买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学申请的专利一种基于神经网络的关键点选择方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118587518B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410603103.0，技术领域涉及：G06V10/771；该发明授权一种基于神经网络的关键点选择方法及系统是由朱尊杰;宣仲玮;裘健鋆;温洪发设计研发完成，并于2024-05-15向国家知识产权局提交的专利申请。

本一种基于神经网络的关键点选择方法及系统在说明书摘要公布了：本发明公开了一种基于神经网络的特征点选择方法及系统。本发明将图像作为输入，经过数据预处理之后，通过卷积神经网络从图像中提取特征图，随后使用全连接神经网络从特征图中提取得到特征点。本发明使用位姿以及正则相的约束来计算每张图片上的特征点，由于引入了位姿的约束，能够大大的提高特征点提取和位姿估计的相关性，能够在选择较少特征点的情况下，实现精准定位的目标，大大减小边缘计算在执行SLAM程序时候的消耗。解决了如何选择合适的地图点，在不影响定位精度的情况下，减少特征点的数量的问题。

本发明授权一种基于神经网络的关键点选择方法及系统在权利要求书中公布了：1.一种基于神经网络的关键点选择方法，其特征在于，包括以下步骤： 步骤1基于特征提取网络的特征提取； 使用卷积神经网络作为特征提取网络，从输入图像中提取特征图；通过卷积神经网络将输入图像的长宽压缩到源分辨率的四分之一，通道数从原先的3个通道变成128个通道； 步骤2基于全连接神经网络的特征点提取； 使用一个编码器将特征图进一步压缩，将通道数压缩到8个通道，由于输入图像的分辨率不一，再使用自适应池化层将特征图压缩到一个相同的大小32x32x4；随后，将特征图转换一个4096维向量后，使用有3个隐藏层的全连接神经网络预测每个图像中的特征点；全连接神经网络的输出是一个200x3的向量，代表着200个特征点的坐标和置信度； 步骤3基于单应性变化变换的loss设计； 使用单应性变换，将通过fast方法获取的特征点映射到另外一个空间中，然后再将变换后的特征点投影到原始图像上，各个空间中提取到的特征点合起来作为特征点的真值；然后，通过计算相邻两张图像中特征点对应的orb描述子，来计算相邻两张图像之间的相对位姿；将计算得到的相对位姿和真值进行对比后计算出位姿的误差；为了保证特征点的质量，为特征点选取网络的loss添加了特征点位置、分数正则项来进一步约束特征点的生成；所述的特征点选取网络由步骤1中的特征提取网络与步骤2中的全连接神经网络组成； 步骤4根据设计好的loss对特征点选取网络进行训练； 在网络的训练过程中，输入图像将先经过特征提取网络，获得特征图，再通过全连接神经网络提取特征点，获得特征点后，结合特征图计算描述子，然后然后使用PnP算法和相邻帧计算图像的位姿，与位姿的真实值计算loss监督网络训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。