【技术实现步骤摘要】
本专利技术涉及图像匹配，更具体的，涉及：1、一种基于半监督深度学习的双视角图像匹配方法，2、使用了该方法的双视角图像匹配系统。
技术介绍
1、视角匹配问题是计算机视觉领域中的一个重要问题，通常涉及使用两个或多个不同视角(例如，不同相机拍摄的图像或不同时间点的图像)的信息来确定它们之间的对应关系。
2、目前双视角匹配问题的主流方法通常分为以下几个步骤：
3、步骤一，从同一场景下不同视角的图像中提取特征点或特征描述符；
4、步骤二，对于一对不同视角下的图像，利用某种匹配算法找到两个视角下相似的特征点对，得到待筛选的匹配点对；
5、步骤三，利用某种方法对待筛选的点对进行筛选，根据筛选后得到的正确匹配点对预测出两个视角的本征矩阵。
6、上述前两个步骤一般通过一些传统计算机视觉方法(如sift法、surf法)进行处理。但可能存在如下情况：由于不同视角拍摄得到的图像可能具有不同的视角、旋转和缩放而产生的图像特征不一致的问题；在不同视角下，同一物体可能被其他物体遮挡，导致部分图像区域无法匹配...
【技术保护点】
1.一种基于半监督深度学习的双视角图像匹配方法，其特征在于，包括：
2.根据权利要求1所述的基于半监督深度学习的双视角图像匹配方法，其特征在于，使用无监督训练模型对待匹配的目标图像对进行匹配，得到目标图像对对应的正确匹配点对、正确本征矩阵包括：
3.根据权利要求1所述的基于半监督深度学习的双视角图像匹配方法，其特征在于，有监督数据的获取方法包括：
4.根据权利要求1所述的基于半监督深度学习的双视角图像匹配方法，其特征在于，无监督数据的获取方法包括：
5.根据权利要求4所述的基于半监督深度学习的双视角图像匹配方法，其特征在...
【技术特征摘要】
1.一种基于半监督深度学习的双视角图像匹配方法，其特征在于，包括：
2.根据权利要求1所述的基于半监督深度学习的双视角图像匹配方法，其特征在于，使用无监督训练模型对待匹配的目标图像对进行匹配，得到目标图像对对应的正确匹配点对、正确本征矩阵包括：
3.根据权利要求1所述的基于半监督深度学习的双视角图像匹配方法，其特征在于，有监督数据的获取方法包括：
4.根据权利要求1所述的基于半监督深度学习的双视角图像匹配方法，其特征在于，无监督数据的获取方法包括：
5.根据权利要求4所述的基于半监督深度学习的双视角图像匹配方法，其特征在于，二类样本图像对具有对应相机外参数；
6.根据权利要求1所述的基于半监督深...
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。