[发明专利]一种航空发动机卡箍的细粒度三维识别方法

说明书

一种航空发动机卡箍的细粒度三维识别方法，包括：采集标准航空发动机三维点云数据，以其中卡箍点云数据作为卡箍形状和位置标准，并为每个卡箍定义型号标准；对待测航空发动机三维点云数据，首先进行卡箍场景的语义分割，通过语义分割网络学习每个点的局部几何结构，生成逐点语义特征；进行卡箍实例化，结合聚类算法，得到完整的卡箍实例；进行卡箍细粒度识别，得到每个卡箍的型号类别；最终得到每个卡箍的点云数据及其型号。本发明相比面向二维图像数据的航空发动机检测技术，可以获取完整的检测数据，无需进行图像拼接，从而保证检测的一致性与高效性；不受光照不均、阴影遮挡、卡箍姿态变化和尺度变化等因素的影响。

技术领域

本发明涉及三维视觉技术领域，具体涉及一种航空发动机卡箍的细粒度三维识别方法。

背景技术

航空发动机是为航空器提供飞行所需动力的发动机，是航空器的心脏，也是一个国家科技、工业和国防实力的重要体现。卡箍作为航空发动机体表面的重要零件，因其高温、高压、高强度的运用环境要求，使其相对其他零部件有更高的安全性、可靠性要求。鉴于航空航天器件的高成本和高标准，在航空航天器件正式投入使用之前会进行多次测试，包括装配前各个零部件单独的测试和装配后对其整体的测试。在自动检测技术出现之前，主要采用人工目视法进行缺陷检测，但是，由于检测工作强度大，检测人员经验和效率等原因，可能存在漏检、错检等隐患。自动检测方法借助于各类测试仪表和仪器获取目标的有用信息，因此能够缩短检测周期，极大地提高检测效率。

卡箍细粒度三维识别的目的是从航空发动机的复杂背景中自动识别出每个卡箍，并对卡箍进行细粒度区分，以得到航空发动机点云数据中每个卡箍形状、位置及型号。细粒度三维识别的核心是根据点云的空间几何特征区分卡箍点与背景点之间、不同型号卡箍点之间的局部结构差异。

现有的卡箍检测方法大多采用二维图像为原始数据，主要是通过提取图像中的特征实现检测，这些特征描述了卡箍的形状细节。例如：通过卡箍的角点特征和边缘特征的组合可以对卡箍的形状进行检测，结合模式分类模型可对卡箍及非卡箍状态进行分类；端到端的深度神经网络特征表达可提取卡箍的局部和全局特征，并实现对图像中所有的卡箍进行位置及型号的检测。总的来说，二维卡箍检测普遍受到二维图像信息的敏感因素干扰，包括可视角度、图像光照分布不均、阴影遮挡、卡箍姿态变化和尺度变化等。基于三维点云数据的卡箍检测是一项很有前景的技术，它仍是一个较少被探索的分支，三维点云数据具有很好的连续性，没有数据获取范围的限制，可以保证卡箍检测的一致性和高效性。三维卡箍细粒度识别的难点在于：如何从复杂的大范围背景中识别出卡箍点、如何区分只有局部结构差异的目标特征。

发明内容

本发明技术采用卡箍场景语义分割、卡箍实例化、卡箍细粒度识别的检测流程，进行航空发动机中卡箍的细粒度三维识别。首先根据某型号标准发动机数据中的卡箍形状与型号建立标准；在进行线上检测时，对于待测航空发动机的点云数据，首先进行卡箍场景的语义分割，使用语义分割网络提取逐点语义特征，区分出卡箍点与背景点；然后进行卡箍实例化，使用聚类算法得到完整的、独立的卡箍实例；最后进行卡箍细粒度识别，通过细粒度分类网络得到每个卡箍的型号。本发明提供了一种卡箍细粒度三维自动化识别技术，能够识别出完整的卡箍实例并得到其型号，具有环境适应性好、检测效率高的特点。

为实现上述目的，本发明采用如下技术方案：

一种航空发动机卡箍的细粒度三维识别方法，包括如下步骤：

采集标准航空发动机三维点云数据，以其中卡箍点云数据作为卡箍形状和位置标准，并为每个卡箍定义型号标准；

对于待测航空发动机三维点云数据，首先进行卡箍场景的语义分割，通过语义分割网络学习每个点的局部几何结构，生成逐点语义特征，并将点云分为两类：卡箍点与背景点；

进行卡箍实例化，通过卡箍点的语义特征预测出每个卡箍点相对于该卡箍中心的偏移量，结合聚类算法，得到完整的卡箍实例；