论文摘要
船体分段合拢面的精度检测是分段总组合拢过程中的重要环节。在船体分段合拢面的精度检测方面,三维扫描仪相对全站仪有着巨大优势,但三维扫描仪在扫描过程中会记录很多与合拢面无关的点。文章对三维扫描仪扫描出的点云数据进行合拢面的智能识别;采用深度学习理论对PointNet++点云网络进行改进,使用CAD模型导出的点云数据构建有标注的船体分段点云数据集,进而使用Adam优化算法对网络进行优化训练。最终,网络模型对分段合拢面的识别在验证集上获得精确率73%、召回率90%的效果。
论文目录
文章来源
类型: 期刊论文
作者: 陈尚伟,汪骥,刘玉君,张学晨
关键词: 三维扫描仪,点云,船体分段合拢面,深度学习
来源: 船舶工程 2019年12期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 船舶工业
单位: 大连理工大学船舶工程学院
基金: 辽宁省高等学校创新团队项目(LT2014002)
分类号: U671.99
DOI: 10.13788/j.cnki.cbgc.2019.12.23
页码: 138-141
总页数: 4
文件大小: 1817K
下载量: 148
相关论文文献
- [1].基于改进PointNet网络的三维手姿估计方法[J]. 计算机应用研究 2020(10)
- [2].基于PointNet++的室外场景三维点云多目标检测方法[J]. 自动化与信息工程 2019(04)
- [3].融合MKF的Pointnet++优化算法研究[J]. 小型微型计算机系统 2020(06)
- [4].基于多尺度特征和PointNet的LiDAR点云地物分类方法[J]. 激光与光电子学进展 2019(05)
- [5].基于动态图卷积和空间金字塔池化的点云深度学习网络[J]. 计算机科学 2020(07)
- [6].PointNet的点云数据集的破损测试与深度解读[J]. 中国传媒大学学报(自然科学版) 2019(03)