一种制造技术

本发明专利技术公开一种

【技术实现步骤摘要】
一种3D柔性变换推演方法、计算机设备及介质


[0001]本专利技术涉及深度学习领域，特别是涉及一种基于深度学习模型的
3D
柔性变换推演方法
、
计算机设备及介质
。

技术介绍

[0002]在三维空间中，变换可分为刚体变换和柔性变换
。
刚体变换是相似变换的一个特例，仅通过旋转和平移的方式将不同坐标系下的点集联系起来
。
在计算机图形学中，刚体变换已经得到广泛应用，并有很多成熟的算法和技术可用
。
而柔性变换允许对对象进行平移
、
旋转
、
缩放以及更复杂的形变操作，通过这些变换可以改变对象在三维空间中的位置
、
方向
、
尺寸和形状
。
在
3D
柔性变换的研究领域，目前存在多种技术和方法，用于实现物体形状的变换和变形
。
常用的有数字孪生动态模型，但是数字孪生动态模型有以下缺点：
(1)
模型复杂性：建立数字孪生动态模型需要对复杂系统进行建模和仿真，这要求深入理解系统的物理过程
、
相互作用和行为
。
模型的建立和调整需要专业领域知识和经验，以确保模型的准确性和可靠性
。(2)
计算资源需求：数字孪生动态模型通常需要大量的计算资源来进行推演和模拟
。
模型的规模和复杂性可能需要高性能计算设施或云计算平台来支持，这增加了计算成本和运行时间<br/>。

技术实现思路

[0003]本专利技术的目的是提供一种简便
、
计算量小
、
网格依赖性低和实时性高的
3D
柔性变换推演方法
、
计算机设备及介质
。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种
3D
柔性变换推演方法，所述方法包括：
[0006]S1
：确定目标实体模型变形前的三维点云数据以及控制点集中各控制点的第一坐标；所述三维点云数据由双目视觉测量系统扫描得到；所述控制点为从所述目标实体模型表面上选取的点；
[0007]S2
：确定所述目标实体模型变形后所述控制点集中各所述控制点的第二坐标；
[0008]S3
：将所述目标实体模型变形前的三维点云数据
、
所述控制点集中各所述控制点的第一坐标和第二坐标输入至训练好的柔性变换推演模型中，得到所述目标实体模型变形后的柔性变换结果；所述柔性变换结果为所述目标实体模型变形后的三维点云数据；所述训练好的柔性变换推演模型为以样本实体模型变形前的样本三维点云数据
、
样本控制点集中各样本控制点的样本第一坐标以及样本实体模型变形后各所述样本控制点的样本第二坐标为输入，以所述样本实体模型变形后的样本三维点云数据为输出，训练得到的模型
。
[0009]可选的，所述柔性变换推演模型包括依次连接的特征提取模块
、
注意力机制融合模块和特征输出模块；
[0010]所述特征提取模块包括第一特征提取子模块
、
点云特征提取子模块
、
第二特征提取子模块和特征拼接子模块；
[0011]其中，所述第一特征提取子模块用于对所述控制点集中各所述控制点的第一坐标进行特征提取，得到第一控制点特征；
[0012]所述点云特征提取子模块用于对所述目标实体模型变形前的三维点云数据进行特征提取，得到点云特征；
[0013]所述第二特征提取子模块用于对所述控制点集中各所述控制点的第二坐标进行特征提取，得到第二控制点特征；
[0014]所述特征拼接子模块用于将所述第一控制点特征
、
所述点云特征和所述第二控制点特征进行拼接，得到合并特征；
[0015]所述注意力机制融合模块包括自注意力机制模块和相加子模块；
[0016]其中，所述自注意力机制模块用于对所述合并特征进行特征提取，得到注意力权重；
[0017]所述相加子模块用于对所述注意力权重和所述合并特征进行相加操作，得到融合特征；
[0018]所述特征输出模块包括全连接层和特征输出子模块；
[0019]其中，所述全连接层用于对所述融合特征进行特征提取，得到第一维度收缩特征；
[0020]所述特征输出子模块用于对所述第一维度收缩特征进行特征提取，得到第二维度收缩特征；所述第二维度收缩特征为所述目标实体模型变形后的柔性变换结果
。
[0021]可选的，所述点云特征提取子模块包括依次连接的多个点云特征提取单元；每一所述点云特征提取单元包括依次连接的
CNN
网络
、
批归一化层和
ReLU
激活函数层
。
[0022]可选的，所述特征输出子模块包括依次连接的多个点云特征提取单元；每一所述点云特征提取单元包括依次连接的
CNN
网络
、
批归一化层和
ReLU
激活函数层
。
[0023]可选的，所述第一特征提取子模块和所述第二特征提取子模块为
GRU
网络
。
[0024]可选的，所述控制点集中各所述控制点的第一坐标和第二坐标由激光跟踪系统测量得到；在所述确定目标实体模型变形前的三维点云数据以及控制点集的第一坐标之前，还包括：
[0025]通过所述激光跟踪系统确定世界坐标系，并基于所述世界坐标系与所述双目视觉测量系统中坐标系的转换关系得到所述目标实体模型变形前和变形后各所述控制点在所述世界坐标系的坐标；所述目标实体模型变形前所述控制点在所述世界坐标系的坐标为所述控制点的第一坐标；所述目标实体模型变形后所述控制点在所述世界坐标系的坐标组成为所述控制点的第二坐标
。
[0026]可选的，所述通过所述激光跟踪系统确定世界坐标系，具体包括：
[0027]在所述目标实体模型表面上选取若干个基准点；
[0028]利用所述激光跟踪系统确定各所述基准点的三维坐标；
[0029]采用三维重建算法或空间三角测量方法根据各所述基准点的三维坐标创建世界坐标系
。
[0030]可选的，在得到所述目标实体模型变形后的柔性变换结果之后，还包括：
[0031]将所述目标实体模型变形后的柔性变换结果替换目标实体模型变形前的三维点云数据，返回步骤
S1
，再次进行柔性变换推演，得到所述目标实体模型下一变形后的柔性变换结果
。
[0032]本专利技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述
3D
柔性变换推演方法的步骤
。
[0033]本专利技术还提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种
3D
柔性变换推演方法，其特征在于，所述方法包括：
S1
：确定目标实体模型变形前的三维点云数据以及控制点集中各控制点的第一坐标；所述三维点云数据由双目视觉测量系统扫描得到；所述控制点为从所述目标实体模型表面上选取的点；
S2
：确定所述目标实体模型变形后所述控制点集中各所述控制点的第二坐标；
S3
：将所述目标实体模型变形前的三维点云数据
、
所述控制点集中各所述控制点的第一坐标和第二坐标输入至训练好的柔性变换推演模型中，得到所述目标实体模型变形后的柔性变换结果；所述柔性变换结果为所述目标实体模型变形后的三维点云数据；所述训练好的柔性变换推演模型为以样本实体模型变形前的样本三维点云数据
、
样本控制点集中各样本控制点的样本第一坐标以及样本实体模型变形后各所述样本控制点的样本第二坐标为输入，以所述样本实体模型变形后的样本三维点云数据为输出，训练得到的模型
。2.
根据权利要求1所述的
3D
柔性变换推演方法，其特征在于，所述柔性变换推演模型包括依次连接的特征提取模块
、
注意力机制融合模块和特征输出模块；所述特征提取模块包括第一特征提取子模块
、
点云特征提取子模块
、
第二特征提取子模块和特征拼接子模块；其中，所述第一特征提取子模块用于对所述控制点集中各所述控制点的第一坐标进行特征提取，得到第一控制点特征；所述点云特征提取子模块用于对所述目标实体模型变形前的三维点云数据进行特征提取，得到点云特征；所述第二特征提取子模块用于对所述控制点集中各所述控制点的第二坐标进行特征提取，得到第二控制点特征；所述特征拼接子模块用于将所述第一控制点特征
、
所述点云特征和所述第二控制点特征进行拼接，得到合并特征；所述注意力机制融合模块包括自注意力机制模块和相加子模块；其中，所述自注意力机制模块用于对所述合并特征进行特征提取，得到注意力权重；所述相加子模块用于对所述注意力权重和所述合并特征进行相加操作，得到融合特征；所述特征输出模块包括全连接层和特征输出子模块；其中，所述全连接层用于对所述融合特征进行特征提取，得到第一维度收缩特征；所述特征输出子模块用于对所述第一维度收缩特征进行特征提取，得到第二维度收缩特征；所述第二维度收缩特征为所述目标实体模型变形后的柔性变换结果
。3.
根据权利要求2所述的
3D
柔性变换推演方法，其特征在于，所述点云特征提取子模块包括依次连接的多个点云特征提取单元；每一所述点云特...

【专利技术属性】
技术研发人员：闫东明，林雪竹，郭丽丽，刘悦，梁嵬，李丽娟，
申请(专利权)人：长春理工大学中山研究院，
类型：发明
国别省市：