[发明专利]一种无人车单目视觉定位中对匹配矩阵的图像匹配方法

说明书

本发明涉及一种无人车单目视觉定位中对匹配矩阵的图像匹配方法，该方法包括以下步骤：1)通过深度卷积神经网络DCNN对所有输入的测试图像和定位地图图像进行全局特征描述，提取第三卷积层作为特征向量；2)采用主成分分析法对所有特征向量进行降维；3)根据测试图像和定位地图图像降维后的特征向量构建匹配矩阵，即匹配图像；4)对匹配图像进行OTSU二值化处理，得到处理后的二值化图像；5)对二值化图像进行形态学处理后，对图像进行直线拟合；6)在拟合的直线上对应的测试图像和定位地图图像即为匹配对应的图像。与现有技术相比，本发明具有算法设计方便、可视化效果好、运算速度更快、硬件要求降低等优点。

技术领域

本发明涉及无人车定位领域，尤其是涉及一种无人车单目视觉定位中对匹配矩阵的图像匹配方法。

背景技术

现有的技术大多存在以下两个问题：

1、多数技术并未对图像特征进行数据压缩处理，而是直接采用深度网络的某一层特征(如第三卷积层)，数据运算量巨大，耗时长且对硬件要求高。

2、部分技术采用图像直接压缩的方法降低运算量，例如：SeqSLAM算法并未采用深度学习网络提取特征而是直接对图像进行64*32或者32*24的压缩，在此过程没有对信息的筛选，而是截取一定区域，容易可能遗漏重要信息。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种无人车单目视觉定位中对匹配矩阵的图像匹配方法。

本发明的目的可以通过以下技术方案来实现：

一种无人车单目视觉定位中对匹配矩阵的图像匹配方法，该方法包括以下步骤：

1)通过深度卷积神经网络DCNN对所有输入的测试图像和定位地图图像进行全局特征描述，提取第三卷积层作为特征向量；

2)采用主成分分析法对所有特征向量进行降维；

3)根据测试图像和定位地图图像降维后的特征向量构建匹配矩阵，即匹配图像；

4)对匹配图像进行OTSU二值化处理，得到处理后的二值化图像；

5)对二值化图像进行形态学处理后，对图像进行直线拟合；

6)在拟合的直线上对应的测试图像和定位地图图像即为匹配对应的图像。

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。

所述的步骤3)中，所述的匹配矩阵中元素a_ij为第i张测试图像的特征向量与第j张定位地图图像的特征向量的余弦值，即：

其中，t_i为第i张测试图像的特征向量，m_j为第j张定位地图图像的特征向量。

所述的步骤5)中，所述的形态学处理包括膨胀和腐蚀。

所述的步骤5)中，选取拟合后斜率不为0的直线作为最终拟合直线，并获取其方程表达式。

所述的最终拟合直线的直线方程为y＝kx+b，其中，x为测试图像的位置，y为与测试图像匹配的定位地图图像的位置。

与现有技术相比，本发明具有以下优点：

一、算法设计方便：本方法无需建立复杂的数据关系网络、分析图像节点之间的权值与流量等信息，也不涉及最短路径查找等算法，算法原理简单可行。