[发明专利]一种基于特征匹配的词袋生成方法及装置有效
申请号: | 201910539934.5 | 申请日: | 2019-06-21 |
公开(公告)号: | CN110245639B | 公开(公告)日: | 2021-03-02 |
发明(设计)人: | 岳昊嵩;苗津毓;于跃;吴星明;陈伟海 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 赵李 |
地址: | 100000*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 特征 匹配 生成 方法 装置 | ||
本申请提供了一种基于特征匹配的词袋生成方法及装置,其中,该方法包括:获取针对目标环境进行拍摄的二维图像视频流,其中,目标环境为目标设备在进行同时定位与建图SLAM时构建的地图所对应的环境;利用特征提取算法,提取二维图像视频流中各图像帧的目标特征关键点的特征描述子,其中,提取的二维图像视频流中每个图像帧的目标特征关键点的数量至少为一个;按照二维图像视频流中各图像帧的先后顺序,对二维图像视频流中各图像帧的目标特征关键点的特征描述子进行相似度匹配,以得到词袋的各叶子节点;将各叶子节点和叶子节点的数量作为输入参数,输入到文本聚类模型中,以构建出词袋,通过上述方法,有利于降低得到词袋所消耗的时长。
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种基于特征匹配的词袋生成方法及装置。
背景技术
智能机器人在未知环境中执行任务时,需要利用SLAM(SimultaneousLocalization And Mapping,同时定位与建图)技术来构建地图,在构建地图的过程中由于误差的累计,使得构建的地图往往不是闭合的地图,为了提高构建出来的地图的精确度,可以利用基于二维图像的闭环检测算法对构建出来的地图进行校正,在基于二维图像的闭环检测算法检测闭环过程中,需要构建词袋,为了使构建出准确度较高的词袋,需要使构建的词袋与获取的连续环境图像帧的特征关键点的特征描述子相匹配,在现有技术中,通常采用不同的构建参数来构建词袋,在得到多个词袋后,通过实验的方式,从多个词袋中选择一个最优的词袋作为校正依据,但是上述方法需要经过多次重复计算才能得到最终的词袋,从而导致消耗的时间较长。
发明内容
有鉴于此,本申请实施例的目的在于提供一种基于特征匹配的词袋生成方法及装置,以降低得到词袋所消耗的时长。
第一方面,本申请实施例提供了一种基于特征匹配的词袋生成方法,包括:
获取针对目标环境进行拍摄的二维图像视频流,其中,所述目标环境为目标设备在进行同时定位与建图SLAM时构建的地图所对应的环境;
利用特征提取算法,提取所述二维图像视频流中各图像帧的目标特征关键点的特征描述子,其中,提取的所述二维图像视频流中每个图像帧的目标特征关键点的数量至少为一个;
按照所述二维图像视频流中各图像帧的先后顺序,对所述二维图像视频流中各图像帧的目标特征关键点的特征描述子进行相似度匹配,以得到词袋的各叶子节点;
将各所述叶子节点和所述词袋的叶子节点的数量作为输入参数,输入到文本聚类模型中,以构建出所述词袋。
可选地,所述按照所述二维图像视频流中各图像帧的先后顺序,对所述二维图像视频流中各图像帧的目标特征关键点的特征描述子进行相似度匹配,以得到词袋的各叶子节点,包括:
获取第一帧图像的目标特征关键点的特征描述子,以将所述第一帧图像的目标特征关键点的特征描述子作为所述词袋的第一个单词集合;
使用第N帧图像的目标特征关键点的特征描述子与第N-1个单词集合进行相似度匹配,其中,所述第N帧图像中匹配上的特征描述子记为第一特征描述子,所述第N帧图像中未匹配上的特征描述子记为第二特征描述子;
计算该第一特征描述子和所述第N-1个单词集合中相匹配的特征描述子的平均值;
使用所述平均值对所述第N-1个单词集合中与该第一特征描述子相匹配特征描述子进行替换,以及将所述第二特征描述子添加到所述第N-1个单词集合中,以得到第N个单词集合,直至得到第M个单词集合后,将所述第M个单词集合作为所述词袋的各叶子节点;
其中,N的取值为[2,T],T为所述二维图像视频流中图像帧的个数,M=T。
可选地,所述按照所述二维图像视频流中各图像帧的先后顺序,对所述二维图像视频流中各图像帧的目标特征关键点的特征描述子进行相似度匹配,以得到词袋的各叶子节点,包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910539934.5/2.html,转载请声明来源钻瓜专利网。