申请/专利权人：浙江华是科技股份有限公司

申请日：2024-01-16

公开（公告）日：2024-04-16

公开（公告）号：CN117576185B

主分类号：G06T7/60

分类号：G06T7/60;G06T7/136;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明公开一种基于深度学习和ransac算法的干舷高度识别方法及系统。其中，该方法包括：获取原始样本集；根据ransac算法得到每个船舶样本的综合干舷平面；计算每个船舶样本的综合干舷平面的置信度以及真实干舷平面的置信度；将原始样本集进行标定得到标注样本集；将标注样本集通过RandLA‑Net网络进行多轮迭代模型训练，得到目标点云分割模型；将待识别船舶通过ransac算法和目标点云分割模型获取目标干舷平面；将目标干舷平面进行切片并计算所有切片的切片高度的平均值，得到待识别船舶的干舷高度。该方法通过ransac算法解决简单船舶样本的分割任务，将困难船舶样本交给基于深度学习的目标点云分割模型，这样既能得到很高的干舷平面分割精度，又能保持较高的算法处理效率。

主权项：1.一种基于深度学习和ransac算法的干舷高度识别方法，其特征在于，包括：S1、获取多个船舶样本的中间段所在帧的点云，并将其作为原始样本集；S2、根据ransac算法和每个船舶样本点云得到每个船舶样本的综合干舷平面；S3、根据综合干舷平面点云计算每个船舶样本的综合干舷平面的置信度；S4、将每个船舶样本进行类别标定，对应得到每个船舶样本的真实干舷平面；根据真实干舷平面点云计算每个船舶样本的真实干舷平面的置信度；将进行类别标定和置信度标定的所有船舶样本作为标注样本集；S5、将标注样本集通过RandLA-Net网络进行多轮迭代模型训练，得到每轮的点云分割模型、总损失值；根据当前轮的总损失值更新上一轮的点云分割模型；其中，当进行当前轮模型训练时，所述标注样本集通过上一轮的点云分割模型进行当前轮模型训练；当进行预设轮迭代模型训练后，得到目标点云分割模型；S6、获取待识别船舶的中间段所在帧的点云，根据ransac算法和待识别船舶点云计算待识别船舶的综合干舷平面的置信度；若大于预设阈值，则待识别船舶的综合干舷平面即为目标干舷平面；反之，将待识别船舶输入到所述目标点云分割模型中进行预测，得到待识别船舶的预测干舷平面，并将其作为目标干舷平面；将目标干舷平面进行切片并计算每个切片的切片高度，根据所有的切片高度进行加权计算得到所述待识别船舶的干舷高度。

全文数据：

权利要求：

百度查询： 浙江华是科技股份有限公司 基于深度学习和ransac算法的干舷高度识别方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD