[发明专利]用于获得房屋布局信息的方法、网络模型训练方法及装置

说明书

公开了一种用于获得房屋布局信息的方法、用于获得房屋布局信息的网络模型的训练方法及装置。其中的用于获得房屋布局信息的方法包括：对房屋图像进行语义分割处理，获得所述房屋图像的语义分割特征图；对所述语义分割特征图，进行房屋附属物预测处理，获得所述房屋图像的房屋附属物特征图；对所述房屋附属物特征图，进行墙角线预测处理，获得所述房屋图像的墙角线特征图；根据所述墙角线特征图，确定房屋图像的房屋布局信息。本公开提供的技术方案有利于提取出较为精准的墙角线信息，尤其是在房屋图像中的墙角线被遮挡的情况下，仍能够提取出较为精准的墙角线信息。

技术领域

本公开涉及计算机视觉技术，尤其是涉及了一种用于获得房屋布局信息的方法、用于获得房屋布局信息的装置、用于获得房屋布局信息的网络模型的训练方法、用于获得房屋布局信息的网络模型的训练装置、存储介质以及电子设备。

背景技术

在房屋三维重建、机器人室内导航、AR(Augmented Reality，增强现实)以及VR(Virtual Reality，虚拟现实)等多种应用场景，往往需要从房屋图像(如拍摄获得的房屋图像)中提取出房屋布局信息。房屋布局信息主要是指房屋的墙角线信息。如何准确的提取出房屋的墙角线，是一个值得关注的技术问题。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种用于获得房屋布局信息的方法、用于获得房屋布局信息的装置、用于获得房屋布局信息的网络模型的训练方法、用于获得房屋布局信息的网络模型的训练装置、存储介质以及电子设备。

根据本公开实施例的一个方面，提供一种用于获得房屋布局信息的方法，包括：对房屋图像进行语义分割处理，获得所述房屋图像的语义分割特征图；对所述语义分割特征图，进行房屋附属物预测处理，获得所述房屋图像的房屋附属物特征图；对所述房屋附属物特征图，进行墙角线预测处理，获得所述房屋图像的墙角线特征图；根据所述墙角线特征图，确定所述房屋图像的房屋布局信息。

在本公开一实施方式中，所述对房屋图像进行语义分割处理，获得所述房屋图像的语义分割特征图，包括：将所述房屋图像作为深度残差神经网络的输入，提供给所述深度残差神经网络，经由所述深度残差神经网络对所述房屋图像进行语义分割处理，并根据所述深度残差神经网络的输出，获得所述房屋图像的语义分割特征图。

在本公开又一实施方式中，所述对所述语义分割特征图，进行房屋附属物预测处理，获得所述房屋图像的房屋附属物特征图，包括：对所述语义分割特征图进行第一卷积处理；对所述第一卷积处理结果进行金字塔池化处理；对所述金字塔池化处理结果进行第二卷积处理，获得所述房屋图像的房屋附属物特征图；其中，所述房屋附属物特征图包括：房屋附属物的类别信息。

在本公开再一实施方式中，所述对所述房屋附属物特征图，进行墙角线预测处理，获得所述房屋图像的墙角线特征图，包括：将所述房屋附属物特征图作为第一全连接模块的输入，提供给所述第一全连接模块，经由所述第一全连接模块对所述房屋附属物特征图进行墙角线分类处理，获得所述房屋图像的墙角线特征图。

在本公开再一实施方式中，所述经由所述第一全连接模块对所述房屋附属物特征图进行墙角线分类处理，包括：经由所述第一全连接模块根据所述房屋附属物特征图，确定所述房屋图像中的每一个像素点分别属于基于墙和天花板之间的第一墙角线类别的置信度、基于墙和墙之间的第二墙角线类别的置信度、基于墙和地板之间的第三墙角线类别的置信度以及背景类别的置信度。

在本公开再一实施方式中，所述根据所述墙角线特征图，确定所述房屋图像的房屋布局信息，包括：根据所述墙角线特征图中的相邻像素之间的相似度，对所述墙角线特征图所表征出的墙角线信息进行优化处理；其中，所述房屋图像的房屋布局信息包括：所述优化处理后的墙角线信息。