龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：四川大学
摘要：本发明公开了一种基于深度学习的航发叶片多视场点云型线数据拼合方法，该方法通过提取视场和相邻视场的重叠部分点集，同时学习重叠部分点集的特征；然后通过注意力机制增强得到增强后的特征；然后构造稀疏姿态图，通过在图的每条边关联一个边缘权重来表现每条边的可靠性，通过对这些边权重迭代细化，使其包含更少的离群值，并且通过迭代后的边权重迭代地估计姿态，随着图中的边权重在迭代细化中逐渐稳定，最终收敛到正确的姿态，最后通过旋转同步算法计算旋转矩阵，然后通过平移同步算法计算平移向量，通过旋转矩阵和平移向量拼合叶片型面；本发明通过实验结果证明了本发明在航发叶片多视场型线数据的全局拼合上具有良好的精度和鲁棒性。
主权项：1.一种基于深度学习的航发叶片多视场点云型线数据拼合方法，包括如下步骤：步骤1：测量某一叶截面，且相邻两个测量视场的扫描数据包含重叠区域，获得一组包含N个测量视场的未对齐的扫描数据；获取相邻视场的重叠区源点云和重叠区目标点云，提取重叠区源点云和重叠区目标点云中特征和，为中两视场的重叠部分的特征，为中两视场的重叠部分的特征，、为相邻两个视场的扫描数据；步骤2：采用注意力机制来对特征和进行增强；步骤3：通过增强特征和以及重叠区域点云和计算特征匹配矩阵，式中，为点和点的特征相似度匹配矩阵，e为指数函数，一对点的特征距离；为离群参数，为退火参数，，MLP为一个三层的全连接网络，为拼接函数；点云理想匹配点云，通过对和其理想匹配点云进行奇异值分解求得预测的相对变换矩阵；其特征在于，还包括如下步骤：步骤4：重复步骤1~步骤3获得特征以及相邻视场之间的相对变换矩阵；然后构造多视图配准的稀疏姿态图，是所有扫描视场的集合，中元素为视场上的扫描数据的点云数据，表示姿态图上的一个顶点，姿态图的每条边，表示扫描数据和之间的相对变换矩阵；步骤5：通过边缘权重和相对变换矩阵求解全局姿态；其中，首先通过旋转同步算法计算旋转矩阵，然后通过平移同步算法计算平移向量。
全文数据：
权利要求：
百度查询： 四川大学 基于深度学习的航发叶片多视场点云型线数据拼合方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号