[發明專利]一種基于關鍵點熱圖修正的房間布局估計獲取方法與系統

有效

• 申請號: 202110200205.4
• 申請日: 2021-02-23
• 公開（公告）號: CN112837336B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 文世挺;王傲鵬;高云君;龐超逸
• 申請（專利權）人: 浙大寧波理工學院
• 主分類號: G06T7/181
• 分類號: G06T7/181;G06T7/187;G06N3/04;G06N3/08
• 代理公司: 寧波市鄞州盛飛專利代理事務所(特殊普通合伙) 33243
• 代理人: 龍洋

1.一種基于關鍵點熱圖修正的房間布局估計獲取方法，其特征在于，包括步驟：

S1：接收待識別圖像，通過神經網絡模型獲取待識別圖像的關鍵點熱圖以及房間類型；所述房間類型由若干個有序關鍵點組成，并含有若干個邊界關鍵點，各關鍵點之間有序連接；

S2：根據房間類型的關鍵點與關鍵點熱圖的關鍵點的對應關系獲取關鍵點熱圖的邊界關鍵點；

S3：獲取邊界關鍵點的圖像坐標并根據圖像坐標修正邊界關鍵點至關鍵點熱圖的圖像邊界線上；

所述步驟S3中的修正方法包括步驟：

S31：根據各邊界關鍵點的坐標獲取各邊界關鍵點與關鍵點熱圖邊界線的垂直距離；

S32：獲取垂直距離最小的關鍵點熱圖邊界線并作為修正邊界線；

S33：以修正邊界線的垂直方向為目標方向移動邊界關鍵點至修正邊界線上；

S4：根據房間類型獲取修正后的關鍵點熱圖的連接關系，并根據連接關系獲取房間布局估計。

2.根據權利要求1所述的基于關鍵點熱圖修正的房間布局估計獲取方法，其特征在于，所述步驟S1前還包括神經網絡模型的訓練方法，具體包括步驟：

S01：獲取數據集，所述數據集中包括多類預設房間類型的關鍵點標號圖，通過翻轉標號圖并對翻轉后的標號圖重排序獲取擴充后的數據集；

S02：根據擴充后的數據集訓練神經網絡模型。

3.根據權利要求2所述的基于關鍵點熱圖修正的房間布局估計獲取方法，其特征在于，所述步驟S01中重排序的方法為：以翻轉前標號圖的標號順序為排序標準，使翻轉后的標號順序與翻轉前標號圖的順序一致。

4.一種基于關鍵點熱圖修正的房間布局估計獲取系統，其特征在于，包括：

神經網絡模塊，接收待識別圖像，通過神經網絡模型獲取待識別圖像的關鍵點熱圖以及房間類型；所述房間類型由若干個有序關鍵點組成，并含有若干個邊界關鍵點，各關鍵點之間有序連接；

邊界關鍵點模塊，根據房間類型的關鍵點與關鍵點熱圖的關鍵點的對應關系獲取關鍵點熱圖的邊界關鍵點；

關鍵點熱圖修正模塊，獲取邊界關鍵點的圖像坐標并根據圖像坐標修正邊界關鍵點至關鍵點熱圖的圖像邊界線上；

所述關鍵點熱圖修正模塊中的修正方法包括：

根據各邊界關鍵點的坐標獲取各邊界關鍵點與關鍵點熱圖邊界線的垂直距離；獲取垂直距離最小的關鍵點熱圖邊界線并作為修正邊界線；以修正邊界線的垂直方向為目標方向移動邊界關鍵點至修正邊界線上；

邊界關鍵點連接模塊，根據房間類型獲取修正后的關鍵點熱圖的連接關系，并根據連接關系獲取房間布局估計。

5.根據權利要求4所述的基于關鍵點熱圖修正的房間布局估計獲取系統，其特征在于，所述神經網絡模塊前還包括神經網絡模型的訓練模塊，具體包括：

獲取數據集，所述數據集中包括多類預設房間類型的關鍵點標號圖，通過翻轉標號圖并對翻轉后的標號圖重排序獲取擴充后的數據集；根據擴充后的數據集訓練神經網絡模型。

6.根據權利要求5所述的基于關鍵點熱圖修正的房間布局估計獲取系統，其特征在于，所述重排序的方法為：以翻轉前標號圖的標號順序為排序標準，使翻轉后的標號順序與翻轉前標號圖的順序一致。