[发明专利]一种钢筋簇分类方法、装置、电子设备及存储介质

权利要求书

1.一种钢筋簇分类方法，其特征在于，包括：

获取被测钢筋簇的三维点云数据；

基于所述三维点云数据，通过预先训练好的深度学习模型对所述被测钢筋簇的类型进行识别，得到所述被测钢筋簇对应的钢筋簇类型。

2.根据权利要求1所述的方法，其特征在于，所述深度学习模型包括：pointNet网络；

所述pointNet网络包括依次相连的第一多层感知机MLP网络层、最大池化层、采样分组层和第二多层感知机MLP网络层；

其中，所述第一多层感知机MLP网络层用于基于输入的被测钢筋簇的局部区域的三维点云数据提取被测钢筋簇的局部点特征，所述局部点特征通过所述最大池化层形成被测钢筋簇的局部特征；

所述局部特征通过所述采样分组层形成被测钢筋簇的全局特征；

所述第二多层感知机MLP基于所述全局特征实现对被测钢筋簇的类型识别，输出分类结果以及各分类结果对应的置信度。

3.根据权利要求1所述的方法，其特征在于，所述基于所述三维点云数据，通过预先训练好的深度学习模型对所述被测钢筋簇的类型进行识别，得到所述被测钢筋簇对应的钢筋簇类型，包括：

对所述三维点云数据进行预处理；

将预处理后的三维点云数据输入至所述预先训练好的深度学习模型，得到所述被测钢筋簇对应的钢筋簇类型。

4.根据权利要求3所述的方法，其特征在于，所述对所述三维点云数据进行预处理，包括：

将所述三维点云数据划分为设定数量的立方体块；

针对每个所述立方体块进行随机采样，获得采样三维点云数据；

对所述采样三维点云数据进行平移操作，获得预处理后的三维点云数据。

5.根据权利要求1-4任一项所述的方法，其特征在于，还包括：

制作三维点云样本数据集，所述三维点云样本数据集用于对设定的深度学习模型进行训练，以获得所述预先训练好的深度学习模型。

6.根据权利要求5所述的方法，其特征在于，所述制作三维点云样本数据集，包括：

利用激光雷达对施工现场的钢筋簇进行三维点云数据采集，获得至少一个第一格式的三维点云数据文件；

针对每个所述第一格式的三维点云数据文件标注对应的钢筋簇类型；

将每个所述第一格式的三维点云数据文件中的三维点云数据存储为浮点型数组，并将每个所述第一格式的三维点云数据文件对应的钢筋簇类型存储为整型数组；

将所述浮点型数组以及所述整型数组转换为块格式的数据集，获得三维点云样本数据集。

7.根据权利要求6所述的方法，其特征在于，所述将所述浮点型数组以及所述整型数组转换为块格式的数据集，获得三维点云样本数据集，包括：

在设定文件中基于所述第一格式的三维点云数据文件的个数创建数据集，并为所创建的数据集创建数据空间；

将所创建的数据集的格式设置为块格式，得到块格式的数据集；

将所述浮点型数组以及所述整型数组中的数据写入所述块格式的数据集。

8.一种钢筋簇分类装置，其特征在于，包括：

获取模块，用于获取被测钢筋簇的三维点云数据；

分类模块，用于基于所述三维点云数据，通过预先训练好的深度学习模型对所述被测钢筋簇的类型进行识别，得到所述被测钢筋簇对应的钢筋簇类型。