特征点检测与匹配是智能驾驶领域的核心技术之一,针对现有算法提取到的特征点一致性与连续性不足,以及匹配时容易忽略上下文语义信息等问题,本研究提出了一种基于注意力与分层特征的图像特征点匹配算法(image feature point matching al...特征点检测与匹配是智能驾驶领域的核心技术之一,针对现有算法提取到的特征点一致性与连续性不足,以及匹配时容易忽略上下文语义信息等问题,本研究提出了一种基于注意力与分层特征的图像特征点匹配算法(image feature point matching algorithm based on attention and hierarchical features,AHMF)。在特征点检测阶段,提出了差异交互注意力模块(differential interaction attention module,DIAM),增强模型对突出区域的关注度,从而提高特征点的鲁棒性;引入分层特征增强模块(hierarchical feature enhancement module,HFEM),通过语义特征增强分支和跨尺度特征增强分支共同提取特征图中的层次化信息,提高描述符的鉴别性;在特征点匹配阶段,优化传统互最近邻匹配(mutual Nearest Neighbor,MNN)算法,提出一种多帧图像特征点匹配方法,筛选出稳定的特征点。实验结果表明:对比D2-Net、R2D2等算法,本研究所提算法在两个公共数据集上匹配准确率更高,具有较小的参数量,同时展现出良好的抗噪声干扰能力。展开更多
文摘特征点检测与匹配是智能驾驶领域的核心技术之一,针对现有算法提取到的特征点一致性与连续性不足,以及匹配时容易忽略上下文语义信息等问题,本研究提出了一种基于注意力与分层特征的图像特征点匹配算法(image feature point matching algorithm based on attention and hierarchical features,AHMF)。在特征点检测阶段,提出了差异交互注意力模块(differential interaction attention module,DIAM),增强模型对突出区域的关注度,从而提高特征点的鲁棒性;引入分层特征增强模块(hierarchical feature enhancement module,HFEM),通过语义特征增强分支和跨尺度特征增强分支共同提取特征图中的层次化信息,提高描述符的鉴别性;在特征点匹配阶段,优化传统互最近邻匹配(mutual Nearest Neighbor,MNN)算法,提出一种多帧图像特征点匹配方法,筛选出稳定的特征点。实验结果表明:对比D2-Net、R2D2等算法,本研究所提算法在两个公共数据集上匹配准确率更高,具有较小的参数量,同时展现出良好的抗噪声干扰能力。
