[发明专利]基于孪生网络的特征点跟踪方法

权利要求书

1.基于孪生网络的特征点跟踪方法，其特征在于，包括：

图像获取模块，获取车辆前方道路场景的多帧图像，记第一帧图像为t₀，第n+1帧图像为t_n，n≥1，n为整数；

特征点检测模块，对第一帧图像t₀进行区域划分，对划分的每个区域提取特征点，提取的特征点作为待跟踪的特征点；

当第n+1帧图像中特征点的置信度低于设定的阈值时，在第n+1帧图像的同一区域内提取新的特征点替代该特征点，保证特征点数量不变。

2.根据权利要求1所述的基于孪生网络的特征点跟踪方法，其特征在于，包括：

特征点跟踪模块，基于孪生网络的特征点跟踪算法，从第二帧图像t₁开始，对每帧图像中的特征点进行跟踪，获得每一个特征点在下一帧图像中的坐标信息；

将第n+1帧图像中特征点的信度与设定的阈值作比较，当第n帧图像中特征点的置信度低于设定的阈值时，舍弃该特征点。

3.根据权利要求1所述的基于孪生网络的特征点跟踪方法，其特征在于，

图像获取模块，基于车载Adas专门的图像采集设备录制车辆前方道路场景视频，对车辆前方道路场景视频进行逐帧解压，获得需要进行特征点跟踪的多个帧图像。

4.根据权利要求1所述的基于孪生网络的特征点跟踪方法，其特征在于，特征点提取模块，采用FAST特征点检测器。

5.根据权利要求1所述的基于孪生网络的特征点跟踪方法，其特征在于，

置信度计算过程为：

设某个特征点坐标为(x_i,y_j)，以(x_i,y_j)为中心，裁剪出一个固定尺寸的图像块，记为target图像；

在下一帧图像中，基于相同的坐标(x_i,y_j)裁剪出同样尺寸的图像块，作为目标特征点的待搜索区域，记为image图像；

将target图像和image图像输入到孪生神经网络提取特征，通过卷积神经网络输出目标特征点(x_i,y_j)在下一帧图像中的坐标偏移量，以及该目标特征点跟踪的置信度。

6.根据权利要求1所述的基于孪生网络的特征点跟踪方法，其特征在于，特征点检测模块，对第一帧图像t₀划分m个区域，对每个区域提取一个特征点，选择响应值最大的点作为该区域的特征点。