[发明专利]基于深度学习的机房机柜及主控板感知与坐标测量方法及装置

权利要求书

1.基于深度学习的机房机柜及主控板感知与坐标测量方法，其特征在于，所述方法包括以下步骤：

步骤A、将通信机房机柜及主控板的图像输入深度学习网络训练，得到可以识别通信机房机柜及主控板的网络；

步骤B、采集通信机房机柜及主控板的图像，输入已训练好的深度学习网络，识别出图像中的机房机柜及主控板的特征区域；

步骤C、识别出图像中机房机柜及主控板特征区域后，通过ToF飞行时间测距法对图像进行三维建模；

步骤D根据三维模型计算得出机柜及主控板的坐标位置信息。

2.如权利要求1所述的基于深度学习的机房机柜及主控板感知与坐标测量方法，其特征在于，所述步骤A具体包括：将通信机房机柜及主控板的RGB图像输入DeepLabCut网络，对训练集图像进行特征标注后训练，训练完成得可有效识别机房机柜及主控板的深度学习网络。

3.如权利要求2所述的基于深度学习的机房机柜及主控板感知与坐标测量方法，其特征在于，训练集特征点的选择以机箱、主控板的左上角为起始点逆时针旋转标注在边框上，机箱标注8个点为P_C1…P_C8，主控板标注6个点为P_S1…P_S6。

4.如权利要求2所述的基于深度学习的机房机柜及主控板感知与坐标测量方法，其特征在于，所述深度学习网络DeepLabCut，响应图像上某个像素点的真实响应为输出响应为则交叉熵损失E_loss(p,p_out)为：

当交叉熵损失E_loss(p,p_out)经过N次迭代训练后达到收敛时，形成训练完成的神经网络。

5.如权利要求1所述的基于深度学习的机房机柜及主控板感知与坐标测量方法，其特征在于，所述步骤B中，采集通信机房机柜及主控板图像，输入已训练好的DeepLabCut网络，网络自动识别出图像中的机房机柜及主控板的特征点。

6.如权利要求1所述的基于深度学习的机房机柜及主控板感知与坐标测量方法，其特征在于，坐标测量技术基于深度学习中的深度信息D由发射光波信号与反射光波信号的相位差来进行测量，并通过数据处理单元提取出相位差，由如下公式计算出深度信息D：信息D：

7.如权利要求5所述的基于深度学习的机房机柜及主控板感知与坐标测量方法，其特征在于，所述图像中的机房机柜及主控板的特征点坐标分别为通过特征点如P_C1、P_C2、P_C3取其横坐标值做均值即可得到机箱左侧的平面坐标信息

同理可得

8.基于深度学习的机房机柜及主控板感知与坐标测量装置，其特征在于，所述装置包括：图像采集模块、部件感知模块、发射照明模块和感光接收模块；所述

图像采集模块，用于采集通信机房机柜及主控板的图像信息；

部件感知模块，用于识别采集图像信息中的机房机柜及主控板；

发射照明模块，用于发射调制后的光信号，所述光信号碰到机房机柜及主控板后反射；

感光接收模块，用于接收机房机柜反射回的调制光信号并通过ToF飞行时间法计算出机房机柜及主控板的空间位置信息。

9.如权利要求8所述的基于深度学习的机房机柜及主控板感知与坐标测量装置，其特征在于，所述发射照明模块发射光的波长是红外波段，且需要进行高频率调制。

10.如权利要求8所述的基于深度学习的机房机柜及主控板感知与坐标测量装置，其特征在于，感光接收模块中每一个像元对发射光波的往返相机与物体之间的具体相位分别进行录，测量机房机柜及主控板的深度信息，并进行三维建模。