[发明专利]基于神经网络的特征点识别方法

说明书

技术领域

本发明涉及虚拟现实领域，更具体地说，涉及一种基于神经网络的特征点识别方法。

背景技术

空间定位一般采用光学或超声波的模式进行定位和测算，通过建立模型来推导待测物体的空间位置。一般的虚拟现实空间定位系统采用红外点和光感摄像头接收的方式来确定物体的空间位置，红外点在近眼显示装置的前端，在定位时，光感摄像头捕捉红外点的位置进而推算出使用者的物理坐标。如果知道至少三个光源和投影的对应关系，再调用PnP算法就可得到头盔的空间位置，而实现这一过程的关键就是确定投影对应的光源ID(Identity，序列号)。目前的虚拟现实空间定位在确定投影对应光源ID时常常存在对应不准确和对应时间过长的缺点，影响了定位的准确性和效率。

发明内容

为了解决当前虚拟现实空间定位方法确定投影ID(Identity，序列号)的准确性和效率不高的缺陷，本发明提供一种可以提高投影ID准确性和效率的基于神经网络的特征点识别方法。

本发明解决其技术问题所采用的技术方案是：提供一种基于神经网络的特征点识别方法，包括以下步骤：

S1：利用经过预处理的图片训练神经网络；

S2：保持虚拟现实头盔的红外点光源处于开启状态，红外摄像头拍摄；

S3：对图片进行预处理，得到预处理图像；

S4：将S3得到的预处理图像输入神经元即可得到每个光斑对应的所述红外点光源的ID。

优选地，所述图像预处理可以采用如下方法：

S11：对于给定的输入图像，将图像经过处理单元转换为32×32像素的黑白图像，

S12：找到每个光斑的中心点，在每个中心点上叠加一个小半径的区别于周围环境的其它颜色的光斑，叠加上去的光斑占用1个像素的大小。

优选地，叠加的所述光斑的颜色为黑色。

优选地，神经元输入等于每个像素的归一化后的灰度值,越靠近黑色其值越接近1，越靠近白色其值越接近0。

优选地，通过所述红外摄像头捕捉各个方向和各种位置下的所述红外点光源图像，将这些图像经过图像预处理后用于神经网络训练。

优选地，所述处理单元结合上一帧已知的历史信息对上一帧图像的光斑点做一个微小的平移使上一帧图像的光斑点与当前帧图像的光斑点产生对应关系，根据该对应关系和上一帧的历史信息判断当前帧图像上有对应关系的每个光斑点的对应ID。

与现有技术相比，本发明通过将神经网络的算法引入虚拟现实空间定位的方法，提供了一种确定光斑ID的方法，准确且高效。通过对训练图像和测试图像进行预处理，防止了图片的多样化对识别准确率产生影响，将多样化的图片进行标准化处理，大大增加了ID识别的成功率和准确性。32×32像素的黑白图像及1个像素值的光斑一方面减少了神经元的个数，提升了计算速度，另一方面保证了识别的准确性。通过灰度判断神经元输入的值可以简化判断过程，增加识别效率。通过各个方向和各种位置下虚拟现实头盔的红外点光源的显示来制作训练材料，使ID识别更加全面。后续跟踪定位时，通过添加位移的方式判断新增光斑及其对应ID，使得定位过程更加简单，不需要一遍遍地重新进行识别。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明基于神经网络的特征点识别方法原理示意图；

图2是本发明基于神经网络的特征点识别方法红外点光源分布示意图；

图3a是用于训练的预处理图像之一示意图；

图3b是用于训练的预处理图像之二示意图；

图3c是用于训练的预处理图像之三示意图；

图3d是用于训练的预处理图像之四示意图；

图3e是用于训练的预处理图像之五示意图。

具体实施方式

为了解决当前虚拟现实空间定位方法确定投影ID的准确性和效率不高的缺陷，本发明提供一种可以提高投影ID准确性和效率的基于神经网络的特征点识别方法。

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。