[发明专利]一种基于深度学习的航空零部件点云去噪方法

说明书

本发明公开了一种基于深度学习的航空零部件点云去噪方法，包括：基于航空零部件的理论数据模型，人为增加不同程度的高斯噪声，并为所述模型中每个点生成高度图，构建深度学习训练集；基于构建的深度学习训练集，训练所述深度学习网络，得到深度学习网络模型，用于预测点云数据中每个点的法线信息；由激光扫描仪对真实航空零部件进行扫描，获取实测点云数据，并基于训练好的深度学习网络模型，预测所述实测点云的法线信息；基于所述预测的法线信息，进一步对所述点云中每个点进行位置更新，从而实现实测点云的去噪。本发明解决了现有技术中无法准确高效去除航空零部件扫描点云的噪声的问题，进一步提高了航空零部件检测分析的效率和准确度。

技术领域

本发明属于航空检测技术领域，特别涉及一种基于深度学习的航空零部件点云去噪方法。

背景技术

近年来，随着国内航空新研项目在飞行速度、隐身、机动性等技术战斗指标上的不断提高，飞机自身的结构呈现出明显的整体化、轻量化、紧凑化和精密化的趋势，具有复杂结构与型面特征的航空结构件开始被大量采用，航空结构件的精度要求也日益提升，装配的要求逐渐提高，使得对航空零部件制造加工质量的控制和检测显得尤为重要。同时，随着航空器使用时间增加，各零部件的磨损、形变等会大大影响航空器的性能，甚至会威胁人民生命财产安全，通过对零部件的检测，及时发现存在的隐患，从而保证航空器的安全健康运行。

对于航空零部件的检测技术，目前仍以传统的测量方式为主，如手工测量法，三坐标机测量法等，由于航空零部件形状复杂、结构多样，传统的测量方法往往达不到要求的精度，且效率较低，无法满足目前航空零部件的检测需求。

由于三维激光扫描技术实时性强、精度高、无损检测等优点，其在航空领域的应用越来越广泛。利用三维激光扫描技术对航空零部件进行测量分析，是航空领域高精度测量的趋势。然而，由于测量环境等因素影响，获取的三维点云往往存在一定的噪声，而目前针对航空零部件三维点云噪声的处理仍处于起步阶段，无法满足航空业高效率高精度的要求。

发明内容

本发明的目的在于针对现有技术中无法对航空零部件点云进行准确高效去噪的问题，提供一种基于深度学习的航空零部件点云去噪方法。

本发明是通过以下技术方案实现的：

一种基于深度学习的航空零部件点云去噪方法，包括如下步骤：

S1：基于航空零部件的理论数据模型，增加不同程度的高斯噪声，并为模型中每个点生成高度图，构建深度学习训练集；

S2：基于步骤S1构建的深度学习训练集，训练深度学习网络，得到深度学习网络模型；

S3：由激光扫描仪对真实航空零部件进行扫描，获取实测点云数据，并基于步骤S2训练好的深度学习网络模型，预测实测点云的法线信息；

S4：基于步骤S3预测的法线信息，进一步对实测点云数据中每个点进行位置更新，实现对实测点云数据的去噪。

为优化上述技术方案，采取的具体措施还包括：

上述步骤S1中的为模型中每个点生成高度图，包括以下步骤：

S11：从理论数据模型中，给定点云数据中的一点p_i，采用循环神经网络构建该点的局部邻域；

S12：据公式(7)计算协方差矩阵C_pi；