一种基于特征降噪的视觉定位系统、方法

技术特征：
1.一种基于特征降噪的视觉定位系统，其特征在于，该系统包括：特征提取网络：对输入的图像进行特征提取获取图像特征；基于特征降噪的视觉定位网络：基于图像特征进行视觉定位，输出位姿向量序列，所述的位姿向量序列包括当前的估计位姿和未来若干个估计位姿。2.根据权利要求1所述的一种基于特征降噪的视觉定位系统，其特征在于，所述的基于特征降噪的视觉定位网络包括：深度状态模块：用于位姿信息的一步预测；深度传感模块：用于位姿信息的二步预测。3.根据权利要求2所述的一种基于特征降噪的视觉定位系统，其特征在于，所述的位姿向量序列中的每个位姿由3d相机位置x和由四元数q表示的方向组成。4.根据权利要求3所述的一种基于特征降噪的视觉定位系统，其特征在于，所述的深度状态模块和深度传感模块分别为基于googlenet的神经网络，googlenet神经网络的最后一层全连接层由7维扩充为28维，用以预测当前位姿以及预测未来的3个位姿。5.根据权利要求3所述的一种基于特征降噪的视觉定位系统，其特征在于，所述的基于特征降噪的视觉定位网络训练的目标损失函数为：其中，loss(i)为基于特征降噪的视觉定位网络i的损失，x为3d相机位置标签值，q为方向标签值，为3d相机位置预测值，为方向预测值，β为比例因子，n为用于训练的图像总数，i表示用于训练的第i张图像，α
i
表示第i张图像对应的权重。6.根据权利要求5所述的一种基于特征降噪的视觉定位系统，其特征在于，所述的比例因子β通过网格搜索进行微调。7.根据权利要求6所述的一种基于特征降噪的视觉定位系统，其特征在于，在室内场景下，比例因子β取值在120到750之间。8.根据权利要求6所述的一种基于特征降噪的视觉定位系统，其特征在于，在室外场景下，比例因子β取值在250到2000之间。9.一种基于特征降噪的视觉定位方法，其特征在于，该方法基于权利要求1～8任意一项所述的系统，包括：将图片输入至特征提取网络，对输入的图像进行特征提取获取图像特征；基于图像特征进行视觉定位，输出位姿向量序列，所述的位姿向量序列包括当前的估计位姿和未来若干个估计位姿。10.根据权利要求9所述的一种基于特征降噪的视觉定位方法，其特征在于，所述的图片采用单目相机获取。

技术总结
本发明涉及一种基于特征降噪的视觉定位系统、方法，该系统包括：特征提取网络：对输入的图像进行特征提取获取图像特征；基于特征降噪的视觉定位网络：基于图像特征进行视觉定位，输出位姿向量序列，所述的位姿向量序列包括当前的估计位姿和未来若干个估计位姿。与现有技术相比，本发明能在离线情况下根据当前场景给出当前和未来的实时运动位姿预测，实现多定位点预测，在运动路线不固定的情况下同样具有可观的泛化能力。有可观的泛化能力。有可观的泛化能力。


技术研发人员：刘刚 肖甜甜
受保护的技术使用者：上海电力大学
技术研发日：2022.03.02
技术公布日：2022/7/9