[发明专利]一种大型飞机大部件点云语义分割方法

权利要求书

1.一种大型飞机大部件点云语义分割方法，其特征在于，包括以下步骤：

S1、获取大型飞机的整机实测点云数据；

S2、将步骤S1获取的整机实测点云数据进行k近邻图建模，得到k近邻图；

S3、构建金字塔动态图卷积网络，通过k近邻图对所述金字塔动态图卷积网络中的每一个游走核卷积模块进行多尺度的二阶随机游走采样，结合高斯混合模型进行Fisher向量编码，得到多尺度图的统一特征编码表示；

S4、将步骤S1获取的实测点云数据输入金字塔动态图卷积网络中，进行多尺度点云特征提取，依次将高尺度点云特征插回低尺度点云特征中，再进行点云特征转换，将点云特征转换为飞机大部件语义分割结果；

所述金字塔动态图卷积网络包括：空间变换模块、第一游走核卷积模块、第二游走核卷积模块、第三游走核卷积模块、第四游走核卷积模块、第五游走核卷积模块、第六游走核卷积模块、第一多层感知机、第二多层感知机、第三多层感知机、第四多层感知机组成，所述空间变换模块与第一游走核卷积模块连接，所述第一游走核卷积模块、第二游走核卷积模块、第三游走核卷积模块串联，所述第一游走核卷积模块的输出、第二游走核卷积模块的输出、第三游走核卷积模块的输出经跳跃连接、拼接后与第一多层感知机连接；所述第一游走核卷积模块通过图池化与第四游走核卷积模块连接，所述第四游走核卷积模块、第五游走核卷积模块串联，所述第一游走核卷积模块的图池化输出、第四游走核卷积模块、第五游走核卷积模块的输出经跳跃连接、拼接后与第二多层感知机连接；所述第四游走核卷积模块通过图池化与第六游走核卷积模块连接，所述第四游走核卷积模块的图池化输出与第六游走核卷积模块的输出经跳跃连接、拼接后与第三多层感知机连接；所述第三多层感知机、第二多层感知机、第一多层感知机串联，所述第一多层感知机与第四多层感知机连接；

所述第一游走核卷积模块、第二游走核卷积模块、第三游走核卷积模块、第四游走核卷积模块、第五游走核卷积模块、第六游走核卷积模块均进行多尺度的二阶随机游走采样，结合高斯混合模型进行Fisher向量编码，得到多尺度图的统一特征编码表示，具体过程如下：

S301、采用超参数(p,q)引导二阶随机游走，对于k近邻图中任意两个顶点v,x设置未归一化转移概率其随机游走场进行多个尺度的随机游动t＝1,2,…,T，获得多个尺度的邻域信息；

其中，p为调节广度优先遍历的超参数，q为调节深度优先遍历的超参数，为顶点v与x间的静态边权重，Z为归一化常数，E为k近邻图中边的集合，α_pq(v,x)为顶点v与x间的动态权重调整因子，l_v,x表示顶点v和x之间的随机游动跳跃的步数，T为感受野的尺度数；

S302、设置每次随机游动中采样个数的待求参数，对每个尺度的邻域信息采用多个高斯模型进行建模，得到高斯混合模型：

其中，表示以v_j为初始顶点、长度为t的第k条游走路径，表示第条游走路径上所有特征的集合，d(t+1)表示的特征维度，λ_t＝{(ω_t，c，μ_t，c，∑_t，c)|c＝1，…，C}表示C组待求参数的集合，ω_t，c表示第c个随机游动中采样个数的混合权重，μ_t，c表示第c个随机游动中采样个数的均值，∑_t，c表示第c个随机游动中采样个数的对角协方差矩阵，σ_t,c为第c个随机游动中采样个数的协方差，diag(σ_t,c)为σ_t,c的对角化；

S303、根据最大似然估计法，获取高斯混合模型的似然函数，分别将待求参数输入似然函数中使用梯度下降法对待求参数进行优化，直至梯度不再下降，将所有与待求参数有关的梯度结果级联，作为多尺度游走域上的多个Fisher向量编码；

S304、将多个Fisher向量编码通过随机游动中采样样本大小进行归一化，然后将每个顶点的多个Fisher向量编码进行拼接，通过多级由1×1卷积、正则化层和线性整流层线性组合的模块，将多个Fisher向量编码映射到更为紧凑的特征空间中。