[发明专利]一种废钢智能识别方法、装置、介质及设备

权利要求书

1.一种废钢智能识别方法，其特征在于，该方法包括：

通过图像采集设备获取待识别对象的二维RGB图像，通过激光采集设备获取待识别对象的三维点云数据；

将所述二维RGB图像输入事先训练好的第一深度神经网络中，得到废钢区域图像；

将所述废钢区域图像与所述三维点云数据进行匹配，得到所述废钢区域的深度颜色数据；

将所述深度颜色数据输入事先训练好的第二深度神经网络中，得到废钢类型。

2.根据权利要求1所述的废钢智能识别方法，其特征在于，该方法还包括：对废钢区域图像以外的图像进行裁剪，得到废钢有效区域图像；在获取所述深度颜色数据时，将所述废钢有效区域图像与所述三维点云数据进行匹配。

3.根据权利要求1所述的废钢智能识别方法，其特征在于，所述将所述废钢区域图像与所述三维点云数据进行匹配，包括：

根据图像采集设备与激光采集设备的安装位置，确定RGB图像和三维点云数据的关联关系，并推算出废钢区域的RGB图像与三维点云的转换矩阵，以完成废钢区域的RGB图像与所述三维点云数据的匹配。

4.根据权利要求1所述的废钢智能识别方法，其特征在于，所述将所述二维RGB图像输入事先训练好的第一深度神经网络中，得到废钢区域图像；包括：

对所述二维RGB图像进行特征提取，得到所述二维RGB图像的第一特征向量；

将所述第一特征向量输入事先训练好的第一深度神经网络中，得到废钢区域图像。

5.根据权利要求4所述的废钢智能识别方法，其特征在于，所述RGB图像的特征包括纹理特征。

6.根据权利要求1所述的废钢智能识别方法，其特征在于，所述将所述深度颜色数据输入事先训练好的第二深度神经网络中，得到废钢类型，包括：

对所述深度颜色数据进行特征提取，得到所述深度颜色数据的第二特征向量；

将所述第二特征向量输入事先训练好的第二深度神经网络中，得到废钢类型。

7.一种废钢智能识别装置，其特征在于，该装置包括：

图像采集设备，用于获取待识别对象的二维RGB图像；

激光采集设备，用于获取待识别对象的三维点云数据；

废钢区域识别模块，用于将所述二维RGB图像输入事先训练好的第一深度神经网络中，得到废钢区域图像；

数据匹配模块，用于将所述废钢区域图像与所述三维点云数据进行匹配，得到所述废钢区域的深度颜色数据；

废钢类型识别模块，用于将所述深度颜色数据输入事先训练好的第二深度神经网络中，得到废钢类型。

8.一种废钢智能识别设备，其特征在于，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行如权利要求1-6中任意一项所述的方法。

9.一种机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行如权利要求1-6中任意一项所述的方法。