【技術實現步驟摘要】
本專利技術涉及深度學習，尤其涉及一種基于ssdcnet網絡的焊縫管道識別方法及系統。
技術介紹
1、在管道切割焊接的工程流程中，存在大量需要人工輔助的環節，例如，切割機在切割不同類型管道時需要人工指引切割起點、設定切口類型等參數。而在管道焊接工程中，人為示教和手動選取焊接點也需要人工干預。
2、隨著激光雷達和rgb-d相機等三維傳感技術的快速發展，三維點云數據的可用性顯著增加。點云是一組代表物體表面的3d點，已經成為包括自動駕駛、機器人、虛擬現實和增強現實等各種應用的重要數據源。與此同時，基于深度學習的方法在各種計算機視覺任務中取得了顯著的成功，包括圖像分類、目標檢測和語義分割。因此，近年來研究的熱點是基于原始點云的算法。原始點云包含豐富的幾何和語義信息，使得算法更容易實現場景感知。
3、現有的點云處理方法在處理無序點云數據時存在一些不足之處。首先，點云的無序性使得傳統的卷積神經網絡無法直接處理點云數據，需要將其轉換為有序的數據格式，如網格或體素。然而，這種轉換可能導致幾何信息的丟失、計算復雜度的增加以及數據大小的增加。其次，現有的點云處理方法在提取局部特征和保持點云的無序性之間存在一定的折中。一些方法使用最大池化和對稱函數來提取特征，但這可能導致局部特征的丟失。另一些方法通過學習局部卷積順序來提取特征，但其訓練速度較慢。此外，現有的點云處理方法在處理不同尺度的對象時可能存在局限性，缺乏對尺度不變性的處理能力。
技術實現思路
1、本專利技術提供一種基于ssd
2、第一方面，本專利技術提供一種基于ssdcnet網絡的焊縫管道識別方法，包括：
3、采集焊縫管道點云數據，基于所述焊縫管道點云數據得到訓練集和測試集；
4、利用編解碼框架的基于球面殼方向卷積ssdc模塊構建ssdcnet網絡，將所述ssdcnet網絡劃分為分類網絡和分割網絡，得到改進的ssdcnet網絡；
5、確定預設訓練參數，利用所述訓練集訓練所述改進的ssdcnet網絡，利用所述測試集對所述改進的ssdcnet網絡進行性能測試，得到焊縫管道識別模型；
6、將待識別焊縫管道點云數據輸入所述焊縫管道識別模型，輸出焊縫管道分類和焊縫管道三維分割點云。
7、根據本專利技術提供的一種基于ssdcnet網絡的焊縫管道識別方法，采集焊縫管道點云數據，基于所述焊縫管道點云數據得到訓練集和測試集，包括：
8、采用點云處理軟件couldcompare標注所述焊縫管道點云數據，區分工件的管道區域；
9、將標注后的焊縫管道點云數據劃分為所述訓練集和所述測試集。
10、根據本專利技術提供的一種基于ssdcnet網絡的焊縫管道識別方法，利用編解碼框架的ssdc模塊構建ssdcnet網絡，包括：
11、所述ssdcnet網絡包括三個編碼層，分別為第一編碼層、第二編碼層和第三編碼層，每個編碼層包括一個ssdc模塊；
12、所述第一編碼層、所述第二編碼層和所述第三編碼層包含的點云數量依次減少，包含的輸出通道數依次增多，每個編碼層的半徑為所述點云數量除以預設系數；
13、采用adam優化器和預設初始學習率進行優化，得到所述ssdcnet網絡。
14、根據本專利技術提供的一種基于ssdcnet網絡的焊縫管道識別方法，將所述ssdcnet網絡劃分為分類網絡和分割網絡，得到改進的ssdcnet網絡，包括：所述分類網絡為二維卷積神經網絡，所述分類網絡的編碼器包括依次連接的三個ssdc模塊，所述三個ssdc模塊的點云數量逐漸減少，輸出特征通道數量逐漸增多，得到輸出矩陣，將所述輸出矩陣輸入多層感知機模塊，生成對象分類概率圖矩陣，所述對象分類概率圖矩陣包括類別數量；
15、所述分割網絡為u-net網絡，所述分類網絡的編碼器包括依次連接的三個ssdc模塊，所述三個ssdc模塊的點云數量逐漸增多，輸出特征通道數量逐漸減少，將所述對象分類概率圖矩陣輸入第一個ssdc模塊，由第三個ssdc模塊輸出點云識別數據。
16、根據本專利技術提供的一種基于ssdcnet網絡的焊縫管道識別方法，所述ssdc模塊的輸入為n×d的矩陣，其中n為點云中點的個數，d為每個點的d維特征；
17、所述ssdc模塊包括球殼卷積模塊和方向編碼模塊。
18、根據本專利技術提供的一種基于ssdcnet網絡的焊縫管道識別方法，所述球殼卷積模塊具體包括：
19、確定所述球殼卷積模塊中的任一點，獲取所述任一點的鄰近點集合，由所述鄰近點集合中所有鄰近點輸入特征和鄰近點卷積權重進行卷積，得到任一點輸入特征；
20、基于所述任一點和所述鄰近點集合中所有鄰近點的歐式距離，得到多個球殼，利用所述多個球殼和每個球殼的權重得到球殼卷積特征。
21、根據本專利技術提供的一種基于ssdcnet網絡的焊縫管道識別方法，所述方向編碼模塊具體包括：
22、將所述多個球殼對應的球殼層沿坐標軸的8個方向分為8個區域，在每個區域中采用臨近搜索，篩選距離所述任一點最近的鄰近點，若在任一區域中未搜索到任意鄰近點，則將所述任一點作為所述鄰近點；
23、在所述8個區域中增加方向編碼卷積運算符，將所述方向編碼卷積運算符依次沿x軸、y軸和z軸對指定大小立方體進行卷積，得到相鄰點特征向量。
24、根據本專利技術提供的一種基于ssdcnet網絡的焊縫管道識別方法，確定預設訓練參數，利用所述訓練集訓練所述改進的ssdcnet網絡，利用所述測試集對所述改進的ssdcnet網絡進行性能測試，得到焊縫管道識別模型，包括：
25、確定學習率、學習率動量、批次大小、訓練總輪次小、權重衰減和最大迭代次數，將所述訓練集輸入所述改進的ssdcnet網絡進行訓練；
26、將所述測試集輸入訓練好的模型進行測試，獲得所述焊縫管道識別模型。
27、第二方面，本專利技術還提供一種基于ssdcnet網絡的焊縫管道識別系統，包括：
28、采集模塊，用于采集焊縫管道點云數據，基于所述焊縫管道點云數據得到訓練集和測試集；
29、構建模塊，用于利用編解碼框架的ssdc模塊構建ssdcnet網絡，將所述ssdcnet網絡劃分為分類網絡和分割網絡，得到改進的ssdcnet網絡；
30、訓練模塊，用于確定預設訓練參數，利用所述訓練集訓練所述改進的ssdcnet網絡，利用所述測試集對所述改進的ssdcnet網絡進行性能測試，得到焊縫管道識別模型；
31、識別模塊，用于將待識別焊縫管道點云數據輸入所述焊縫管道識別模型，輸出焊縫管道分類和焊縫管道三維分割點云。
32、第三方面，本專利技術還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可本文檔來自技高網...
【技術保護點】
1.一種基于SSDCNet網絡的焊縫管道識別方法，其特征在于，包括：
2.根據權利要求1所述的基于SSDCNet網絡的焊縫管道識別方法，其特征在于，采集焊縫管道點云數據，基于所述焊縫管道點云數據得到訓練集和測試集，包括：
3.根據權利要求1所述的基于SSDCNet網絡的焊縫管道識別方法，其特征在于，利用編解碼框架的SSDC模塊構建SSDCNet網絡，包括：
4.根據權利要求3所述的基于SSDCNet網絡的焊縫管道識別方法，其特征在于，將所述SSDCNet網絡劃分為分類網絡和分割網絡，得到改進的SSDCNet網絡，包括：所述分類網絡為二維卷積神經網絡，所述分類網絡的編碼器包括依次連接的三個SSDC模塊，所述三個SSDC模塊的點云數量逐漸減少，輸出特征通道數量逐漸增多，得到輸出矩陣，將所述輸出矩陣輸入多層感知機模塊，生成對象分類概率圖矩陣，所述對象分類概率圖矩陣包括類別數量；
5.根據權利要求3所述的基于SSDCNet網絡的焊縫管道識別方法，其特征在于，所述SSDC模塊的輸入為n×d的矩陣，其中n為點云中點的個數，d為每個點的d維特征；
6.根據權利要求5所述的基于SSDCNet網絡的焊縫管道識別方法，其特征在于，所述球殼卷積模塊具體包括：
7.根據權利要求6所述的基于SSDCNet網絡的焊縫管道識別方法，其特征在于，所述方向編碼模塊具體包括：
8.根據權利要求1所述的基于SSDCNet網絡的焊縫管道識別方法，其特征在于，確定預設訓練參數，利用所述訓練集訓練所述改進的SSDCNet網絡，利用所述測試集對所述改進的SSDCNet網絡進行性能測試，得到焊縫管道識別模型，包括：
9.一種基于SSDCNet網絡的焊縫管道識別系統，其特征在于，包括：
10.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至8任一項所述基于SSDCNet網絡的焊縫管道識別方法。
...【技術特征摘要】
1.一種基于ssdcnet網絡的焊縫管道識別方法，其特征在于，包括：
2.根據權利要求1所述的基于ssdcnet網絡的焊縫管道識別方法，其特征在于，采集焊縫管道點云數據，基于所述焊縫管道點云數據得到訓練集和測試集，包括：
3.根據權利要求1所述的基于ssdcnet網絡的焊縫管道識別方法，其特征在于，利用編解碼框架的ssdc模塊構建ssdcnet網絡，包括：
4.根據權利要求3所述的基于ssdcnet網絡的焊縫管道識別方法，其特征在于，將所述ssdcnet網絡劃分為分類網絡和分割網絡，得到改進的ssdcnet網絡，包括：所述分類網絡為二維卷積神經網絡，所述分類網絡的編碼器包括依次連接的三個ssdc模塊，所述三個ssdc模塊的點云數量逐漸減少，輸出特征通道數量逐漸增多，得到輸出矩陣，將所述輸出矩陣輸入多層感知機模塊，生成對象分類概率圖矩陣，所述對象分類概率圖矩陣包括類別數量；
5.根據權利要求3所述的基于ssdcnet網絡的焊縫管...
【專利技術屬性】
技術研發人員：唐靚，姜澤泉，姚琛，曹嘉迅，趙倫，武明虎，張凡，劉敏，
申請(專利權)人：湖北工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。