公开(公告)号：CN114743032B

公开(公告)日：2025-02-25

申请号：CN202210507403.X

申请日：2022-05-11

Applicant: 福建农林大学

Inventor： 陈日清 ,  刘鑫 ,  魏丽芳 ,  扬长才

IPC: G06V10/74 ,  G06V10/46 ,  G06V10/764 ,  G06V10/77 ,  G06V10/82 ,  G06N3/048

Abstract: 本发明涉及一种基于偏好引导过滤的深度学习图像特征匹配方法，包括以下步骤：步骤1：对于给定的图像对I和I'，采用SIFT算法建立初始特征匹配集S；步骤2：通过偏好引导过滤网络进行误匹配剔除，得到匹配为内点的概率集W；步骤3：将步骤2得到的概率集W视为权重集，通过加权八点算法估计本质矩阵；步骤4：根据步骤3得到的本质矩阵恢复准确的相对姿态。该方法及系统有利于提高图像特征匹配的准确性。

公开(公告)号：CN114743032A

公开(公告)日：2022-07-12

申请号：CN202210507403.X

申请日：2022-05-11

Applicant: 福建农林大学

Inventor： 陈日清 ,  刘鑫 ,  魏丽芳 ,  扬长才

IPC: G06V10/74 ,  G06V10/46 ,  G06V10/764 ,  G06V10/77 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于偏好引导过滤的深度学习图像特征匹配方法，包括以下步骤：步骤1：对于给定的图像对I和I'，采用SIFT算法建立初始特征匹配集S；步骤2：通过偏好引导过滤网络进行误匹配剔除，得到匹配为内点的概率集W；步骤3：将步骤2得到的概率集W视为权重集，通过加权八点算法估计本质矩阵；步骤4：根据步骤3得到的本质矩阵恢复准确的相对姿态。该方法及系统有利于提高图像特征匹配的准确性。