本申請涉及計算機視覺，特別涉及一種特征點檢測方法、裝置、設備及介質。

背景技術：

1、特征點檢測是計算機視覺領域的基礎任務之一，目標是從圖像中自動提取具有獨特特征的點，這些特征點在隨后的視覺任務(如目標識別、圖像匹配、三維重建等)中發揮關鍵作用。

2、目前，針對特征點檢測，基于深度學習的方法充分利用了深度神經網絡的表達能力，從大規模數據中自動學習圖像的高維特征表示，具有較強的魯棒性。但是，由于網絡架構設計，導致特征點檢測的關注區域固定，可能導致關鍵區域的信息不足，影響特征點檢測的準確率。

技術實現思路

1、有鑒于此，本申請的目的在于提供一種特征點檢測方法、裝置、設備及介質，能夠確定動態的搜索區域進行特征點檢測，從而提升特征點檢測的準確率。其具體方案如下：

2、第一方面，本申請公開了一種特征點檢測方法，包括：

3、將模型的輸入圖像映射為高維特征向量；

4、基于所述高維特征向量，并利用第一卷積操作生成位置偏移向量，其中，所述第一卷積操作對應的參數為模型可學習參數；

5、基于所述位置偏移向量確定所述高維特征向量對應的采樣位置；

6、利用所述采樣位置對所述高維特征向量進行采樣，得到采樣特征點；

7、基于所述采樣特征點組成的區域確定動態搜索區域，以在所述動態搜索區域內進行特征點檢測。

8、可選的，所述基于所述高維特征向量，并利用第一卷積操作生成位置偏移向量，包括：

9、生成所述高維特征向量對應的查詢向量；

10、對所述查詢向量進行下采樣，得到下采樣向量；

11、對所述下采樣向量進行第一卷積操作，生成位置偏移向量。

12、可選的，所述基于所述位置偏移向量確定所述高維特征向量對應的采樣位置，包括：

13、對所述位置偏移向量進行歸一化操作；

14、基于所述下采樣向量的空間尺度確定縮放系數；

15、利用所述縮放系數對歸一化操作后的位置偏移向量進行調整，得到調整后位置偏移向量；

16、基于所述調整后位置偏移向量確定所述高維特征向量對應的采樣位置。

17、可選的，還包括：

18、基于所述下采樣向量的空間尺度確定原始位置；

19、相應的，所述基于所述位置偏移向量確定所述高維特征向量對應的采樣位置，包括：

20、利用所述原始位置以及所述位置偏移向量確定偏移后位置，作為所述高維特征向量對應的采樣位置。

21、可選的，在所述動態搜索區域內進行特征點檢測，包括：

22、利用所述動態搜索區域生成鍵向量和值向量；

23、基于所述下采樣向量以及所述鍵向量確定所述動態搜索區域的特征點權重；

24、基于所述特征點權重和所述值向量進行加權計算，得到區域特征向量；

25、基于所述區域特征向量生成目標特征點坐標。

26、可選的，基于所述區域特征向量生成目標特征點坐標，包括：

27、利用所述區域特征向量生成得分向量，其中，所述得分向量包括模型的輸入圖像中子區域內是否存在目標特征點的概率值；

28、基于所述概率值確定目標特征點坐標。

29、可選的，還包括：

30、利用第二卷積操作將所述區域特征向量設置為目標維度的特征向量；

31、利用所述目標特征點坐標對所述目標維度的特征向量進行網格采樣，得到特征點描述子。

32、第二方面，本申請公開了一種特征點檢測裝置，包括：

33、特征向量映射模塊，用于將模型的輸入圖像映射為高維特征向量；

34、位置偏移確定模塊，用于基于所述高維特征向量，并利用第一卷積操作生成位置偏移向量，其中，所述第一卷積操作對應的參數為模型可學習參數；

35、采樣位置確定模塊，用于基于所述位置偏移向量確定所述高維特征向量對應的采樣位置；

36、特征向量采樣模塊，用于利用所述采樣位置對所述高維特征向量進行采樣，得到采樣特征點；

37、搜索區域確定模塊，用于基于所述采樣特征點組成的區域確定動態搜索區域，以在所述動態搜索區域內進行特征點檢測。

38、第三方面，本申請公開了一種電子設備，包括存儲器和處理器，其中：

39、所述存儲器，用于保存計算機程序；

40、所述處理器，用于執行所述計算機程序，以實現前述的特征點檢測方法。

41、第四方面，本申請公開了一種計算機可讀存儲介質，用于保存計算機程序，其中，所述計算機程序被處理器執行時實現前述的特征點檢測方法。

42、通過以上方案可知，本申請提供了一種特征點檢測方法，包括：將模型的輸入圖像映射為高維特征向量；基于所述高維特征向量，并利用第一卷積操作生成位置偏移向量，其中，所述第一卷積操作對應的參數為模型可學習參數；基于所述位置偏移向量確定所述高維特征向量對應的采樣位置；利用所述采樣位置對所述高維特征向量進行采樣，得到采樣特征點；基于所述采樣特征點組成的區域確定動態搜索區域，以在所述動態搜索區域內進行特征點檢測。

43、可見，本申請的有益效果為：將模型的輸入圖像映射為高維特征向量，采樣高維特征向量所使用的位置偏移向量為基于高維特征向量，并利用卷積操作生成的，卷積操作對應的參數為模型可學習參數，也即位置偏移向量隨著模型學習，是動態變化的，進而采樣得到的采樣特征點構成的區域也是動態的，這樣，能夠確定動態的搜索區域進行特征點檢測，使模型能夠隨著學習集中關注重要的特征區域，從而提升特征點檢測的準確率。

44、相應地，本申請提供的一種特征點檢測裝置、設備及可讀存儲介質，也同樣具有上述技術效果。

技術特征：

1.一種特征點檢測方法，其特征在于，包括：

2.根據權利要求1所述的特征點檢測方法，其特征在于，所述基于所述高維特征向量，并利用第一卷積操作生成位置偏移向量，包括：

3.根據權利要求2所述的特征點檢測方法，其特征在于，所述基于所述位置偏移向量確定所述高維特征向量對應的采樣位置，包括：

4.根據權利要求2所述的特征點檢測方法，其特征在于，還包括：

5.根據權利要求2至4任一項所述的特征點檢測方法，其特征在于，在所述動態搜索區域內進行特征點檢測，包括：

6.根據權利要求5所述的特征點檢測方法，其特征在于，基于所述區域特征向量生成目標特征點坐標，包括：

7.根據權利要求6所述的特征點檢測方法，其特征在于，還包括：

8.一種特征點檢測裝置，其特征在于，包括：

9.一種電子設備，其特征在于，包括存儲器和處理器，其中：

10.一種計算機可讀存儲介質，其特征在于，用于保存計算機程序，其中，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述的特征點檢測方法。

技術總結
本申請公開了一種特征點檢測方法、裝置、設備及介質，包括：將模型的輸入圖像映射為高維特征向量；基于所述高維特征向量，并利用第一卷積操作生成位置偏移向量，所述第一卷積操作對應的參數為模型可學習參數；基于所述位置偏移向量確定所述高維特征向量對應的采樣位置；利用所述采樣位置對所述高維特征向量進行采樣，得到采樣特征點；基于所述采樣特征點組成的區域確定動態搜索區域，以在所述動態搜索區域內進行特征點檢測。這樣，位置偏移向量隨著模型學習，是動態變化的，進而采樣得到的采樣特征點構成的區域也是動態的，能夠確定動態的搜索區域進行特征點檢測，使模型能夠隨著學習集中關注重要的特征區域，從而提升特征點檢測的準確率。

技術研發人員：肖憲偉,薛巍,宋陽
受保護的技術使用者：知行汽車科技（蘇州）股份有限公司
技術研發日：
技術公布日：2025/4/24