基于三维点云深度学习的飞机表面多圆孔基元提取方法

作     者：陈红华 魏泽勇 谢乾 魏明强 汪俊 CHEN Honghua;WEI Zeyong;XIE Qian;WEI Mingqiang;WANG Jun

作者机构：南京航空航天大学机电学院南京210016 南京航空航天大学计算机科学与技术学院南京210016 

出 版 物：《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期：2022年第58卷第14期

页      面：190-202页

核心收录：

学科分类：0710[理学-生物学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0803[工学-光学工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划资助项目(2019YFB1707504 2020YFB2010702)。 

主　　题：飞机表面圆孔检测 三维测量 深度学习 加权最小二乘 

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。