[发明专利]基于CNN的无标定曲面所包含拼接曲面个数识别方法

说明书

本发明公开了基于CNN的无标定曲面所包含拼接曲面个数识别方法，利用主元分析PCA方法将待识别目标曲面的五维点云组降维至二维，从而获得待识别目标曲面的二维点云组，并将该待识别目标曲面二维点云组作为一组待识别目标曲面数据；然后将该待识别目标曲面数据输入已训练成功的CNN拼接曲面个数识别器中以输出待识别目标曲面所包含拼接曲面个数。本方法中根据训练成功的CNN拼接曲面个数识别器实现了输出待识别目标曲面所包含拼接曲面个数，识别速度快，识别准确度高。另外，通过主元分析PCA方法对五维点云组进行降维可以较大程度上降低计算量，从而提高识别的速度。

技术领域

本发明涉及逆向工程领域，特别是涉及基于CNN的无标定曲面所包含拼接曲面个数识别方法。

背景技术

逆向工程是根据现有的产品模型，利用数字化测量设备如激光扫描仪获取实体数据如点云，然后对这些实体数据进行分割与拟合，来构建一个完整的CAD模型。

由于点云具有存储方便，计算灵活的特点，是计算机图形学中一种重要的元数据形式，点云逆向重建是点云计算中的一项重要技术。近年来，随着数字化精度的不断提高以及扫描对象曲面的复杂化，对于三维激光扫描仪或CT扫描仪等设备所获取的海量点云在进行分割处理环节非常耗时。

考虑到曲面所包含的拼接曲面个数能够反应出该曲面的点云的分割信息，因此，如何识别无标定曲面所包含的拼接曲面的个数是本领域技术人员亟待解决地问题。

发明内容

本发明的目的是提供一种基于CNN的无标定曲面所包含拼接曲面个数识别方法，从而通过拼接曲面的个数得到点云的分割信息。

为解决上述技术问题，本发明提供一种基于CNN的无标定曲面所包含拼接曲面个数识别方法，包括：

CNN拼接曲面个数识别器训练过程：

步骤A，在目标曲面的表面均匀采集n个目标曲面点云，并根据椭球曲面的拟合方法计算每个所述目标曲面点云对应的两个主曲率，然后选取每个所述目标曲面点云的三维坐标值及两个主曲率作为代表所述目标曲面点云的五个特征，从而获得所述目标曲面五维点云组；

步骤B，利用主元分析PCA方法将所述目标曲面五维点云组降维至二维，从而获得目标曲面二维点云组；

步骤C，预先通过人工标定方式找出所述目标曲面所包含拼接曲面个数，并对所述目标曲面二维点云组进行标定，构成一组已标定训练数据；

步骤D，对X个不同的所述目标曲面重复步骤A至步骤C，获得X组所述已标定训练数据，从X组所述已标定训练数据中随机选取m组构成训练集P，剩余的所述已标定训练数据构成测试集S，通过所述训练集P和所述测试集S对CNN拼接曲面个数识别器进行训练，直至所述CNN拼接曲面个数识别器训练成功为止；

待识别目标曲面所包含拼接曲面个数识别过程：

步骤E，在待识别目标曲面的表面均匀采集n个待识别目标曲面点云，并根据椭球曲面的拟合方法计算每个所述待识别目标曲面点云对应的两个主曲率，然后选取每个所述待识别目标曲面点云的三维坐标值及两个主曲率作为代表所述待识别目标曲面点云的五个特征，从而获得待识别目标曲面五维点云组；

步骤F，利用主元分析PCA方法将所述待识别目标曲面五维点云组降维至二维，从而获得待识别目标曲面二维点云组，并将该待识别目标曲面二维点云组作为一组待识别目标曲面数据；

步骤G，将步骤F获得的所述待识别目标曲面数据输入已训练成功的所述CNN拼接曲面个数识别器中以输出所述待识别目标曲面所包含拼接曲面个数；

其中，n、X、m均为正整数，且m小于X。

优选地，所述CNN拼接曲面个数识别器训练方法具体包括：