定位方法、装置、系统及计算机可读存储介质制造方法及图纸

一种定位方法、装置及计算机可读存储介质，其中该方法包括：获取虚拟图像和拍摄图像；分别提取该虚拟图像和该拍摄图像的特征，并利用预设的互相观察模块对提取的特征进行空间变换；根据空间变换的结果，确定该拍摄图像对应在该虚拟图像中的位置。本申请中的方法、装置和计算机可读存储介质可确保定位的稳定性和准确性。和准确性。和准确性。

【技术实现步骤摘要】
定位方法、装置、系统及计算机可读存储介质


[0001]本申请实施例涉及通信
，尤其涉及一种定位方法、装置、系统及计算机可读存储介质。

技术介绍

[0002]当前在图像定位时，经常会应用到图像识别技术。现有的图像识别技术，主要是提取两个图像中的关键点特征，然后直接将提取的特征进行比较，并根据比较结果确定二者之间的对应关系。当任一图像中存在遮挡、扭曲、形变等情况时，难以通过直接比较从两个图像中提取到的特征来确定两个图像之间的对应关系，往往识别率较低，容易出现误判，从而影响定位的稳定性和准确性。

技术实现思路

[0003]本申请实施例提供一种定位方法、装置及计算机可读存储介质，通过利用预设的相互观察模块对图像进行多角度的空间变换，可提高定位的稳定性和准确性。
[0004]本申请实施例一方面提供了一种定位方法，包括：
[0005]获取虚拟图像和拍摄图像；
[0006]分别提取所述虚拟图像和所述拍摄图像的特征，并利用预设的互相观察模块对提取的特征进行空间变换；
[0007]根据空间变换的结果，确定所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种定位方法，其特征在于，所述方法包括：获取虚拟图像和拍摄图像；分别提取所述虚拟图像和所述拍摄图像的特征，并利用预设的互相观察模块对提取的特征进行空间变换；根据空间变换的结果，确定所述拍摄图像对应在所述虚拟图像中的位置。2.如权利要求1所述的方法，其特征在于，所述方法还包括：构建孪生神经网络，所述孪生神经网络包括结构相同且共享权重的第一卷积神经网络和第二卷积神经网络；按照从所述孪生神经网络的浅层至深层的顺序，在所述第一卷积神经网络和所述第二卷积神经网络之间加入多个所述互相观察模块；所述分别提取所述虚拟图像和所述拍摄图像的特征包括：利用所述第一卷积神经网络提取所述虚拟图像的特征，并利用所述第二卷积神经网络提取所述拍摄图像的特征。3.如权利要求2所述的方法，其特征在于，所述利用所述第一卷积神经网络提取所述虚拟图像的特征，并利用所述第二卷积神经网络提取所述拍摄图像的特征包括：利用所述第一卷积神经网络的浅层提取所述虚拟图像的纹理特征，利用所述第一卷积神经网络的深层提取所述虚拟图像的形状特征；利用所述第二卷积神经网络的浅层提取所述拍摄图像的纹理特征，利用所述第二卷积神经网络的深层提取所述拍摄图像的形状特征。4.如权利要求3所述的方法，其特征在于，所述互相观察模块包括空间变换网络，所述利用预设的互相观察模块对提取的特征进行空间变换包括：将提取的所述虚拟图像的纹理特征和形状特征输入所述空间变换网络，得到第一空间变换矩阵；利用所述第一空间变换矩阵，从多个不同的视角对所述虚拟图像进行空间变换，得到空间变换后的所述虚拟图像的纹理特征和形状特征；将提取的所述拍摄图像的纹理特征和形状特征输入所述空间变换网络，得到第二空间变换矩阵；利用所述第二空间变换矩阵，从多个不同的视角对所述拍摄图像进行空间变换，得到空间变换后的所述拍摄图像的纹理特征和形状特征。5.如权利要求4所述的方法，其特征在于，所述互相观察模块还包括第一注意力网络和第二注意力网络，所述根据空间变换的结果，确定所述拍摄图像对应在所述虚拟图像中的位置包括：将所述空间变换后的所述虚拟图像的纹理特征和形...

【专利技术属性】
技术研发人员：李楠宇，陈日清，余坤璋，刘润南，徐宏，苏晨晖，
申请(专利权)人：杭州堃博生物科技有限公司，
类型：发明
国别省市：