[发明专利]一种大型飞机大部件点云语义分割方法

说明书

本发明公开了一种大型飞机大部件点云语义分割方法，包括：获取大型飞机的整机实测点云数据，进行k近邻图建模，得到k近邻图；构建金字塔动态图卷积网络，通过k近邻图对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；将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。本发明方法实现了精准大规模点云语义分割。

技术领域

本发明涉及三维点云模型检测领域，具体地，涉及一种大型飞机大部件点云语义分割方法。

背景技术

外形分析是大型飞机加工装配与入场维护中必不可少的一环，由于大型分级壁板本身的弱刚性和保形工装设计问题，导致大尺寸薄壁件放在保形工装上加工时，对接边缘会出现形变。过大形变会造成大型飞机蒙皮无规律的起伏，即机体表面出现波纹现象。过大形变如果在机头空速管附近，这将直接影响静压探头附近的流场，造成静压探头测得的高度、压力等数据出现偏差，当波纹较严重时，将影响数据的准确性，造成飞行员误判，影响飞行安全，因此，需要对大型飞机的外形形变进行分析。

大型飞机点云数据规模可达亿万级，且具有无序性的特点，导致难以利用体素或投影等规则化方法表示与学习。大型飞机大部件几何特征在点云表示中尺度变化范围较大，现有点云语义分割网络受限于邻域特征表示形式，难以捕捉大范围长距离的语义依赖关系。

发明内容

针对现有技术中存在的问题，本发明提供一种大型飞机大部件点云语义分割方法，利用Fisher向量编码在多尺度随机游走域对点云几何特征进行有效表示，以层次化特征提取及更新策略设计金字塔型动态图卷积网络，实现精准大规模点云语义分割。

为实现上述技术目的，本发明采取的技术方案为：一种大型飞机大部件点云语义分割方法，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。

进一步地，步骤S1包括如下子步骤：

S101、利用Leica ATS960绝对跟踪仪从大型飞机周边的多个站点采集激光点云数据；

S102、使用点云拼接技术将采集的激光点云数据拼接成整机实测点云数据。

进一步地，步骤S2包括如下子步骤：

S201、使用KdTree算法计算整机实测点云数据中任意两点的高斯距离，并将高斯距离作为两点之间的连边权重；

S202、选取每个点的k近邻点作为k近邻图的顶点，将两个点之间的连边作为k近邻图中的边，从而进行k近邻图建模，得到k近邻图。