[发明专利]一种神经网络的训练方法及系统有效
申请号: | 202011290693.4 | 申请日: | 2020-11-17 |
公开(公告)号: | CN112489189B | 公开(公告)日: | 2021-11-30 |
发明(设计)人: | 户磊;王海彬;化雪诚;刘祺昌;李东洋 | 申请(专利权)人: | 北京的卢深视科技有限公司;合肥的卢深视科技有限公司 |
主分类号: | G06T17/00 | 分类号: | G06T17/00;G06N3/08 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 郑朝然 |
地址: | 100083 北京市海淀区学院*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 神经网络 训练 方法 系统 | ||
1.一种神经网络的训练方法,其特征在于,包括:
对于初始反射激光图中的任一像素点,若判断得知所述任一像素点对应的红外相机投射射线与目标物体存在第一空间交点,则根据所述第一空间交点与散斑投影仪的中心点,获取投影仪射线;
基于所述第一空间交点、第二空间交点、所述投影仪射线、虚拟图像平面和参考散斑图,获取所述任一像素点的强度值,所述第二空间交点为所述投影仪射线与所述目标物体的交点;
根据每一像素点的强度值,获取最终物体散斑图,并根据所述最终物体散斑图,获取合成数据集;
基于所述合成数据集,对目标神经网络进行训练。
2.根据权利要求1所述神经网络的训练方法,其特征在于,还包括:
若判断得知所述任一像素点对应的红外相机投射射线与所述目标物体不存在第一空间交点,则将所述任一像素点的强度值设置为0。
3.根据权利要求1所述神经网络的训练方法,其特征在于,所述基于所述第一空间交点、第二空间交点、所述投影仪射线、虚拟图像平面和参考散斑图,获取所述任一像素点的强度值,具体包括:
若判断得知所述第一空间交点和所述第二空间交点之间的位置关系满足第一预设条件,且所述投影仪射线与虚拟图像平面之间的位置关系满足第二预设条件,则基于所述目标物体的参考散斑图和双线性插值算法,获取所述任一像素点的强度值,所述第一预设条件和所述第二预设条件使得所述任一像素点不是遮挡点;
否则,将所述任一像素点的强度值设置为0。
4.根据权利要求3所述神经网络的训练方法,其特征在于,所述第一预设条件为:
||x2一x1||210-5,
其中,x2表示所述第二空间交点的坐标,x1表示所述第一空间交点的坐标。
5.根据权利要求3所述神经网络的训练方法,其特征在于,所述第二预设条件为:
所述投影仪射线与所述虚拟图像平面存在第三空间交点,且所述第三空间交点位于所述虚拟图像平面内。
6.根据权利要求1所述神经网络的训练方法,其特征在于,所述根据每一像素点的强度值,获取最终物体散斑图,具体包括:
根据每一像素点的强度值,获取最终反射激光图;
基于所述最终反射激光图,获取所述最终物体散斑图。
7.根据权利要求1所述神经网络的训练方法,其特征在于,所述数据合成集通过单目结构光成像系统获取,所述并根据所述最终物体散斑图,获取合成数据集,具体包括:
将所述第一空间交点的深度值作为所述任一像素点对应的GT深度值;
根据所述任一像素点对应的GT深度值、红外相机的焦距、所述红外相机与所述散斑投影仪之间的基线长度,获取所述任一像素点对应的视差值;
根据所述最终物体散斑图、所述参考散斑图以及每一像素点对应的视差值,获取所述合成数据集。
8.根据权利要求1至6任一所述神经网络的训练方法,其特征在于,所述合成数据集通过主动式双目成像系统获取,所述主动式双目成像系统包括第一相机和第二相机,相应地,
所述最终物体散斑图与所述第一相机对应,所述最终物体散斑图为所述第一相机对应的物体散斑图,所述并根据所述最终物体散斑图,获取合成数据集,具体包括:
根据所述第一相机对应的物体散斑图中每个像素点的深度值,获取每个像素点对应的GT视差值;
根据所述第一相机对应的物体散斑图、所述第二相机对应的物体散斑图和所述GT视差值,获取合成数据集。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京的卢深视科技有限公司;合肥的卢深视科技有限公司,未经北京的卢深视科技有限公司;合肥的卢深视科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011290693.4/1.html,转载请声明来源钻瓜专利网。