特征图像和所述第二旋转特征图像。5.根据权利要求1所述的方法，其特征在于，所述第一初始特征图像的图像维度大于所述第二初始特征图像的图像维度；所述对所述目标图像对进行旋转卷积处理，包括：按照所述第二初始特征图像的...

【专利技术属性】
技术研发人员：宋经纬，
申请(专利权)人：北京联影智能影像技术研究院，
类型：发明
国别省市：