[发明专利]一种基于深度特征点的表计识别二次定位方法

权利要求书

1.一种基于深度特征点的表计识别二次定位方法，该方法具体步骤如下：

步骤一：从后台数据库拿出表计的模板图片，并通过ROS从变电站巡检机器人上的云台得到实际拍摄图片；

步骤二：采用backbone网络提取两张图片的高维特征，并进行下采样，将两张图片进行缩放；

步骤三：将缩放之后的两张图片输入至基于SegNet的特征点提取网络中来压缩backbone网络输出的矩阵深度，并进行上采样，将两张图片进行还原，同时也将缩放之后的两张图片输入至基于SegNet的特征点描述子提取网络中来固定backbone网络输出的矩阵深度，并进行上采样，将两张图片进行还原，以得到两张图片的深度特征点与描述子；

步骤四：根据两张图片中的深度特征点与描述子，对深度特征点进行匹配，并计算图片坐标系的变换矩阵；

步骤五：变电站巡检机器人上的云台根据计算出的图片坐标系的变换矩阵进行焦距与角度的变换，使得云台图片的坐标系与模板坐标系重合。

2.如权利要求1所述的一种基于深度特征点的表计识别二次定位方法，其特征在于：步骤二中，backbone网络为SOTA的基于efficientnet的backbone特征提取网络，其中SOTA指state of the art。

3.如权利要求1所述的一种基于深度特征点的表计识别二次定位方法，其特征在于：步骤二中，两张图片的宽和高均被缩放至原始大小的三十二分之一。

4.如权利要求1所述的一种基于深度特征点的表计识别二次定位方法，其特征在于：步骤三中，基于SegNet的特征点提取网络中穿插有Residual Block，并运用channel-wise的softmax来压缩backbone网络输出的矩阵深度。

5.如权利要求1所述的一种基于深度特征点的表计识别二次定位方法，其特征在于：步骤三中，输入至基于SegNet的特征点提取网络中被还原之后的两张图片得到宽*高*1的图像矩阵，其中为1的像素点为选出的深度特征点。

6.如权利要求1所述的一种基于深度特征点的表计识别二次定位方法，其特征在于：步骤三中，在基于SegNet的特征点描述子提取网络中穿插Residual Block，并运用Bi-cubicinterpolation来固定backbone网络输出的矩阵深度。

7.如权利要求1所述的一种基于深度特征点的表计识别二次定位方法，其特征在于：步骤三中，输入至基于SegNet的特征点描述子提取网络中被还原之后的两张图片得到宽*高*256的图像矩阵，其中每一个像素中的256位为该像素的描述子。

8.如权利要求1所述的一种基于深度特征点的表计识别二次定位方法，其特征在于：步骤四中，深度特征点的匹配与两张图像坐标系变换矩阵的计算采用SIFT匹配与矩阵计算，并采用Ransac去除离群值。