特征匹配方法和装置、设备、介质与流程

1.本技术涉及电子设备技术领域，特别是涉及一种特征匹配方法和装置、设备、介质。


背景技术：

2.图像特征匹配是指在图像内容信息相同或者相似的场景下，在图像内检索显著特征信息，对特征信息进行量化，然后基于量化后的特征信息之间的相似性程度确定图像间特征与特征之间点对点的匹配关系。图像特征匹配在图像拼接、三维重建、slam等计算机视觉领域中有着非常重要的作用。但是目前图像特征匹配的方式还是需要将两张图像任意两个特征点的信息进行匹配，导致匹配量过大，匹配速度较慢。


技术实现要素：

3.本技术至少提供一种特征匹配方法和装置、设备、介质。
4.本技术提供了一种特征匹配方法，包括：获取与目标图像进行特征匹配的待匹配图像；从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出若干待匹配特征，目标特征与对应的待匹配特征之间的距离满足预设距离要求；将各目标特征分别与对应的若干待匹配特征进行匹配，得到待匹配图像和目标图像的特征匹配结果。
5.因此，通过从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出对应的若干个待匹配特征进行匹配，而非将各目标特征分别与所有的初始特征均进行匹配，减少了进行特征匹配的数量，从而加快的两图像之间的特征匹配速度。另外，对于每个目标特征而言，选择出与其对应的若干待匹配特征与该目标特征之间的距离满足预设距离要求，相比于随机为各目标特征选择若干待匹配特征而言，前者得到的两图像之间的特征匹配准确度更高。
6.其中，从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出若干待匹配特征，包括：从若干聚类中心中，确定各目标特征所属的聚类中心以及各初始特征所属的聚类中心，其中，若干聚类中心是由若干样本图像中的特征聚类得到；对于每一目标特征，从若干初始特征中选择与目标特征属于同一聚类中心的至少部分初始特征，作为待匹配特征。
7.因此，通过将属于同一个聚类中心的至少部分初始特征作为待匹配特征，使得选择的待匹配特征与目标特征之间的距离能够满足预设距离要求。
8.其中，从若干初始特征中选择与目标特征属于同一聚类中心的至少部分初始特征，作为待匹配特征，包括：获取与目标特征属于同一聚类中心的初始特征，作为目标特征对应的候选特征；分别确定目标特征和对应的各候选特征的参考聚类中心，目标特征的参考聚类中心与目标特征之间的距离满足参考距离要求，候选特征的参考聚类中心与候选特征之间的距离满足参考距离要求，目标特征的参考聚类中心与目标特征所属的聚类中心为不同聚类中心，候选特征的参考聚类中心与候选特征所属的聚类中心为不同聚类中心；从
目标特征对应的候选特征中，选出与目标特征的参考聚类中心相同的候选特征，以作为待匹配特征。
9.因此，通过进一步结合各特征点的参考聚类中心选择各目标特征的待匹配特征，能够进一步在保障特征匹配精度的情况下，加快特征匹配的速度。
10.其中，参考聚类中心为除上述特征所属的聚类中心以外与上述特征之间的距离最近的聚类中心。
11.因此，通过将参考聚类中心确定为特征所属的聚类中心以外与特征之间的距离最近的聚类中心，能够在加快特征匹配的速度的情况下，保障特征匹配的精度。
12.其中，获取与目标图像进行特征匹配的待匹配图像，包括：对于每个目标聚类中心，分别获取属于目标聚类中心的各目标特征与目标聚类中心之间的差异，目标聚类中心分别为目标特征所属的聚类中心；结合各目标聚类中心对应的差异，得到目标图像的全局特征；将目标图像的全局特征与若干候选匹配图像的全局特征进行比较，得到各候选匹配图像对应的比较结果；基于各候选匹配图像对应的比较结果，从若干候选匹配图像中选出待匹配图像。
13.因此，通过确定目标图像的全局特征，并将目标图像的全局特征和候选匹配图像的全局特征进行比较，确定待匹配图像，能够加快确定待匹配图像的速度。
14.其中，在从若干聚类中心中，确定各目标特征所属的聚类中心以及各初始特征所属的聚类中心之前，方法还包括：获取若干样本图像；分别对各样本图像进行特征提取，得到各样本图像的若干样本特征；将所有样本图像的样本特征进行聚类，得到若干聚类中心。
15.因此，通过使用若干张样本图像的样本特征进行聚类，能够得到若干聚类中心，方便后续进行特征匹配。
16.其中，将各目标特征分别与对应的若干待匹配特征进行匹配，得到待匹配图像和目标图像的特征匹配结果，包括：对于每一目标特征，将目标特征分别与对应的待匹配特征进行匹配，得到目标特征的匹配结果；结合各目标特征的匹配结果，得到目标图像和待匹配图像的特征匹配结果。
17.因此，通过结合各目标特征的匹配结果，能够得到目标图像和待匹配图像的特征匹配结果。
18.其中，目标特征和初始特征为对应图像中的特征点的描述符；和/或，待匹配图像和目标图像为拍摄设备在不同拍摄时刻拍摄得到的，且待匹配图像的拍摄时刻早于目标图像的拍摄时刻，在将各目标特征分别与对应的若干待匹配特征进行匹配，得到待匹配图像和目标图像的特征匹配结果之后，方法还包括：获取待匹配图像的拍摄时刻下拍摄设备的历史位姿；基于特征匹配结果和历史位姿，确定目标图像的拍摄时刻下拍摄设备的目标位姿。
19.因此，通过在获取到特征匹配结果之后，结合待匹配图像拍摄时刻下拍摄设备的历史位姿，能够实现目标图像拍摄时刻下拍摄设备的位姿的确定。
20.本技术提供了一种特征匹配装置，包括：获取模块，用于获取与目标图像进行特征匹配的待匹配图像；筛选模块，用于从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出若干待匹配特征，目标特征与对应的待匹配特征之间的距离满足预设距离要求；匹配模块，用于将各目标特征分别与对应的若干待匹配特征进行匹配，得到待匹配图像
和目标图像的特征匹配结果。
21.本技术提供了一种电子设备，包括存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述特征匹配方法。
22.本技术提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述特征匹配方法。
23.上述方案，通过从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出对应的若干个待匹配特征进行匹配，而非将各目标特征分别与所有的初始特征均进行匹配，减少了进行特征匹配的数量，从而加快的两图像之间的特征匹配速度。另外，对于每个目标特征而言，选择出与其对应的若干待匹配特征与该目标特征之间的距离满足预设距离要求，相比于随机为各目标特征选择若干待匹配特征而言，前者得到的两图像之间的特征匹配准确度更高。
24.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本技术。
附图说明
25.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本技术的实施例，并与说明书一起用于说明本技术的技术方案。
26.图1是本技术特征匹配方法一实施例的流程示意图；
27.图2是本技术特征匹配方法一实施例示出步骤s12的子流程示意图；
28.图3是本技术特征匹配方法一实施例示出步骤s122的子流程示意图；
29.图4是本技术特征匹配方法一实施例示出步骤s11的子流程示意图；
30.图5是本技术特征匹配装置一实施例的结构示意图；
31.图6是本技术电子设备一实施例的结构示意图；
32.图7是本技术计算机可读存储介质一实施例的结构示意图。
具体实施方式
33.下面结合说明书附图，对本技术实施例的方案进行详细说明。
34.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本技术。
35.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
36.其中，特征匹配方法的执行主体可以是特征匹配装置，例如，特征匹配装置可以是电子设备(例如，视觉定位设备、视觉惯性定位设备等)或服务器或其它处理设备。其中，终端设备可以为用户设备(user equipment，ue)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(personal digital assistant，pda)、手持设备、计算设备、车载设备、
可穿戴设备等。在一些可能的实现方式中，该特征匹配方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
37.请参阅图1，图1是本技术特征匹配方法一实施例的流程示意图。
38.具体而言，可以包括如下步骤：
39.步骤s11：获取与目标图像进行特征匹配的待匹配图像。
40.获取目标图像和待匹配图像的方式可以是由特征匹配方法的执行设备接收用户的导入或由执行设备拍摄两张图像，其中一张作为目标图像，另一张作为待匹配图像，可选地，执行设备拍摄这两张图像的时间可以是同时拍摄，也可以是分时拍摄，例如执行设备为双目摄像头，目标图像和待匹配图像分别由两个摄像头拍摄得到，或执行设备为单目摄像头，目标图像和待匹配图像为该摄像头在不同时间拍摄得到。或者，目标图像和待匹配图像中的其中一张为执行设备拍摄得到，另一张为用户导入或其他可能的方式获取得到。关于获取目标图像和待匹配图像的方式有很多，此处不做过多叙述。
41.可选地，目标图像和待匹配图像可以是二维图像，也可以是三维图像。目标图像和待匹配图像可以是红外图像，也可以是可见光图像等格式的图像。故，关于目标图像和待匹配图像的图像格式此处不做过多叙述。
42.步骤s12：从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出若干待匹配特征，目标特征与对应的待匹配特征之间的距离满足预设距离要求。
43.待匹配图像的初始特征和目标图像的目标特征的提取方式可以是使用sift(scale-invariant feature transform，尺度不变特征变换)方式、surf(speeded up robust features)方式或者orb(oriented fast and rotated brief)等方式提取。本公开实施例指出的若干可以是一个及以上，例如两个及以上。其中，目标特征与待匹配特征之间的距离可以是目标特征和待匹配特征在对应图像上对应特征点的位置之间的距离，也可以是目标特征和待匹配特征之间的相似度。预设距离要求可以是距离小于或等于预设距离。预设距离可以是具体的距离值，也可以是基于各距离得出的距离比。
44.步骤s13：将各目标特征分别与对应的若干待匹配特征进行匹配，得到待匹配图像和目标图像的特征匹配结果。
45.具体地，对于每一个目标特征，将目标特征分别与该目标特征对应的各个待匹配特征进行一对一的匹配，得到目标特征与其对应的各个待匹配特征之间的匹配结果，进而得到待匹配图像和目标图像之间的特征匹配结果。
46.上述方案，通过从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出对应的若干个待匹配特征进行匹配，而非将各目标特征分别与所有的初始特征均进行匹配，减少了进行特征匹配的数量，从而加快的两图像之间的特征匹配速度。另外，对于每个目标特征而言，选择出与其对应的若干待匹配特征与该目标特征之间的距离满足预设距离要求，相比于随机为各目标特征选择若干待匹配特征而言，前者得到的两图像之间的特征匹配准确度更高。
47.一些公开实施例中，目标特征和初始特征为对应图像中的特征点的描述符。即，目标特征为目标图像中特征点的描述符，初始特征为待匹配图像中的特征点的描述符。示例性地，对目标图像和待匹配图像进行特征检测，分别得到各图像对应的若干个关键点以及各关键点对应的描述符，该关键点为上述特征点。
48.一些公开实施例中，待匹配图像和目标图像为拍摄设备在不同时刻拍摄得到的。待匹配图像的拍摄时刻早于目标图像的拍摄时刻。其中，拍摄设备可以是本公开实施例提供的特征匹配方法的执行设备，也可以是与执行设备构建通信连接的设备以便将拍摄得到的待匹配图像和目标图像发送至执行设备。示例性地，本公开实施例以拍摄设备是执行设备为例。一些应用场景中，待匹配图像和目标图像可以用于对拍摄设备进行定位。
49.其中，请同时参见图2，图2是本技术特征匹配方法一实施例示出步骤s12的子流程示意图。如图2所示，步骤s12可以包括以下步骤：
50.步骤s121：从若干聚类中心中，确定各目标特征所属的聚类中心以及各初始特征所属的聚类中心。
51.其中，若干聚类中心是由若干样本图像中的特征聚类得到。示例性地，若干聚类中心是由若干张样本图像中多个关键点的描述符聚类得到。通过各描述符进行聚类，能够形成多个聚类簇。每个聚类簇具有一个聚类中心，该聚类中心由该聚类簇下各描述符得到。例如，聚类中心可以由该聚类簇下各描述符进行平均得到，或基于各描述符与聚类簇中心点之间的距离确定各描述符的权重，对各描述符进行加权平均得到。可选地，执行步骤s121之前，还可执行以下步骤：获取若干样本图像。其中，样本图像的维度和目标图像以及待匹配图像的维度相同，例如，样本图像、目标图像以及待匹配图像均为二维图像或均为三维图像。然后，分别对各样本图像进行特征提取，得到各样本图像的若干样本特征。一些应用场景中，样本图像、目标图像和待匹配图像中可以包括同类目标。示例性地，样本图像、目标图像和待匹配图像中均包括车辆、建筑或动物等。其中，样本特征可以是样本图像中的特征点(又名，关键点)的描述符。最后，将所有样本图像的样本特征进行聚类，得到若干聚类中心。其中，样本特征具体可以是样本图像中若干关键点的描述符。也就是，通过收集大量的样本图像，并分别提取各样本图像的特征，然后对所有的特征进行聚类，得到若干个聚类中心，以实现离线训练一个vlad(vector of locally descriptor)字典。例如，本公开实施例使用64个聚类中心或128个聚类中心。其中，聚类中心越多检索准确度越高，但是速度会有所下降。训练好的若干个聚类中心组成一个vlad字典。后续便可使用该vlad字典进行特征匹配。通过使用若干张样本图像的样本特征进行聚类，能够得到若干聚类中心，方便后续进行特征匹配。
52.可选地，从若干聚类中心中，确定各目标特征所属的聚类中心以及各初始特征所属的聚类中心的方式可以是：
53.对于每一目标特征，确定该目标特征与各个聚类中心之间的距离，将距离最近的聚类中心作为该目标特征所属的聚类中心。同理，对于每个初始特征，确定该初始特征与各个聚类中心之间的距离，将距离最近的聚类中心作为该初始特征所属的聚类中心。其中，特征与聚类中心之间的距离越近，则表示二者相似度越高。该距离可以是欧式距离。可选地，计算各特征与各聚类中心之间的相似度的方式可以是确定特征与聚类中心相同字符的个数，相同字符个数越多，则相似度越高。各特征与各聚类中心可以认为是一串字符串，且各特征与各聚类中心的字符个数相同。
54.步骤s122：对于每一目标特征，从若干初始特征中选择与目标特征属于同一聚类中心的至少部分初始特征，作为待匹配特征。
55.其中，可以认为与目标特征属于同一聚类中心的至少部分初始特征与目标特征之
间的距离满足预设距离要求。对于每一目标特征，可以从若干初始特征中选择与目标特征属于同一聚类中心的所有初始特征，作为待匹配特征，也可以是选择与目标特征属于同一聚类中心的部分初始特征作为待匹配特征。例如选择与目标特征属于同一聚类中心，且与聚类中心之间的相似度位于预设数量位以内的初始特征作为待匹配特征。预设数量位的设定可以是由特征匹配速度和特征匹配准确度确定，例如若希望特征匹配速度更快，则预设数量位设置稍小，减少特征匹配的数量，若希望特征匹配准确度更高，则预设数量为设置稍大，尽量将与目标特征属于同一聚类中心的所有初始特征作为目标特征对应的待匹配特征，若需要兼顾特征匹配速度和特征匹配准确度，则可以多次进行实验确定最终的预设数量位。例如，预设数量位为10，而与目标特征属于同一聚类中心的初始特征一共有15个，则从15个初始特征中选择与聚类中心之间的相似度排列前10的初始特征作为该目标特征对应的待匹配特征。
56.一些公开实施例中，请同时参见图3，图3是本技术特征匹配方法一实施例示出步骤s122的子流程示意图。如图2所示，步骤s122可以包括以下步骤：
57.步骤s1221：获取与目标特征属于同一聚类中心的初始特征，作为目标特征对应的候选特征。
58.也就是，将与目标特征属于同一聚类中心的所有初始特征，作为候选特征。如上述，一个聚类簇包含一个聚类中心，属于同一聚类中心也可认为是属于同一聚类簇。
59.步骤s1222：分别确定目标特征和对应的各候选特征的参考聚类中心。
60.其中，特征的参考聚类中心为上述特征之间的距离满足参考距离要求的聚类中心，且与上述特征所属的聚类中心为不同的聚类中心。示例性地，目标特征的参考聚类中心与目标特征之间的距离满足参考距离要求，目标特征对应的参考聚类中心与目标特征所属的聚类中心为不同的聚类中心。候选特征的参考聚类中心与所述候选特征之间的距离满足参考距离要求，所述目标特征的参考聚类中心与所述目标特征所属的聚类中心为不同所述聚类中心，所述候选特征的参考聚类中心与所述候选特征所属的聚类中心为不同所述聚类中心。可选地，参考聚类中心为除上述特征所属的聚类中心以外与上述特征之间的距离最近的聚类中心。换言之，对于每一目标特征，参考聚类中心为除目标特征所属的聚类中心以外与目标特征之间的距离最近的聚类中心。对于每一候选特征，参考聚类中心为除候选特征所属的聚类中心以外与候选特征之间的距离最近的聚类中心。
61.步骤s1223：从目标特征对应的候选特征中，选出与目标特征的参考聚类中心相同的候选特征，以作为待匹配特征。
62.即，可以认为与目标特征属于同一个聚类中心，且与目标特征的参考聚类中心也相同的候选特征，同目标特征之间的距离满足预设距离要求。也就是目标特征对应的候选特征中，可以有部分候选特征的参考聚类中心和目标特征的参考聚类中心不同，有可能部分候选特征的参考聚类中心和目标特征的参考聚类中心相同。本公开实施例将参考聚类中心与目标特征的参考聚类中心相同的候选特征作为该目标特征对应的待匹配特征。
63.通过将属于同一个聚类中心的至少部分初始特征作为待匹配特征，使得选择的待匹配特征与目标特征之间的距离能够满足预设距离要求。
64.另外，通过进一步结合各特征点的参考聚类中心选择各目标特征的待匹配特征，能够进一步在保障特征匹配精度的情况下，加快特征匹配的速度。
65.进一步地，通过将参考聚类中心确定为特征所属的聚类中心以外与特征之间的距离最近的聚类中心，能够在加快特征匹配的速度的情况下，保障特征匹配的精度。
66.请同时参见图4，图4是本技术特征匹配方法一实施例示出步骤s11的子流程示意图，如图4所示，上述步骤s11可以包括以下步骤：
67.步骤s111：对于每个目标聚类中心，分别获取属于目标聚类中心的各目标特征与目标聚类中心之间的差异。
68.其中，目标聚类中心分别为目标特征所属的聚类中心。如上述，各目标特征都有所属的聚类中心，各初始特征也有所属的聚类中心。对于每一个目标聚类中心而言，属于该目标聚类中心的目标特征的数量可能会有多个，分别获取属于该目标聚类中心的各个目标特征与目标聚类中心之间的差异，该差异的数量与属于该目标聚类中心的目标特征的数量相同。示例性地，若一个目标聚类中心下包括三个目标特征，则对于该目标聚类中心而言，分别获取这三个目标特征与目标聚类中心之间的三个差异。获取各差异的方式可以是做差，该差异也可认为是目标特征和目标聚类中心之间的残差。
69.步骤s112：结合各目标聚类中心对应的差异，得到目标图像的全局特征。
70.示例性地，对于每一目标聚类中心，将该目标聚类中心下的各差异累加，得到该目标聚类中心对应的总差异。然后将各目标聚类中心对应的总差异进行拼接，得到目标图像的全局特征。如上述，若干个聚类中心能够组成一个vlad字典。目标图像的全局特征可以是认为是目标图像的vlad特征，而特征可以是描述符，则vlad字典也可认为是vlad描述符。
71.步骤s113：将目标图像的全局特征与若干候选匹配图像的全局特征进行比较，得到各候选匹配图像对应的比较结果。
72.其中，各候选匹配图像的全局特征的获取方式可参考目标图像的全局特征的获取方式，此处不再赘述。其中，全局特征进行比较的方式可以是计算各全局特征之间的距离，距离越近则匹配程度越高。该距离可以是欧氏距离，也可以是其他距离。比较结果可以是各候选匹配图像的全局特征与目标图像的全局特征之间的匹配程度。
73.步骤s114：基于各候选匹配图像对应的比较结果，从若干候选匹配图像中选出待匹配图像。
74.示例性地，可以是将与目标图像的全局特征之间的匹配程度最高的候选匹配图像作为待匹配图像。
75.通过确定目标图像的全局特征，并将目标图像的全局特征和候选匹配图像的全局特征进行比较，确定待匹配图像，能够加快确定待匹配图像的速度。
76.上述方案，对两张图进行特征匹配时，由于每一个特征点都会对应到一个聚类中心，只对属于同一个聚类中心的特征点进行匹配即可，理论上可以有k倍的加速(k为聚类中心)，同时由于匹配的候选范围减小，能够减少无匹配的问题出现，从而可以提高匹配的质量。如果想进一步加速，在上述的基础上可以加入次最近聚类中心(上述参考聚类中心)的判断，如果两个特征点属于在同一个聚类中心并且次最近聚类中心一致则进行匹配，理论上有k(k-1)倍的加速，但是得到的匹配关系会相应减少，需要在效率和效果之间取舍。
77.一些公开实施例中，上述步骤s13可以包括以下步骤：对于每一目标特征，将目标特征分别与对应的待匹配特征进行匹配，得到目标特征的匹配结果。然后，结合各目标特征的匹配结果，得到目标图像和待匹配图像的特征匹配结果。示例性地，将目标特征与匹配程
度最高的待匹配特征作为与之匹配成功的待匹配特征，形成一组特征点对。结合若干组特征点对，得到两图像之间的特征匹配结果。一些公开实施例中，若目标特征对应的最高匹配程度不满足预设匹配要求，则认定该目标特征匹配失败，没有形成一组特征点对，也就是目标图像中可能会有100个目标特征，但是可能会有部分目标特征匹配失败，最终得到的特征点对少于100组。通过结合各目标特征的匹配结果，能够得到目标图像和待匹配图像的特征匹配结果。
78.如上述，待匹配图像和目标图像可以是拍摄设备在不同拍摄时刻拍摄得到的。且待匹配图像的拍摄时刻早于目标图像的拍摄时刻。其中，在执行上述步骤s13之后，还可执行以下步骤：
79.获取待匹配图像的拍摄时刻下拍摄设备的历史位姿。然后，基于特征匹配结果和历史位姿，确定目标图像的拍摄时刻下拍摄设备的目标位姿。示例性地，在同步定位和建图或视觉定位的场景下，可以通过两张图像的特征匹配结果确定拍摄设备在各图像的拍摄时刻下的位姿。例如，基于两帧图像的特征匹配结果，确定目标图像中的各特征点(或，关键点)对应的三维点，基于三维点的空间位置，确定目标图像的拍摄时刻下拍摄设备的位姿。或，基于两帧图像的特征匹配结果，确定两帧图像之间的相对运动，通过结合待匹配图像的历史位姿和两帧图像之间的相对运动，得到目标图像拍摄时刻下拍摄设备的位姿。通过在获取到特征匹配结果之后，结合待匹配图像拍摄时刻下拍摄设备的历史位姿，能够实现目标图像拍摄时刻下拍摄设备的位姿的确定。
80.一些应用场景中，本公开实施例提供的特征匹配方法能够应用于视觉定位，例如可以应用与ar设备、带视觉的机器人等。通过将vlad字典与特征匹配结合，能够提高特征匹配的效率。另外vlad字典相比于其它的字典(例如，dbow字典)而言，属于轻量级，其所占内存空间较小，能够有效节约内存空间。
81.请参阅图5，图5是本技术特征匹配装置一实施例的结构示意图。特征匹配装置50包括获取模块51、筛选模块52以及匹配模块53。获取模块51，用于获取与目标图像进行特征匹配的待匹配图像；筛选模块52，用于从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出若干待匹配特征，目标特征与对应的待匹配特征之间的距离满足预设距离要求；匹配模块53，用于将各目标特征分别与对应的若干待匹配特征进行匹配，得到待匹配图像和目标图像的特征匹配结果。
82.上述方案，通过从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出对应的若干个待匹配特征进行匹配，而非将各目标特征分别与所有的初始特征均进行匹配，减少了进行特征匹配的数量，从而加快的两图像之间的特征匹配速度。另外，对于每个目标特征而言，选择出与其对应的若干待匹配特征与该目标特征之间的距离满足预设距离要求，相比于随机为各目标特征选择若干待匹配特征而言，前者得到的两图像之间的特征匹配准确度更高。
83.一些公开实施例中，筛选模块52从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出若干待匹配特征，包括：从若干聚类中心中，确定各目标特征所属的聚类中心以及各初始特征所属的聚类中心，其中，若干聚类中心是由若干样本图像中的特征聚类得到；对于每一目标特征，从若干初始特征中选择与目标特征属于同一聚类中心的至少部分初始特征，作为待匹配特征。
84.上述方案，通过将属于同一个聚类中心的至少部分初始特征作为待匹配特征，使得选择的待匹配特征与目标特征之间的距离能够满足预设距离要求。
85.一些公开实施例中，筛选模块52从若干初始特征中选择与目标特征属于同一聚类中心的至少部分初始特征，作为待匹配特征，包括：获取与目标特征属于同一聚类中心的初始特征，作为目标特征对应的候选特征；分别确定目标特征和对应的各候选特征的参考聚类中心，目标特征的参考聚类中心与目标特征之间的距离满足参考距离要求，候选特征的参考聚类中心与候选特征之间的距离满足参考距离要求，目标特征的参考聚类中心与目标特征所属的聚类中心为不同聚类中心，候选特征的参考聚类中心与候选特征所属的聚类中心为不同聚类中心；从目标特征对应的候选特征中，选出与目标特征的参考聚类中心相同的候选特征，以作为待匹配特征。
86.上述方案，通过进一步结合各特征点的参考聚类中心选择各目标特征的待匹配特征，能够进一步在保障特征匹配精度的情况下，加快特征匹配的速度。
87.一些公开实施例中，参考聚类中心为除上述特征所属的聚类中心以外与上述特征之间的距离最近的聚类中心。
88.上述方案，通过将参考聚类中心确定为特征所属的聚类中心以外与特征之间的距离最近的聚类中心，能够在加快特征匹配的速度的情况下，保障特征匹配的精度。
89.一些公开实施例中，获取模块51获取与目标图像进行特征匹配的待匹配图像，包括：对于每个目标聚类中心，分别获取属于目标聚类中心的各目标特征与目标聚类中心之间的差异，目标聚类中心分别为目标特征所属的聚类中心；结合各目标聚类中心对应的差异，得到目标图像的全局特征；将目标图像的全局特征与若干候选匹配图像的全局特征进行比较，得到各候选匹配图像对应的比较结果；基于各候选匹配图像对应的比较结果，从若干候选匹配图像中选出待匹配图像。
90.上述方案，通过确定目标图像的全局特征，并将目标图像的全局特征和候选匹配图像的全局特征进行比较，确定待匹配图像，能够加快确定待匹配图像的速度。
91.一些公开实施例中，特征匹配装置50还包括字典训练模块(图未示)，字典训练模块在从若干聚类中心中，确定各目标特征所属的聚类中心以及各初始特征所属的聚类中心之前，用于：获取若干样本图像；分别对各样本图像进行特征提取，得到各样本图像的若干样本特征；将所有样本图像的样本特征进行聚类，得到若干聚类中心。
92.上述方案，通过使用若干张样本图像的样本特征进行聚类，能够得到若干聚类中心，方便后续进行特征匹配。
93.一些公开实施例中，匹配模块53将各目标特征分别与对应的若干待匹配特征进行匹配，得到待匹配图像和目标图像的特征匹配结果，包括：对于每一目标特征，将目标特征分别与对应的待匹配特征进行匹配，得到目标特征的匹配结果；结合各目标特征的匹配结果，得到目标图像和待匹配图像的特征匹配结果。
94.上述方案，通过结合各目标特征的匹配结果，能够得到目标图像和待匹配图像的特征匹配结果。
95.一些公开实施例中，目标特征和初始特征为对应图像中的特征点的描述符；和/或，待匹配图像和目标图像为拍摄设备在不同拍摄时刻拍摄得到的，且待匹配图像的拍摄时刻早于目标图像的拍摄时刻，在将各目标特征分别与对应的若干待匹配特征进行匹配，
得到待匹配图像和目标图像的特征匹配结果之后，匹配模块53还用于：获取待匹配图像的拍摄时刻下拍摄设备的历史位姿；基于特征匹配结果和历史位姿，确定目标图像的拍摄时刻下拍摄设备的目标位姿。
96.上述方案，通过在获取到特征匹配结果之后，结合待匹配图像拍摄时刻下拍摄设备的历史位姿，能够实现目标图像拍摄时刻下拍摄设备的位姿的确定。
97.请参阅图6，图6是本技术电子设备一实施例的结构示意图。电子设备60包括存储器61和处理器62，处理器62用于执行存储器61中存储的程序指令，以实现上述任一特征匹配方法实施例中的步骤。在一个具体的实施场景中，电子设备60可以包括但不限于：定位设备、医疗设备、微型计算机、台式电脑、服务器，此外，电子设备60还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。
98.具体而言，处理器62用于控制其自身以及存储器61以实现上述任一特征匹配方法实施例中的步骤。处理器62还可以称为cpu(central processing unit，中央处理单元)。处理器62可能是一种集成电路芯片，具有信号的处理能力。处理器62还可以是通用处理器、数字信号处理器(digital signal processor,dsp)、专用集成电路(application specific integrated circuit,asic)、现场可编程门阵列(field-programmable gate array,fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器62可以由集成电路芯片共同实现。
99.上述方案，通过从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出对应的若干个待匹配特征进行匹配，而非将各目标特征分别与所有的初始特征均进行匹配，减少了进行特征匹配的数量，从而加快的两图像之间的特征匹配速度。另外，对于每个目标特征而言，选择出与其对应的若干待匹配特征与该目标特征之间的距离满足预设距离要求，相比于随机为各目标特征选择若干待匹配特征而言，前者得到的两图像之间的特征匹配准确度更高。
100.请参阅图7，图7是本技术计算机可读存储介质一实施例的结构示意图。计算机可读存储介质70存储有程序指令71，程序指令71被处理器执行时实现上述任一特征匹配方法实施例中的步骤。
101.上述方案，通过从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出对应的若干个待匹配特征进行匹配，而非将各目标特征分别与所有的初始特征均进行匹配，减少了进行特征匹配的数量，从而加快的两图像之间的特征匹配速度。另外，对于每个目标特征而言，选择出与其对应的若干待匹配特征与该目标特征之间的距离满足预设距离要求，相比于随机为各目标特征选择若干待匹配特征而言，前者得到的两图像之间的特征匹配准确度更高。
102.在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
103.上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
104.在本技术所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其
它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
105.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施方式方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
106.若本技术技术方案涉及个人信息，应用本技术技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本技术技术方案涉及敏感个人信息，应用本技术技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。

技术特征：
1.一种特征匹配方法，其特征在于，包括：获取与目标图像进行特征匹配的待匹配图像；从所述待匹配图像的若干初始特征中，分别为所述目标图像的各目标特征选出若干待匹配特征，所述目标特征与对应的所述待匹配特征之间的距离满足预设距离要求；将各所述目标特征分别与对应的所述若干待匹配特征进行匹配，得到所述待匹配图像和所述目标图像的特征匹配结果。2.根据权利要求1所述的方法，其特征在于，所述从所述待匹配图像的若干初始特征中，分别为所述目标图像的各目标特征选出若干待匹配特征，包括：从若干聚类中心中，确定各所述目标特征所属的聚类中心以及各所述初始特征所属的聚类中心，其中，所述若干聚类中心是由若干样本图像中的特征聚类得到；对于每一所述目标特征，从所述若干初始特征中选择与所述目标特征属于同一聚类中心的至少部分初始特征，作为所述待匹配特征。3.根据权利要求2所述的方法，其特征在于，所述从所述若干初始特征中选择与所述目标特征属于同一聚类中心的至少部分初始特征，作为所述待匹配特征，包括：获取与所述目标特征属于同一聚类中心的初始特征，作为所述目标特征对应的候选特征；分别确定所述目标特征和对应的各所述候选特征的参考聚类中心，所述目标特征的参考聚类中心与所述目标特征之间的距离满足参考距离要求，所述候选特征的参考聚类中心与所述候选特征之间的距离满足参考距离要求，所述目标特征的参考聚类中心与所述目标特征所属的聚类中心为不同所述聚类中心，所述候选特征的参考聚类中心与所述候选特征所属的聚类中心为不同所述聚类中心；从所述目标特征对应的候选特征中，选出与所述目标特征的所述参考聚类中心相同的候选特征，以作为所述待匹配特征。4.根据权利要求3所述的方法，其特征在于，所述参考聚类中心为除上述特征所属的聚类中心以外与所述上述特征之间的距离最近的聚类中心。5.根据权利要求2至4任一项所述的方法，其特征在于，所述获取与目标图像进行特征匹配的待匹配图像，包括：对于每个目标聚类中心，分别获取属于所述目标聚类中心的各目标特征与所述目标聚类中心之间的差异，所述目标聚类中心分别为所述目标特征所属的聚类中心；结合各所述目标聚类中心对应的所述差异，得到所述目标图像的全局特征；将所述目标图像的全局特征与若干候选匹配图像的全局特征进行比较，得到各所述候选匹配图像对应的比较结果；基于各所述候选匹配图像对应的比较结果，从所述若干候选匹配图像中选出所述待匹配图像。6.根据权利要求2至5任一项所述的方法，其特征在于，在所述从若干聚类中心中，确定各所述目标特征所属的聚类中心以及各所述初始特征所属的聚类中心之前，所述方法还包括：获取若干样本图像；分别对各所述样本图像进行特征提取，得到各样本图像的若干样本特征；
将所有样本图像的样本特征进行聚类，得到若干聚类中心。7.根据权利要求1至6任一项所述的方法，其特征在于，所述将各所述目标特征分别与对应的所述若干待匹配特征进行匹配，得到所述待匹配图像和所述目标图像的特征匹配结果，包括：对于每一所述目标特征，将所述目标特征分别与对应的待匹配特征进行匹配，得到所述目标特征的匹配结果；结合各所述目标特征的匹配结果，得到所述目标图像和所述待匹配图像的特征匹配结果。8.根据权利要求1-7任一项所述的方法，其特征在于，所述目标特征和初始特征为对应图像中的特征点的描述符；和/或，所述待匹配图像和所述目标图像为拍摄设备在不同拍摄时刻拍摄得到的，且所述待匹配图像的拍摄时刻早于所述目标图像的拍摄时刻，在所述将各所述目标特征分别与对应的所述若干待匹配特征进行匹配，得到所述待匹配图像和所述目标图像的特征匹配结果之后，所述方法还包括：获取所述待匹配图像的拍摄时刻下所述拍摄设备的历史位姿；基于所述特征匹配结果和所述历史位姿，确定所述目标图像的拍摄时刻下拍摄设备的目标位姿。9.一种特征匹配装置，其特征在于，包括：获取模块，用于获取与目标图像进行特征匹配的待匹配图像；筛选模块，用于从所述待匹配图像的若干初始特征中，分别为所述目标图像的各目标特征选出若干待匹配特征，所述目标特征与对应的所述待匹配特征之间的距离满足预设距离要求；匹配模块，用于将各所述目标特征分别与对应的所述若干待匹配特征进行匹配，得到所述待匹配图像和所述目标图像的特征匹配结果。10.一种电子设备，其特征在于，包括存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至8任一项所述的方法。11.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至8任一项所述的方法。

技术总结
本申请公开了一种特征匹配方法和装置、设备、介质，特征匹配方法包括：获取与目标图像进行特征匹配的待匹配图像；从待匹配图像的若干初始特征中，分别为目标图像的各目标特征选出若干待匹配特征，目标特征与对应的待匹配特征之间的距离满足预设距离要求；将各目标特征分别与对应的若干待匹配特征进行匹配，得到待匹配图像和目标图像的特征匹配结果。上述方案，能够加快特征匹配的速度。能够加快特征匹配的速度。能够加快特征匹配的速度。


技术研发人员：吴琅 谢卫健 王楠
受保护的技术使用者：浙江商汤科技开发有限公司
技术研发日：2023.03.14
技术公布日：2023/9/22