[发明专利]一种基于深度学习的倾斜摄像相对定位方法

权利要求书

1.一种基于深度学习的倾斜摄像相对定位方法，其特征在于：包括如下步骤：

步骤1：对采集的数据进行预处理后，将其分为训练数据和测试数据；

步骤2：通过训练数据建立基础矩阵后，对基础矩阵进行降秩约束求解相对方位元素初始值；

步骤2.1：根据训练数据中的立体像对建立基础矩阵F，立体像对包括左像片和右像片，左像片和右像片上包括多个同名像点，建立方程如下：

其中，F表示两幅影像间的基础矩阵，B表示摄影基线向量，B_[×]表示向量B的叉乘矩阵，m₁，m₂表示同名像点的像空间辅助坐标，[B_X B_Y B_Z]表示摄影基线向量，同名像点应满足共面条件Q：

m₁＝(X₁ Y₁ Z₁),m₂＝(X₂ Y₂ Z₂)

其中：

m₁＝K₁p₁,m₂＝RK₂p₂

因此共面条件可变形为：

其中，ω,h,μ表示立体像对左右像片的像元大小、像幅宽度和高度；R为右影像相对左影像的正交变换矩阵，p₁，p₂表示同名像点在立体像对左右影像上的齐次坐标，(x₁ y₁)、(x₂y₂)表示同名像点在左、右影像上的像素坐标；

步骤2.2：对基础矩阵F进行降秩约束，计算包括如下步骤：

(a)：根据旋转矩阵R建立3个约束方程：

(b)：考虑旋转矩阵的正交特性，获得以下公式：

(c)：结合步骤(a)和(b)求解e₁-e₉，根据转角系统获取相对方位元素初始值；

步骤3：将基础矩阵作为已建立的深度学习神经网络的输入数据，相对方位元素初始值作为已建立的深度学习神经网络的输出数据，通过设定的迭代条件获取相对方位元素终值，完成深度学习神经网络的训练；

步骤4：将测试数据输入已训练的深度学习神经网络获取相对方位元素测试值，完成相对定位。

2.根据权利要求1所述的一种基于深度学习的倾斜摄像相对定位方法，其特征在于：所述步骤1包括如下步骤：

步骤1.1：设定阈值，根据阈值筛选并删除最值，所述最值包括最小值和最大值；

步骤1.2：将去除最值后的数据按比例分为训练数据和测试数据，所述比例为6：4或者7：3。

3.根据权利要求1所述的一种基于深度学习的倾斜摄像相对定位方法，其特征在于：所述步骤3包括如下步骤：

步骤3.1：将基础矩阵作为已建立的深度学习神经网络的输入数据，相对方位元素初始值作为已建立的深度学习神经网络的输出数据，进行首次学习；

步骤3.2：判断首次学习获取的映射结果是否大于设定的限差，若大于，则继续学习；若小于，则完成训练。