[發明專利]一種放置位置的獲取方法、模型的訓練方法以及相關設備

在審

• 申請號: 202011631359.0
• 申請日: 2020-12-30
• 公開（公告）號: CN112733910A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 童夏良;張甡;秦虎
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06Q10/08
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 陳松浩

1.一種放置位置的獲取方法，其特征在于，所述方法包括：

獲取第一尺寸信息和N個第二尺寸信息，所述第一尺寸信息用于指示容納空間中未占用區域的尺寸，所述N為大于或等于1的整數，所述第二尺寸信息用于指示第一物體的尺寸；

根據所述第一尺寸信息和所述N個第二尺寸信息，生成M個候選放置位置，所述M個候選放置位置中的一個候選放置位置用于指示目標物體在所述未占用區域的一個放置位置，所述目標物體為所述N個第一物體中的一個物體，所述M為大于或等于1的整數；

根據所述第一尺寸信息和所述M個候選放置位置，通過第一機器學習模型生成與所述M個候選放置位置一一對應的M個第一評分值；

根據所述M個第一評分值，從所述M個候選放置位置中選取第一放置位置。

2.根據權利要求1所述的方法，其特征在于，所述第一尺寸信息為二維矩陣；

所述二維矩陣的行數指示所述容納空間的底面的第一尺寸，所述二維矩陣的列數指示所述容納空間的底面的第二尺寸，若所述第一尺寸為長，則所述第二尺寸為寬，或者，若所述第一尺寸為寬，所述第二尺寸為長；

所述容納空間的底面被劃分為多個第一區域，不同的第一區域之間沒有交集，所述二維矩陣包括與所述多個第一區域一一對應的多個矩陣值，每個矩陣值指示所述多個第一區域中一個第一區域在高度方向上的剩余空間。

3.根據權利要求1或2所述的方法，其特征在于，所述第一機器學習模型包括第一子模型和第二子模型，所述根據所述第一尺寸信息和所述M個候選放置位置，通過第一機器學習模型，生成與所述M個候選放置位置一一對應的M個第一評分值，包括：

將所述第一尺寸信息和所述M個候選放置位置輸入所述第一子模型，得到所述第一子模型輸出的與所述M個候選放置位置一一對應的M個第二評分值；

將與所述N個第一物體一一對應的N個第一體積值輸入第二子模型，得到所述第二子模型輸出的與所述N個第一物體一一對應的N個第三評分值，其中，一個第一物體由至少一個第二物體組成，所述第一體積為以下中的任一項：所述至少一個第二物體的平均體積、所述至少一個第二物體中最大的第二物體的體積或所述至少一個第二物體中最小的第二物體的體積；

根據所述M個第二評分值、所述N個第三評分值和第一對應關系，生成所述M個第一評分值，所述第一對應關系為所述M個第二評分值和所述N個第三評分值之間的對應關系。

4.根據權利要求3所述的方法，其特征在于，所述根據所述M個第二評分值、所述N個第三評分值和第一對應關系，生成所述M個第一評分值，包括：

根據所述第一對應關系，從所述N個第三評分值中獲取與目標評分值對應的至少一個第三評分值，所述目標評分值為所述M個第二評分值中任一個評分值；

將所述與目標評分值對應的至少一個第三評分值中每個第三評分值與所述目標評分值相加，得到所述第一評分值。

5.根據權利要求3所述的方法，其特征在于，所述將所述第一尺寸信息和所述M個候選放置位置輸入所述第一子模型，得到所述第一子模型輸出的與所述M個候選放置位置一一對應的M個第二評分值，包括：

通過所述第一子模型對所述第一尺寸信息進行特征提取，得到第一特征信息，并通過所述第一子模型將所述第一特征信息分別與所述M個候選放置位置中每個候選放置位置進行連接，以生成所述M個第二評分值。

6.根據權利要求3所述的方法，其特征在于，所述第一子模型為以下中的任一種神經網絡：深度Q神經網絡、深度雙Q神經網絡、競爭深度雙Q神經網絡或自然深度Q神經網絡；所述第二子模型為全連接神經網絡。