[发明专利]一种钢筋簇的识别方法、装置、设备及存储介质

权利要求书

1.一种钢筋簇的识别方法，其特征在于，包括：

获取被测钢筋簇的三维点云数据，并基于所述三维点云数据确定被测二维图像；其中，所述被测钢筋簇为建筑施工过程中被扎成簇状形态的钢筋；

所述基于所述三维点云数据确定被测二维图像，包括：

将所述三维点云数据所在的相机坐标系与预设角度下的被测钢筋簇所在的世界坐标系对齐，以使所述相机坐标系的坐标轴与所述世界坐标系的坐标轴平行；其中，所述预设角度下的被测钢筋簇包括正面角度的被测钢筋簇；

将对齐后的三维点云数据投影到图像坐标系中，并对投影得到的投影图像进行缩放处理得到被测二维图像；

将所述被测二维图像输入到预先训练完成的目标神经网络模型中，得到输出的所述被测钢筋簇对应的钢筋类别；

其中，所述目标神经网络模型包括目标特征提取模型和目标分类模型，相应的，所述将所述被测二维图像输入到预先训练完成的目标神经网络模型中，得到输出的所述被测钢筋簇对应的钢筋类别，包括：

将所述被测二维图像输入到所述目标特征提取模型中，得到输出的所述被测二维图像的被测特征向量；

将所述被测特征向量输入到目标分类模型中，得到输出的所述被测钢筋簇对应的钢筋类别。

2.根据权利要求1所述的方法，其特征在于，所述目标神经网络模型的训练方法，包括：

获取样本钢筋簇的至少一个三维点云数据，并基于各所述三维点云数据确定至少一个样本二维图像；

基于所述样本二维图像及与各所述样本二维图像分别对应的真实钢筋类别构建样本数据集；其中，所述样本数据集包括训练样本集；

基于训练样本集对初始神经网络模型进行训练，当满足预设条件时，得到训练完成的目标神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述样本数据集还包括测试样本集，相应的，在得到训练完成的目标神经网络模型之后，还包括：

基于测试样本集对所述目标神经网络模型进行测试，如果测试结果不满足预设分类标准，则继续对所述目标神经网络模型进行训练。

4.根据权利要求1所述的方法，其特征在于，所述目标分类模型，用于：

将所述被测特征向量对应的高斯分布与已保存的至少一个参考特征向量对应的高斯分布进行欧式距离匹配，得到至少一个匹配距离；

将满足预设匹配条件的匹配距离对应的参考特征向量作为目标特征向量，并将所述目标特征向量对应的钢筋类别作为被测钢筋簇对应的钢筋类别；其中，所述预设匹配条件包括匹配距离最小且匹配距离小于被测钢筋簇的实际长度。

5.根据权利要求4所述的方法，其特征在于，所述目标分类模型，还用于：

如果目标分类模型中不存在已保存的参考特征向量，或各所述匹配距离均不满足预设匹配条件，则将所述被测特征向量作为参考特征向量保存在目标分类模型中。

6.根据权利要求2所述的方法，其特征在于，所述基于训练样本集对初始神经网络模型进行训练，当满足预设条件时，得到训练完成的目标神经网络模型，包括：

基于训练样本集中的样本二维图像对初始特征提取模型进行训练，得到训练完成的目标特征提取模型；

基于训练样本集中的样本二维图像、真实钢筋类别以及所述目标特征提取模型，对初始分类模型进行训练，得到训练完成的目标分类模型。

7.根据权利要求6所述的方法，其特征在于，所述初始特征提取模型包括初始编码网络模型和初始解码网络模型，所述目标特征提取模型包括训练完成的目标编码网络模型。

8.根据权利要求7所述的方法，其特征在于，所述目标编码网络模型为基于预设网络结构构建的网络模型，其中，所述预设网络结构包括Alexnet网络结构、VGG网络结构或Resnet网络结构。