基于局部几何特征和隐式距离场的飞机表面重建方法技术

技术编号:38252359 阅读:12 留言:0更新日期:2023-07-27 10:17
本发明专利技术提供一种基于局部几何特征和隐式距离场的飞机表面重建方法,包括基于点云中的每个点的高斯分布,在点云表面采样,得到点云表面附近的查询点集合;根据查询点周围的点云形状和局部几何结构确定查询点的关键几何特征;构建飞机表面的隐式距离场网络,以确定查询点到点云表面的有符号距离函数的值;更新查询点在三维空间中的位置,根据查询点在三维空间中更新后的位置训练飞机表面的隐式距离场网络;将点云中的每个点输入训练好的飞机表面的隐式距离场网络中,确定点云中每个点的有符号距离函数的值;根据点云中每个点的有符号距离函数的值重建飞机表面。本发明专利技术解决现有大型飞机表面重建算法中特征向量缺失和表面不准确的问题。确的问题。确的问题。

【技术实现步骤摘要】
基于局部几何特征和隐式距离场的飞机表面重建方法


[0001]本专利技术属于三维点云曲面重建
,尤其涉及一种基于局部几何特征和隐式距离场的飞机表面重建方法。

技术介绍

[0002]在大型飞机试验中,通过逆向工程建立飞机外形、结构及工艺装备的数字化模型,以充分发挥数字化的优势,实现智能化、集成化的产品数据交换,利用数字化设计、虚拟装配等数字化手段,可以缩短大飞机改进改型的周期。由于采集到的大飞机点云模型是离散的,不足以模拟大飞机在飞行中遇到的复杂物理过程,因此对大飞机进行表面重建是大飞机数字化建模过程中最关键的环节之一。
[0003]大型飞机表面重建是指,利用数字化技术将大型飞机表面的实际曲面形状数字化成为计算机可处理的数值模型,以便于进行后续的设计、制造、维护等工作,主要应用于飞机的外形设计、空气动力学分析、结构分析、维修保养等领域。具体来说,通过利用三维扫描技术获取大型飞机的表面的点云数据,然后通过三维重建算法将点云数据转化为平滑连续的曲面模型,最终得到可用于计算机处理的数值模型。但目前的曲面重建方法不能较好地保留飞机表面的几何特征,影响后续的试验准确度和精度。

技术实现思路

[0004]本专利技术针对现有技术中的不足,提供一种基于局部几何特征和隐式距离场的飞机表面重建方法。
[0005]本专利技术提供一种基于局部几何特征和隐式距离场的飞机表面重建方法,包括:
[0006]获取飞机表面的点云;
[0007]基于点云中的每个点的高斯分布,在点云表面采样,得到点云表面附近的查询点集合;
[0008]根据查询点周围的点云形状和局部几何结构确定查询点的关键几何特征;
[0009]根据查询点和查询点在点云上的自适应局部几何特征向量构建飞机表面的隐式距离场网络,以确定查询点到点云表面的有符号距离函数的值;
[0010]根据查询点在飞机表面的隐式距离场网络中的有符号距离函数的值和梯度方向,更新查询点在三维空间中的位置;
[0011]根据查询点在三维空间中更新后的位置训练飞机表面的隐式距离场网络;
[0012]将点云中的每个点输入训练好的飞机表面的隐式距离场网络中,确定点云中每个点的有符号距离函数的值;
[0013]根据点云中每个点的有符号距离函数的值重建飞机表面。
[0014]进一步地,所述基于点云中的每个点的高斯分布,在点云表面采样,得到点云表面附近的查询点集合,包括:
[0015]对于点云中的目标点p,建立各向同性的高斯函数,得到点云中目标点p的高斯分
布Guss(p,σ2),其中σ2为用于控制采样的查询点至点云表面距离的参数;
[0016]在点云中目标点p的高斯分布中随机采样多个查询点,得到点云表面的查询点集合Q。
[0017]进一步地,所述根据查询点周围的点云形状和局部几何结构确定查询点的关键几何特征,包括:
[0018]将点云输入点卷积神经网络FKAconv中进行特征提取,得到点云中目标点的几何特征F
p

[0019]寻找查询点集合Q中的目标查询点q在点云P上的局部邻域N,将目标查询点q与局部邻域N中的目标点a的特征向量F
p
相减后输入多层感知机和ReLU激活函数中,得到目标查询点q和局部邻域N中的目标点a融合后的相对特征向量F
a,q

[0020]采用自注意力机制,对于目标查询点q和相对特征向量F
a,q
,通过线性层和softmax激活函数,将每个相对特征向量F
a,q
映射到注意力系数上,并进行归一化,得到局部邻域N中目标点a相对于目标查询点q的自适应权重系数Y
a,q
;根据自适应权重系数Y
a,q
与相对特征向量F
a,q
提取目标查询点q在点云上的自适应局部几何特征向量F
q

[0021]进一步地,所述根据查询点和查询点在点云上的自适应局部几何特征向量构建飞机表面的隐式距离场网络,以确定查询点到点云表面的有符号距离函数的值,包括:
[0022]将查询点集合Q中的目标查询点q和自适应局部几何特征向量F
q
输入飞机表面的隐式距离场网络f中训练,学习目标查询点q的有符号距离函数的值。
[0023]进一步地,所述根据查询点在飞机表面的隐式距离场网络中的有符号距离函数的值和梯度方向,更新查询点在三维空间中的位置,包括:
[0024]根据以下公式计算目标查询点q在飞机表面的隐式距离场网络f中的梯度
[0025][0026]其中,和分别为三维空间中的x轴,y轴和z轴三个方向求偏导;f(F
q
,q)为隐式距离场网络f以自适应局部几何特征向量F
q
为输入,在目标查询点q时的隐式函数;
[0027]根据以下公式计算目标查询点q更新后的空间坐标q':
[0028][0029]其中,||
·
||为表示模长;表示目标查询点q的梯度方向,目标查询点q在点云表面外时距离为正,沿着梯度反方向移动;当目标查询点q在点云表面内时距离为负,沿着梯度正方向移动。
[0030]进一步地,所述根据查询点在三维空间中更新后的位置训练飞机表面的隐式距离场网络,包括:
[0031]采用平方误差函数最小化更新后的目标查询点q'的位置到目标查询点q在点云表面上的最近点t之间的距离d(q

,t):
[0032][0033]其中,I为查询点集合中查询点的总数。
[0034]进一步地,所述根据点云中每个点的有符号距离函数的值重建飞机表面,包括:
[0035]将点云中每个点的有符号距离函数的值输入至Marching Cubes算法以重建飞机表面,得到飞机网格模型。
[0036]进一步地,所述采用自注意力机制,对于目标查询点q和相对特征向量F
a,q
,通过线性层和softmax激活函数,将每个相对特征向量F
a,q
映射到注意力系数上,并进行归一化,得到局部邻域N中目标点a相对于目标查询点q的自适应权重系数Y
a,q
;根据自适应权重系数Y
a,q
与相对特征向量F
a,q
提取目标查询点q在点云上的自适应局部几何特征向量F
q
,包括:
[0037]根据以下公式计算局部邻域N中目标点a相对于目标查询点q的自适应权重系数Y
a,q

[0038][0039]其中,W
a,q
为目标查询点q与局部邻域N中的目标点a之间的权重向量;a1为全连接层的权重;b1为全连接层的偏置;k为局部邻域N中点的总数;
[0040]根据以下公式计算目标查询点q在点云上的自适应局部几何特征向量F
q

[0041][0042]本专利技术提供一种基于局部几本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于局部几何特征和隐式距离场的飞机表面重建方法,其特征在于,包括:获取飞机表面的点云;基于点云中的每个点的高斯分布,在点云表面采样,得到点云表面附近的查询点集合;根据查询点周围的点云形状和局部几何结构确定查询点的关键几何特征;根据查询点和查询点在点云上的自适应局部几何特征向量构建飞机表面的隐式距离场网络,以确定查询点到点云表面的有符号距离函数的值;根据查询点在飞机表面的隐式距离场网络中的有符号距离函数的值和梯度方向,更新查询点在三维空间中的位置;根据查询点在三维空间中更新后的位置训练飞机表面的隐式距离场网络;将点云中的每个点输入训练好的飞机表面的隐式距离场网络中,确定点云中每个点的有符号距离函数的值;根据点云中每个点的有符号距离函数的值重建飞机表面。2.根据权利要求1所述的飞机表面重建方法,其特征在于,所述基于点云中的每个点的高斯分布,在点云表面采样,得到点云表面附近的查询点集合,包括:对于点云中的目标点p,建立各向同性的高斯函数,得到点云中目标点p的高斯分布Guss(p,σ2),其中σ2为用于控制采样的查询点至点云表面距离的参数;在点云中目标点p的高斯分布中随机采样多个查询点,得到点云表面的查询点集合Q。3.根据权利要求1所述的飞机表面重建方法,其特征在于,所述根据查询点周围的点云形状和局部几何结构确定查询点的关键几何特征,包括:将点云输入点卷积神经网络FKAconv中进行特征提取,得到点云中目标点的几何特征F
p
;寻找查询点集合Q中的目标查询点q在点云P上的局部邻域N,将目标查询点q与局部邻域N中的目标点a的特征向量F
p
相减后输入多层感知机和ReLU激活函数中,得到目标查询点q和局部邻域N中的目标点a融合后的相对特征向量F
a,q
;采用自注意力机制,对于目标查询点q和相对特征向量F
a,q
,通过线性层和softmax激活函数,将每个相对特征向量F
a,q
映射到注意力系数上,并进行归一化,得到局部邻域N中目标点a相对于目标查询点q的自适应权重系数Y
a,q
;根据自适应权重系数Y
a,q
与相对特征向量F
a,q
提取目标查询点q在点云上的自适应局部几何特征向量F
q
。4.根据权利要求1所述的飞机表面重建方法,其特征在于,所述根据查询点和查询点在点云上的自适应局部几何特征向量构建飞机表面的隐式距离场网络,以确定查询点到点云表面的有符号距离函数的值,包括:将查询点集合Q中的目标查询点q和自适应局部几何...

【专利技术属性】
技术研发人员:魏明强司华剑燕雪峰
申请(专利权)人:南京航空航天大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1