[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

说明书

本发明属于摄影测量与计算机视觉技术领域，公开了一种利用泛化特征对几何标识进行识别及定位的方法,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该图形进行训练，实现对几何标识在影像中的识别；对识别出的图形目标进行轮廓提取等共性特征处理，再利用降维的ICP算法实现标识离散化状态下的配准，获得其变换参数，从而获得几何标识的精确定位。本发明实现了对几何标识基元在影像中的形变的定量描述，取得了较为满意的定位精度；可以实现对于常用的几何标识，无需定制特定的算法，而是直接通过上述流程，实现对该标识准确的定位，从而简化人工标识的提取与定位流程，形成一种通用的方式。

技术领域

本发明属于摄影测量与计算机视觉技术领域，尤其涉及一种利用泛化特征对几何标识进行识别及定位的方法。

背景技术

目前，业内常用的现有技术是这样的：

在摄影测量与计算机视觉领域，几何标识识别和定位是标定、控制点提取、编码识别等算法中常用的一个技术环节。在目通常针对某一类形状的几何标识要专门设计针对性的算法，编制程序进行识别，或者直接通过人工的方式定位几何标识。

综上所述，现有技术存在的问题是：

(1)目前，深度学习的方法还未用于几何标识的识别，仍然是针对特定的几何标识设计特定的识别算法。

(2)几何标识的定位过程中，其通用的特征未得到有效利用，仍然需要依靠特定几何标识的特有特征。

(3)整个几何标识的识别与定位流程仍然需要人工干预，效率有待提高。

总之，如何采用较为通用的方法实现影像中的几何标识的识别和定位仍是一个现有技术不能解决的问题。

解决上述技术问题的难度和意义：

本发明提出一种泛化方法和技术方案，以实现对影像中几何标识的识别与定位，通过自动化的方法实现几何标识的准确定位，能够极大的节省人力成本，提高整个摄影测量流程的效率。

现有技术解决问题的主要难度在于，不能利用泛化的方法对几何标识进行精确的定位。

发明内容

针对现有技术存在的问题，本发明提供了一种利用泛化特征对几何标识进行识别及定位的方法。

本发明是这样实现的，一种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该图形进行训练，实现对几何标识在影像中的识别；

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算法实现标识离散化状态下的配准，获得其变换参数，确定几何标识中心坐标或其他所需特征点的坐标。

进一步，在几何标识的识别过程中，本发明采用了利用数据合成和卷积神经网络进行图形学习的方法，使得本发明可以实现对任意自主定义的几何标识基元进行识别与检测，取得了较好的结果。在几何标识定位的过程中，本发明主要利用几何标识的轮廓信息，并以几何标识的其它共性特征(如面积)等加以辅助，实现了对几何标识基元在影像中的形变的定量描述，取得了较为满意的定位精度。通过上述流程，基本上可以实现对于常用的几何标识，无需定制特定的算法，而是直接通过上述流程，实现对该标识准确的定位，从而简化人工标识的提取与定位流程，形成一种通用的方式。

进一步，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)在生成虚拟样本并训练网络阶段，输入给定基元；

2)利用三维渲染引擎生成虚拟样本影像数据，并将其输入卷积神经网络进行训练；