[发明专利]一种基于孪生卷积神经网络的特征匹配定位方法、系统

权利要求书

1.一种基于孪生卷积神经网络的特征匹配定位方法，其特征在于，

利用格拉姆角场法将惯性导航系统辅助测量仪器的测量特征序列编码为第一二维图像，将所述第一二维图像输入至所述孪生卷积神经网络模型；

遍历由存储的特征序列编码获得的第二二维图像，以所述孪生卷积神经网络模型输出结果为相似时的实际轨迹作为测量特征匹配轨迹，完成特征匹配定位。

2.如权利要求1所述的特征匹配定位方法，其特征在于，所述利用格拉姆角场法将惯性导航系统辅助测量仪器的测量特征序列编码为第一二维图像为：先将笛卡尔坐标系下的所述测量特征序列进行归一化处理并转化成极坐标系的表示形式，之后将所述极坐标系下的角度作为格拉姆矩阵的元素，所述元素对应所述第一二维图像的像素点。

3.如权利要求2所述的特征匹配定位方法，其特征在于，所述极坐标系下的角度作为格拉姆矩阵的元素为：所述极坐标系下的第i个特征对应的角度和第j个特征对应的角度之和作为所述格拉姆矩阵第i行、第j列的元素。

4.如权利要求1所述的特征匹配定位方法，其特征在于，所述第一二维图像输入至所述孪生卷积神经网络模型，先经过第一卷积层获得64个3×3×1尺寸的特征图；再经过第二卷积层获得128个2×2×1尺寸的特征图；再经过第三卷积层得到一个256维特征向量；再经过第四卷积层得到一个128维特征向量；最后经过全连层和Sigmoid激活函数的处理，得到一个4096维的特征向量，根据所述4096维的特征向量的欧氏距离获得所述存储特征序列和所述测量特征序列的相似结果。

5.如权利要求1所述的特征匹配定位方法，其特征在于，所述孪生卷积神经网络模型的训练过程为：将所述测量特征序列对应的惯性导航系统的指示轨迹通过仿射变换拟合成真实轨迹，根据所述真实轨迹获得所述存储特征序列；之后将所述测量特征序列编码为第一二维图像，将所述存储特征序列编码为第二二维图像并为相似的第一二维图像和第二二维图像添加相似标签，将所述第一二维图像和第二二维图重复输入所述孪生卷积神经网络模型，若输出的相似结果与输入的相似情况不一致，则调整所述孪生卷积神经网络模型的权重，若输出的相似结果与输入的相似情况一致，则无需调整所述权重。

6.如权利要求5所述的特征匹配定位方法，其特征在于，在所述孪生卷积神经网络模型的训练过程中，采用二值交叉熵函数作为训练过程的损失函数。

7.一种基于孪生卷积神经网络的特征匹配定位系统，其特征在于，包括数据处理模块和及匹配定位模块；

所述数据处理模块通过利用格拉姆角场法将惯性导航系统辅助测量仪器的测量特征序列编码为第一二维图像；并将所述第一二维图像输入至所述匹配定位模块；

所述匹配定位模块用于遍历由存储的特征序列编码获得的第二二维图像，以所述匹配定位模块的孪生卷积神经网络模型输出结果为相似时的实际轨迹作为测量特征匹配轨迹，完成特征匹配定位。

8.如权利要求7所述的特征匹配定位系统，其特征在于，在所述数据处理模块中，所述利用格拉姆角场法将惯性导航系统辅助测量仪器的测量特征序列编码为第一二维图像为：先将笛卡尔坐标系下的所述测量特征序列进行归一化处理并转化成极坐标系的表示形式，之后将所述极坐标系下的角度作为格拉姆矩阵的元素，所述元素对应所述第一二维图像的像素点。

9.如权利要求7所述的特征匹配定位系统，其特征在于，所述第一二维图像输入至所述匹配定位模块为：所述第一二维图像输入至所述孪生卷积神经网络模型，先经过第一卷积层获得64个3×3×1尺寸的特征图；再经过第二卷积层获得128个2×2×1尺寸的特征图；再经过第三卷积层得到一个256维特征向量；再经过第四卷积层得到一个128维特征向量；最后经过全连层和Sigmoid激活函数的处理，得到一个4096维的特征向量，根据所述4096维的特征向量的欧氏距离获得所述存储特征序列和所述测量特征序列的相似结果。

10.如权利要求7所述的特征匹配定位系统，其特征在于，所述特征匹配定位系统还包括训练模块，所述训练模块用于训练所述孪生卷积神经网络模型并将训练完成的孪生卷积神经网络模型发送至匹配定位模块；

所述孪生卷积神经网络模型的训练过程为：将所述测量特征序列对应的惯性导航系统的指示轨迹通过仿射变换拟合成真实轨迹，根据所述真实轨迹获得所述存储特征序列；之后将所述测量特征序列编码为第一二维图像，将所述存储特征序列编码为第二二维图像并为相似的第一二维图像和第二二维图像添加相似标签，将所述第一二维图像和第二二维图重复输入所述孪生卷积神经网络模型，若输出的相似结果与输入的相似情况不一致，则调整所述孪生卷积神经网络模型的权重，若输出的相似结果与输入的相似情况一致，则无需调整所述权重。