[发明专利]一种基于非参数化和多注意力机制的复杂曲面测量系统

权利要求书

1.一种基于非参数化和多注意力机制的复杂曲面测量系统，包括：基于被测对象几何形状的曲面特定核函数设计模块、高斯过程点云自适应采样模块、曲面配准和稀疏误差重建模块、像素化和归一化模块、多尺度多注意力超分辨模块、解归一化模块和点云空间映射模块；其特征在于：所述曲面特定核函数设计模块、高斯过程点云自适应采样模块、曲面配准和稀疏误差重建模块、像素化和归一化模块、多尺度多注意力超分辨模块、解归一化模块、点云空间映射模块依次连接，所述多尺度多注意力超分辨模块包括依次连接的高斯过程模型和多注意力超分辨结构，高斯过程模型用于从非结构的归一化数据中获得潜在的几何信息，然后输出三种分辨率的轮廓和对应的不确定度信息，其中三种分辨率分别是目标输出分辨率、1/2目标输出分辨率和1/4目标输出分辨率；多注意力超分辨结构具有并行的三个支路，每一个支路依次通过一个多注意力单元DAU和由多个通道注意力单元RCAB组成的多通道注意力单元RCABs；

所述曲面特定核函数设计模块根据目标被测曲面的几何先验知识，结合高斯过程核函数的几何特性，利用贝叶斯准则确定优选的复合核函数模型，用于后续的点云自适应采样和重建；

所述曲面配准和稀疏误差重建模块，利用基于内蕴曲面特征的数据匹配进行半精匹配，将检测数据进行曲面拟合，计算得到测量曲面和设计曲面的内蕴几何量：高斯曲率和平均曲率，然后计算两组高斯曲率的互相关性并进行归一化处理，找到峰值点坐标，确定两组数据的对应位置，获得刚体变换矩阵，然后再结合最近点迭代方法进行精匹配，最后将两组数据统一到同一个坐标系下，将测量点与设计曲面进行比对，输出实际测量点的测量误差图；

所述曲面配准和稀疏误差重建模块输出的测量误差图输入高斯过程模型，其中1/4分辨率误差图通过一个DAU和RCABs之后，将特征图输入到上采样模块中得到1/2的上采样特征图，将其与第二支路的1/2分辨率误差图通过DAU处理之后的特征图进行级联，级联结果输入到第二支路的RCABs和与上采样模块中，得到1/1的上采样特征图，将其与第三支路的1/1分辨率误差图通过DAU处理之后的特征图进行级联，级联结果输入到第三支路的RCABs，然后与第三支路中通过DAU处理之后的特征图进行元素相加操作，输入到3×3卷积层，得到最终增强后的目标分辨率图。

2.如权利要求1所述的基于非参数化和多注意力机制的复杂曲面测量系统，其特征在于：

所述高斯过程点云自适应采样模块用于初始高斯模型的构建，然后根据模型输出的几何轮廓和设计曲面进行比较，得到重建误差，将重建误差和模型输出的不确定度作为采样准则进行后续点云的采集，目标采样点为重建误差和不确定度较大的区域。

3.如权利要求1所述的基于非参数化和多注意力机制的复杂曲面测量系统，其特征在于：所述上采样模块由Nearest插值、LReLU和3×3卷积层组成。

4.如权利要求1所述的基于非参数化和多注意力机制的复杂曲面测量系统，其特征在于：所述多注意力单元DAU包括对不确定度进行注意力操作，通过测量误差图得到误差特征图，该误差特征图分别输入到空间注意力单元和通道注意力单元，得到注意力图，所得注意力图再与输入的误差特征图进行点乘操作，得到注意力增强特征图；通过不确定度得到不确定度注意力图，将其与误差特征图进行点乘操作，得到基于不确定度增强的误差特征图，通过和注意力增强特征图进行级联操作，所得结果再和测量误差图进行元素相加操作，得到多注意力增强后的误差特征图。

5.如权利要求4所述的基于非参数化和多注意力机制的复杂曲面测量系统，其特征在于：

所述的通道注意力单元RCAB包括1个全局平均池化层、1个3×3卷积层和一个sigmoid激活层；所述的空间注意力单元包括一个并行的全局平均池化层和全局最大池化层，将并行的结果进行级联并输入到1个3×3卷积层和和一个sigmoid激活层。

6.如权利要求1所述的基于非参数化和多注意力机制的复杂曲面测量系统，其特征在于：

所述像素化和归一化模块将点云的测量误差数据转化为图像的像素信息，点云位置为像素位置，点云高度信息为图像的灰度信息，然后将其进行归一化处理。

7.如权利要求1所述的基于非参数化和多注意力机制的复杂曲面测量系统，其特征在于：

所述解归一化模块和点云空间映射模块用于将增强后的基于像素的灰度图像信息重新映射到2.5D曲面空间中，从而获得经过上采样之后的高精度点云，整个模型在训练过程中引入分形布朗运动fBm，根据实际加工曲面的历史测量信息生成高低分辨率的成对数据，模拟加工误差。