[发明专利]基础矩阵估计方法及相关产品

权利要求书

1.一种基础矩阵估计方法，其特征在于，包括：

获取用于图像匹配的第一图像和第二图像，对所述第一图像和所述第二图像进行多通道融合，得到多通道数据；所述第一图像标注有M个第一关键点的坐标；

将所述多通道数据输入偏移量预测网络，得到与所述M个第一关键点对应的M个偏移量，根据所述M个偏移量计算所述第二图像中与所述M个第一关键点匹配的M个第二关键点的坐标；

根据所述M个第一关键点的坐标和所述M个第二关键点的坐标计算基础矩阵；

所述将所述多通道数据输入偏移量预测网络之前，所述方法还包括：

获取训练样本图像，在所述训练样本图像中选取X个关键点，确定所述X个关键点的坐标，X大于或等于M；

从所述X个关键点中选取Y个关键点，随机生成2Y个坐标偏移量；

根据所述Y个关键点的坐标和所述2Y个坐标偏移量确定Y个新关键点的坐标；

根据所述Y个关键点的坐标和所述Y个新关键点的坐标计算单应矩阵，根据所述单应矩阵对所述训练样本图像进行变换，得到训练样本变换图像；

利用所述单应矩阵计算Z个关键点在所述训练样本变换图像对应的Z个新关键点的坐标，根据所述Z个新关键点的坐标和所述Z个关键点的坐标确定2Z个坐标偏移量；X=Y+Z；

以所述2Y个坐标偏移量和所述2Z个坐标偏移量作为训练标签，将所述训练样本图像和所述训练样本变换图像融合成多通道训练数据，将所述多通道训练数据输入偏移量预测网络进行训练。

2.根据权利要求1所述的方法，其特征在于，所述M个第一关键点中任意两个第一关键点之间的直线距离大于或等于第一阈值，所述第一关键点距离所述第一图像的边界的直线距离大于或等于所述第一阈值；所述第一阈值大于或等于A/M，A为所述第一图像的长度或宽度。

3.根据权利要求1所述的方法，其特征在于，M为大于或等于N的整数；所述根据所述M个第一关键点的坐标和所述M个第二关键点的坐标计算基础矩阵，包括：

从所述M个第一关键点中选取N个第一关键点，从所述M个第二关键点中选取与所述N个第一关键点对应的N个第二关键点，根据所述N个第一关键点的坐标和所述N个第二关键点的坐标计算基础矩阵。

4.根据权利要求3所述的方法，其特征在于，所述根据所述N个第一关键点的坐标和所述N个第二关键点的坐标计算基础矩阵之后，所述方法还包括：

从计算的至少两个基础矩阵中选择误差最小的基础矩阵作为预测的基础矩阵。

5.根据权利要求1所述的方法，其特征在于，所述获取训练样本图像，包括：

获取训练样本原始图像，对所述训练样本原始图像进行加噪声处理，得到所述训练样本图像。

6.根据权利要求1所述的方法，其特征在于，所述获取训练样本图像，包括：

获取训练样本原始图像，对所述训练样本原始图像进行加噪声处理，得到训练样本加噪图像；

对所述训练样本加噪图像进行数据增强处理，得到至少一张训练样本增强图像；

将所述训练样本加噪图像和所述至少一张训练样本增强图像作为所述训练样本图像。