一种基于深度学习的多尺度采样航空零部件3D点云分割方法

本发明公开了一种基于深度学习的多尺度采样航空零部件3D点云分割方法，包括：按照网络模型训练格式，对所有航空零部件3D点云数据进行分割标注，得到训练集、测试集、验证集；基于Pytorch框架搭建基于深度学习的多尺度采样航空零部件3D点云分割网络模型；基于训练集、验证集对3D点云分割网络模型进行监督训练；基于C++语言的加速推理框架部署3D点云分割网络模型；测试集输入部署的3D点云分割网络模型，得到分割结果。本发明能够实现航空零部件实测点云数据的精准分割，有效提升了3D点云数据部件分割的精准度与检测效率。