[發明專利]一種檢測集裝箱位置的方法及裝置

在審

• 申請號: 202010545415.2
• 申請日: 2020-06-16
• 公開（公告）號: CN111709996A
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 陳建松;王曉東;張天雷;鞠豪明
• 申請（專利權）人: 北京主線科技有限公司
• 主分類號: G06T7/73
• 分類號: G06T7/73;G06K9/32;G06K9/34;G06K9/62;G06N3/04
• 代理公司: 北京鼎佳達知識產權代理事務所(普通合伙) 11348
• 代理人: 侯菲菲;劉鐵生

本發明實施例提供一種檢測集裝箱位置的方法及裝置，包括：獲取包含有集裝箱的圖像；基于深度學習模型的歸一化層中的重要性參數對所述深度學習模型進行裁剪，所述重要性參數是所述深度學習模型的歸一化層中的通道特征參數經過稀疏化訓練得到的；對裁剪后的深度學習模型進行再訓練；將所述圖像輸入再訓練后的深度學習模型得到所述集裝箱在所述圖像中的位置。能夠使深度學習模型變得輕量化，更快地檢測出集裝箱在圖像中的位置。并且，由于深度學習模型被裁剪后變得更加輕量化，無需再占用過多的存儲空間，進而能夠很好地適用于嵌入式圖形處理器。

技術領域

本發明涉及檢測技術領域，尤其涉及一種檢測集裝箱位置的方法及裝置。

背景技術

在港口集裝箱的裝卸過程中，無人駕駛車輛需要根據吊具以及集裝箱的狀態信息通過控制其自身的動作來對集裝箱進行裝卸作業。具體來說，無人駕駛車輛通過圖像傳感器獲取其前方上空的圖像，然后通過深度學習模型確定吊具是否抓取到集裝箱以及集裝箱的位置信息，從而確定集裝箱裝卸作業的進展，進而使得無人駕駛車輛能夠進行減速、對位、啟動等動作。

然而，無人駕駛車輛在對集裝箱進行裝卸的過程中，需要實時獲取集裝箱的位置信息，才能夠精準地控制車輛自身的動作。但是，由于深度學習模型中模型參數量大，通過深度學習模型確定集裝箱的位置信息需要花費較多的時間，進而使無人駕駛車輛無法實時地獲取到集裝箱的位置信息。

發明內容

鑒于上述問題，本發明實施例的目的是提供一種檢測集裝箱位置的方法及裝置，通過使深度學習模型變得輕量化，能夠快速地確定出集裝箱的位置信息，使得無人駕駛車輛能夠實時地獲取到集裝箱的位置信息。

為解決上述技術問題，本發明實施例提供如下技術方案：

第一方面，本發明實施例提供一種檢測集裝箱位置的方法，包括：獲取包含有集裝箱的圖像；基于深度學習模型的歸一化層中的重要性參數對所述深度學習模型進行裁剪，所述重要性參數是所述深度學習模型的歸一化層中的通道特征參數經過稀疏化訓練得到的；對裁剪后的深度學習模型進行再訓練；將所述圖像輸入再訓練后的深度學習模型得到所述集裝箱在所述圖像中的位置。

第二方面，本發明實施例提供一種檢測集裝箱位置的裝置，包括：接收模塊，用于獲取包含有集裝箱的圖像；裁剪模塊，用于基于深度學習模型的歸一化層中的重要性參數對所述深度學習模型進行裁剪，所述重要性參數是所述深度學習模型的歸一化層中的通道特征參數經過稀疏化訓練得到的；恢復模塊，用于對裁剪后的深度學習模型進行再訓練；定位模塊，用于將所述圖像輸入再訓練后的深度學習模型得到所述集裝箱在所述圖像中的位置。

第三方面，本發明實施例提供一種電子設備，所述電子設備包括：至少一個處理器；以及與所述處理器連接的至少一個存儲器、總線；其中，所述處理器、存儲器通過所述總線完成相互間的通信；所述處理器用于調用所述存儲器中的程序指令，以執行上述一個或多個技術方案中的方法。

第四方面，本發明實施例提供一種計算機可讀存儲介質，所述存儲介質包括存儲的程序，其中，在所述程序運行時控制所述存儲介質所在設備執行上述一個或多個技術方案中的方法。

本發明實施例提供的檢測集裝箱位置的方法及裝置，包括：獲取包含有集裝箱的圖像；基于深度學習模型的歸一化層中的重要性參數對深度學習模型進行裁剪，重要性參數是深度學習模型的歸一化層中的通道特征參數經過稀疏化訓練得到的；對裁剪后的深度學習模型進行再訓練；將圖像輸入再訓練后的深度學習模型得到集裝箱在圖像中的位置。通過深度學習模型的歸一化層中的重要性參數對深度學習模型進行裁剪，使深度學習模型變得輕量化，能夠基于集裝箱的圖像更快地檢測出集裝箱在圖像中的位置，進而使得無人駕駛車輛能夠實時地獲取集裝箱的位置，更加精準地對集裝箱進行裝卸作業。并且，由于深度學習模型被裁剪后變得更加輕量化，無需再占用過多的存儲空間，進而能夠很好地適用于嵌入式圖形處理器（Graphics Processing Unit，GPU），節省集裝箱位置檢測的硬件成本。