基于多尺度学习与卷积的整车点云风阻系数预测方法及系统

本发明提供一种基于多尺度学习与卷积的整车点云风阻系数预测方法及系统，涉及风阻系数预测技术领域，所述方法具体包括获取整车模型的点云数据并进行预处理；通过最远点采样方法对预处理后的所述点云数据进行采样，以保留几何关键点；构建卷积神经网络模型，将点云数据输入网络中，依次进行两次多尺度卷积操作，通过不同尺度卷积核提取局部细节与全局结构特征，将特征从低维映射至512维并扩展至1024维，完成特征聚合；通过两层卷积进一步增强特征表达能力；利用最大池化层聚合全局特征，通过多层感知机对特征进行降维；引入物理引导注意力机制对特征的空间权重物理约束；通过全连接层建立点云特征与风阻系数之间的映射关系，输出风阻系数预测结果。本发明能够提高风阻系数预测的精度和效率。