一种大型飞机大部件点云语义分割方法技术

本发明专利技术公开了一种大型飞机大部件点云语义分割方法，包括：获取大型飞机的整机实测点云数据，进行k近邻图建模，得到k近邻图；构建金字塔动态图卷积网络，通过k近邻图对金字塔动态图卷积网络中的每一个游走核卷积模块进行多尺度的二阶随机游走采样，结合高斯混合模型进行Fisher向量编码，得到多尺度图的统一特征编码表示；将实测点云数据输入金字塔动态图卷积网络中，进行多尺度点云特征提取，依次将高尺度点云特征插回低尺度点云特征中，再进行点云特征转换，将点云特征转换为飞机大部件语义分割结果。本发明专利技术方法实现了精准大规模点云语义分割。义分割。义分割。

【技术实现步骤摘要】
一种大型飞机大部件点云语义分割方法


[0001]本专利技术涉及三维点云模型检测领域，具体地，涉及一种大型飞机大部件点云语义分割方法。

技术介绍

[0002]外形分析是大型飞机加工装配与入场维护中必不可少的一环，由于大型分级壁板本身的弱刚性和保形工装设计问题，导致大尺寸薄壁件放在保形工装上加工时，对接边缘会出现形变。过大形变会造成大型飞机蒙皮无规律的起伏，即机体表面出现波纹现象。过大形变如果在机头空速管附近，这将直接影响静压探头附近的流场，造成静压探头测得的高度、压力等数据出现偏差，当波纹较严重时，将影响数据的准确性，造成飞行员误判，影响飞行安全，因此，需要对大型飞机的外形形变进行分析。
[0003]大型飞机点云数据规模可达亿万级，且具有无序性的特点，导致难以利用体素或投影等规则化方法表示与学习。大型飞机大部件几何特征在点云表示中尺度变化范围较大，现有点云语义分割网络受限于邻域特征表示形式，难以捕捉大范围长距离的语义依赖关系。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术提供一种大型飞机大部件点云语义分割本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大型飞机大部件点云语义分割方法，其特征在于，包括以下步骤：S1、获取大型飞机的整机实测点云数据；S2、将步骤S1获取的整机实测点云数据进行k近邻图建模，得到k近邻图；S3、构建金字塔动态图卷积网络，通过k近邻图对所述金字塔动态图卷积网络中的每一个游走核卷积模块进行多尺度的二阶随机游走采样，结合高斯混合模型进行Fisher向量编码，得到多尺度图的统一特征编码表示；S4、将步骤S1获取的实测点云数据输入金字塔动态图卷积网络中，进行多尺度点云特征提取，依次将高尺度点云特征插回低尺度点云特征中，再进行点云特征转换，将点云特征转换为飞机大部件语义分割结果。2.根据权利要求1所述大型飞机大部件点云语义分割方法，其特征在于，步骤S1包括如下子步骤：S101、利用LeicaATS960绝对跟踪仪从大型飞机周边的多个站点采集激光点云数据；S102、使用点云拼接技术将采集的激光点云数据拼接成整机实测点云数据。3.根据权利要求1所述大型飞机大部件点云语义分割方法，其特征在于，步骤S2包括如下子步骤：S201、使用KdTree算法计算整机实测点云数据中任意两点的高斯距离，并将高斯距离作为两点之间的连边权重；S202、选取每个点的k近邻点作为k近邻图的顶点，将两个点之间的连边作为k近邻图中的边，从而进行k近邻图建模，得到k近邻图。4.根据权利要求1所述大型飞机大部件点云语义分割方法，其特征在于，所述金字塔动态图卷积网络包括：空间变换模块、第一游走核卷积模块、第二游走核卷积模块、第三游走核卷积模块、第四游走核卷积模块、第五游走核卷积模块、第六游走核卷积模块、第一多层感知机、第二多层感知机、第三多层感知机、第四多层感知机组成，所述空间变换模块与第一游走核卷积模块连接，所述第一游走核卷积模块、第二游走核卷积模块、第三游走核卷积模块串联，所述第一游走核卷积模块的输出、第二游走核卷积模块的输出、第三游走核卷积模块的输出经跳跃连接、拼接后与第一多层感知机连接；所述第一游走核卷积模块通过图池化与第四游走核卷积模块连接，所述第四游走核卷积模块、第五游走核卷积模块串联，所述第一游走核卷积模块的图池化输出、第四游走核卷积模块、第五游走核卷积模块的输出经跳跃连接、拼接后与第二多层感知机连接；所述第四游走核卷积模块通过图池化与第六游走核卷积模块连接，所述第四游走核卷积模块的图池化输出与第六游走核卷积模块的输出经跳跃连接、拼接后与第三多层感知机连接；所述第三多层感知机、第二多层感知机、第一多层感知机串联，所述第一多层感知机与第四多层感知机连接。5.根据权利要求4所述大型飞机大部件点云语义分割方法，其特征在于，所述第一游走核卷积模块、第二游走核卷积模块、第三游走核卷积模块、第四游走核卷积模块、第五游走核卷积模块、第六游走核卷积模块均进行多尺度的二阶随机游走采样，结合高斯混合模型进行Fisher向量编码，得到多尺度图的统一特征编码表示，具体过程如下：S301、采用超参数(p，q)引导二阶随机游走，对于k近邻图中任意两个顶点v，x设置未归
一化转移概率其随机游走场进行多个尺度的随机游动t＝1，2，...，T，获得多个尺度的邻域信息；其中，p为调节广度优先遍历的超参数，q为调节深度优先遍历的超参数，为顶点v与x间的静态边权重，Z为归一化常数，E为k近邻图中边的集合，α
pq
(v，x)为顶点v与x间的动态权重调整因子，l
v，x
表示顶点v和x之间的随机游动跳跃的步数，T为感受野的尺度数；S302、设置每次随机游动中采样个数的待求参数，对每个尺度的邻域信息采用多个高斯模型进行建模，得到高斯混合模型：其中，表示以v
j
为初始顶点、长度为t的第k条游走路径，表示第条游走路径上所有特征的集合，d(t+1)表示的特征维度，λ
t
＝{(ω
t，c
，μ
t，c
，∑
...

【专利技术属性】
技术研发人员：魏明强，仇静博，郭向林，李新，马梦姣，陈志磊，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：