← 返回列表
一种基于深度学习的工业零件三维点云修复方法及装置
摘要文本
本发明公开了一种基于深度学习的工业零件三维点云修复方法及装置，其方法包括：获取工业零件的残缺三维点云；将残缺三维点云输入训练好的点云修复模型，获取完整三维点云；其中，点云修复模型包括基于MLP的编码器、基于自注意力机制的编码器、第一拼接层以及解码器；点云修复模型的训练过程包括：采用泊松盘采样方式对工业零件进行采样生成实际三维点云；通过HPR算子方式对实际三维点云进行点去除生成多个模拟残缺三维点云；将实际三维点云作为各个模拟残缺三维点云的真实标签组成样本，并生成样本集；将样本集按预设比例划分为训练集、验证集以及测试集，并进行反向传播训练；本发明能够准确的进行工业零件三维点云修复。
申请人信息
- 申请人:南京邮电大学
- 申请人地址:210003 江苏省南京市鼓楼区新模范马路66号
- 发明人: 南京邮电大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的工业零件三维点云修复方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311371086.4 |
| 申请日 | 2023/10/20 |
| 公告号 | CN117671131A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06T17/00 |
| 权利人 | 南京邮电大学 |
| 发明人 | 王磊; 陈然; 黄炜; 贾凯月; 李敏; 陈怡萍; 刘峥; 陈蕾 |
| 地址 | 江苏省南京市新模范马路66号 |
专利主权项内容
1.一种基于深度学习的工业零件三维点云修复方法，其特征在于，包括：获取所述工业零件的残缺三维点云；将所述残缺三维点云输入训练好的点云修复模型，获取三维密集点云预测，并作为所述工业零件的完整三维点云输出；其中，所述点云修复模型包括基于MLP的编码器、基于自注意力机制的编码器、第一拼接层以及解码器，所述基于MLP的编码器和基于自注意力机制的编码器的输出端连接至第一拼接层的输入端，所述第一拼接层的输出端连接至解码器的输入端；所述点云修复模型的训练过程包括：采用泊松盘采样方式对所述工业零件进行采样生成实际三维点云；通过HPR算子方式对所述实际三维点云进行点去除生成多个模拟残缺三维点云；将所述实际三维点云作为各个所述模拟残缺三维点云的真实标签组成样本，并生成样本集；将所述样本集按预设比例划分为训练集、验证集以及测试集；通过所述训练集、验证集以及测试集对所述点云修复模型进行反向传播训练。