[发明专利]一种基于图像特征降维的无人车单目视觉定位方法

权利要求书

1.一种基于图像特征降维的无人车单目视觉定位方法，其特征在于，包括以下步骤：

1)通过深度卷积神经网络DCNN对所有的输入图像进行全局特征描述，并且提取第三卷积层作为图像特征向量；

2)采用主成分分析算法将所有的图像特征向量进行降维，得到降维后的图像特征向量以及可重复使用的降维矩阵；

3)根据降维后的图像特征向量生成匹配矩阵，并消除匹配矩阵中的干扰，根据匹配矩阵获取相匹配的地图图像和需要定位的图像进行定位。

2.根据权利要求1所述的一种基于图像特征降维的无人车单目视觉定位方法，其特征在于，所述的步骤1)中，采用Tensorflow框架中的AlexNet网络进行全局特征描述，并提取第三卷积层作为图像特征向量。

3.根据权利要求1所述的一种基于图像特征降维的无人车单目视觉定位方法，其特征在于，所述的步骤2)具体包括以下步骤：

21)设定图像特征向量的保留维度a；

22)将所有输入图像对应的图像特征向量随机分为降维组A和测试组B两组；

23)对降维组A中的全部图像特征向量进行PCA降维到a维，得到降维矩阵P，测试组B的图像特征向量乘以矩阵P完成对B集的图像特征降维；

24)将降维组A作为地图图像，将测试组B作为测试图像，通过定位算法对测试组B中的图像进行定位，并获取定位精度；

25)重复步骤23)-24)，获取定位精度最高时对应的降维矩阵，完成图像特征向量进行降维。

4.根据权利要求3所述的一种基于图像特征降维的无人车单目视觉定位方法，其特征在于，所述的步骤21)中，选取的保留维度a的维数使得对应的信息涵盖率超过90％。

5.根据权利要求3所述的一种基于图像特征降维的无人车单目视觉定位方法，其特征在于，所述的降维组A占有70％的图像特征向量数和测试组B占有30％的图像特征向量数。

6.根据权利要求3所述的一种基于图像特征降维的无人车单目视觉定位方法，其特征在于，所述的步骤24)中，定位算法为SeqSLAM、ORBSLAM、LSDSLAM或FABMAP2.0算法。