[发明专利]一种利用泛化特征对几何标识进行识别及定位的方法

权利要求书

1.一种利用泛化特征对几何标识进行识别及定位的方法，其特征在于，所述利用泛化特征对几何标识进行识别及定位的方法包括：

利用三维渲染引擎对相应类别的几何图形对象生成训练数据集，通过深度学习网络对几何图形进行训练，同时确定几何标识在影像中的矩形区域范围；

对识别出的图形目标进行轮廓提取共性特征处理；

再利用降维的ICP算法进行标识点离散化状态下的配准，获得变换参数，同时获得几何标识的精确位置坐标；

在几何标识的识别过程中，利用数据合成和卷积神经网络进行图形学习的方法，对自主定义的几何标识进行识别与检测；

在几何标识定位的过程中，利用几何标识的轮廓信息，并以几何标识的其它共性特征加以辅助，对几何标识基元在影像中的形变的定量描述，获得定位信息。

2.如权利要求1所述的利用泛化特征对几何标识进行识别及定位的方法，其特征在于，所述利用泛化特征对几何标识进行识别及定位的方法包括：

1)在生成虚拟样本并训练网络阶段，输入给定几何图形；

2)利用三维渲染引擎生成虚拟样本虚拟影像样本数据，并将其输入卷积神经网络进行训练；

3)利用训练好的卷积神经网络检测几何标识在影像中的位置，确定其在影像中的矩形范围；

4)对几何标识目标进行轮廓提取共性特征处理；

5)利用降维ICP算法实现标识点离散化状态下的配准，获得变换参数，确定几何标识中心坐标或其他所需特征点的坐标。

3.如权利要求2所述的利用泛化特征对几何标识进行识别及定位的方法，其特征在于，所述利用泛化特征对几何标识进行识别及定位的方法具体包括：

1)在虚幻编辑器中构建三维实景，再导入预先定义好的几何图案，并将几何标识设置为不同的材质，并安置于场景之中，设置相机参数，并在蓝图编辑器中设置相机的运动轨迹、姿态变化和拍照频率以及光线的明暗变化信息；

2)对影像进行标记，输入卷积神经网络中进行训练，在程序中，采用yolov2算法，darknet框架；在该框架下，对参数进行调节，将所检测的类别数设置为3类，调节学习率为0.001，权值衰减为0.9，图像强制缩放为416*416的尺寸，色调，饱和度，曝光分别设置为0.1，1.5和1.5，最大迭代次数设置为50万次，对于整个网络，将前23层卷积网络的权值固定，对后面的分类网络进行训练；训练完成后得到识别给定基元的卷积神经网络；

3)对几何标识进行精确定位，对原图进行裁剪；在裁剪完后的区域中，几何标识为裁剪完后的区域的主体部分；

4)利用opencv提供的接口对几何标识轮廓的提取，并以点云的形式保存；分别计算基元和影像的零阶和一阶中心距，并求出点云中心的初值；利用降维的ICP算法求解出点云之间的形变参数，获得精确定位。

4.一种终端，其特征在于，所述终端至少搭载实现权利要求1～3任意一项所述利用泛化特征对几何标识进行识别及定位的方法的控制器。

5.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-3任意一项所述的利用泛化特征对几何标识进行识别及定位的方法。

6.一种实现权利要求1所述方法的利用泛化特征对几何标识进行识别及定位系统，其特征在于，所述利用泛化特征对几何标识进行识别及定位系统包括：

虚拟样本生成单元，输入给定几何图形，并利用三维渲染引擎生成虚拟样本影像数据；

几何标识检测单元，利用训练好的卷积神经网络在影像中检测出几何标识，确定其在影像中的矩形范围；

配准单元，对几何标识目标进行轮廓提取共性特征处理，并利用降维的ICP算法实现标识离散化状态下的配准，获得变换参数。

7.一种摄影测量设备，其特征在于，所述摄影测量设备至少搭载权利要求6所述的利用泛化特征对几何标识进行识别及定位系统。