【技术实现步骤摘要】
本专利技术涉及双光配准领域，特别是涉及一种双光配准方法、装置、设备及介质。
技术介绍
1、当前存在的双光配准方法中，既有传统方法又有深度学习方法，其中传统方法需要大量遍历双光图像进行特征提取和匹配，运行在cpu上，会大量消耗cpu资源，抢占其他程序的资源；而目前的深度学习方法虽然能做出比较好的效果，但大都基于自由度较高的复杂匹配问题，设计的网络巨大，虽然可以利用图形卡等硬件加速。但处理效率依旧较差，难以做到双光配准的实时结果呈现。
2、针对位置固定的双光镜头产品的双光图像配准，要达到在离线设备上实时运行的效率，又要得到好的配准效果。上述大多数方法都不太符合产品的需求，需要一个能将两者充分结合，并且实时运行效率高的方法作为支撑，才能够在嵌入式等产品上实现应用。
3、因此，如何提供一种双光配准方法，以便在双光镜头产品上离线实时运行，是本领域技术人员亟待解决的问题。
技术实现思路
1、本专利技术的目的是提供一种双光配准方法、装置、设备及介质，以解决现有技术中双光配准低资源...
【技术保护点】
1.一种双光配准方法，其特征在于，包括：
2.如权利要求1所述的双光配准方法，其特征在于，在得到所述平移系数之后，还包括：
3.如权利要求2所述的双光配准方法，其特征在于，在得到所述后续配准图像之后，还包括：
4.如权利要求1所述的双光配准方法，其特征在于，所述神经网络模型的训练集的获得方法，包括：
5.如权利要求1所述的双光配准方法，其特征在于，所述神经网络模型利用sobel卷积算子提取图像轮廓。
6.如权利要求1所述的双光配准方法，其特征在于，所述神经网络模型包括8层下采样网络及3层全连接层。
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。