一种多源三维数据融合系统技术方案

本发明专利技术涉及一种多源三维数据融合方法，包括离散网格输入模块、点云输入模块、数据融合模块；离散网格输入模块与点云输入模块并列，两模块的输出共同输入到数据融合模块；数据融合模块的输出即为数据融合后的点云数据与离散网格数据，整个系统通过各个模块之间的计算配合实现了点云数据与网格数据的对齐与融合，使得下游任务可以获得质量更高的融合数据。本发明专利技术通过对多源数据融合、对齐、优化，实现对三维实体的精准描述，对模型计算精度的提高，对计算资源的节省。计算资源的节省。计算资源的节省。

【技术实现步骤摘要】
一种多源三维数据融合系统


[0001]本专利技术涉及大数据
，尤其涉及一种多源三维数据融合系统。

技术介绍

[0002]随着分析对象结构日益复杂、规模日益扩大，CAE在模拟仿真上的作用日趋重要，单一数据源往往只能片面的描述建模目标某些特征，从源头上使三维建模与分析形成了瓶颈，然而目前产业界对CAE仿真的要求日渐增加，仿真在整个设计流程中地位越来越重要，单一数据源的仿真在精度或功能上难以满足要求。
[0003]数据融合的概念是由美国学者在1970年左右提出，它是在“数据融合”的背景下诞生的，常被用于军事应用之中。最初是指对多传感器、多时相、多数据源的图像信息进行分析、提取和综合；现在进一步发展为通过数据的有机融合手段，将不同特性的数据源结合起来，取长补短，达到更全面更客观地反映目标物特性的目的。研究人员在对数据融合及其相关算法进行研究时发现：通过对融合算法进行改进，不仅可以使得信息充分融合，得到更加有价值的三维模型，还可以通过并行计算针对同一模型进行不同功能的仿真，提高仿真分析效率。
[0004]现有技术中，点云是三维建模中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源三维数据融合系统，其特征在于，包括：点云输入模块，用于对点云数据进行特征提取，得到点云数据的特征向量V，基于所述特征向量V得到生成点云，基于所述生成点云输出二值分类作为点云特征P；网格输入模块，用于将输入的网格数据进行重网格化，构造细分结构，得到一般网格的多分辨率表示，进行之字形的扩张卷积输出网格特征M；数据融合模块，输入端并行连接所述点云输入模块的输出端以及所述网格输入模块的输出端，根据所述点云特征P以及网格特征M进行编码，之后进行归一化融合；训练模块，用于对所述系统进行训练，采用的策略为，在训练时采用点云数据与网格数据轮流输入的形式，即某次单独输入点云数据，但同时对数据融合模块输出的点云与网格进行损失计算，更新数据融合模块参数；然后再单独使用网格数据作为输入，同时对数据融合模块输出的点云和网格进行损失计算，更新数据融合模块参数，多次重复以上步骤最终实现点云与网格数据的对齐与补齐。2.根据权利要求1所述的一种多源三维数据融合系统，其特征在于，具体的，所述点云输入模块包括，多尺度特征提取器E，包括特征嵌入层FEL、注意力层以及多层串联的多层感知机MLP，其中特征嵌入层FEL的作用过程为，点云数据[B,Pnum,3]通过两次多层感知机MLP将逐点特征从3维升至64维,即[B,Pnum,64]，随后网络依次进行采样和K最近邻聚合操作,采样点数和邻域点数的设置与该尺度的点云数据的点数相适应，同时将邻域聚合之后的点云特征与邻域中心点特征的差值作为初始特征,随后通过多层感知机并与邻域聚合之前的点云特征进行串联操作,最终经过最大值池化后,输出聚合特征VT＝[B,pnum/4,128]，具体计算如公式所示，式中,V
P
表示输入点云的特征,表示经过MLP升维的点云特征,V
E
表示FEL输出的点云聚合特征,SG()表示采样聚合操作,RP(x,k)表示将x复制k倍的操作,C表示串联操作,MP表示最大值池化操作，注意力层的作用过程为，优化了偏移注意力方法,首先对输入VE进行线性变换,求取Que
‑
ry(Q)、Key(K)和Value(V)矩阵,即式中，W
q
，W
k
，W
v
表示可学习的线性变换权重，d
a
是Que
‑
ry(Q)和Key(K)矩阵的维度，d
e
是Value(V)矩阵的维度，然后使用Que
‑
ry(Q矩阵和Key(K)矩阵通过矩阵点积计算注意力权重并将其中元素进行...

【专利技术属性】
技术研发人员：王雨禾，陈卓荣，吴劲，曾宪光，段志奎，
申请(专利权)人：广州搏创信息科技有限公司，
类型：发明
国别省市：