【技术实现步骤摘要】
本申请涉及计算机，尤其涉及视觉数据压缩方法、装置、设备及存储介质。
技术介绍
1、视觉定位是计算机视觉中的一个重要问题，其核心在于利用视觉特征点来估计相机的位置和姿态。从理论上来说，少量的视觉特征点对即可求解两个相机间的相对位置关系。然而，在实际应用中，由于观测噪声的存在，单纯依靠少量特征点往往难以获得稳定和准确的结果。因此，优化与滤波法成为目前解决视觉定位问题的两种主流方案。滤波法速度快，但在精度、鲁棒性方面普遍落后于优化法；虽然优化法在精度和鲁棒性方面表现优异，但其计算量较大，导致求解过程较慢，限制了其实时应用的能力。
2、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供一种视觉数据压缩方法、装置、设备及存储介质，旨在解决现有技术视觉定位算法在处理数据集时计算效率低、鲁棒性不足，且存在大量冗余信息影响定位精度的技术问题。
2、为实现上述目的，本申请提出一种视觉数据压缩方法，所述的方法包括：
3、根据各视觉特征点的三维空间分布进行聚类，得到视觉噪点、至少一个特征点聚类以及所述特征点聚类的视觉核心点；
4、根据所述视觉噪点和各特征点聚类的视觉核心点对多个视觉特征点进行压缩，得到多个压缩特征点和多个保留特征点；
5、根据多个压缩特征点和多个保留特征点得到多个视觉特征点的数据压缩结果。
6、在一实施例中，所述根据各视觉特征点的三维空间分布进行聚类，
7、对视觉观测到的多个二维特征点进行深度信息检测；
8、在各二维特征点存在深度信息时，获取各二维特征点的连续跟踪次数；
9、在各二维特征点的连续跟踪次数达到预设次数时，将各二维特征点作为待压缩的视觉特征点。
10、在一实施例中，所述对视觉观测到的多个二维特征点进行深度信息检测的步骤之后，还包括：
11、在存在二维特征点不存在深度信息时，获取包含所述二维特征点的目标图像对和特征点对应关系；
12、根据所述图像对的图像参数构建投影矩阵；
13、在所述特征点对应关系满足几何约束条件时，根据所述投影矩阵进行三角化计算，确定所述二维特征点的深度信息。
14、在一实施例中，所述根据各视觉特征点的三维空间分布进行聚类，得到视觉噪点、至少一个特征点聚类以及所述特征点聚类的视觉核心点的步骤包括：
15、根据各视觉特征点的深度信息确定各视觉特征点的三维空间分布；
16、根据目标聚类算法、目标搜索半径以及各视觉特征点的三维空间分布进行聚类，确定至少一个特征点聚类和视觉噪点；
17、根据所述特征点聚类的聚类内部密度在所述特征点聚类中存在的多个视觉特征点中确定视觉核心点。
18、在一实施例中，所述根据所述视觉噪点和各特征点聚类的视觉核心点对多个视觉特征点进行压缩，得到多个压缩特征点和多个保留特征点的步骤包括：
19、对所述视觉噪点和各特征点聚类的视觉核心点进行特征点保留，确定多个第一特征点，并基于多个第一特征点和多个视觉特征点确定多个第二特征点；
20、在多个第一特征点对应的保留特征点数量小于预设数量时，根据所述保留特征点数量和所述预设数量进行差值计算，确定待补特征点数量；
21、根据各特征点聚类的特征点稳定性排序信息和所述待补特征点数量在多个第二特征点中进行特征点补充，得到多个第三特征点和多个压缩特征点；
22、根据多个第一特征点和多个第三特征点得到多个保留特征点。
23、在一实施例中，所述根据各特征点聚类的特征点稳定性排序信息和所述待补特征点数量在多个第二特征点中进行特征点补充，得到多个第三特征点和多个压缩特征点的步骤之前，还包括：
24、获取各视觉特征点的跟踪次数；
25、对所述特征点聚类中存在的各视觉特征点的跟踪次数进行排序，确定所述特征点聚类中存在的各视觉特征点的稳定性排序顺序；
26、根据所述特征点聚类中存在的各视觉特征点的稳定性排序顺序，确定所述特征点聚类的特征点稳定性排序信息。
27、在一实施例中，所述根据多个压缩特征点和多个保留特征点得到多个视觉特征点的数据压缩结果的步骤之后，还包括：
28、对各保留特征点进行重投影计算，确定各保留特征点的重投影二维坐标；
29、根据各保留特征点的重投影二维坐标和各保留特征点的原始二维坐标进行误差计算，确定各保留特征点的重投影误差；
30、在各保留特征点的重投影误差小于误差阈值时，对各保留特征点进行数据保留。
31、此外，为实现上述目的，本申请还提出一种视觉数据压缩装置，所述视觉数据压缩装置包括：聚类模块，用于根据各视觉特征点的三维空间分布进行聚类，得到视觉噪点、至少一个特征点聚类以及所述特征点聚类的视觉核心点；
32、压缩模块，用于根据所述视觉噪点和各特征点聚类的视觉核心点对多个视觉特征点进行压缩，得到多个压缩特征点和多个保留特征点；
33、处理模块，用于根据多个压缩特征点和多个保留特征点得到多个视觉特征点的数据压缩结果。
34、此外，为实现上述目的，本申请还提出一种视觉数据压缩设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的视觉数据压缩方法的步骤。
35、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的视觉数据压缩方法的步骤。
36、此外，为实现上述目的，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的视觉数据压缩方法的步骤。
37、本申请提供了一种视觉数据压缩方法，本申请根据各视觉特征点的三维空间分布进行聚类，得到视觉噪点、至少一个特征点聚类以及所述特征点聚类的视觉核心点；根据所述视觉噪点和各特征点聚类的视觉核心点对多个视觉特征点进行压缩，得到多个压缩特征点和多个保留特征点；根据多个压缩特征点和多个保留特征点得到多个视觉特征点的数据压缩结果。通过上述方式，通过各视觉特征点的三维空间分布进行聚类，得到聚类结果，并通过聚类结果对多个视觉特征点进行压缩，通过得到的多个压缩特征点和多个保留特征点完成对多个视觉特征点的压缩，大幅度减少了特征点数量，减少了后续视觉任务对应的优化问题规模，提高了优化问题的求解速度，同时保证了优化问题具有足够的概括性、问题求解的可靠性以及精度。
本文档来自技高网...【技术保护点】
1.一种视觉数据压缩方法，其特征在于，所述视觉数据压缩方法包括：
2.如权利要求1所述的方法，其特征在于，所述根据各视觉特征点的三维空间分布进行聚类，得到视觉噪点、至少一个特征点聚类以及所述特征点聚类的视觉核心点的步骤之前，还包括：
3.如权利要求2所述的方法，其特征在于，所述对视觉观测到的多个二维特征点进行深度信息检测的步骤之后，还包括：
4.如权利要求1所述的方法，其特征在于，所述根据各视觉特征点的三维空间分布进行聚类，得到视觉噪点、至少一个特征点聚类以及所述特征点聚类的视觉核心点的步骤包括：
5.如权利要求1所述的方法，其特征在于，所述根据所述视觉噪点和各特征点聚类的视觉核心点对多个视觉特征点进行压缩，得到多个压缩特征点和多个保留特征点的步骤包括：
6.如权利要求5所述的方法，其特征在于，所述根据各特征点聚类的特征点稳定性排序信息和所述待补特征点数量在多个第二特征点中进行特征点补充，得到多个第三特征点和多个压缩特征点的步骤之前，还包括：
7.如权利要求1至6中任一项所述的方法，其特征在于，所述根据多个压
8.一种视觉数据压缩装置，其特征在于，所述视觉数据压缩装置包括：
9.一种视觉数据压缩设备，其特征在于，所述视觉数据压缩设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视觉数据压缩程序，所述视觉数据压缩程序配置有实现如权利要求1至7中任一项所述的视觉数据压缩方法。
10.一种存储介质，其特征在于，所述存储介质上存储有视觉数据压缩程序，所述视觉数据压缩程序被处理器执行时实现如权利要求1至7中任一项所述的视觉数据压缩方法。
...【技术特征摘要】
1.一种视觉数据压缩方法，其特征在于，所述视觉数据压缩方法包括：
2.如权利要求1所述的方法，其特征在于，所述根据各视觉特征点的三维空间分布进行聚类，得到视觉噪点、至少一个特征点聚类以及所述特征点聚类的视觉核心点的步骤之前，还包括：
3.如权利要求2所述的方法，其特征在于，所述对视觉观测到的多个二维特征点进行深度信息检测的步骤之后，还包括：
4.如权利要求1所述的方法，其特征在于，所述根据各视觉特征点的三维空间分布进行聚类，得到视觉噪点、至少一个特征点聚类以及所述特征点聚类的视觉核心点的步骤包括：
5.如权利要求1所述的方法，其特征在于，所述根据所述视觉噪点和各特征点聚类的视觉核心点对多个视觉特征点进行压缩，得到多个压缩特征点和多个保留特征点的步骤包括：
6.如权利要求5所述的方法，其特征在于，所述根据各特...
【专利技术属性】
技术研发人员：彭登，申思远，陶永康，周巧，
申请(专利权)人：广东汇天航空航天科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。