[发明专利]神经网络训练方法、激光扫描图像处理方法及装置

权利要求书

1.一种神经网络训练方法，其特征在于，包括：

获取在时域上连续的若干帧图像作为训练图像集，所述若干帧图像包含无干扰激光扫描图像和存在干扰的激光扫描图像；

基于预设规则对所述训练图像集进行扩展得到扩展数据集合；所述基于预设规则对所述训练图像集进行扩展得到扩展数据集合包括：按第一预设梯度对所述训练图像集中各帧图像设置多个干扰深浅浓度；按第二预设梯度对所述训练图像集中各帧图像设置多个成像光条角度，所述成像光条角度为被测对象的轮廓曲率；

将所述扩展数据集合输入至卷积神经网络进行训练得到训练后的卷积神经网络。

2.如权利要求1所述的神经网络训练方法，其特征在于，在所述基于预设规则对所述训练图像集进行扩展得到扩展数据集合和所述将所述扩展数据集合输入至卷积神经网络进行训练得到训练后的卷积神经网络之间，还包括：

对所述扩展数据集中的各帧图像分别进行裁剪得到样本数据集；

所述将所述扩展数据集合输入至卷积神经网络进行训练得到训练后的卷积神经网络包括：将所述样本数据集输入至卷积神经网络进行训练得到训练后的卷积神经网络。

3.一种激光扫描图像处理方法，其特征在于，包括：

选取待处理图像集，所述待处理图像集为时序上连续的若干帧激光扫描图像；

将所述待处理图像集输入卷积神经网络，所述卷积神经网络采用如权利要求1-2任意一项所述的训练方法训练而成；

接收所述卷积神经网络输出的各个像素块的质量评价得分；

判断所述质量评价得分是否超过第一阈值；

如果所述质量评价得分超过第一阈值，则确定所述质量评价得分的像素块为有效激光光点像素。

4.如权利要求3所述的激光扫描图像处理方法，其特征在于，在所述判断所述质量评价得分是否超过第一阈值和所述确定所述质量评价得分的像素块为有效激光光点像素之间，还包括：

如果所述质量评价得分超过第一阈值，则判断所述质量评价得分对应的像素块的像素值是否大于第二阈值；

如果所述质量评价得分对应的像素块的像素值超过第二阈值，则确定所述质量评价得分的像素块为有效激光光点像素。

5.一种神经网络训练装置，其特征在于，包括：

训练集获取模块，用于获取在时域上连续的若干帧图像作为训练图像集，所述若干帧图像包含无干扰激光扫描图像和存在干扰的激光扫描图像；

扩展模块，用于基于预设规则对所述训练图像集进行扩展得到扩展数据集合；所述扩展模块包括：浓度单元，用于按第一预设梯度对所述训练图像集中各帧图像设置多个干扰深浅浓度；角度单元，用于按第二预设梯度对所述训练图像集中各帧图像设置多个成像光条角度，所述成像光条角度为被测对象的轮廓曲率；

训练模块，用于将所述扩展数据集合输入至卷积神经网络进行训练得到训练后的卷积神经网络。

6.一种激光扫描图像处理装置，其特征在于，包括：

选取模块，用于选取待处理图像集，所述待处理图像集为时序上连续的若干帧激光扫描图像；

输入模块，用于将所述待处理图像集输入卷积神经网络，所述卷积神经网络采用如权利要求5所述的训练装置训练而成；

评价模块，用于接收所述卷积神经网络输出的各个像素块的质量评价得分；

判断模块，用于判断所述质量评价得分是否超过第一阈值；

确定模块，用于如果所述判断模块判断所述质量评价得分超过第一阈值，则确定所述质量评价得分的像素块为有效激光光点像素。

7.一种计算机装置，其特征在于，包括处理器，所述处理器用于执行存储器中存储的计算机程序实现如权利要求3或4所述的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，存储介质中存储的计算机程序被执行实现如权利要求3或4所述的方法。