圖像匹配方法、太空飛行器著陸點定位方法及相關裝置
2024-04-12 11:20:05 1
1.本發明涉及圖像匹配技術領域，具體涉及一種圖像匹配方法、太空飛行器著陸點定位方法及相關裝置。
背景技術：
2.在基於圖像匹配技術，定位太空飛行器（例如著陸器）的著陸點的過程中，涉及到兩種圖像之間的匹配，一種是被探測地（例如火星）的數字正射影像圖（digital orthophoto map，dom），另一種是在太空飛行器的著陸過程中，在不同時刻捕獲的太空飛行器的下降圖像；下降圖像具體為從太空飛行器的角度捕獲的被探測地的圖像。
3.然而，由於下降圖像的成像條件（比如光照角度、觀測角度和攝像機高度等），與dom的成像條件之間存在較大差異，使得下降圖像與該下降圖像對應的dom之間存在顯著的差異，具體的，下降圖像需要進行仿射變換來消除該差異後，才能與該下降圖像對應的dom匹配。這增加了圖像匹配的處理流程，使得圖像匹配的時間延長，無法滿足用戶需要提高圖像匹配效率的需求。
技術實現要素：
4.為了解決現有技術存在的技術問題，本發明提供了一種圖像匹配方法、太空飛行器著陸點定位方法及相關裝置。
5.本發明的技術方案如下：本發明實施例提供了一種圖像匹配方法，應用於太空飛行器，包括：獲取太空飛行器的著陸點對應的dom；獲取所述太空飛行器的下降圖像；通過預設仿射回歸模型，獲取所述下降圖像與所述dom之間的仿射變換參數；所述預設仿射回歸模型為根據第一訓練樣本和第一樣本標籤訓練得到的模型；所述第一訓練樣本中包含截取dom和第一仿射變換圖像；所述第一訓練樣本中的第一仿射變換圖像為根據第一預設仿射變換參數，對該第一訓練樣本中的截取dom進行仿射變換後得到的圖像；所述第一樣本標籤為所述第一預設仿射變換參數；根據所述仿射變換參數，對所述下降圖像進行仿射變換，得到校正圖像；基於預設密集匹配規則，對所述校正圖像和所述dom進行匹配，得到密集匹配結果；所述密集匹配結果中包含所述校正圖像和所述dom之間的坐標點對應關係。
6.本發明實施例還提供了一種太空飛行器著陸點定位方法，包括：獲取太空飛行器的著陸點對應的dom；獲取所述太空飛行器的下降圖像集合；所述下降圖像集合中包含多張下降圖像；其中，設定捕獲時間最晚的下降圖像中的預設點與所述太空飛行器的著陸點對應；對相鄰的所述下降圖像進行匹配，得到第一匹配結果；所述第一匹配結果中包含相鄰的所述下降圖像之間的坐標點對應關係；
根據所述第一匹配結果，計算該第一匹配結果對應的相鄰下降圖像之間的第一單應性矩陣；從所述下降圖像集合中選取至少一張下降圖像作為目標下降圖像；針對每張所述目標下降圖像，採用上述實施例所述的圖像匹配方法，對所述目標下降圖像和所述dom進行匹配，得到第二匹配結果；所述第二匹配結果中包含所述目標下降圖像和所述dom之間的坐標點對應關係；根據所述第二匹配結果，計算所述目標下降圖像和所述dom之間的第二單應性矩陣；根據所述第一單應性矩陣和所述第二單應性矩陣，在所述dom中確定出與所述預設點對應的第一dom點；根據至少一張所述目標下降圖像對應的第一dom點，在所述dom中確定出第二dom點；所述第二dom點為在所述dom中定位出的所述太空飛行器的著陸點。
7.本發明實施例還提供了一種圖像匹配裝置，應用於太空飛行器，包括：dom獲取模塊，用於獲取太空飛行器的著陸點對應的dom；下降圖像獲取模塊，用於獲取所述太空飛行器的下降圖像；仿射變換參數獲取模塊，用於通過預設仿射回歸模型，獲取所述下降圖像與所述dom之間的仿射變換參數；所述預設仿射回歸模型為根據第一訓練樣本和第一樣本標籤訓練得到的模型；所述第一訓練樣本中包含截取dom和第一仿射變換圖像；所述第一訓練樣本中的第一仿射變換圖像為根據第一預設仿射變換參數，對該第一訓練樣本中的截取dom進行仿射變換後得到的圖像；所述第一樣本標籤為所述第一預設仿射變換參數；下降圖像校正模塊，用於根據所述仿射變換參數，對所述下降圖像進行仿射變換，得到校正圖像；密集匹配模塊，用於基於預設密集匹配規則，對所述校正圖像和所述dom進行匹配，得到密集匹配結果；所述密集匹配結果中包含所述校正圖像和所述dom之間的坐標點對應關係。
8.本發明實施例還提供了一種太空飛行器著陸點定位裝置，包括：dom獲取模塊，用於獲取太空飛行器的著陸點對應的dom；下降圖像集合獲取模塊，用於獲取所述太空飛行器的下降圖像集合；所述下降圖像集合中包含多張下降圖像；其中，設定捕獲時間最晚的下降圖像中的預設點與所述太空飛行器的著陸點對應；第一匹配模塊，用於對相鄰的所述下降圖像進行匹配，得到第一匹配結果；所述第一匹配結果中包含相鄰的所述下降圖像之間的坐標點對應關係；第一單應性矩陣計算模塊，用於根據所述第一匹配結果，計算該第一匹配結果對應的相鄰下降圖像之間的第一單應性矩陣；目標下降圖像選取模塊，用於從所述下降圖像集合中選取至少一張下降圖像作為目標下降圖像；第二匹配模塊，用於針對每張所述目標下降圖像，採用上述實施例所述的圖像匹配方法，對所述目標下降圖像和所述dom進行匹配，得到第二匹配結果；所述第二匹配結果中包含所述目標下降圖像和所述dom之間的坐標點對應關係；
map，dom），另一種是在太空飛行器的著陸過程中，在不同時刻捕獲的太空飛行器的下降圖像；下降圖像具體為從太空飛行器的角度捕獲的被探測地的圖像。
14.由於下降圖像的成像條件（比如光照角度、觀測角度和攝像機高度等），與dom的成像條件之間存在較大差異，使得下降圖像與該下降圖像對應的dom之間存在顯著的差異，具體的，下降圖像需要進行仿射變換來消除該差異後，才能與該下降圖像對應的dom匹配。目前，通過人工計算下降圖像與該下降圖像對應的dom之間的仿射變換參數，並根據該仿射變換參數對下降圖像進行仿射變換。
15.然而，通過人工計算仿射變換參數的方法，存在計算時間較長的問題，這使得現有技術難以快速地對下降圖像進行仿射變換，進而難以滿足用戶需要提高圖像匹配效率的需求。
16.基於此，本發明實施例提供了一種圖像匹配方法，該圖像匹配方法通過使用預設仿射回歸模型來獲取下降圖像與dom之間的仿射變換參數，使得本技術能夠快速地獲取到該仿射變換參數，進而使得本技術能夠快速地對下降圖像進行仿射變換，大大縮短了圖像匹配的時長，滿足了用戶需要提高圖像匹配效率的需求。
17.下面結合附圖，詳細說明本技術的技術方案。
18.本說明書實施例的圖像匹配方法在執行過程中，涉及到三種模型，即預設仿射回歸模型、預設初始匹配模型和預設密集匹配模型，該三種模型可以集成於自監督定位模擬器中。圖1是本發明實施例提供的一種利用自監督定位模擬器實現圖像匹配的框架圖。
19.如圖1所示，預設初始匹配模型11中包含第一特徵提取網絡111和相關層112。預設仿射回歸模型12中包含第二特徵提取網絡113、互相關層114、標準化處理函數115、回歸網絡116和仿射變換單元117。預設密集匹配模型13中包含第三特徵提取網絡118、自注意力層119、跨注意力層120、密集匹配層121和剪切層122。
20.下面參考圖1，具體說明上述三種模型的訓練過程。
21.一、生成用於訓練模型的自監督訓練數據本說明書實施例中，自監督訓練數據包括四種圖像，即原始dom、截取dom、第一仿射變換圖像和第二仿射變換圖像。在獲取該四種圖像的過程中，首先，可以從某星球的dom中隨機截取部分dom作為原始dom，其中，某星球可以是任意星球。然後，可以是從原始dom中截取部分dom作為截取dom，截取dom的面積大小可以是原始dom的圖像面積乘以預設值，例如，截取dom的面積大小可以等於原始dom的圖像面積的1/4。接下來，根據第一預設仿射變換參數，對截取dom進行仿射變換，得到第一仿射變換圖像。最後，根據第二預設仿射變換參數，對第一仿射變換圖像進行仿射變換，得到第二仿射變換圖像。
22.本說明書實施例中，通過根據第一預設仿射變換參數，對截取dom進行仿射變換，來模擬下降圖像與dom之間的仿射變換；通過根據第二預設仿射變換參數，對第一仿射變換圖像進行仿射變換，來模擬連續下降圖像之間的仿射變換。由於下降圖像與dom之間的差異大於連續下降圖像之間的差異，因此，第二預設仿射變換參數對應的變換程度小於第一預設仿射變換參數對應的變換程度。
23.二、根據自監督訓練數據，訓練模型1、訓練預設仿射回歸模型
本說明書實施例中，所述預設仿射回歸模型為根據第一訓練樣本和第一樣本標籤訓練得到的模型；所述第一訓練樣本中包含截取dom和第一仿射變換圖像；所述第一樣本標籤為所述第一預設仿射變換參數。
24.本說明書實施例中，所述預設仿射回歸模型的訓練過程為第一迭代過程；所述第一迭代過程包括：對所述第一訓練樣本中的截取dom和第一仿射變換圖像進行特徵提取，得到第一特徵集合。
25.計算所述第一特徵集合中的截取dom特徵和第一仿射變換圖像特徵之間的相似度，得到相關圖。
26.根據所述相關圖，確定所述第一訓練樣本中的截取dom和第一仿射變換圖像之間的預測仿射變換參數。
27.根據所述第一預設仿射變換參數和所述預測仿射變換參數，調整所述預設仿射回歸模型的相關參數，使得通過使用所述預設仿射回歸模型的相關參數獲得的所述預設仿射回歸模型的損失函數的值減小。
28.下面參考圖1，說明上述第一迭代過程。
29.首先，將第一訓練樣本中的截取dom輸入第二特徵提取網絡113中，得到截取dom特徵，以及，將第一訓練樣本中的第一仿射變換圖像輸入第二特徵提取網絡113中，得到第一仿射變換圖像特徵。第一特徵集合中包含截取dom特徵和第一仿射變換圖像特徵。
30.其中，。
31.其中，r表示實數；h表示圖像的高；w表示圖像的寬；d表示圖像的特徵維度。
32.本說明書實施例中，第二特徵提取網絡113可以是預先在imagenet上訓練過的vgg16（視覺幾何群網絡，visual geometry group network）。在使用第二特徵提取網絡113提取上述圖像特徵的過程中，圖像特徵在vgg16的pool4層被輸出，並使用l2範數進行規範化。
33.其次，將第一特徵集合輸入互相關層114，得到相關圖；相關圖的計算公式如下：......（1）其中，表示相關圖，該相關圖中包含任意一個截取dom特徵和任意一個第一仿射變換圖像特徵之間的相似度，其中，；（i，j）表示截取dom特徵的坐標索引，（i
′
，j＇）表示第一仿射變換圖像特徵的坐標索引；表示與進行點積。
34.再次，通過標準化處理函數115對相關圖進行處理。具體的，標準化處理函數115包括l2範數和relu激活函數。l2範數用於對相關圖進行歸一化處理；relu激活函數用於將相
關圖中的負值調整為零。
35.接著，將標準化處理後的相關圖輸入回歸網絡116，得到預測仿射變換參數θ＇。
36.然後，根據所述第一預設仿射變換參數和所述預測仿射變換參數θ＇，計算仿射變換參數預測損失。具體的，可以通過測量變換柵格和變換柵格之間的差異來確定仿射變換參數預測損失。其中，表示通過根據預測仿射變換參數θ＇對第一訓練樣本中的第一仿射變換圖像的點進行仿射變換後得到的點；表示通過根據第一預設仿射變換參數（即真實的仿射變換參數）對第一訓練樣本中的第一仿射變換圖像的點進行仿射變換後得到的點。具體的，仿射變換參數預測損失的計算公式如下：......（2）其中，表示仿射變換參數預測損失；h*w表示圖像特徵點的總個數。
37.最後，根據所述仿射變換參數預測損失調整所述預設仿射回歸模型的相關參數，使得通過使用所述預設仿射回歸模型的相關參數獲得的所述預設仿射回歸模型的損失函數的值減小。
38.2、訓練預設初始匹配模型本說明書實施例中，所述預設初始匹配模型為根據第二訓練樣本和第二樣本標籤訓練得到的模型；所述第二訓練樣本中包含原始dom和截取dom；所述第二樣本標籤為所述第二訓練樣本中的截取dom在該第二訓練樣本中的原始dom中的真實位置的位置數據。
39.本說明書實施例中，所述預設初始匹配模型的訓練過程為第二迭代過程；所述第二迭代過程包括：對所述第二訓練樣本中的原始dom和截取dom進行特徵提取，得到第二特徵集合。
40.根據所述第二特徵集合，計算所述第二訓練樣本中的截取dom，分別與該第二訓練樣本中的原始dom的不同區域之間的相似度。
41.根據所述不同區域之間的相似度，在所述不同區域中確定出相似度最高的目標區域。
42.根據所述目標區域和所述第二樣本標籤，調整所述預設初始匹配模型的相關參數，使得通過使用所述預設初始匹配模型的相關參數獲得的所述預設初始匹配模型的損失函數的值減小。
43.下面參考圖1，說明上述第二迭代過程。
44.首先，將第二訓練樣本中的原始dom輸入第一特徵提取網絡111，得到原始dom特徵，該原始dom特徵被表示為；以及，將第二訓練樣本中的截取dom輸入第一特徵提取網絡111，得到截取dom特徵，該截取dom特徵被表示為。第二特徵集合中包含原始dom特徵和截取dom特徵。
45.本說明書實施例中，第一特徵提取網絡111可以是現有技術的vgg16網絡。
46.其次，將第二特徵集合輸入相關層112，得到分數圖。該分數圖中包含所述第二訓
練樣本中的截取dom，分別與該第二訓練樣本中的原始dom的不同區域之間的相似度。該分數圖的計算公式如下：......（3）其中，表示分數圖；*表示卷積運算；b為預設偏差，由本領域技術人員根據實際需求設定。
47.再次，根據所述分數圖，在第二訓練樣本中的原始dom的不同區域中選取出相似度最大的區域，並將該區域作為與第二訓練樣本中的截取dom匹配的目標區域。第一初始匹配結果具體可以為該目標區域的中心點位置坐標。
48.然後，根據所述目標區域和所述第二樣本標籤，計算初始匹配損失。具體的，第二樣本標籤可以是以為中心的高斯掩模，其中，為第二訓練樣本中的截取dom在該第二訓練樣本中的原始dom中的實際對應區域的中心點位置坐標。初始匹配損失計算公式如下：......（4）其中，表示初始匹配損失；表示第二樣本標籤；表示第一初始匹配結果；表示二元交叉熵損失。
49.最後，根據所述初始匹配損失，調整所述預設初始匹配模型的相關參數，使得通過使用所述預設初始匹配模型的相關參數獲得的所述預設初始匹配模型的損失函數的值減小。
50.此外，為了適應實際應用場景，還可以使用校正後的第一仿射變換圖像和該校正後的第一仿射變換圖像對應的原始dom進行模型訓練。具體的，參考圖1，在通過預設仿射回歸模型獲取某原始dom對應的第一仿射變換圖像的預測仿射變換參數後，將該預測仿射變換參數和該第一仿射變換圖像輸入仿射變換單元117，得到校正後的第一仿射變換圖像。然後，將第一仿射變換圖像輸入第一特徵提取網絡111，得到圖像特徵。再然後，將該圖像特徵和該原始dom的原始dom特徵輸入相關層112，得到對應的分數圖。最後，根據該分數圖，在該原始dom的不同區域中選取出相似度最大的區域，並將該區域作為與該校正後的第一仿射變換圖像匹配的目標區域。第二初始匹配結果具體可以為該目標區域的中心點位置坐標。
51.三、訓練預設密集匹配模型本說明書實施例中，所述預設密集匹配模型為根據第三訓練樣本和第三樣本標籤訓練得到的模型；所述第三訓練樣本中包含第一仿射變換圖像和第二仿射變換圖像；所述第三訓練樣本中的第二仿射變換圖像為根據第二預設仿射變換參數，對該第三訓練樣本中的第一仿射變換圖像進行仿射變換後得到的圖像；所述第三樣本標籤為所述第二預設仿射變換參數。
52.本說明書實施例中，所述預設密集匹配模型的訓練過程為第三迭代過程；所述第三迭代過程包括：
對所述第三訓練樣本中的第一仿射變換圖像和第二仿射變換圖像進行多級特徵提取，得到第三特徵集合；所述第三特徵集合中的圖像特徵分為高解析度特徵和低解析度特徵。
53.通過對所述第三特徵集合中的低解析度第一仿射變換圖像特徵和低解析度第二仿射變換圖像特徵進行匹配，得到所述第三訓練樣本的第一匹配結果；所述第一匹配結果中包含多個第一匹配對；所述第一匹配對由一個低解析度第一仿射變換圖像特徵的位置數據和一個低解析度第二仿射變換圖像特徵的位置數據組成；所述一個低解析度第一仿射變換圖像特徵和所述一個低解析度第二仿射變換圖像特徵相匹配。
54.針對每個所述第一匹配對，從所述第三特徵集合中選取目標高解析度第一仿射變換圖像特徵和目標高解析度第二仿射變換圖像特徵；所述目標高解析度第一仿射變換圖像特徵為所述第三訓練樣本的第一仿射變換圖像中，以所述一個低解析度第一仿射變換圖像特徵所在位置為中心的局部區域對應的高解析度第一仿射變換圖像特徵；所述目標高解析度第二仿射變換圖像特徵為所述第三訓練樣本的第二仿射變換圖像中，以所述一個低解析度第二仿射變換圖像特徵所在位置為中心的局部區域對應的高解析度第二仿射變換圖像特徵。
55.通過對所述目標高解析度第一仿射變換圖像特徵和所述目標高解析度第二仿射變換圖像特徵進行匹配，得到所述第三訓練樣本的第二匹配結果；所述第二匹配結果中包含多個第二匹配對；所述第二匹配對由一個目標高解析度第一仿射變換圖像特徵的位置數據和一個目標高解析度第二仿射變換圖像特徵的位置數據組成；所述一個目標高解析度第一仿射變換圖像特徵和所述一個目標高解析度第二仿射變換圖像特徵相匹配。
56.根據所述第一匹配結果、所述第二匹配結果和所述第三樣本標籤，調整所述預設密集匹配模型的相關參數，使得通過使用所述預設密集匹配模型的相關參數獲得的所述預設密集匹配模型的損失函數的值減小。
57.下面參考圖1，說明上述第三迭代過程。
58.首先，將第三訓練樣本中的第一仿射變換圖像和第二仿射變換圖像輸入第三特徵提取網絡118。第三特徵提取網絡118可以是具有fpn（feature pyramid network）結構的標準卷積神經網絡（convolutional neural network，cnn），該cnn能夠對圖像進行多級特徵提取。因此，將第三訓練樣本中的第一仿射變換圖像輸入第三特徵提取網絡118後，得到第一仿射變換圖像特徵和第一仿射變換圖像特徵；其中，第一仿射變換圖像特徵的解析度大於第一仿射變換圖像特徵的解析度。將第三訓練樣本中的第二仿射變換圖像輸入第三特徵提取網絡118後，得到第二仿射變換圖像特徵和第二仿射變換圖像特徵；其中，第二仿射變換圖像特徵的解析度大於第二仿射變換圖像特徵的解析度。進而，第三特徵集合中的圖像特徵分為高解析度特徵和低解析度特徵，具體的，第三特徵集合中包含高解析度第一仿射變換圖像特徵、低解析度第一仿射變換圖像特徵、高解析度第二仿射變換圖像特徵和低解析度第二仿射變換圖像特徵。
59.其次，使用自注意力層119和跨注意力層120來編碼的長距離依賴，得到，以及使用自注意力層119和跨注意力層120來編碼的長距離依賴，得到。下面以為
例，說明該編碼過程。首先，對於自注意力層119，使用三個線性層網絡映射，得到k、q、v；對於跨注意力層120，使用一個線性層映射，得到q；以及通過兩個線性層映射，得到k、v。然後，通過如下計算公式得到：......（5）其中，k在注意力建模中表示鍵向量(key)；q在注意力建模中表示查詢向量(query)；v在注意力建模中表示值向量(value)。
60.再次，將和輸入密集匹配層121。密集匹配層121用於計算任意一個和任意一個之間的第一相似度。在一個具體的例子中，假定對應的特徵點的數目為，對應的特徵點的數目為，則第一相似度的維度為。
61.然後，根據該第一相似度，生成第一匹配結果。其中，第一匹配結果中，各第一匹配對的生成方法相同。以及，若目標低解析度第一仿射變換圖像特徵和目標低解析度第二仿射變換圖像特徵相匹配，則需要滿足：目標低解析度第一仿射變換圖像特徵為第三特徵集合中，與目標低解析度第二仿射變換圖像特徵最相似的低解析度第一仿射變換圖像特徵，且目標低解析度第二仿射變換圖像特徵為第三特徵集合中，與目標低解析度第一仿射變換圖像特徵最相似的低解析度第二仿射變換圖像特徵。
62.最後，使用高分辨特徵細化第一匹配結果。下面以第一匹配對為例，說明使用高分辨特徵細化第一匹配結果的過程，其中，為某低解析度第一仿射變換圖像特徵的位置坐標；為某低解析度第二仿射變換圖像特徵的位置坐標。其他第一匹配對所對應的細化過程同理。
63.首先，將第一匹配對和第三特徵集合中的高解析度特徵輸入剪切層122，剪切層122用於在由第三特徵集合中的高解析度第一仿射變換圖像特徵構成的特徵圖中確定對應的位置坐標y，在該特徵圖中裁剪出以y為中心的局部窗口特徵，得到目標高解析度第一仿射變換圖像特徵。以及，在由第三特徵集合中的高解析度第二仿射變換圖像特徵構成的特徵圖中確定對應的位置坐標z，在該特徵圖中裁剪出以z為中心的局部窗口特徵，得到目標高解析度第二仿射變換圖像特徵。
64.然後，使用自注意力層119和跨注意力層120來編碼目標高解析度第一仿射變換圖像特徵的長距離依賴，得到，以及，使用自注意力層119和跨注意力層120來編碼目標高解析度第二仿射變換圖像特徵的長距離依賴，得到。
65.最後，將和輸入密集匹配層121，密集匹配層121還用於計算任意一個和任意一個之間的第二相似度。根據該第二相似度，生成第二匹配結果。生成第二相似度的方法與生成第一相似度的方法相同或相似，以及，生成第二匹配結果的方法與生成第
一匹配結果的方法相同或相似，在此不再贅述。
66.在獲取到第一匹配結果和第二匹配結果後，可以根據所述第一匹配結果、所述第二匹配結果和所述第三樣本標籤，計算密集匹配損失。密集匹配損失的計算公式如下：......（6）其中，表示密集匹配損失；表示低解析度第一仿射變換圖像和低解析度第二仿射變換圖像之間的真實匹配關係；表示第一匹配對；表示對應的第一相似度，要求該；表示第二匹配結果；表示第二匹配對；表示在高解析度第二仿射變換圖像中匹配出的，與高解析度第一仿射變換圖像中的特徵點y對應的點的位置坐標；表示高解析度第二仿射變換圖像中，與高解析度第一仿射變換圖像中的特徵點y實際對應的點的位置坐標。
67.最後，根據所述密集匹配損失，調整所述預設密集匹配模型的相關參數，使得通過使用所述預設密集匹配模型的相關參數獲得的所述預設密集匹配模型的損失函數的值減小。
68.本說明書實施例還提供了一種圖像匹配方法，該方法應用於太空飛行器。圖2是本發明實施例提供的一種圖像匹配方法的流程示意圖。如圖2所示，本流程包括：步驟201：獲取太空飛行器的著陸點對應的dom。
69.本說明書實施例中，獲取太空飛行器的著陸點對應的dom，具體可以包括：響應於工作人員的dom輸入操作，獲取dom。
70.步驟202：獲取所述太空飛行器的下降圖像。
71.本說明書實施例中，下降圖像可以是太空飛行器的所有下降圖像中的任意一張下降圖像。
72.步驟203：通過預設仿射回歸模型，獲取所述下降圖像與所述dom之間的仿射變換參數；所述預設仿射回歸模型為根據第一訓練樣本和第一樣本標籤訓練得到的模型；所述第一訓練樣本中包含截取dom和第一仿射變換圖像；所述第一訓練樣本中的第一仿射變換圖像為根據第一預設仿射變換參數，對該第一訓練樣本中的截取dom進行仿射變換後得到的圖像；所述第一樣本標籤為所述第一預設仿射變換參數。
73.本說明書實施例中，預設仿射回歸模型為預先訓練的能夠計算下降圖像和dom之間的仿射變換參數的模型，通過將下降圖像和dom輸入預設仿射回歸模型，預設仿射回歸模型便能夠自動輸出該下降圖像和dom之間的仿射變換參數。
74.步驟204：根據所述仿射變換參數，對所述下降圖像進行仿射變換，得到校正圖像。
75.本說明書實施例中，由於下降圖像和dom之間存在顯著的仿射變換，使得不能直接對下降圖像和dom進行圖像匹配，需要先根據下降圖像和dom之間的仿射變換參數，校正下降圖像，然後對校正後的下降圖像和dom進行圖像匹配。
76.步驟205：基於預設密集匹配規則，對所述校正圖像和所述dom進行匹配，得到密集匹配結果；所述密集匹配結果中包含所述校正圖像和所述dom之間的坐標點對應關係。
77.本說明書實施例採用上述技術方案，首先，在獲取太空飛行器的著陸點對應的dom和太空飛行器的下降圖像。然後，通過預設仿射回歸模型，獲取下降圖像與dom之間的仿射變換參數；所述預設仿射回歸模型為根據第一訓練樣本和第一樣本標籤訓練得到的模型；所述第一訓練樣本中包含截取dom和第一仿射變換圖像；所述第一訓練樣本中的第一仿射變換圖像為根據第一預設仿射變換參數，對該第一訓練樣本中的截取dom進行仿射變換後得到的圖像；所述第一樣本標籤為所述第一預設仿射變換參數。再然後，根據所述仿射變換參數，對所述下降圖像進行仿射變換，得到校正圖像。最後，基於預設密集匹配規則，對所述校正圖像和所述dom進行匹配，得到密集匹配結果；所述密集匹配結果中包含所述校正圖像和所述dom之間的坐標點對應關係。基於此，本技術通過使用預設仿射回歸模型來獲取下降圖像與dom之間的仿射變換參數，使得本技術能夠快速地獲取到該仿射變換參數，進而使得本技術能夠快速地對下降圖像進行仿射變換，大大縮短了圖像匹配的時長，滿足了用戶需要提高圖像匹配效率的需求。
78.此外，本說明書實施例通過使用預設仿射回歸模型來獲取下降圖像與dom之間的仿射變換參數，還能夠提高該仿射變換參數的準確性，因此，根據該仿射變換參數，對下降圖像進行仿射變換而得到的校正圖像更準確，進而使得校正圖像和dom之間的匹配結果更準確。簡言之，本說明書實施例還能夠提高圖像匹配結果的準確性。
79.本說明書實施例還提供了另一種圖像匹配方法。圖3是本發明實施例提供的另一種圖像匹配方法的流程示意圖。如圖3所示，本流程包括：步驟301：獲取太空飛行器的著陸點對應的dom。
80.步驟302：獲取所述太空飛行器的下降圖像。
81.步驟303：基於預設初始匹配規則，對所述dom和所述下降圖像進行匹配，得到初始匹配結果；所述初始匹配結果中包含目標dom；所述目標dom為所述dom中與所述下降圖像對應的區域。
82.本說明書實施例中，下降圖像所對應的實際範圍，與dom所對應的實際範圍之間往往存在巨大差異，即下降圖像僅對應於dom中的一小部分圖像區域，例如，假定dom對應的實際範圍是某城市，則下降圖像對應的實際範圍可以是該城市的某個區域。
83.基於此，在獲取到下降圖像和dom之後，為了提高圖像匹配效率，可以先對下降圖像和dom進行粗粒度匹配，具體為計算下降圖像分別與dom的不同區域之間的相似度，然後，在該dom的不同區域中，確定出相似度最高的區域，該相似度最高的區域即為dom中與下降圖像對應的目標dom。
84.本說明書實施例中，步驟303：基於預設初始匹配規則，對所述dom和所述下降圖像進行匹配，具體可以包括：將所述dom和所述下降圖像輸入上述預設初始匹配模型，以使所述dom和所述下降圖像按照所述預設初始匹配規則進行匹配。
85.步驟304：通過預設仿射回歸模型，獲取所述下降圖像與所述目標dom之間的仿射變換參數；所述預設仿射回歸模型為根據第一訓練樣本和第一樣本標籤訓練得到的模型；所述第一訓練樣本中包含截取dom和第一仿射變換圖像；所述第一訓練樣本中的第一仿射變換圖像為根據第一預設仿射變換參數，對該第一訓練樣本中的截取dom進行仿射變換後得到的圖像；所述第一樣本標籤為所述第一預設仿射變換參數。
86.步驟305：根據所述仿射變換參數，對所述下降圖像進行仿射變換，得到校正圖像。
87.步驟306：基於預設密集匹配規則，對所述校正圖像和所述目標dom進行匹配，得到密集匹配結果；所述密集匹配結果中包含所述校正圖像和所述目標dom之間的坐標點對應關係。
88.本說明書實施例中，步驟306：基於預設密集匹配規則，對所述校正圖像和所述目標dom進行匹配，具體可以包括：將所述校正圖像和所述目標dom輸入上述預設密集匹配模型，以使所述校正圖像和所述目標dom按照所述預設密集匹配規則進行匹配。
89.本說明書實施例採用上述技術方案，在獲取到下降圖像和dom之後，通過首先對下降圖像和dom進行粗粒度匹配，以在dom中確定出與下降圖像對應的目標dom，如此，避免了後續將整個dom與下降圖像進行密集匹配，而只需對目標dom和下降圖像進行密集匹配，這使得本說明書實施例進一步提高了圖像匹配效率。
90.基於一個總的發明構思，本發明實施例還提供了一種太空飛行器著陸點定位方法。圖4是本發明實施例提供的一種太空飛行器著陸點定位方法的流程示意圖，如圖4所示，本流程包括：步驟401：獲取太空飛行器的著陸點對應的dom。
91.步驟402：獲取所述太空飛行器的下降圖像集合；所述下降圖像集合中包含多張下降圖像；其中，設定捕獲時間最晚的下降圖像中的預設點與所述太空飛行器的著陸點對應。
92.步驟403：對相鄰的所述下降圖像進行匹配，得到第一匹配結果；所述第一匹配結果中包含相鄰的所述下降圖像之間的坐標點對應關係。
93.本發明實施例中，假定下降圖像有i1、i2、i3、i4和i5，且i1、i2、i3、i4和i5依次被捕獲，則i5為捕獲時間最晚的下降圖像。則可以通過預設密集匹配模型，對圖像i4和圖像i5進行匹配，以及對圖像i3和圖像i4進行匹配等。最終，得到第一匹配結果。
94.步驟404：根據所述第一匹配結果，計算該第一匹配結果對應的相鄰下降圖像之間的第一單應性矩陣。
95.本發明實施例中，可以基於ransac（random sample consensus）算法，根據任意相鄰的下降圖像對應的第一匹配結果，計算該任意相鄰的下降圖像之間的第一單應性矩陣。
96.步驟405：從所述下降圖像集合中選取至少一張下降圖像作為目標下降圖像。
97.本發明實施例中，可以從所述下降圖像集合中除捕獲時間最晚的下降圖像之外的其他下降圖像中，選取至少一張下降圖像作為目標下降圖像。
98.步驟406：針對每張所述目標下降圖像，採用上述實施例所述的圖像匹配方法，對所述目標下降圖像和所述dom進行匹配，得到第二匹配結果；所述第二匹配結果中包含所述目標下降圖像和所述dom之間的坐標點對應關係。
99.步驟407：根據所述第二匹配結果，計算所述目標下降圖像和所述dom之間的第二單應性矩陣。
100.步驟408：根據所述第一單應性矩陣和所述第二單應性矩陣，在所述dom中確定出與所述預設點對應的第一dom點。
101.本說明書實施例中，第一dom點的位置坐標的計算公式如下：......（7）其中，表示第一dom點的位置坐標；表示目標下降圖像和dom之間的第二單
應性矩陣；表示目標下降圖像和dom之間的仿射變換參數；表示第i張下降圖像（即目標下降圖像）與第（i+1）張下降圖像之間的第一單應性矩陣；表示第（i+1）張下降圖像與第（i+2）張下降圖像之間的第一單應性矩陣；表示捕獲時間最晚的下降圖像與該捕獲時間最晚的下降圖像的前一張下降圖像之間的第一單應性矩陣；表示捕獲時間最晚的下降圖像中的預設點的位置坐標。其中，第i張下降圖像與第（i+1）張下降圖像為相鄰的下降圖像，且第i張下降圖像的捕獲時間早於第（i+1）張下降圖像的捕獲時間，以此類推，可確定其他各下降圖像的捕獲順序。
102.為了更清楚地說明上述過程，下面舉例說明。
103.在一個具體的例子中，假定下降圖像有i1、i2、i3、i4和i5，且i1、i2、i3、i4和i5依次被捕獲，則i5為捕獲時間最晚的下降圖像。下降圖像有i1和下降圖像i2之間的第一單應性矩陣為，下降圖像i2和下降圖像i3之間的第一單應性矩陣為，以此類推，下降圖像i4和下降圖像i5之間的第一單應性矩陣為。假定，目標下降圖像為i3，則對應的第一dom點的位置坐標為：。
104.步驟409：根據至少一張所述目標下降圖像對應的第一dom點，在所述dom中確定出第二dom點；所述第二dom點為在所述dom中定位出的所述太空飛行器的著陸點。
105.本發明實施例中，首先，針對每張目標下降圖像對應的第一dom點，通過如下公式計算得到各目標下降圖像對應的第一dom點的定位分數：......（8）其中，表示第一dom點的定位分數；表示使用預設密集匹配模型對目標下降圖像和dom進行匹配時，得到的第一匹配對；表示對應的第一相似度；表示使用預設密集匹配模型對目標下降圖像和dom進行匹配時，得到的第一匹配結果。
106.然後，從各第一dom點中選取定位分數大於或等於預設閾值的第一dom點。其中，預設閾值可以等於0.1。
107.最後，根據如下公式，在所述dom中確定出第二dom點：......（9）其中，表示第二dom點的位置坐標；表示由定位分數大於或等於預設閾值的第一dom點構成的集合；表示各定位分數大於或等於預設閾值的第一dom點的定位分數
之和；表示第i個第一dom點的位置坐標。
108.基於一個總的發明構思，本發明實施例還提供了一種圖像匹配裝置，應用於太空飛行器。圖5是本發明實施例提供的一種圖像匹配裝置的結構示意圖。如圖5所示，本裝置包括：dom獲取模塊51，用於獲取太空飛行器的著陸點對應的dom。
109.下降圖像獲取模塊52，用於獲取所述太空飛行器的下降圖像。
110.仿射變換參數獲取模塊53，用於通過預設仿射回歸模型，獲取所述下降圖像與所述dom之間的仿射變換參數；所述預設仿射回歸模型為根據第一訓練樣本和第一樣本標籤訓練得到的模型；所述第一訓練樣本中包含截取dom和第一仿射變換圖像；所述第一訓練樣本中的第一仿射變換圖像為根據第一預設仿射變換參數，對該第一訓練樣本中的截取dom進行仿射變換後得到的圖像；所述第一樣本標籤為所述第一預設仿射變換參數。
111.下降圖像校正模塊54，用於根據所述仿射變換參數，對所述下降圖像進行仿射變換，得到校正圖像。
112.密集匹配模塊55，用於基於預設密集匹配規則，對所述校正圖像和所述dom進行匹配，得到密集匹配結果；所述密集匹配結果中包含所述校正圖像和所述dom之間的坐標點對應關係。
113.本說明書實施的裝置，還可以包括初始匹配模塊，用於基於預設初始匹配規則，對所述dom和所述下降圖像進行匹配，得到初始匹配結果；所述初始匹配結果中包含目標dom；所述目標dom為所述dom中與所述下降圖像對應的區域。
114.對應的，仿射變換參數獲取模塊53，具體可以用於：通過預設仿射回歸模型，獲取所述下降圖像與所述目標dom之間的仿射變換參數。
115.密集匹配模塊55，具體還可以用於基於預設密集匹配規則，對所述校正圖像和所述目標dom進行匹配，得到密集匹配結果；所述密集匹配結果中包含所述校正圖像和所述目標dom之間的坐標點對應關係。
116.本說明書實施的裝置，還可以包括預設仿射回歸模型訓練模塊，用於執行第一迭代過程；所述第一迭代過程包括：對所述第一訓練樣本中的截取dom和第一仿射變換圖像進行特徵提取，得到第一特徵集合。
117.計算所述第一特徵集合中的截取dom特徵和第一仿射變換圖像特徵之間的相似度，得到相關圖。
118.根據所述相關圖，確定所述第一訓練樣本中的截取dom和第一仿射變換圖像之間的預測仿射變換參數。
119.根據所述第一預設仿射變換參數和所述預測仿射變換參數，調整所述預設仿射回歸模型的相關參數，使得通過使用所述預設仿射回歸模型的相關參數獲得的所述預設仿射回歸模型的損失函數的值減小。
120.本說明書實施例中，初始匹配模塊，具體可以用於：將所述dom和所述下降圖像輸入預設初始匹配模型，以使所述dom和所述下降圖像按照所述預設初始匹配規則進行匹配。
121.所述預設初始匹配模型為根據第二訓練樣本和第二樣本標籤訓練得到的模型；所述第二訓練樣本中包含原始dom和截取dom；所述第二訓練樣本中的截取dom為從該第二訓
練樣本中的原始dom中截取的部分dom；所述第二樣本標籤為所述第二訓練樣本中的截取dom在該第二訓練樣本中的原始dom中的真實位置的位置數據。
122.本說明書實施的裝置，還可以包括預設初始匹配模型訓練模塊，用於執行第二迭代過程；所述第二迭代過程包括：對所述第二訓練樣本中的原始dom和截取dom進行特徵提取，得到第二特徵集合。
123.根據所述第二特徵集合，計算所述第二訓練樣本中的截取dom，分別與該第二訓練樣本中的原始dom的不同區域之間的相似度。
124.根據所述不同區域之間的相似度，在所述不同區域中確定出相似度最高的目標區域。
125.根據所述目標區域和所述第二樣本標籤，調整所述預設初始匹配模型的相關參數，使得通過使用所述預設初始匹配模型的相關參數獲得的所述預設初始匹配模型的損失函數的值減小。
126.本說明書實施例中，密集匹配模塊55，具體可以用於：將所述校正圖像和所述目標dom輸入預設密集匹配模型，以使所述校正圖像和所述目標dom按照所述預設密集匹配規則進行匹配。
127.所述預設密集匹配模型為根據第三訓練樣本和第三樣本標籤訓練得到的模型；所述第三訓練樣本中包含第一仿射變換圖像和第二仿射變換圖像；所述第三訓練樣本中的第二仿射變換圖像為根據第二預設仿射變換參數，對該第三訓練樣本中的第一仿射變換圖像進行仿射變換後得到的圖像；所述第三樣本標籤為所述第二預設仿射變換參數。
128.本說明書實施的裝置，還可以包括預設密集匹配模型訓練模塊，用於執行第三迭代過程；所述第三迭代過程包括：對所述第三訓練樣本中的第一仿射變換圖像和第二仿射變換圖像進行多級特徵提取，得到第三特徵集合；所述第三特徵集合中的圖像特徵分為高解析度特徵和低解析度特徵。
129.通過對所述第三特徵集合中的低解析度第一仿射變換圖像特徵和低解析度第二仿射變換圖像特徵進行匹配，得到所述第三訓練樣本的第一匹配結果；所述第一匹配結果中包含多個第一匹配對；所述第一匹配對由一個低解析度第一仿射變換圖像特徵的位置數據和一個低解析度第二仿射變換圖像特徵的位置數據組成；所述一個低解析度第一仿射變換圖像特徵和所述一個低解析度第二仿射變換圖像特徵相匹配。
130.針對每個所述第一匹配對，從所述第三特徵集合中選取目標高解析度第一仿射變換圖像特徵和目標高解析度第二仿射變換圖像特徵；所述目標高解析度第一仿射變換圖像特徵為所述第三訓練樣本的第一仿射變換圖像中，以所述一個低解析度第一仿射變換圖像特徵所在位置為中心的局部區域對應的高解析度第一仿射變換圖像特徵；所述目標高解析度第二仿射變換圖像特徵為所述第三訓練樣本的第二仿射變換圖像中，以所述一個低解析度第二仿射變換圖像特徵所在位置為中心的局部區域對應的高解析度第二仿射變換圖像特徵。
131.通過對所述目標高解析度第一仿射變換圖像特徵和所述目標高解析度第二仿射變換圖像特徵進行匹配，得到所述第三訓練樣本的第二匹配結果；所述第二匹配結果中包含多個第二匹配對；所述第二匹配對由一個目標高解析度第一仿射變換圖像特徵的位置數
據和一個目標高解析度第二仿射變換圖像特徵的位置數據組成；所述一個目標高解析度第一仿射變換圖像特徵和所述一個目標高解析度第二仿射變換圖像特徵相匹配。
132.根據所述第一匹配結果、所述第二匹配結果和所述第三樣本標籤，調整所述預設密集匹配模型的相關參數，使得通過使用所述預設密集匹配模型的相關參數獲得的所述預設密集匹配模型的損失函數的值減小。
133.基於一個總得發明構思，本技術還提供了一種太空飛行器著陸點定位裝置。圖6是本發明實施例提供的一種太空飛行器著陸點定位裝置的結構示意圖。如圖6所示，該裝置包括：dom獲取模塊61，用於獲取太空飛行器的著陸點對應的dom。
134.下降圖像集合獲取模塊62，用於獲取所述太空飛行器的下降圖像集合；所述下降圖像集合中包含多張下降圖像；其中，設定捕獲時間最晚的下降圖像中的預設點與所述太空飛行器的著陸點對應。
135.第一匹配模塊63，用於對相鄰的所述下降圖像進行匹配，得到第一匹配結果；所述第一匹配結果中包含相鄰的所述下降圖像之間的坐標點對應關係；第一單應性矩陣計算模塊64，用於根據所述第一匹配結果，計算該第一匹配結果對應的相鄰下降圖像之間的第一單應性矩陣。
136.目標下降圖像選取模塊65，用於從所述下降圖像集合中選取至少一張下降圖像作為目標下降圖像。
137.第二匹配模塊66，用於針對每張所述目標下降圖像，採用如上述實施例所述的圖像匹配方法，對所述目標下降圖像和所述dom進行匹配，得到第二匹配結果；所述第二匹配結果中包含所述目標下降圖像和所述dom之間的坐標點對應關係。
138.第二單應性矩陣計算模塊67，用於根據所述第二匹配結果，計算所述目標下降圖像和所述dom之間的第二單應性矩陣。
139.第一dom點確定模塊68，用於根據所述第一單應性矩陣和所述第二單應性矩陣，在所述dom中確定出與所述預設點對應的第一dom點。
140.第二dom點確定模塊69，用於根據至少一張所述目標下降圖像對應的第一dom點，在所述dom中確定出第二dom點；所述第二dom點為在所述dom中定位出的所述太空飛行器的著陸點。
141.對於前述的各方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發明並不受所描述的動作順序的限制，因為依據本發明，某些步驟可以採用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬於優選實施例，所涉及的動作和模塊並不一定是本發明所必須的。
142.需要說明的是，本說明書中的各個實施例均採用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。對於裝置類實施例而言，由於其與方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。
143.本發明各實施例方法中的步驟可以根據實際需要進行順序調整、合併和刪減，各實施例中記載的技術特徵可以進行替換或者組合。
144.本發明各實施例種裝置及終端中的模塊和子模塊可以根據實際需要進行合併、劃分和刪減。
145.本發明所提供的幾個實施例中，應該理解到，所揭露的終端，裝置和方法，可以通過其它的方式實現。例如，以上所描述的終端實施例僅僅是示意性的，例如，模塊或子模塊的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，例如多個子模塊或模塊可以結合或者可以集成到另一個模塊，或一些特徵可以忽略，或不執行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或模塊的間接耦合或通信連接，可以是電性，機械或其它的形式。
146.作為分離部件說明的模塊或子模塊可以是或者也可以不是物理上分開的，作為模塊或子模塊的部件可以是或者也可以不是物理模塊或子模塊，即可以位於一個地方，或者也可以分布到多個網絡模塊或子模塊上。可以根據實際的需要選擇其中的部分或者全部模塊或子模塊來實現本實施例方案的目的。
147.另外，在本發明各個實施例中的各功能模塊或子模塊可以集成在一個處理模塊中，也可以是各個模塊或子模塊單獨物理存在，也可以兩個或兩個以上模塊或子模塊集成在一個模塊中。上述集成的模塊或子模塊既可以採用硬體的形式實現，也可以採用軟體功能模塊或子模塊的形式實現。
148.專業人員還可以進一步意識到，結合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬體、計算機軟體或者二者的結合來實現，為了清楚地說明硬體和軟體的可互換性，在上述說明中已經按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬體還是軟體方式來執行，取決於技術方案的特定應用和設計約束條件。專業技術人員可以對每個特定的應用來使用不同方法來實現所描述的功能，但是這種實現不應認為超出本發明的範圍。
149.結合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬體、處理器執行的軟體單元，或者二者的結合來實施。軟體單元可以置於隨機存儲器（ram）、內存、只讀存儲器（rom）、電可編程rom、電可擦除可編程rom、寄存器、硬碟、可移動磁碟、cd-rom、或技術領域內所公知的任意其它形式的存儲介質中。
150.最後，還需要說明的是，在本文中，諸如第一和第二等之類的關係術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句「包括一個
……」
限定的要素，並不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。
151.對所公開的實施例的上述說明，使本領域專業技術人員能夠實現或使用本發明。對這些實施例的多種修改對本領域的專業技術人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發明的精神或範圍的情況下，在其它實施例中實現。因此，本發明將不會被限制於本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的範圍。