一种钢筋簇分类方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种钢筋簇分类方法、装置、电子设备及存储介质，该方法包括：获取被测钢筋簇的三维点云数据；基于所述三维点云数据，通过预先训练好的深度学习模型对所述被测钢筋簇的类型进行识别，得到所述被测钢筋簇对应的钢筋簇类型。本发明专利技术实施例的技术方案，实现了基于被测钢筋簇的点云数据对钢筋簇形态类型的识别与分类。类型的识别与分类。类型的识别与分类。

【技术实现步骤摘要】
一种钢筋簇分类方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及计算机
，尤其涉及一种钢筋簇分类方法、装置、电子设备及存储介质。

技术介绍

[0002]当前智能制造技术日益成熟，各行各业对自动化的需求也日益旺盛。尤其像建筑施工这种高危领域，对建筑施工自动化的需求更为迫切。实现施工自动化首要步骤就是实现对施工现场的测绘，使用各种传感器尽可能全面地获取施工现场的二维或者三维测绘数据，以便于后续施工机器人在该施工现场进行安全作业和施工成果验收等工作。
[0003]钢筋簇是施工现场中的主要部件之一，通过对钢筋簇类型的判断，可以定位出建筑机器人的工作范围边界，进而有助于自动化施工的实施。
[0004]因此，对施工现场钢筋簇类型的高精度分类意义重大。

技术实现思路

[0005]本专利技术实施例提供一种钢筋簇分类方法、装置、电子设备及存储介质，实现了基于钢筋簇的三维点云数据对钢筋簇类型的识别与分类。
[0006]第一方面，本专利技术实施例提供了一种钢筋簇分类方法，该方法包括：
[0007]获取被测钢筋簇的三维点云数据；
[0008]基于所述三维点云数据，通过预先训练好的深度学习模型对所述被测钢筋簇的类型进行识别，得到所述被测钢筋簇对应的钢筋簇类型。
[0009]进一步的，所述深度学习模型包括：pointNet网络；
[0010]所述pointNet网络包括依次相连的第一多层感知机MLP网络层、最大池化层、采样分组层和第二多层感知机MLP网络层；
[0011]其中，所述第一多层感知机MLP网络层用于基于输入的被测钢筋簇的局部区域的三维点云数据提取被测钢筋簇的局部点特征，所述局部点特征通过所述最大池化层形成被测钢筋簇的局部特征；
[0012]所述局部特征通过所述采样分组层形成被测钢筋簇的全局特征；
[0013]所述第二多层感知机MLP基于所述全局特征实现对被测钢筋簇的类型识别，输出分类结果以及各分类结果对应的置信度。
[0014]进一步的，所述基于所述三维点云数据，通过预先训练好的深度学习模型对所述被测钢筋簇的类型进行识别，得到所述被测钢筋簇对应的钢筋簇类型，包括：
[0015]对所述三维点云数据进行预处理；
[0016]将预处理后的三维点云数据输入至所述预先训练好的深度学习模型，得到所述被测钢筋簇对应的钢筋簇类型。
[0017]进一步的，所述对所述三维点云数据进行预处理，包括：
[0018]将所述三维点云数据划分为设定数量的立方体块；
[0019]针对每个所述立方体块进行随机采样，获得采样三维点云数据；
[0020]对所述采样三维点云数据进行平移操作，获得预处理后的三维点云数据。
[0021]进一步的，所述方法还包括：
[0022]制作三维点云样本数据集，所述三维点云样本数据集用于对设定的深度学习模型进行训练，以获得所述预先训练好的深度学习模型。
[0023]进一步的，所述制作三维点云样本数据集，包括：
[0024]利用激光雷达对施工现场的钢筋簇进行三维点云数据采集，获得至少一个第一格式的三维点云数据文件；
[0025]针对每个所述第一格式的三维点云数据文件标注对应的钢筋簇类型；
[0026]将每个所述第一格式的三维点云数据文件中的三维点云数据存储为浮点型数组，并将每个所述第一格式的三维点云数据文件对应的钢筋簇类型存储为整型数组；
[0027]将所述浮点型数组以及所述整型数组转换为块格式的数据集，获得三维点云样本数据集。
[0028]进一步的，所述将所述浮点型数组以及所述整型数组转换为块格式的数据集，获得三维点云样本数据集，包括：
[0029]在HDF5文件中基于所述第一格式的三维点云数据文件的个数创建数据集，并为所创建的数据集创建数据空间；
[0030]将所创建的数据集的格式设置为块格式，得到块格式的数据集；
[0031]将所述浮点型数组以及所述整型数组中的数据写入所述块格式的数据集。
[0032]第二方面，本专利技术实施例还提供了一种钢筋簇分类装置，该装置包括：
[0033]获取模块，用于获取被测钢筋簇的三维点云数据；
[0034]分类模块，用于基于所述三维点云数据，通过预先训练好的深度学习模型对所述被测钢筋簇的类型进行识别，得到所述被测钢筋簇对应的钢筋簇类型。
[0035]第三方面，本专利技术实施例还提供了一种设备，所述设备包括：
[0036]一个或多个处理器；
[0037]存储装置，用于存储一个或多个程序，
[0038]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任一实施例所述的钢筋簇分类方法。
[0039]第四方面，本专利技术实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本专利技术任一实施例所述的钢筋簇分类方法。
[0040]本专利技术实施例的技术方案，通过获取被测钢筋簇的三维点云数据；基于所述三维点云数据，通过预先训练好的深度学习模型对所述被测钢筋簇的类型进行识别，得到所述被测钢筋簇对应的钢筋簇类型的技术手段，实现了基于钢筋簇的三维点云数据实现对钢筋簇类型的识别与分类。
附图说明
[0041]结合附图并参考以下具体实施方式，本专利技术各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理
解附图是示意性的，原件和元素不一定按照比例绘制。
[0042]图1为本专利技术实施例一所提供的一种钢筋簇分类方法流程示意图；
[0043]图2为本专利技术实施例一所提供的一种pointNet网络的基本结构的示意图；
[0044]图3为本专利技术实施例一所提供的一种改进的pointNet网络的结构示意图；
[0045]图4为本专利技术实施例二所提供的一种钢筋簇分类方法流程示意图；
[0046]图5为本专利技术实施例二所提供的一种数据集的格式转换流程示意图；
[0047]图6为本专利技术实施例二所提供的一种深度学习模型输出结果的示意图；
[0048]图7为本专利技术实施例二所提供的另一种钢筋簇分类方法流程示意图；
[0049]图8为本专利技术实施例三所提供的一种钢筋簇分类装置的结构示意图；
[0050]图9为本专利技术实施例四所提供的一种电子设备结构示意图。
具体实施方式
[0051]下面将参照附图更详细地描述本专利技术的实施例。虽然附图中显示了本专利技术的某些实施例，然而应当理解的是，本专利技术可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本专利技术。应当理解的是，本专利技术的附图及实施例仅用于示例性作用，并非用于限制本专利技术的保护范围。
[0052]应当理解，本专利技术的方法实施方式中记载的各个步骤可以按照不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢筋簇分类方法，其特征在于，包括：获取被测钢筋簇的三维点云数据；基于所述三维点云数据，通过预先训练好的深度学习模型对所述被测钢筋簇的类型进行识别，得到所述被测钢筋簇对应的钢筋簇类型。2.根据权利要求1所述的方法，其特征在于，所述深度学习模型包括：pointNet网络；所述pointNet网络包括依次相连的第一多层感知机MLP网络层、最大池化层、采样分组层和第二多层感知机MLP网络层；其中，所述第一多层感知机MLP网络层用于基于输入的被测钢筋簇的局部区域的三维点云数据提取被测钢筋簇的局部点特征，所述局部点特征通过所述最大池化层形成被测钢筋簇的局部特征；所述局部特征通过所述采样分组层形成被测钢筋簇的全局特征；所述第二多层感知机MLP基于所述全局特征实现对被测钢筋簇的类型识别，输出分类结果以及各分类结果对应的置信度。3.根据权利要求1所述的方法，其特征在于，所述基于所述三维点云数据，通过预先训练好的深度学习模型对所述被测钢筋簇的类型进行识别，得到所述被测钢筋簇对应的钢筋簇类型，包括：对所述三维点云数据进行预处理；将预处理后的三维点云数据输入至所述预先训练好的深度学习模型，得到所述被测钢筋簇对应的钢筋簇类型。4.根据权利要求3所述的方法，其特征在于，所述对所述三维点云数据进行预处理，包括：将所述三维点云数据划分为设定数量的立方体块；针对每个所述立方体块进行随机采样，获得采样三维点云数据；对所述采样三维点云数据进行平移操作，获得预处理后的三维点云数据。5.根据权利要求1-4任一项所述的方法，其特征在于，还包括：制作三维点云样本数据集，所述三维点云样本数据集用于对设定的深度学习模型进行训练，以获得所述预先训练好的深度学习模型。6.根据权利要求5所述的方法，其特征在于，所述制作三维点云样本数据集，包括：利用激光雷达对施工现场的钢筋簇进行三维点云数据采集，获得至少一个第一格式的三维点云数据文件；针对每个所述第一格式的三维点云数据文件标注对应的钢筋簇类型；将每个所述第一格式的三维点云数据文件中的三维点云数据存储为浮点型数组，并将每个所述第一格式的三维点云数据文件对应的钢筋簇类型存储为整型数组；将所述浮点型数组以及所述整型数组转换为块格式的数据集，获得三维点云样本数据集。7.根据权利要求6所述的方法，其特征在于，所述将所述浮点型数组以及所述整型数组转换为块格式的数据集，获得三维点云样本数据集，包括：在设定文件中基于所述第一格式的三维点云数据文件的个数创建数据集，并为所创建的数据集创建数据空间；
将所创建的数据集的格式设置为块格式，得到块格式的数据集；将所述浮点型数组以及所述整型数组中的数据写入所述块格式的数据集。8.一种钢筋簇分类装置，其特征在...

【专利技术属性】
技术研发人员：周森标，陶永康，刘玉平，贾宁，彭登，傅志刚，杨海溢，吴则刚，熊晶，
申请(专利权)人：广东博智林机器人有限公司，
类型：发明
国别省市：