[發(fā)明專利]基于生成查詢網(wǎng)絡(luò)的行李體積自動(dòng)分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910088785.5
• 申請(qǐng)日: 2019-01-30
• 公開(kāi)（公告）號(hào): CN109858437B
• 公開(kāi)（公告）日: 2023-05-30
• 發(fā)明（設(shè)計(jì)）人: 朱斐;徐大勇;劉全
• 申請(qǐng)（專利權(quán)）人: 蘇州大學(xué)
• 主分類號(hào): G06V20/64
• 分類號(hào): G06V20/64;G06V10/82;G06V10/764;G06N3/0464;G06N3/08;G06V10/26;G06V10/762
• 代理公司: 蘇州翔遠(yuǎn)專利代理事務(wù)所(普通合伙) 32251
• 代理人: 陸金星;姚惠菱

1.一種基于生成查詢網(wǎng)絡(luò)的行李體積自動(dòng)分類方法，其特征在于，包括如下步驟：(1)提供一場(chǎng)景圖像獲取子系統(tǒng)、一三維模型生成子系統(tǒng)、場(chǎng)景分割子系統(tǒng)以及一行李分類子系統(tǒng)，所述場(chǎng)景圖像獲取子系統(tǒng)包括相機(jī)，所述三維模型生成子系統(tǒng)包括生成查詢網(wǎng)絡(luò)，所述場(chǎng)景分割子系統(tǒng)包括點(diǎn)云庫(kù)；(2)通過(guò)所述相機(jī)對(duì)包含行李的當(dāng)前實(shí)際場(chǎng)景進(jìn)行圖片采集，形成帶有空間姿態(tài)信息的圖片序列；(3)將步驟(2)獲得的圖片序列作為所述生成查詢網(wǎng)絡(luò)的輸入，獲得與當(dāng)前實(shí)際場(chǎng)景相互映射的三維模型；

所述生成查詢網(wǎng)絡(luò)在訓(xùn)練時(shí)選用值逼近方法，即最小化上界，作為代價(jià)函數(shù)，采用小批量自適應(yīng)梯度下降的更新方式更新參數(shù)，即將訓(xùn)練集劃分為很多批，對(duì)每一批計(jì)算誤差并更新參數(shù)，即所述生成查詢網(wǎng)絡(luò)的損失函數(shù)公式為：

其中，θ是模型的待訓(xùn)練的參數(shù)；

表示當(dāng)前函數(shù)有兩個(gè)參數(shù)，分別為θ和φ；

(x，v)～D是待訓(xùn)練的準(zhǔn)備數(shù)據(jù)D；

z～q_φ表示來(lái)自q_φ的高維隱變量；

表示在D和q_φ的條件下的期望；

g_θ(x|zv^q，r)為生成模型，在隱變量z，視角v，從D中采樣本處理后的r的條件下，生成的分布x，其參數(shù)為θ，在公式中為g；

π_θ(z|v^q，r)為先驗(yàn)?zāi)Ｐ停谝暯莢，從D中采樣本處理后的r的條件下，生成的隱變量z，其參數(shù)為θ，在公式中為π；

q_φ(z|x^q，v^q，r)為推理模型，在預(yù)測(cè)圖片x_q，視角v，從D中采樣本處理后的r的條件下，生成的隱變量z，其參數(shù)為φ，在公式中為q；

l表示把隱變量z分成L組變成zl，其中l(wèi)∈[1，L]；

中η是卷積網(wǎng)絡(luò)，將其輸入u_L映射到高斯分布的均值g，其中u0表示模型的初始狀態(tài)；

相當(dāng)于，即在視角v，從D中采樣本處理后的r的條件，生成的隱變量z的組小于l下，對(duì)預(yù)測(cè)圖片分布x^q的先驗(yàn)?zāi)Ｐ停?/p>

表示取該模型的負(fù)對(duì)數(shù)；

相當(dāng)于即在預(yù)測(cè)圖片分布x^q，視角v，從D中采樣本處理后的r的條件，生成的隱變量z的組小于l下的推理模型，其中是推理模型的初始狀態(tài)；

相當(dāng)于，即在視角v，從D中采樣本處理后的r的條件，生成的隱變量z的組小于l下，對(duì)預(yù)測(cè)圖片分布x^q的先驗(yàn)?zāi)Ｐ停渲校硎旧赡Ｐ偷某跏紶顟B(tài)；

中KL用來(lái)表示兩個(gè)模型的相似度，也稱KL散度；

將模型的所有KL散度相加求和；

求取期望；(4)通過(guò)所述點(diǎn)云庫(kù)將步驟(3)獲得的三維模型轉(zhuǎn)變?yōu)辄c(diǎn)云文件，將所述點(diǎn)云文件進(jìn)行分割，獲得每個(gè)行李的點(diǎn)云數(shù)據(jù)；(5)通過(guò)所述行李分類子系統(tǒng)根據(jù)獲得的每個(gè)行李的點(diǎn)云數(shù)據(jù)計(jì)算每個(gè)行李的體積，并將每個(gè)行李標(biāo)識(shí)為其體積所在的體積范圍。

2.根據(jù)權(quán)利要求1所述的基于生成查詢網(wǎng)絡(luò)的行李體積自動(dòng)分類方法，其特征在于，通過(guò)在不同拍攝姿態(tài)間切換的一臺(tái)相機(jī)或分別處于不同拍攝姿態(tài)的多臺(tái)相機(jī)獲取當(dāng)前場(chǎng)景的圖片序列。

3.根據(jù)權(quán)利要求1所述的基于生成查詢網(wǎng)絡(luò)的行李體積自動(dòng)分類方法，其特征在于，所述相機(jī)為單目相機(jī)。

4.根據(jù)權(quán)利要求1所述的基于生成查詢網(wǎng)絡(luò)的行李體積自動(dòng)分類方法，其特征在于，帶有空間姿態(tài)信息的圖片序列定義為?，其中，i∈{1，…，N}，k∈{1，…，K}，i是數(shù)據(jù)中場(chǎng)景的數(shù)目，k是每個(gè)場(chǎng)景中圖片的數(shù)目，是拍攝方位,是從拍攝方位拍攝到的圖像。

5.根據(jù)權(quán)利要求1所述的基于生成查詢網(wǎng)絡(luò)的行李體積自動(dòng)分類方法，其特征在于，拍攝方位用五個(gè)維度的向量表示，表示相機(jī)在三維坐標(biāo)系中的X軸位置，表示相機(jī)在三維坐標(biāo)系中的Y軸位置，表示相機(jī)在三維坐標(biāo)系中的Z軸位置，yaw表示相機(jī)的偏航角，pitch表示相機(jī)的俯仰角。