摘要
本申请涉及点云处理技术领域,公开了一种用于工业三维模型构建的点云数据处理方法、系统及设备。该方法包括:对工业零件原始点云数据进行去噪和下采样处理得到预处理点云数据,计算局部几何描述子并通过递归图算法转换为工业特征递归图,将递归图输入卷积神经网络提取高维几何特征向量,通过深度置信网络将特征向量映射为B样条曲面控制参数,根据控制参数进行点云重建质量评估得到几何精度误差数据和曲面重建完整度数据。本申请解决了现有工业三维模型构建中点云数据处理方法缺乏智能化特征识别、重建精度不足、制造约束考虑不充分的问题,提高了复杂工业零件几何特征的识别准确性和三维模型重建的精度。
技术关键词
数据处理方法
工业
三维模型
点云
深度置信网络
样条
受限玻尔兹曼机
曲面
压缩特征向量
关键特征点定位
约束特征
数据处理系统
特征协方差矩阵
卷积神经网络提取
连续性
精度
非线性
语义特征
智能化特征
系统为您推荐了相关专利信息
参数计算方法
涡轮叶片
元件
路径匹配
内部冷却通道
多层次特征提取
SLAM方法
激光雷达
特征点
加权最小二乘
编码器伺服电机
工业机器人
伸缩臂结构
焊接机械臂
同步带轮
PE管道
模态分析方法
管道固有频率
模态固有频率
模态分析装置