摘要
本申请公开了一种基于PointNet++改进网络的装配精度预测方法,属于计算机视觉与工业制造领域。针对现有技术中,装配平行度的获取受测量环境的影响,并无法保证都可以直接测量的问题。本申请的方法,在未装配时,采集到表面的点云数据,作为基于PointNet++改进的网络的输入;经训练后的PointNet++改进的网络输出装配平行度的类别概率;获得装配精度类别。本申请的技术方案,能够提高测量过程的鲁棒性和测量结果的精度和效率,实现精确高效的三维测量。
技术关键词
装配精度预测方法
点云特征
查询算法
输出特征
多项式
切比雪夫
学习特征
线性单元
矩阵
特征权重学习
代表
神经网络模型
阶段
引入注意力机制
生成特征向量
全局特征提取
局部特征提取
系统为您推荐了相关专利信息
基坑变形预测方法
皮尔逊相关系数
监测点
XGBoost模型
时序特征
依赖特征
文本分类方法
非易失性存储介质
前馈神经网络
输出特征
社交推荐方法
邻居
节点
神经网络模型
同态加密技术