一种大型复合材料构件三维测量点云质量优化方法技术

本发明专利技术涉及三维数据处理技术领域，解决了三维测量系统中实测的点云数据中存在大量噪声的技术问题，尤其涉及一种大型复合材料构件三维测量点云质量优化方法，该方法包括以下步骤：S1、获取三维测量大型复合材料构件得到的一个有噪声的点云模型数据；S2、对点云模型数据中的每一个点构建多尺度邻域，并通过PointNet神经网络提取每一个点相应的多尺度邻域的多尺度几何结构深度特征；S3、基于PointNet神经网络搭建点云循环优化网络模型。本发明专利技术可有效优化复杂实际装配现场复合材料零部件三维实测点云数据质量，抑制点云曲面噪声，恢复尖锐特征结构。恢复尖锐特征结构。恢复尖锐特征结构。

【技术实现步骤摘要】
一种大型复合材料构件三维测量点云质量优化方法


[0001]本专利技术涉及三维数据处理
，尤其涉及一种大型复合材料构件三维测量点云质量优化方法。

技术介绍

[0002]三维精密测量技术可实现复杂零件的精度检测、关键特征提取，为后续制造、装配工艺优化提供重要基础数据，是保证复杂零件成形、装配精度的关键技术。
[0003]但实际应用时尚存在以下问题：工业现场工况复杂，测量环境微小震动、工装遮挡、测量对象自身遮挡往往造成测量数据存在局部噪声、背景噪声和局部数据残缺；大型复合材料构件结构复杂，变厚度多曲率结构表面分布横纵加强筋，其外形三维数据需要多次测量拼接完成，误差累计严重，导致测量数据中存在分层噪声；再加上复合材料材质特殊，表面反射率变化范围大，使得大型复合材料构件表面局部区域测量数据严重失真，表面存在噪声和特征扭曲等，极大影响了数据自动处理的精度与稳定性，后续装配协调分析的有效性难以保证。因此，对大型复合材料构件三维测量点云数据进行质量优化是后续高精度协调的必要条件。

技术实现思路

[0004]针对现有技术的不足，本专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大型复合材料构件三维测量点云质量优化方法，其特征在于，该方法包括以下步骤：S1、获取三维测量大型复合材料构件得到的一个有噪声的点云模型数据；S2、对点云模型数据中的每一个点构建多尺度邻域，并通过PointNet神经网络提取每一个点相应的多尺度邻域的多尺度几何结构深度特征；S3、基于PointNet神经网络搭建点云循环优化网络模型，并将每一个点相应的多尺度邻域的多尺度几何结构深度特征输入至点云循环优化网络模型中；S4、通过特征融合模块对每一个点的多尺度几何结构深度特征进行融合得到若干个融合后的多尺度几何结构自适应深度特征；S5、通过特征循环传播层对具有相同尺度的若干个多尺度几何结构自适应深度特征进行融合得到若干个融合后的同尺度深度特征；S6、采用倒角距离损失函数L对若干个同尺度深度特征进行监督；S7、点云循环优化网络模型输出优化后的无噪声点云数据。2.根据权利要求1所述的点云质量优化方法，其特征在于：在步骤S2中，对点云模型数据中的每一个点构建多尺度邻域，并通过PointNet神经网络提取每一个点相应的多尺度邻域的多尺度几何结构深度特征，具体过程包括以下步骤：S21、将有噪声的点云模型数据归一化至以原点为中心的单位球体内，然后为每一个点通过球邻域建立多尺度邻域；S22、在多尺度邻域中根据采样点数量以搜索半径进行搜索得到每一个点的每个尺度局部邻域；当多尺度邻域内点数小于采样点数量时，缺少点皆补充为原点；当多尺度邻域中点数多于采样点数量时，则进行随机采样；S23、将每个点的每个尺度局部邻域视为一个点云数据，然后通过PointNet神经网络提取每个尺度局部邻域的全局特征作为当前点的多尺度几何结构深度特征。3.根据权利要求2所述的点云质量优化方法，其特征在于：采样点数量分别为 32、48、64和128，对应的搜索半径分别为0.2、0.4、0.6和0.8。4.根据权利要求1所述的点云质量优化方法，其特征在于：在步骤S3中，点云循环优化网络模型包括以PointNet神经网络为基础，分别嵌入一个双向循环RNN的特征融合模块和一个带有注意力编码器RNN的特征循环传播层；特征融合模块包括两个LSTM单元，LSTM单元包括遗忘门、更...

【专利技术属性】
技术研发人员：汪俊，单忠德，单鹏飞，陈红华，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：