[发明专利]基于多视角点云数据的飞机标准件模型快速重构方法

权利要求书

1.一种基于多视角点云数据的飞机标准件模型快速重构方法，其特征在于，所述重构方法包括：

S1：针对多视角点云数据，基于ISS算法对每个视角数据进行关键点提取；

S2：对提取的关键点提出了一种描述关键点的孪生网络结构，描述关键点的特征的同时，约束特征之间的相似性，建立数据间的两两配准关系；

S3：以数据间的两两配准关系为基准，采用基于图优化的配准方法优化配准次序以提高配准精度，实现飞机标准件模型多视角点云数据的配准；

所述重构方法还包括：

步骤S2中，基于Pointnet++网络框架，构建一种孪生网络，对两组待配准局部点云数据分别进行特征提取，具体包括以下两个步骤：

S21：基于PointNet++网络框架构建孪生网络，该孪生网络包含两个分支，每一个分支是独立且权值共享的，分别对两组局部点云数据进行特征提取；

S22：定义损失函数，根据孪生网络提取特征结果，构建配准的数据间的两两配准关系；

步骤S21中，所述基于PointNet++网络框架构建孪生网络的过程包括以下步骤：

S211：对于关键点，使用迭代最远点采样方法构建采样层；

S212：构建组合层，利用球查找的方法确定一个点的“局部”；

S213：构建特征提取层，对组合层定义的各个局部进行特征提取，得到局部特征；

S214：重复步骤S211-S213中的采样、组合、特征提取操作，得到不同尺度下子点云的更高维表示，直至达到最大迭代次数。

2.根据权利要求1所述的基于多视角点云数据的飞机标准件模型快速重构方法，其特征在于，步骤S1中，针对多视角点云数据，基于ISS算法对每个视角数据进行关键点提取，包括以下步骤：

S11：对于每个数据点，设置搜索半径；

S12：查询每一点搜索半径内的所有点，计算每一个搜索半径内点的权值；

S13：计算每个数据点的协方差矩阵，求出特征值，依次判断其是否为关键点。

3.根据权利要求1所述的基于多视角点云数据的飞机标准件模型快速重构方法，其特征在于，步骤S213中，所述构建特征提取层的过程包括以下步骤：

S2131：输入为关键点局部点集，通过一个T-Net学习到的转换矩阵对齐，随后经过一个共享权重的多层感知机，提取关键点的特征；

S2132：提取特征后，通过一个T-Net学习到的转换矩阵，对特征进行对齐，再通过一个多层感知机，对每一点提取1024维的特征；

S2133：通过一个最大池化层，将1024维的局部特征变成1024维的全局特征。

4.根据权利要求1所述的基于多视角点云数据的飞机标准件模型快速重构方法，其特征在于，步骤S22中，所述定义损失函数，根据孪生网络提取特征结果，构建配准的数据间的两两配准关系的过程包括以下步骤：

S221：基于特征的两两配准关系度量的损失函数为：

式中，D＝||a_n-b_n||₂，a_n、b_n表示第n个具有配准关系的两样本，D表示两样本之间的欧氏距离，y为两个样本是否匹配的标签，y＝1表示相似或匹配，否则y＝0，margin为设定的阈值，N是具有配准关系的样本对总数；

S222：采用前述损失函数训练网络，构建数据间的两两配准关系。

5.根据权利要求4所述的基于多视角点云数据的飞机标准件模型快速重构方法，其特征在于，步骤S222中，所述采用前述损失函数训练网络的过程包括以下步骤：

S2221：将给定已知标签的数据送入孪生网络中进行特征提取，所述已知标签包括匹配、不匹配两种；

S2222：将提取得到的特征通过损失函数进行处理：匹配则缩小距离，不匹配则扩大距离；

S2223：调整网络各部分权重，完成网络的训练。