一种基于三维几何自注意力机制的车身缝隙分类方法技术

技术编号:40701630 阅读:17 留言:0更新日期:2024-03-22 10:59
本发明专利技术公开了一种基于三维几何自注意力机制的车身缝隙分类方法,包括:S1、构建车身缝隙分类数据集,该数据集包含车身缝隙点云数据及其对应的分类标签;S2、构建基于三维几何自注意力机制的车身缝隙点云分类网络模型,该模型包括几何结构嵌入模块、自注意力模块、几何特征解码器以及3个相互独立的邻域特征提取模块;S3、利用车身缝隙分类数据集对缝隙点云分类网络模型进行训练;S4、将待分类的车身缝隙点云数据输入训练后网络模型,得到缝隙分类结果。本发明专利技术有效提高了分类网络模型对于车身缝隙几何特征的提取能力,提升了分类网络模型对于车身缝隙数据的分类识别性能,解决了现有技术难以对车身缝隙点云数据进行高效精确分类的难题。

【技术实现步骤摘要】

本专利技术属于汽车车身缝隙测量,具体涉及一种基于三维几何自注意力机制的车身缝隙分类方法


技术介绍

1、车身缝隙检测在汽车制造领域中对于确保产品质量、性能、安全性、成本控制和合规性都具有至关重要的作用,它不仅影响汽车车身产品质量和性能,还对汽车的安全性能具有重要影响,因此,车身缝隙检测是汽车制造工艺中不可或缺的一环。车身缝隙类型的多样性对车身缝隙测量需要考虑的重要因素,不同类型的车身缝隙具有不同的形状、尺寸和表面特性,这些几何结构因素影响着车身缝隙测量的准确性,如何准确而高效地实现车身缝隙类型分类是提升车身缝隙测量精度的关键。

2、传统的车身缝隙测量方法往往依赖于人工测量和视觉检查,这些方法费时、劳动密集且容易受到主观因素的干扰。因此,引入三维自动化测量技术对于提高测量精度和效率至关重要。三维测量技术的准确性、非接触性、高分辨率和高材质适用性等优势,使其成为目前汽车制造领域中主流的车身缝隙测量方法。近年来,随着深度学习技术的不断发展,基于深度学习的三维点云分类方法也日趋成熟,在很多三维点云分类任务上表现出了优越的性能,但目前的方法对于车身缝隙点本文档来自技高网...

【技术保护点】

1.一种基于三维几何自注意力机制的车身缝隙分类方法,其特征在于,包括:

2.根据权利要求1所述的一种基于三维几何自注意力机制的车身缝隙分类方法,其特征在于,所述S1获取若干三维车身缝隙点云数据及其对应的车身缝隙类型,根据车身缝隙类型划分车身缝隙点云数据,并统一点云的点数,形成车身缝隙分类数据集,所述车身缝隙点云数据包含车身缝隙的三维空间坐标信息。

3.根据权利要求1所述的一种基于三维几何自注意力机制的车身缝隙分类方法,其特征在于,所述S2中,一个所述邻域特征提取模块,用于对输入的车身缝隙点云数据进行下采样,并对下采样后的每一个点构建邻域,提取得到邻域特征向量;...

【技术特征摘要】

1.一种基于三维几何自注意力机制的车身缝隙分类方法,其特征在于,包括:

2.根据权利要求1所述的一种基于三维几何自注意力机制的车身缝隙分类方法,其特征在于,所述s1获取若干三维车身缝隙点云数据及其对应的车身缝隙类型,根据车身缝隙类型划分车身缝隙点云数据,并统一点云的点数,形成车身缝隙分类数据集,所述车身缝隙点云数据包含车身缝隙的三维空间坐标信息。

3.根据权利要求1所述的一种基于三维几何自注意力机制的车身缝隙分类方法,其特征在于,所述s2中,一个所述邻域特征提取模块,用于对输入的车身缝隙点云数据进行下采样,并对下采样后的每一个点构建邻域,提取得到邻域特征向量;

4.根据权利要求3所述的一种基于三维几何自注意力机制的车身缝隙分类方法,其特征在于,所述邻域特征提取模块具体包括下采样单元、邻域构建单元,特征提取单元;其中,下采样单元对车身缝隙点云c进行最远点采样得到下采样后的车身缝隙点云c1;邻域构建单元对c1中的每一个点构建其邻域点集;特征提取单元包括3层多层感知器mlp,对c1中的每个点的邻域点集进行特征提取,并进行最大池化,得到c1的邻域特征向量。

5. 根据权利要求3所述的一种基于三维几何自注意力机制的车身缝隙分类方法,其特征在于,所...

【专利技术属性】
技术研发人员:汪俊杨建铧王洲涛李子宽贾文茹
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