[发明专利]基于卷积神经网络的目标距离与正对位置偏移测量方法

摘要

本发明涉及一种基于卷积神经网络的目标距离与正对位置偏移测量方法，包括下列步骤：根据实际工程需要，按1:1比例，利用3Dmax软件对实际工程需要环境、被测物样式进行仿真图片制作，得到仿真数据集；结合实际情况，制作贴放于被测物表面的模拟特征靶标物，模拟特征靶标物应当具有丰富且有所区别的颜色特征，具有较为复杂的轮廓特征以便卷积神经网络学习微小目标距离与正对位置偏移之间的差别；将已赋好的目标距离与正对位置偏移值作为训练样本标签，得到训练集；基于TensorFlow神经网络框架构建卷积神经网络识别网络，利用经过格式转换的训练集训练此识别网络。

主权项

1.一种基于卷积神经网络的目标距离与正对位置偏移测量方法，包括下列步骤：第一步：构建训练集；根据实际工程需要，按1:1比例，利用3Dmax软件对实际工程需要环境、被测物样式进行仿真图片制作，得到仿真数据集；第二步：结合实际情况，制作贴放于被测物表面的模拟特征靶标物，模拟特征靶标物应当具有丰富且有所区别的颜色特征，具有较为复杂的轮廓特征以便卷积神经网络学习微小目标距离与正对位置偏移之间的差别；第三步：利用3Dmax软件的脚本系统批量制作训练集：目标距离在0.5米至1米之间，以0.01米为步幅进行样本取材，共获取51档样本；目标正对位置偏移将在X轴、Y轴两维度坐标轴±0.2米之内，以0.01米为步幅进行样本取材，在正对位置偏移量上将获取41*41档样本，共所需训练的样本数据集总量为51*41*41个图片样本，即85731个有标注训练样本，将已赋好的目标距离与正对位置偏移值作为训练样本标签，得到训练集；第四步：将收集好的训练集进行格式转换，使之符合神经网络输入层的数据格式；第五步：基于TensorFlow神经网络框架构建卷积神经网络识别网络，利用经过格式转换的训练集训练此识别网络，学习目标距离与正对位置之间的偏移量；第六步：基于TensorFlow神经网络框架，在实际环境中调整实际模型目标距离与正对位置偏移进行拍照截取，投入训练好的卷积神经网络，得到测试结果。