【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云的三维结构特征的识别提取能力较差，导致其对车身缝隙数据的分类识别精度低，无法适用于车身缝隙分类识别任务。
技术实现思路
1、本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种基于三维几何自注意力机制的车身缝隙分类方法，实现车身缝隙点云的高精度分类识别，完善了三维点云深度学习领域中对车身缝隙数据进行分类识别方面工作的空
2、为实现上述技术目的，本专利技术采取的技术方案为：
3、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：
4、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；
5、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；
6、s3、利用车身缝隙分类数据集对车身缝隙点云分类网络模型进行训练；
7、s4、将待分类的车身缝隙点云数据输入训练后网络模型，得到分类结果。
8、为优化上述技术方案，采取的具体措施还包括：
9、上述的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。
10、上述的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；
11、所述几何结构嵌入模块，用于对下采样后的车身缝隙点云进行车身缝隙点云的位置编码，得到几何结构嵌入编码矩阵；
12、所述自注意力模块，用于基于邻域特征向量，以所述几何结构嵌入编码矩阵作为位置编码，得到每一个点位的几何注意力特征向量；
13、另外两个所述邻域特征提取模块，用于将所有点位的几何注意力特征向量压缩为全局几何特征感知向量；
14、所述几何特征解码器，用于解析全局几何特征感知向量，得到车身缝隙类型概率分布向量。
15、上述的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。
16、上述的几何结构嵌入模块具体包括角度编码单元与距离编码单元；
17、从下采样后的车身缝隙点云c1中任意选择两点：pi，pj ，角度编码单元以pi与其邻域内点连线与pi，pj之间的夹角作为角度编码矩阵中的元素，得到角度编码矩阵；距离编码单元计pi，pj之间的距离，构建距离编码矩阵；将角度编码矩阵与距离编码矩阵融合，得到几何结构嵌入编码矩阵。
18、上述的的计算公式为：
19、；
20、其中，代表点pi的邻域，为l2范数值。
21、上述的的计算公式为：，其中，为l2范数值。
22、上述的几何结构嵌入编码矩阵中的元素为，其计算公式为：
23、；
24、其中w1，w2为超参数，代表在的维度上进行最大池化，即在i，j不变的情况下，查询中的最大值作为输出。
25、上述的自注意力模块包括多头注意力模块，以几何结构嵌入编码矩阵作为位置编码，对邻域特征向量进行自注意力感知编码，得到每一个点位的几何注意力特征向量，公式为：
26、；
27、其中，yi为自注意力模块输出的几何注意力特征向量；为几何结构嵌入编码矩阵中的元素；n为下采样后的车身缝隙点云c1的点数，dc为自注意力模块中提取的特征维度，、为输入特征向量，表示转置，softmax表示将多头注意力模块中提取的注意力分数值转化为概率分布；为多头注意力模块中对应的映射矩阵。
28、上述的s3采用loss函数进行模型训练，具体如下：
29、；
30、其中，为网络模型输出的n维车身缝隙类型概率分布向量，为输入数据的类型真值，。
31、本专利技术具有以下有益效果：
32、1、本专利技术通过基于三维自注意力的深度学习方法，实现了车身缝隙点云高精度分类识别的功能，解决了现有三维点云分类方法无法实现高精度的车身缝隙类型数据分类的技术问题，完善了三维点云深度学习领域中对车身缝隙数据进行分类方面工作的空缺；
33、2、本专利技术所提出的车身缝隙分类方法通过几何结构嵌入的方法将车身缝隙数据的显性几何特征隐式融合到深度学习网络提取的特征中，有效提高了网络模型对于车身缝隙几何特征的提取能力，提升了网络模型对于车身缝隙数据的分类识别性能；
34、3、本专利技术所提出的几何结构嵌入编码通过提取点云数据的角度特征与距离特征，并通过正弦变化将其融合，作为自注意力机制中的位置编码，从而强化了模型对于几何结构特征的感知能力，提升了模型对于车身缝隙结构的识别能力。
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；
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
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，所述几何结构嵌入模块具体包括角度编码单元与距离编码单元；从下采样后的车身缝隙点云C1中任意选择两点：pi，pj ，角度编码单元以pi与其邻域内点连线与pi，pj之间的夹角作为角度编码矩阵中的元素，得到角度编码矩阵；距离编码单元计pi， pj之间的距离，构建距离编码矩阵；将角度编码矩阵与距离编码矩阵融合，得到几何结构嵌入编码矩阵。
6.根据权利要求5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，的计算公式为：
7.根据权利要求5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，的计算公式为：
8.根据权利要求5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，所述几何结构嵌入编码矩阵中的元素为，其计算公式为：
9.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，所述自注意力模块包括多头注意力模块，以几何结构嵌入编码矩阵作为位置编码，对邻域特征向量进行自注意力感知编码，得到每一个点位的几何注意力特征向量，公式为：
10.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S3采用Loss函数进行模型训练，具体如下：
...【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：
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。