一种基于改进DGCNN网络的工业散乱零件实例分割方法

本发明提供一种基于改进DGCNN网络的工业散乱零件实例分割方法，包括获取工业散乱零件堆积的点云场景，通过预处理手段剔除场景中的离群点和平台平面，基于采用面向实例分割的虚拟数据集生成算法来生成大量工业场景零件点云数据，将真实工业场景点云图融入虚拟数据集中进行深度学习训练，采用改进DGCNN网络的FPCC‑Net训练实例分割模型，可实现工业机器人在工业零件散乱堆叠且存在部分遮挡的情况下，鲁棒地实时完成三维工业场景实例分割任务，显著满足工业机器人在复杂零件场景中的三维智能感知和自主操作需求，有效地将目标从背景中准确分割出来。