面向再制造的废旧机械零件三维点云模型分类方法

摘要：

批量再制造加工过程中废旧机械零件种类繁多,同类零件区分度低且损伤状态不确定,导致对其在线识别与分类的精度较低,为此本文提出一种结合聚类算法和深度学习网络的废旧机械零件三维点云模型分类方法.首先提取废旧机械零件的三维点云空间特征,根据距离函数计算样本点与中心点的距离,并建立基于K-Means聚类的废旧机械零件簇三维点云分类模型;然后构建空间变换网络和多层感知器,采用Point-Net网络建立同簇废旧机械零件的三维点云精细分类模型.实例验证结果表明,本文方法对废旧机械零件簇的分类准确率为100％,对盘盖、箱体、轴等3种废旧机械零件的精细分类准确率分别为97.78％、98.24％和97.11％,并且与K-Means聚类算法以及基于其他3个主流深度学习网络的分类模型相比,本文方法在同簇废旧机械零件精细分类的精度上具有明显优势.

关键词：废旧机械零件、三维点云、模型分类、K-Means、Point-Net、深度学习、再制造

所属期刊栏目：45

分类号：TP391.7(计算技术、计算机技术)

资助基金：国家自然科学基金;湖北省重点研发计划项目;湖北省重点研发计划项目;襄阳市重点研发计划项目

在线出版日期：2022-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：381-387