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：山东华云三维科技有限公司

摘要：本发明公开了一种基于深度学习的点云图像融合建模方法、系统及设备，属于点云数据逆向建模技术领域，解决现有CAD建模方法仅依赖三维点云数据进行计算，机械CAD建模的精度较差的技术问题。包括：采集通用机械器件的点云数据以及图像数据；对图像数据与点云数据进行数据映射，构建点云图像融合数据；对点云图像融合数据进行数据预处理，构建点云图像融合数据集；构建CAD逆向建模模型，并通过点云图像融合数据集训练CAD逆向建模模型；通过CAD逆向建模模型，接收目标点云图像融合数据并进行目标机械器件的云建模；若得到的CAD模型实例不符合预设条件，则对CAD模型实例进行参数化调整或者修改目标点云图像融合数据后重新云建模。

主权项：1.一种基于深度学习的点云图像融合建模方法，其特征在于，所述方法包括：通过数据采集装置，采集若干个通用机械器件的点云数据以及图像数据；其中，所述数据采集装置包括点云采集装置、图像采集装置、原点定位装置、倾角测量装置以及数据传输装置，具体包括：通过所述原点定位装置确定坐标系原点，并将所述点云采集装置及所述图像采集装置通过无线形式分别与所述原点定位装置进行通信；通过所述原点定位装置确定点云采集装置及图像采集装置的坐标系位置；通过所述倾角测量装置，确定所述点云采集装置与所述图像采集装置的局部坐标系欧拉角，并调整点云采集装置和图像采集装置的局部坐标系欧拉角保持一致；通过所述点云采集装置及图像采集装置，分别采集点云数据与图像数据；通过所述数据传输装置，实时通过5G无线网络将所述点云数据与图像数据传输到云端服务器；对所述图像数据与所述点云数据进行数据映射，构建点云图像融合数据，具体包括：根据所述点云采集装置及图像采集装置的坐标系位置，确定图像采集装置与点云采集装置的坐标偏移量[dx,dy,dz]；根据所述坐标偏移量，对所述点云数据进行数据转换：[x2,y2,z2]=[x1,y1,z1]-[dx,dy,dz]；其中，[x1,y1,z1]为原始的点云数据坐标；[x2,y2,z2]为映射后的点云数据坐标；根据所述坐标偏移量，确定每个点云数据对应的图像数据中的像素数据，并根据对应的像素数据的颜色，对所述点云数据进行着色，得到所述点云图像融合数据；对所述点云图像融合数据进行数据预处理，构建点云图像融合数据集；构建CAD逆向建模模型，并通过所述点云图像融合数据集训练所述CAD逆向建模模型，具体包括：基于云架构的CAD框架构建CAD逆向建模模型；通过所述点云图像融合数据集，训练所述CAD逆向建模模型，具体包括：对所述CAD逆向建模模型进行特征识别训练，以使所述CAD逆向建模模型能够区分零件边界，对零件进行识别；对所述CAD逆向建模模型进行装配关系训练，以使所述CAD逆向建模模型能够识别出零件的装配约束关系；其中，所述装配约束关系至少包括：同心、相切、球接、铰接以及平行；对所述CAD逆向建模模型进行CADbrep结构训练，以使所述CAD逆向建模模型能够通过点云图像融合数据拟合出精确的CADbrep拓扑结构；对CAD逆向建模模型进行云CAD建模训练，以使CAD逆向建模模型能够根据CADbrep的拓扑结构，在云CAD模型上进行参数化建模，并通过调用API形式创建模型；通过训练好的CAD逆向建模模型，接收目标点云图像融合数据并进行目标机械器件的云建模；若云建模得到的CAD模型实例不符合预设条件，则对所述CAD模型实例进行参数化调整或者修改所述目标点云图像融合数据后重新进行云建模。

全文数据：

权利要求：

百度查询： 山东华云三维科技有限公司 一种基于深度学习的点云图像融合建模方法、系统及设备