基于独特性评价的特征点检测与视觉定位

来源：计算机技术与发展杂志2024年第07期北京时间：

作者：王欢;李创

摘要：传统的特征点检测算法难以应对实际场景中的光照和视点变化,基于深度学习的特征点检测算法得到的特征点的定位精度不足,且难以剔除局部区域的相似特征点。 针对基于深度学习特征点提取面临的问题,设计了基于特征融合和独特性评价的特征点检测算法。 首先,为提高特征点的定位精度,采用基于特征融合的网络结构以及对应的特征融合损失函数,解决高层特征中细节特征偏移以及模糊的问题。 其次,将特征点是否来自局部相似区域转换为对特征点的独特性评价,在网络结构中增加独特性分支并设计独特性损失函数以学习特征点的独特性响应值。 通过提取独特性响应值较高的特征点,剔除局部相似区域的特征点以减少后续特征匹配中误匹配的数量。 采用视觉里程计和视觉同时定位与构图系统对算法进行了验证,在 KITTI 和 TUM 数据集上验证了算法在大范围室外场景和小范围室内场景下均具有良好的鲁棒性和定位性能。

关键词：人工智能;特征点检测;深度学习;视觉里程计;同时定位与构图