基于三维点云深度学习的飞机表面多圆孔基元提取方法

摘要：

在飞机部件自动制孔系统中,快速、精确检测飞机表面圆孔对飞机装配质量具有重要作用,但从大规模三维测量点云数据中自动化、精确、快速检测所有圆孔特征依旧是一个难点.鉴于此,提出一种基于三维点云深度学习的飞机表面多圆孔基元提取方法.使用三维点云深度学习网络预测三维测量点云中初始圆孔边界点,并基于初始圆孔边界点,学习圆孔法向.同时,设计基于学习的加权最小二乘(Weighted least square,WLS)方法拟合圆孔参数,并将圆孔边界点检测误差、圆孔参数估计误差、圆孔法向学习误差作为多任务联合损失进行网络训练.通过在不同噪声、不同分辨率的模拟点云数据和实测点云数据上进行测试,并与现有先进边界提取、圆孔拟合方法进行对比.试验结果表明,所提出的方法在边界点识别准确度、圆孔参数计算准确度等方面获得了优越的综合性能.

关键词：飞机表面圆孔检测、三维测量、深度学习、加权最小二乘

所属期刊栏目：58

分类号：TH741(仪器、仪表)

资助基金：国家重点研发计划;国家重点研发计划

在线出版日期：2022-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：190-202