一种基于深度学习的高精度定位数据处理方法及系统

本申请提供一种基于深度学习的高精度定位数据处理方法及系统，首先获取目标机械部件在连续运动状态下，由多角度工业相机采集的包含其装配时表面轮廓与空间位置信息的时序图像数据，接着对时序图像数据进行三维空间重建，生成含不同时间点空间坐标分布与表面几何特征的动态点云数据集，然后利用预训练的深度特征提取网络，从中提取多尺度空间特征，并建立与标准部件模型的特征映射关系，基于此特征映射关系确定目标机械部件的尺寸偏差、形状畸变或位置偏移等误差参数，最后根据误差参数生成指令，实时修正目标机械部件在生产线上的装配位置，直至满足预设装配精度阈值，实现高精度定位数据处理。