金字塔卷积和改进铰链损失的特征点检测方法

作者：马硕; 高永彬^*; 田方正; 卢俊鑫; 顾佳; 周意龙

来源：导航定位学报, 2021, 9(06): 116-124.

DOI：10.16547/j.cnki.10-1096.20210618

• 自监督学习
• 特征点检测
• 描述子
• 金字塔卷积核
• 模糊滤波
• 可变权重
• 可重复性

针对传统的特征点检测方法易受视角、光照、图像质量等影响,导致图像的特征匹配不准确,提出了一种基于金字塔卷积和改进铰链损失函数的特征点检测方法用于图像匹配。首先,将金字塔卷积核用于特征点检测和描述子提取算法研究,使用多尺度的卷积核捕捉场景中不同级别的信息;其次,在下采样过程中引入模糊滤波方法,提升平移不变性;然后,考虑到描述子信息对图像的特征匹配起决定性作用,采用基于自定义优化的铰链损失函数,在训练过程中给每一对描述子训练样本增加可变权重;最后,在HPatches数据集上对提出算法的可重复性和单应性估计能力进行测试,在KITTI数据集上对所提算法的视觉里程计应用进行测试。实验结果表明,提出的算法结果优于其他方法,同时能有效提高视觉里程计的定位精度。

• 单位
  上海工程技术大学