一种大型复合材料构件三维测量配准误差控制方法技术

本发明专利技术涉及数字化检测技术领域，解决了多帧点云的低重叠区域使得配准质量较差，严重影响检测精度和生产节奏的技术问题，尤其涉及一种大型复合材料构件三维测量配准误差控制方法，包括以下步骤：S1、获取需进行配准的两片大型的复合材料构件的点云数据P、Q，以及和点云数据P、Q重叠部分的点云数据PI和二维图像I；S2、分别将点云数据P、Q以及点云数据PI和二维图像I输入LODNet网络中。本发明专利技术通过利用两个低重叠点云的重叠但未对准部分，提出一个低重叠点对的重叠检测网络LODNet对点云数据进行处理分析，从而降低配准误差，提高检测精度。提高检测精度。提高检测精度。

【技术实现步骤摘要】
一种大型复合材料构件三维测量配准误差控制方法


[0001]本专利技术涉及数字化检测
，尤其涉及一种大型复合材料构件三维测量配准误差控制方法。

技术介绍

[0002]大型复合材料构件在航空工业领域有着广泛应用，常用于制作各种壁板、翼面、壳体等大型结构件。大型复合材料构件的检测通常采用激光扫描的方法，由于此类构件的形貌面积较大，无法一次扫描成形，因此需要多次扫描形成多帧点云，再对多帧点云进行配准，得到最终得构件模型。然而多帧点云的低重叠区域使得配准质量较差，严重影响检测精度和生产节奏。为了实现高效率低误差的三维测量配准，必须进行数字化检测的研究。

技术实现思路

[0003]针对现有技术的不足，本专利技术提供了一种大型复合材料构件三维测量配准误差控制方法，解决了多帧点云的低重叠区域使得配准质量较差，严重影响检测精度和生产节奏的技术问题，通过利用两个低重叠点云的重叠但未对准部分，提出一个低重叠点对的重叠检测网络LODNet对点云数据进行处理分析，从而降低配准误差，提高检测精度。
[0004]为解决上述技术问题，本专利技术提供了如下技术方案：一种大型复合材料构件三维测量配准误差控制方法，包括以下步骤：S1、获取需进行配准的两片大型的复合材料构件的点云数据P、Q，以及和点云数据P、Q重叠部分的点云数据PI和二维图像I；S2、分别将点云数据P、Q以及点云数据PI和二维图像I输入LODNet网络中，对点云数据P、Q以及点云数据PI和二维图像I进行特征提取，得到提取后的特征f
P3D
、f
Q3D
、f
I3D
和f
I2D
；S3、对特征f
P3D
、f
I3D
、f
I2D
和特征f
Q3D
、f
I3D
、f
I2D
分别进行特征融合，得到融合后的特征f
Pcm
和f
Qcm
，根据特征f
Pcm
和f
Qcm
得到点云数据P和二维图像I的相交区域S
PI
及点云数据Q和二维图像I的相交区域S
QI
；S4、对相交区域S
PI
和S
QI
进行特征提取，对提取到的特征进行特征融合，基于融合后的特征得到点云数据P上和点云数据Q的相交区域S
PQ
以及点云数据Q上和点云数据P的相交区域S
QP
；S5、采用ICP配准方法根据相交区域S
PQ
和S
QP
进行变换矩阵R、T求解。
[0005]进一步地，在步骤S1中，获取需进行配准的两片大型复合材料构件的点云数据P、Q，以及和点云数据P、Q重叠部分的点云数据PI和二维图像I，具体过程包括以下步骤：S101、使用激光扫描仪采集复合材料构件的相邻两帧信息，生成两片点云数据P和Q；S102、使用激光扫描仪采集包含点云数据P和Q的重叠部分的点云，生成点云数据PI；
S103、使用相机采集包含点云数据P和Q重叠部分的构件的二维图像I。
[0006]进一步地，在步骤S2中，分别将点云数据P、Q以及点云数据PI和二维图像I输入LODNet网络中，对点云数据P、Q以及点云数据PI和二维图像I进行特征提取，得到提取后的特征f
P3D
、f
Q3D
、f
I3D
和f
I2D
，具体过程包括以下步骤：S201、将点云数据P、Q和PI输入LODNet网络中用于三维特征提取的3D编码器中，3D编码器使用模型PointNet++生成相应的特征映射f
P3D
、f
Q3D
和f
I3D
；S202、将二维图像I输入LODNet网络中用于二维特征提取的2D编码器中，2D编码器使用模型PSPNet生成相应的特征映射f
I2D
。
[0007]进一步地，在步骤S3中，对特征f
P3D
、f
I3D
、f
I2D
和特征f
Q3D
、f
I3D
、f
I2D
分别进行特征融合，得到融合后的特征f
Pcm
和f
Qcm
，根据特征f
Pcm
和f
Qcm
得到点云数据P和二维图像I的相交区域S
PI
及点云数据Q和二维图像I的相交区域S
QI
，具体过程包括以下步骤：S301、将特征f
P3D
、f
I3D
和f
I2D
输入LODNet网络的特征融合模块中计算融合后的特征f
Pcm
；S302、将特征f
Q3D
、f
I3D
和f
I2D
输入LODNet网络的特征融合模块中计算融合后的特征f
Qcm
；S303、将融合后的特征f
Pcm
输入LODNet网络的分类模块，输出结果为点云数据P中每个点是否可投影到二维图像I的概率，获得点云数据P的子集S
PI
，表示点云数据P和二维图像I重叠部分的点云；S304、将融合后的特征f
Qcm
输入LODNet网络的分类模块，输出结果为点云数据Q中每个点是否可投影到二维图像I的概率，获得点云数据Q的子集S
QI
，表示点云数据Q和二维图像I重叠部分的点云。
[0008]进一步地，在步骤S303中，分类模块由两层全连接层和softmax层组成。
[0009]进一步地，在步骤S4中，对相交区域S
PI
和S
QI
进行特征提取，对提取到的特征进行特征融合，基于融合后的特征得到点云数据P上和点云数据Q的相交区域S
PQ
以及点云数据Q上和点云数据P的相交区域S
QP
，具体过程包括以下步骤：S401、采用LODNet网络中用于三维特征提取的3D编码器对相交区域S
PI
和S
QI
进行特征提取得到融合后的特征f
PI3D
和f
QI3D
；S402、将融合后的特征f
PI3D
和f
Pcm
相乘，以及融合后的特征f
QI3D
和f
Qcm
相乘后做特征融合得到特征f
PQcm
和f
QPcm
；S403、将特征f
PQcm
输入LODNet网络中的分类模块中，得到子集S
PI
中每个点是否可投影到点云数据Q的概率，获得子集S
PI
的子集S
PQ
；S404、将特征f
QPcm
输入LODNet网络中的分类本文档来自技高网...

【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配准误差控制方法，其特征在于，包括以下步骤：S1、获取需进行配准的两片大型的复合材料构件的点云数据P、Q，以及和点云数据P、Q重叠部分的点云数据PI和二维图像I；S2、分别将点云数据P、Q以及点云数据PI和二维图像I输入LODNet网络中，对点云数据P、Q以及点云数据PI和二维图像I进行特征提取，得到提取后的特征f
P3D
、f
Q3D
、f
I3D
和f
I2D
；S3、对特征f
P3D
、f
I3D
、f
I2D
和特征f
Q3D
、f
I3D
、f
I2D
分别进行特征融合，得到融合后的特征f
Pcm
和f
Qcm
，根据特征f
Pcm
和f
Qcm
得到点云数据P和二维图像I的相交区域S
PI
及点云数据Q和二维图像I的相交区域S
QI
；S4、对相交区域S
PI
和S
QI
进行特征提取，对提取到的特征进行特征融合，基于融合后的特征得到点云数据P上和点云数据Q的相交区域S
PQ
以及点云数据Q上和点云数据P的相交区域S
QP
；S5、采用ICP配准方法根据相交区域S
PQ
和S
QP
进行变换矩阵R、T求解。2.根据权利要求1所述的误差控制方法，其特征在于：在步骤S1中，获取需进行配准的两片大型复合材料构件的点云数据P、Q，以及和点云数据P、Q重叠部分的点云数据PI和二维图像I，具体过程包括以下步骤：S101、使用激光扫描仪采集复合材料构件的相邻两帧信息，生成两片点云数据P和Q；S102、使用激光扫描仪采集包含点云数据P和Q的重叠部分的点云，生成点云数据PI；S103、使用相机采集包含点云数据P和Q重叠部分的构件的二维图像I。3.根据权利要求1所述的误差控制方法，其特征在于：在步骤S2中，分别将点云数据P、Q以及点云数据PI和二维图像I输入LODNet网络中，对点云数据P、Q以及点云数据PI和二维图像I进行特征提取，得到提取后的特征f
P3D
、f
Q3D
、f
I3D
和f
I2D
，具体过程包括以下步骤：S201、将点云数据P、Q和PI输入LODNet网络中用于三维特征提取的3D编码器中，3D编码器使用模型PointNet++生成相应的特征映射f
P3D
、f
Q3D
和f
I3D
；S202、将二维图像I输入LODNet网络中用于二维特征提取的2D编码器中，2D编码器使用模型PSPNet生成相应的特征映射f
I2D
。4.根据权利要求1所述的误差控制方法，其特征在于：在步骤S3中，对特征f
P3D
、f
I3D
、f
I2D
和特征f
Q3D
、f
I3D
、f
I2D
分别进行特征融合，得到融合后的特征f
Pcm
和f
Qcm
，根据特征f
Pcm
和f
Qcm
得到点云数据P和二维图像I的相交区域S
PI
及点云数据Q和二维图像I的相交区域S
QI
，具体过程包括以下步骤：S301、将特征f
P3D
、f
I3D
和f
I2D
输入LODNet网络的特征融合模块中计算融合后的特征f
Pcm...

【专利技术属性】
技术研发人员：汪俊，单忠德，吴斯帛，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：