【技术实现步骤摘要】
一种图像匹配的方法、地图信息的更新方法以及相关装置
[0001]本申请涉及计算机
，尤其涉及一种图像匹配的方法、地图信息的更新方法以及相关装置。
技术介绍
[0002]在地图道路数据采集过程中，为了进行地图信息的更新，通常需要将新采集的资料与历史资料中的结果进行比对。例如，将新采集到的图像与历史资料中的图像进行相似度比较，从而找到地图中发生变化的要素，进而可以进行地图的更新。
[0003]目前，可利用大量标注数据对卷积神经网络进行训练，实现对图像的高级语义特征提取以及分类，得到最终的图像识别结果。在相关技术中，利用目标检测网络分别识别出新图像中的要素和历史图像中的要素，通过比对两个图像中的要素是否一致，能够进一步判定是否需要对地图进行更新。
[0004]然而，专利技术人发现目前的方案中至少存在如下问题，由于图像中涉及到的要素众多，而利用目标检测网络提取到的要素比较有限。因此，存在要素识别不准确的情况，由此，导致图像匹配的错误率较高。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
【技术保护点】
【技术特征摘要】
1.一种图像匹配的方法，其特征在于，包括：对第一待匹配图像进行特征提取处理，得到K个第一特征图，其中，每个第一特征图包括M个第一特征点，所述K为大于或等于1的整数，所述M为大于1的整数；对第二待匹配图像进行特征提取处理，得到K个第二特征图，其中，每个第二特征图包括N个第二特征点，所述N为大于1的整数；根据所述K个第一特征图，获取M个第一特征点中的每个第一特征点所对应的第一特征向量，其中，所述第一特征向量包括K个第一元素，每个第一元素分别来源于不同的第一特征图，所述第一待匹配图像所对应的M个第一特征向量用于描述所述第一待匹配图像的语义特征以及属性特征；根据所述K个第二特征图，获取N个第二特征点中的每个第二特征点所对应的第二特征向量，其中，所述第二特征向量包括K个第二元素，每个第二元素分别来源于不同的第二特征图，所述第二待匹配图像所对应的N个第二特征向量用于描述所述第二待匹配图像的语义特征以及属性特征；根据所述每个第一特征点所对应的第一特征向量以及所述每个第二特征点所对应的第二特征向量，确定特征点配对数量，其中，所述特征点配对数量表示所述第一特征点与所述第二特征点之间匹配成功的数量；根据所述特征点配对数量，确定所述第一待匹配图像与所述第二待匹配图像之间的图像匹配结果。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述第一待匹配图像以及所述第二待匹配图像；在所述第一待匹配图像的尺寸大于预设尺寸的情况下，对所述第一待匹配图像进行尺寸缩小处理；在所述第一待匹配图像的尺寸小于所述预设尺寸的情况下，对所述第一待匹配图像进行尺寸放大处理，或，对所述第一待匹配图像进行图像填充处理；在所述第二待匹配图像的尺寸大于所述预设尺寸的情况下，对所述第二待匹配图像进行尺寸缩小处理；在所述第二待匹配图像的尺寸小于所述预设尺寸的情况下，对所述第二待匹配图像进行尺寸放大处理，或，对所述第二待匹配图像进行图像填充处理。3.根据权利要求1所述的方法，其特征在于，所述对第一待匹配图像进行特征提取处理，得到K个第一特征图，包括：基于所述第一待匹配图像，通过特征提取网络所包括的卷积层，获取K个第一卷积特征图；通过所述特征提取网络所包括的归一化层，对所述K个第一卷积特征图进行归一化处理，得到K个第一归一化特征图；通过所述特征提取网络所包括的激活层，对所述K个第一归一化特征图进行非线性映射，得到所述K个第一特征图；所述对第二待匹配图像进行特征提取处理，得到K个第二特征图，包括：基于所述第二待匹配图像，通过所述特征提取网络所包括的卷积层，获取K个第二卷积特征图；
通过所述特征提取网络所包括的归一化层，对所述K个第二卷积特征图进行归一化处理，得到K个第二归一化特征图；通过所述特征提取网络所包括的激活层，对所述K个第二归一化特征图进行非线性映射，得到所述K个第二特征图。4.根据权利要求1所述的方法，其特征在于，所述根据所述K个第一特征图，获取M个第一特征点中的每个第一特征点所对应的第一特征向量，包括：根据所述K个第一特征图，生成所述第一待匹配图像的第一特征子以及第一描述子，其中，所述第一特征子用于描述所述第一待匹配图像的语义特征，所述第一描述子用于描述所述第一待匹配图像的属性特征，所述第一特征子的尺寸为(w
×
h
×
d)，所述第一描述子的尺寸为(w
×
h
×
t)，所述w表示所述第一特征图的宽度，所述h表示所述第一特征图的高度，所述d表示深度信息，所述t表示所述属性特征的类型数量，所述w、所述h、所述d以及所述t均为大于1的整数，且，所述d与所述t之和等于所述K；根据所述第一特征子以及所述第一描述子，生成所述M个第一特征点中的所述每个第一特征点所对应的第一特征向量，其中，所述M等于所述w与所述h的乘积。5.根据权利要求1所述的方法，其特征在于，所述根据所述K个第二特征图，获取N个第二特征点中的每个第二特征点所对应的第二特征向量，包括：根据所述K个第二特征图，生成所述第二待匹配图像的第二特征子以及第二描述子，其中，所述第二特征子用于描述所述第二待匹配图像的语义特征，所述第二描述子用于描述所述第二待匹配图像的属性特征，所述第二特征子的尺寸为(W
×
H
×
d)，所述第二描述子的尺寸为(W
×
H
×
t)，所述W表示所述第二特征图的宽度，所述H表示所述第二特征图的高度，所述d表示深度信息，所述t表示所述属性特征的类型数量，所述W、所述H、所述d以及所述t均为大于1的整数，且，所述d与所述t之和等于所述K；根据所述第二特征子以及所述第二描述子，生成所述N个第二特征点中的所述每个第二特征点所对应的第二特征向量，其中，所述N等于所述W与所述H的乘积。6.根据权利要求1所述的方法，其特征在于，所述根据所述每个第一特征点所对应的第一特征向量以及所述每个第二特征点所对应的第二特征向量，确定特征点配对数量，包括：将所述M个第一特征点中的每个第一特征点所对应的第一特征向量，与所述N个第二特征点中的每个第二特征点所对应的第二特征向量进行匹配，得到匹配成功的特征点对，其中，所述特征点对包括一个所述第一特征点以及一个所述第二特征点；根据所述匹配成功的特征点对，确定所述特征点配对数量。7.根据权利要求1所述的方法，其特征在于，所述根据所述每个第一特征点所对应的第一特征向量以及所述每个第二特征点所对应的第二特征向量，确定特征点配对数量，包括：根据所述每个第一特征点所对应的第一特征向量，从所述M个第一特征点中获取待匹配的A个第一特征点，其中，所述A为大于或等于1，且，小于或等于所述M的整数；根据所述每个第二特征点所对应的第二特征向量，从所述N个第二特征点中获取待匹配的B个第二特征点，其中，所述B为大于或等于1，且，小于或等于所述N的整数；将所述A个第一特征点中的每个第一特征点所对应的第一特征向量，与所述B个第二特征点中的每个第二特征点所对应的第二特征向量进行匹配，得到匹配成功的特征点对，其中，所述特征点对包括一个所述第一特征点以及一个所述第二特征点；
根据所述匹配成功的特征点对，确定所述特征点配对数量。8.根据权利要求7所述的方法，其特征在于，所述根据所述每个第一特征点所对应的第一特征向量，从所述M个第一特征点中获取待匹配的A个第一特征点，包括：针对所述M个第一特征点中的每个第一特征点，若所述第一特征点所对应的第一特征向量中每个第一元素大于或等于第一阈值，则将所述第一特征点作为待匹配的第一特征点；所述根据所述每个第二特征点所对应的第二特征向量，从所述N个第二特征点中获取待匹配的B个第二特征点，包括：针对所述N个第二特征点中的每个第二特征点，若所述第二特征点所对应的第二特征向量中每个第二元素大于或等于所述第一阈值，则将所述第二特征点作为待匹配的第二特征点。9.根据权利要求7所述的方法，其特征在于，所述根据所述每个第一特征点所对应的第一特征向量，从所述M个第一特征点中获取待匹配的A个第一特征点，包括：针对所述M个第一特征点中的每个第一特征点，根据所述第一特征点所对应的第一特征向量，计算得到所述第一特征点所对应的元素平均值；针对所述M个第一特征点中的每个第一特征点，若所述第一特征点所对应的元素平均值大于或等于第二阈值，则将所述第一特征点作为待匹配的第一特征点；所述根据所述每个第二特征点所对应的第二特征向量，从所述N个第二特征点中获取待匹配的B个第二特征点，包括：针对所述M个第一特征点中的每个第一特征点，根据所述第一特征点所对应的第一特征向量，计算得到所述第一特征点所对应的元素平均值；针对所述N个第二特征点中的每个第二特征点，若所述第二特征点所对应的元素平均值大于或等于所述第二阈值，则将所述第二特征点作为待匹配的第二特征点。10.根据权利要求7所述的方法，其特征在于，所述根据所述每个第一特征点所对应的第一特征向量，从所述M个第一特征点中获取待匹配的A个第一特征点，包括：针对所述M个第一特征点中的每个第一特征点，根据所述第一特征点所对应的第一特征向量，计算得到所述第一特征点所对应的元素数量，其中，所述第一特征点所对应的元素数量为所述第一特征向量中第一元素大于或等于元素阈值的个数；针对所述M个第一特征点中的每个第一特征点，若所述第一特征点所对应的元素数量大于或等于第三阈值，则将所述第一特征点作为待匹配的第一特征点；所述根据所述每个第二特征点所对应的第二特征向量，从所述N个第二特征点中获取待匹配的B个第二特征点，包括：针对所述N个第二特征点中的每个第二特征点，根据所述第二特征点所对应的第二特征向量，计算得到所述第二特征点所对应的元素数量，其中，所述第二特征点所对应的元素数量为所述第二特征向量中第二元素大于或等于元素阈值的个数；针...
【专利技术属性】
技术研发人员：娄英欣，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。