多视图纯旋转异常识别和自动标记训练方法、设备和介质

专利主权项内容

1.一种多视图纯旋转异常识别和自动标记训练方法，其特征在于，包括以下具体步骤：对多视图纯旋转进行异常识别：获取相机采集的图像数据，根据双视图估计结果，计算所有视图的多视图纯旋转指标，识别多视图中是否存在导致全局位置求解异常的纯旋转视图；所述对多视图纯旋转进行异常识别具体包括：步骤11：将相机采集的图像数据构成视图集V＝{I, ..., I}, 定义共视视图集V，用于表示与视图I存在匹配关系的视图所构成的集合；1nii获取视图I∈V，将视图I和I进行图像匹配，利用匹配的图像特征点，计算双视图纯旋转识别指标其中，i＝1, 2, 3, …, m，j＝1, 2, 3, …, m；jiij步骤12：取双视图纯旋转识别阈值δ, 计算多视图纯旋转识别指标其中函数H(·)为赫维赛德阶跃函数，n表示V中的视图个数；ii步骤13：取多视图纯旋转识别阈值当/>则认为视图I为纯旋转异常视图；i对纯旋转异常视图进行自动标记与训练：利用多视图纯旋转指标识别并标记多视图中导致纯旋转异常的视图集，构建包含纯旋转异常的局部视图集；构建深度神经网络模型，根据包含纯旋转异常的局部视图集生成训练集用于训练深度神经网络模型；根据训练好的深度神经网络模型识别视图集中的纯旋转异常视图；所述对纯旋转异常视图进行自动标记与训练具体包括：步骤21：对相机采集的图像数据构成视图集V＝{I, ..., I}, 基于多视图纯旋转进行异常识别，对存在纯旋转异常的视图构成集合V；1noutlier步骤22：对于视图I∈V，构建共视视图集V，生成第i个局部视图集W＝{I}∪V，其中I放置在W集元素的中间位置；iiiiiii步骤23：遍历纯旋转异常视图集V，构建n个局部视图集{W|I∈V}，作为深度神经网络模型训练集；jj步骤24：根据纯旋转异常视图集V，对训练集W进行标记; 具体地，如果W中间位置的视图I∈V，则用视图对应的纯旋转异常标签y＝1标记，反之y＝0；outlieriiioutlierii步骤25：构建损失函数其中/>表示深度神经网络模型给出的预测值；步骤26：根据训练好的模型，将相机获取的视图集，按照步骤22中W＝{I}∪V的方式生成用于测试的局部视图集，如果模型输出y＝1，则说明当前视图I为纯旋转异常视图，反之则为正常视图。iiiii