一种基于图像金字塔的特征并行提取方法技术

本发明专利技术提供了一种基于图像金字塔的特征并行提取方法，属于计算机视觉领域。包括以下步骤：步骤S1，接收输入的图像数据，构造图像金字塔；步骤S2，计算整个图像金字塔的总面积；步骤S3，确定图像金字塔单位面积需要提取的特征点数量，并根据金字塔的不同层级，计算得到每一层应提取的特征点数量；步骤S4，将图像金字塔中各层图像的特征提取任务分配给不同的处理单元，在每层图像中并行地提取指定数量的特征点；步骤S5，对提取的特征点进行去重处理，确保最终的特征点集合中没有重复的特征点；步骤S6，输出处理后的特征点结果，应用于视觉同步定位与建图(SLAM)系统的实现中。通过将本发明专利技术提出的基于图像金字塔的特征并行提取方法应用于SLAM系统中，在提高了系统定位精度的同时，大幅降低了计算负担，提高了系统的鲁棒性与实时性。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域，具体涉及一种基于图像金字塔的特征并行提取方法。

技术介绍

1、在过去的二十年中，同步定位与建图(slam)已成为机器人和计算机视觉研究的热点领域，并广泛应用于例如移动机器人、自动驾驶和虚拟现实(vr)设备等现实世界应用领域。由于相机价格低廉且能够获取丰富的环境信息，视觉slam已被广泛研究。目前，采用手工制作的特征在一般场景下表现良好，是视觉slam领域的主流方法。然而，在面对一些具有挑战性的场景(如低光照和低纹理场景)时可能存在局限性。传统的手工制作的特征方法可能无法识别和关联当前周围环境中的特征，导致不能提供一致的特征检测和准确的匹配结果，从而给姿态估计带来不可消除的误差。随着深度学习技术的发展，许多研究人员开始探索利用深度神经网络从图像中提取特征，以提高系统的鲁棒性和准确性。然而，当前大部分基于深度学习的方法在使用图像金字塔提取多尺度特征时，通常会面临着系统计算量陡增的问题，影响了系统的实时性和效率。

技术实现思路

1、针对现有技术中的上述不足，本专利技术提出的一种基于图像本文档来自技高网...

【技术保护点】

1.一种基于图像金字塔的特征并行提取方法，其特征在于，包括以下步骤：

【技术特征摘要】

1.一种基于图像金字塔的特征并行提...

【专利技术属性】
技术研发人员：武畅，赵志奇，吕泽杰，宋子为，李其炎，杜小琦，孔孝童，袁翼飞，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：