申请/专利权人:华中科技大学;深圳华中科技大学研究院
申请日:2021-04-08
公开(公告)日:2022-12-02
公开(公告)号:CN113191207B
主分类号:G06V10/774
分类号:G06V10/774;G06V20/64;G06V10/82;G06N3/04;G06T5/00;G06T7/11
优先权:
专利状态码:有效-授权
法律状态:2022.12.02#授权;2021.08.17#实质审查的生效;2021.07.30#公开
摘要:本发明公开了一种基于多视角特征的工件识别方法和装置,属于图像数据处理技术领域,所述方法包括:S1:对携带目标工件的场景图像进行滤波、分割和点云化获得所述目标工件对应的待识别点云数据集;S2:分别将三维模型图像数据集和所述待识别点云数据集在多个视角下进行渲染,得到三维模型多视角点云数据集和待识别多视角点云数据集;S3:利用所述三维模型多视角点云数据集对工件类型识别网络进行训练,训练完成后得到目标深度神经网络;S4:将所述待识别多视角点云数据集输入到所述目标深度神经网络,得到所述目标工件的类型识别结果。本发明方法能够快速、有效、精准地对目标工件进行自动识别。
主权项:1.一种基于多视角特征的工件识别方法,其特征在于,包括:S1:对携带目标工件的场景图像进行滤波、分割和点云化获得所述目标工件对应的待识别点云数据集;S2:分别将三维模型图像数据集和所述待识别点云数据集在多个视角下进行渲染,得到三维模型多视角点云数据集和待识别多视角点云数据集;S3:利用所述三维模型多视角点云数据集对工件类型识别网络进行训练,训练完成后得到目标深度神经网络;S4:将所述待识别多视角点云数据集输入到所述目标深度神经网络,得到所述目标工件的类型识别结果;所述S3包括:S31:将所述三维模型图像数据集中各个样本点云输入所述工件类型识别网络;所述工件类型识别网络包括依次级联的多层感知机、Max-Pooling层、View-Pooling层和全连接层;S32:利用所述多层感知机将每个视角的所述点云样本输入至权重共享的卷积层,以对各个视角的所述点云样本进行特征提取;S33:利用所述Max-Pooling层聚集高维空间中各个视角的所有点云样本的特征,得到各个视角对应的全局特征向量;S34:利用所述View-Pooling层将各视角对应的全局特征向量聚合成高维全局特征;S35:利用所述全连接层中softmax函数对所述高维全局特征进行分类、利用交叉熵损失函数和Adam优化方法进行有监督训练,以输出多个候选类型及其概率;从而将所述工件类型识别网络训练成所述目标深度神经网络。
全文数据:
权利要求:
百度查询: 华中科技大学;深圳华中科技大学研究院 一种基于多视角特征的工件识别方法和装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。