[發明專利]基于GoogLeNet神經網絡的魔方復原方法及其裝置

在審

• 申請號: 201810558003.5
• 申請日: 2018-06-01
• 公開（公告）號: CN108647689A
• 公開（公告）日: 2018-10-12
• 發明（設計）人: 崔金剛;周盛宗
• 申請（專利權）人: 中國科學院福建物質結構研究所
• 主分類號: G06K9/40
• 分類號: G06K9/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京元周律知識產權代理有限公司 11540
• 代理人: 李花

本發明公開了一種基于GoogLeNet神經網絡的魔方復原方法及其裝置，該方法包括如下步驟：步驟S100：獲取魔方各面的多幅訓練圖像，作為魔方訓練集；步驟S200：用魔方訓練集訓練GoogLeNet神經網絡，得到訓練神經網絡，獲取待復原魔方各面圖像并用訓練神經網絡識別待復原魔方各面的顏色分布，得到識別結果；步驟S300：根據識別結果計算魔方復原步驟，根據魔方復原步驟對待復原魔方進行復原。本發明可快速將打亂順序的魔方進行復原。本發明的另一方面還提供了上述方法的實現裝置。

技術領域

本發明涉及一種基于GoogLeNet神經網絡的魔方復原方法及其裝置，屬于圖像識別方法領域。

背景技術

魔方、華容道和獨立鉆石棋被國外智力專家并稱為智力游戲界的三大不可思議，而魔方受歡迎的程度更是智力游戲界的奇跡，是如今最為流行的智力玩具之一。就目前而言，國內外的用于復原魔方的機器人基本都是依據簡單的顏色傳感器和機械式操作完成，圖像采集和計算復原算法需要消耗大量的時間，例如CN201720779468.4中公開了一種四階魔方復原機器人，該機器人主要通過機器人的結構改進，并配合計算機對魔方顏色的識別，完成對魔方的復原。

現有魔方識別方法所用圖像識別方法，獲取的魔方多面圖像存儲準確性差，而且圖像識別過程容易受到環境、光照、背景的干擾等，識別效率低，識別準確率低。

發明內容

根據本申請的一個方面，提供了一種基于GoogLeNet神經網絡的魔方復原方法，該方法實現了機器與自然環境的友好交互，從圖像數據中提取色彩，且無需人工干預，具有較強的魯棒性和極速性。

所述基于GoogLeNet神經網絡的魔方復原方法，包括如下步驟：

步驟S100：分別獲取復原和打亂狀態下所述魔方各面的多幅訓練圖像，集合所述訓練圖像作為魔方訓練集；

步驟S200：用所述魔方訓練集訓練所述GoogLeNet神經網絡，得到訓練神經網絡，獲取待復原魔方各面圖像并用所述訓練神經網絡識別所述待復原魔方各面的顏色分布，得到識別結果；

步驟S300：根據所述識別結果計算魔方復原步驟，根據所述魔方復原步驟對所述待復原魔方進行復原。

可選的，所述步驟S100還包括對所述訓練圖像進行預處理得到所述魔方訓練集；

所述預處理包括：

步驟S110：獲取所述訓練圖像的RGB圖像，依序采用均值中心化方法和歸一化方法處理所述RGB圖像得到歸一圖像；

步驟S120：使用零填充放大所述歸一圖像尺寸，得到放大圖像；

步驟S130：依序對所述放大圖像進行高斯模糊平滑、降噪處理后，再將所述放大圖像轉換為HSV色彩空間并在HSV顏色空間中定義所述魔方中各塊的顏色邊界二進制掩碼；

步驟S140：采用所述顏色邊界二進制掩碼識別所述訓練圖像中的魔方色塊，根據所述魔方色塊進行彩色分割處理后，得到小斑點，采用圖像膨脹處理算法填充各所述小斑點。

可選的，所述步驟S300中所述魔方的復原步驟為由機械臂根據所述魔方復原步驟完成復原操作；

所述步驟S100中所述訓練圖像的獲取由所述機械臂夾持所述魔方轉動獲取所述魔方各面圖像，并由所述機械臂對所述魔方進行打亂操作得到打亂狀態下的魔方。

可選的，所述機械臂與所述攝像裝置控制連接，所述攝像裝置獲取所述魔方一面的圖像后，控制所述機械臂轉動所述魔方或對所述魔方進行任意打亂操作。

可選的，所述訓練圖像和所述待復原魔方的各面圖像均由微軟kinect深度攝像頭獲取。

可選的，所述“根據所述識別結果計算魔方復原步驟”采用兩相算法完成。