[发明专利]一种工业长方体提取方法、装置、计算机及存储介质

权利要求书

1.一种工业长方体提取方法，其特征在于，所述方法包括：

基于目标检测的长方体粗提取和基于筛选区域线段重组的长方体精确提取；

所述基于目标检测的长方体粗提取包括：

将基于并行的残差卷积神经网络作为长方体目标检测的主干网络；

根据所述长方体目标检测的主干网络与并行残差块融合，获取融合的多维特征；

根据所述多维特征与反卷积模块融合，获取目标检测网络模型；

所述基于筛选区域线段重组的长方体精确提取包括：

根据所述目标检测网络模型进行线段特征聚类，获取线段集；

根据所述线段集进行线段连接，获取直线集；

根据所述直线集进行边界动态筛选，获取长方体边缘；

根据所述长方体边缘获取长方体所在的图像区域；

根据所述长方体所在的图像区域建立坐标系，获取长方体顶点，完成工业长方体提取。

2.根据权利要求1所述的一种工业长方体提取方法，其特征在于，所述并行残差块包括：残差块、3*3的最大池化层和1*1的卷积层；

所述残差块用于压缩图像尺寸；

所述3*3的最大池化层与所述1*1的卷积层融合，提取图像特征；

所述提取的图像特征与残差块进行通道维数的融合，获取递增的通道维数。

3.根据权利要求2所述的一种工业长方体提取方法，其特征在于，所述递增的通道维数为[64,128,256,512,1024]。

4.根据权利要求1所述的一种工业长方体提取方法，其特征在于，所述反卷积模块包括：2个步幅为1的2×2反卷积层；所述每一层反卷积层由整流线性单元激活，所述激活的反卷积层进行批量归一化处理。

5.根据权利要求1所述的一种工业长方体提取方法，其特征在于，所述根据所述分类网络模型进行线段特征聚类，获取线段集，还包括设置每一类别线段的分数函数score_m：

其中，cluster(·)表示聚类函数，G_m为线段集合，l_L为线段长度，k_L为线段斜率。

6.根据权利要求1所述的一种工业长方体提取方法，其特征在于，所述根据所述线段集进行线段连接，获取直线集，包括获取拟合直线的参数估计值：

其中，W_i为线段权重，S为损失函数，a,b和c值即为最终拟合的直线的参数，(u,v)为像素坐标。

7.根据权利要求1所述的一种工业长方体提取方法，其特征在于，所述根据所述直线集进行边界动态筛选，获取长方体边缘包括：

聚类处理所述直线集；

设置直线数量阈值；

根据所述聚类处理的直线集和直线置信度获取高置信度数据集；

根据所述高置信度数据集与直线数量阈值比较，判断直线相似度；

剔除所述相似直线。