基于全连接神经网络的目标定位方法技术

本发明专利技术涉及一种基于全连接神经网络的目标定位方法，包括下列步骤：第一步：构建仿真模型：利用3Dmax软件制作目标的3D模型；利用制作符合需求的靶标图像，将靶标图像附于3D模型前端；利用3Dmax软件的脚本系统批量制作训练集；将收集好的训练集进行格式转换，使之符合神经网络输入层的数据格式；构建卷积神经网络识别系统，并训练神经网络。

【技术实现步骤摘要】
基于全连接神经网络的目标定位方法
本专利技术属于计算机视觉领域，涉及卷积神经网络在实际物体定位中的应用。
技术介绍
机器视觉是基于对人类视觉研究的基础上衍生出的学科,它是人工智能领域一个新的研究热点。近年来,大量的研究人员从事着视觉领域各方面技术的研究,希望突破多方面的限制,使机器视觉技术能够更加成熟。机器视觉技术作为重要的检测测量技术已经应用于很多重要的工业、军事领域中,例如生物医学,环境科学,纺织,航天等。机器视觉系统根据获取图像的传感器个数的不同可以分为单目视觉测量系统,双目视觉测量系统和多目视觉测量系统等。其中，单目视觉测量法设备要求简单，在实际工业需求中较易实现，常被广泛用于图像单目视觉就是利用一个视觉传感器来捕捉图像信息,系统结构简单,成本低,对场地环境要求较低,而且视场范围较双目视觉或多目视觉要大得多,不需要进行立体匹配,具有广泛适用性。利用单目视觉来对运动目标进行目标距离与正对位置偏移的方法有很多,如几何相似法、几何光学法、特征靶标测量法、激光测距仪辅助测量法均可以对目标物体的目标距离与偏移进行测量。
技术实现思路
本专利技术的目的在于提供一种可以实现高精度定位的目标定位方法。本专利技术摆脱现有的目标定位方式，将深度学习策略引入目标定位的过程，通过3Dmax软件模拟实际测量环境，制作实际工程所需仿真训练图片，利用软件特性，将已赋好的目标位置训练样本标签，最终构成训练集。训练集投入全连接网络进行图像特征提取，优化网络参数，最终实现更高精度定位。技术方案如下：一种基于全连接神经网络的目标定位方法，包括下列步骤：第一步：构建仿真模型：利用3Dmax软件制作目标的3D模型；利用制作符合需求的靶标图像，将靶标图像附于3D模型前端。第二步：利用3Dmax软件的脚本系统批量制作训练集：目标距离在±0.2米之间，以0.01米为步幅进行样本取材，在目标距离共获取41档样本；目标正对位置偏移在X轴、Y轴两维度坐标轴±0.2米之内，以0.01米为步幅进行样本取材，在正对位置偏移量上获取41*41档样本，共所需训练的样本数据集总量为41*41*41个图片样本，即68921个有标注训练样本。第三步：将收集好的训练集进行格式转换，使之符合神经网络输入层的数据格式。第四步：搭建训练网络，训练网络将基于Keras神经网络框架，构建卷积神经网络识别系统，并训练神经网络。第五步：基于Keras神经网络框架，进行测试。本专利技术所采用的基于深度学习的全连接网络小范围幅度目标定位将克服传统测量方法中存在的误差大、世界坐标系与像素坐标系之间对应关系不易确定的问题，通过多层高精度神经网络的结构设计，加之高精度、大范围样本的不断训练学习，最终能将测量输出目标位置误差控制在3毫米(3σ)之内、正对位置偏移测量误差控制在2毫米(3σ)之内。附图说明图1全连接神经网络系统架构图2制作的特征靶标物具体实施方式第一步：构建仿真模型。利用3Dmax软件制作目标的3D模型；制作符合需求的靶标图像，将靶标图像附于3D模型前端。第二步：制作训练集。结合实际需求，利用3Dmax软件的脚本系统批量制作训练集。目标距离将在±0.2米之间，以0.01米为步幅进行样本取材，在目标距离共获取41档样本；目标正对位置偏移将在X轴、Y轴两维度坐标轴±0.2米之内，以0.01米为步幅进行样本取材，在正对位置偏移量上将获取41*41档样本。共所需训练的样本数据集总量为41*41*41个图片样本，即68921个有标注训练样本。第三步：将收集好的训练集进行格式转换，使之符合神经网络输入层的数据格式。第四步：搭建训练网络，训练网络将基于Keras神经网络框架，结合实际工程环境及需求，构建高精度卷积神经网络识别系统，提高识别准确率，以增加识别精度。第五步：基于Keras神经网络框架，进行测试程序构建。与此同时，构建测试用数据集，进行测试。本文档来自技高网...

【技术保护点】
1.一种基于全连接神经网络的目标定位方法，包括下列步骤：第一步：构建仿真模型：利用3Dmax软件制作目标的3D模型；利用分布在不同位置的正方形，矩形，圆形，椭圆形利用制作符合需求的靶标图像，将靶标图像附于3D模型前端；第二步：利用3Dmax软件的脚本系统批量制作训练集：目标距离在±0.2米之间，以0.01米为步幅进行样本取材，在目标距离共获取41档样本；目标正对位置偏移在X轴、Y轴两维度坐标轴±0.2米之内，以0.01米为步幅进行样本取材，在正对位置偏移量上获取41*41档样本，共所需训练的样本数据集总量为41*41*41个图片样本，即68921个有标注训练样本；第三步：将收集好的训练集进行格式转换，使之符合神经网络输入层的数据格式；第四步：搭建训练网络，训练网络将基于Keras神经网络框架，构建卷积神经网络识别系统，并训练神经网络；第五步：基于Keras神经网络框架，进行测试。

【技术特征摘要】
1.一种基于全连接神经网络的目标定位方法，包括下列步骤：第一步：构建仿真模型：利用3Dmax软件制作目标的3D模型；利用分布在不同位置的正方形，矩形，圆形，椭圆形利用制作符合需求的靶标图像，将靶标图像附于3D模型前端；第二步：利用3Dmax软件的脚本系统批量制作训练集：目标距离在±0.2米之间，以0.01米为步幅进行样本取材，在目标距离共获取41档样本；目标正对位置偏移在X轴、Y轴两维度坐标...

【专利技术属性】
技术研发人员：杨嘉琛，奚萌，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12