[发明专利]一种图像特征点过滤方法以及终端

说明书

本申请公开了一种图像特征点过滤方法以及终端。图像特征点过滤方法包括：为图像中提取的特征点设置质量分值，根据特征点以及特征点的质量分值，训练神经网络模型；一次过滤启动后，获取一帧原始图像并提取所述原始图像的特征点；将所述原始图像以及所述原始图像的特征点输入到神经网络模型中，得到所述原始图像的特征点对应的质量分值并输出所述原始图像的特征点对应的质量分值；根据所述原始图像的特征点对应的质量分值以及预设过滤规则，过滤所述原始图像的特征点。图像特征点过滤方法可提高重定位应用场景中特征点的匹配成功率，从而提升定位效率。终端能对特征点进行过滤减少特征点数量，从而减少对计算和存储资源的需求。

技术领域

本申请涉及图像处理技术领域，具体涉及一种图像特征点过滤方法以及终端。

背景技术

随着人工智能，5G通信技术的发展，服务机器人等新的终端和应用不断深入生活，为人们提供更加便利的服务。基于点云的运动状态估计、三维重建、视觉定位是SLAM(Simultaneous Localization And Mapping，同步定位与地图构建)等技术的核心，特别是在SFM(Structure From Motion，基于运动的建模)领域，选取良好的视觉特征点，有利于提升定位的精度、保持持续、稳定的运动跟踪。然而，现有技术中特征点数量多且特征点质量不佳，在跟踪丢失后难以快速重定位，影响定位效率和精度。

发明内容

鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的图像特征点过滤方法以及终端，通过神经网络模型对特征点进行量化评分，有效过滤质量低的特征点，节省存储空间并提高定位性能。

根据本申请的一个方面，提供了一种图像特征点过滤方法，包括：

为图像中提取的特征点设置质量分值，根据特征点以及特征点的质量分值，训练神经网络模型；其中，在训练过程中，当前帧图像特征点的质量分值基于所述特征点在当前帧中的质量分值以及在各跟踪帧中的质量分值共同确定，所述跟踪帧包括跟踪到的当前帧之后连续预设数目帧；

一次过滤启动后，获取一帧原始图像并提取所述原始图像的特征点；

将所述原始图像以及所述原始图像的特征点输入到神经网络模型中，得到所述原始图像的特征点对应的质量分值并输出所述原始图像的特征点对应的质量分值；

根据所述原始图像的特征点对应的质量分值以及预设过滤规则，过滤所述原始图像的特征点。

根据本申请的另一个方面，提供了一种终端，包括图像特征点过滤装置，所述图像特征点过滤装置包括：

模型训练模块，用于为图像中提取的特征点设置质量分值，根据特征点以及特征点的质量分值，训练神经网络模型，其中，在训练过程中，当前帧图像特征点的质量分值基于所述特征点在当前帧中的质量分值以及在各跟踪帧中的质量分值共同确定，所述跟踪帧包括跟踪到的当前帧之后连续预设数目帧；

特征提取模块，用于一次过滤启动后，获取一帧原始图像并提取所述原始图像的特征点；

分值确定模块，用于将所述原始图像以及所述原始图像的特征点输入到神经网络模型中，得到所述原始图像的特征点对应的质量分值并输出所述原始图像的特征点对应的质量分值；

过滤模块，用于根据所述原始图像的特征点对应的质量分值以及预设过滤规则，过滤所述原始图像的特征点。

本申请实施例的图像特征点过滤方法和终端，一方面，通过为特征点设置质量分值并利用神经网络对特征点进行量化评分等技术特征，有效过滤质量低的特征点，减少特征点数量，从而减少对计算和存储资源的需求；另一方面，结合当前帧和跟踪帧的特征点评分方式既考虑特征点的当前权重，也考虑特征点的长期收益，从而提升了过滤性能。

附图说明