[发明专利]一种基于关键点热图修正的房间布局估计获取方法与系统有效
申请号: | 202110200205.4 | 申请日: | 2021-02-23 |
公开(公告)号: | CN112837336B | 公开(公告)日: | 2022-02-22 |
发明(设计)人: | 文世挺;王傲鹏;高云君;庞超逸 | 申请(专利权)人: | 浙大宁波理工学院 |
主分类号: | G06T7/181 | 分类号: | G06T7/181;G06T7/187;G06N3/04;G06N3/08 |
代理公司: | 宁波市鄞州盛飞专利代理事务所(特殊普通合伙) 33243 | 代理人: | 龙洋 |
地址: | 315100 浙*** | 国省代码: | 浙江;33 |
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 基于 关键 点热图 修正 房间 布局 估计 获取 方法 系统 | ||
1.一种基于关键点热图修正的房间布局估计获取方法,其特征在于,包括步骤:
S1:接收待识别图像,通过神经网络模型获取待识别图像的关键点热图以及房间类型;所述房间类型由若干个有序关键点组成,并含有若干个边界关键点,各关键点之间有序连接;
S2:根据房间类型的关键点与关键点热图的关键点的对应关系获取关键点热图的边界关键点;
S3:获取边界关键点的图像坐标并根据图像坐标修正边界关键点至关键点热图的图像边界线上;
所述步骤S3中的修正方法包括步骤:
S31:根据各边界关键点的坐标获取各边界关键点与关键点热图边界线的垂直距离;
S32:获取垂直距离最小的关键点热图边界线并作为修正边界线;
S33:以修正边界线的垂直方向为目标方向移动边界关键点至修正边界线上;
S4:根据房间类型获取修正后的关键点热图的连接关系,并根据连接关系获取房间布局估计。
2.根据权利要求1所述的基于关键点热图修正的房间布局估计获取方法,其特征在于,所述步骤S1前还包括神经网络模型的训练方法,具体包括步骤:
S01:获取数据集,所述数据集中包括多类预设房间类型的关键点标号图,通过翻转标号图并对翻转后的标号图重排序获取扩充后的数据集;
S02:根据扩充后的数据集训练神经网络模型。
3.根据权利要求2所述的基于关键点热图修正的房间布局估计获取方法,其特征在于,所述步骤S01中重排序的方法为:以翻转前标号图的标号顺序为排序标准,使翻转后的标号顺序与翻转前标号图的顺序一致。
4.一种基于关键点热图修正的房间布局估计获取系统,其特征在于,包括:
神经网络模块,接收待识别图像,通过神经网络模型获取待识别图像的关键点热图以及房间类型;所述房间类型由若干个有序关键点组成,并含有若干个边界关键点,各关键点之间有序连接;
边界关键点模块,根据房间类型的关键点与关键点热图的关键点的对应关系获取关键点热图的边界关键点;
关键点热图修正模块,获取边界关键点的图像坐标并根据图像坐标修正边界关键点至关键点热图的图像边界线上;
所述关键点热图修正模块中的修正方法包括:
根据各边界关键点的坐标获取各边界关键点与关键点热图边界线的垂直距离;获取垂直距离最小的关键点热图边界线并作为修正边界线;以修正边界线的垂直方向为目标方向移动边界关键点至修正边界线上;
边界关键点连接模块,根据房间类型获取修正后的关键点热图的连接关系,并根据连接关系获取房间布局估计。
5.根据权利要求4所述的基于关键点热图修正的房间布局估计获取系统,其特征在于,所述神经网络模块前还包括神经网络模型的训练模块,具体包括:
获取数据集,所述数据集中包括多类预设房间类型的关键点标号图,通过翻转标号图并对翻转后的标号图重排序获取扩充后的数据集;根据扩充后的数据集训练神经网络模型。
6.根据权利要求5所述的基于关键点热图修正的房间布局估计获取系统,其特征在于,所述重排序的方法为:以翻转前标号图的标号顺序为排序标准,使翻转后的标号顺序与翻转前标号图的顺序一致。
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浙大宁波理工学院,未经浙大宁波理工学院许可,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/202110200205.4/1.html,转载请声明来源钻瓜专利网。