共查询到20条相似文献,搜索用时 31 毫秒
1.
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。然而,三维扫描仪在扫描过程中会记录很多与合拢面无关的点,因此本文对三维扫描仪扫描出的点云数据,进行合拢面的智能识别。通过采用深度学习理论对PointNet++点云网络进行适合本文的改进,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。 相似文献
2.
3.
4.
5.
6.
7.
船舶建造中一种先进的精度控制方法 总被引:1,自引:0,他引:1
本文推荐一种基于先进的确保船体结构高度准确的新船建筑概念,并举出以先进的三维测量系统作为精度控制手段,在船体分段装配和大合拢过程中检查分段准确程度的实际范例。 相似文献
8.
9.
10.
11.
基于三维扫描点云数据计算卧式罐容量的计量方法,可解决传统卧式罐容量计量方法效率低、工作强度大、精度差等问题。该方法利用三维激光扫描仪获取卧式罐的空间点云数据,然后对点云数据进行预处理并对预处理后的数据进行建模,应用“三角形面积积分法”和“截面积高度积分法”计算软件计算不同液位高度对应的卧式罐容积值。通过与传统计量方法——容量比较法和几何测量法测量结果进行比较,验证了该方法的可行性。基于三维扫描的卧式罐容量计量方法,测量精度能够满足卧式罐计量标准要求,容积检定工作效率也大幅度提升。 相似文献
12.
为了达到船体分段建造的精度要求,船体分段的测量点集与设计点集的数据分析技术是关键。在船舶领域中,传统的点集数据分析方法没有考虑多种船舶约束,因此数据分析出来的结果与实际结果相差较大。针对此情况,提出一种考虑多种船舶约束的数据分析方法。首先采用基于高斯混合模型(GMM)的相干点漂移法(CPD)算法,获得数据分析初值;然后利用权值向量实现对不同方向上精度要求的误差分配,同时把垂直度、平面性和水平度等多种工程约束引入数据分析的多优化目标函数中,通过调整多约束权值,求解出更合理的数据分析结果。实例表明,该方法在满足多种船舶约束的情况下,可获得更合理的数据分析结果,为后续的合拢搭载提供一定依据。 相似文献
13.
[目的]为准确、快速地重建船体板架非结构面三维形状,便于船体结构变形的高精度高效率测量,设计一种基于RGB-D深度图像的模型重建方法。[方法]首先通过随机抽样一致性算法与最小二乘法相结合的方式剔除点云集中的异常数据,再利用RGB彩色图像棋盘格标靶位置信息对结构多视角点云进行配准;其次将结构物面进行区域网格划分并对点云进行聚类,运用最小二乘法原理对每个网格点云子集进行空间曲面拟合,实现点云融合,在此基础上采用高阶面元实现船体结构外板表面的三维重建;最后,通过试件重构模型与激光扫描点云进行对比,验证模型重建方法的精确性。[结果]结果显示,试件三维重构模型较激光扫描点云随机点的均方根误差为1.02 mm,建模精度满足船舶建造工程需求,同时结构RGB-D深度图像数据获取时间相比于激光扫描可忽略不计。[结论]研究表明,提出的模型重建方法能够准确高效地完成船体板架非结构面三维重构,为船体结构变形测量提供了有力的数据支撑。 相似文献
14.
15.
一种船体分段测量点云自动匹配的算法 总被引:1,自引:0,他引:1
为了能准确分析船体分段的建造误差,给出合理的建造精度评价,船体分段测量点数据与CAD模型的精准匹配是关键。针对目前船舶测量点数据的特点,提出一种以全站仪测得的船体分段测量点集为处理对象,自动进行测量点数据与CAD模型匹配的算法。该算法基于四元数理论对测量点集进行旋转和平移调整使匹配结果最优。实例表明,该算法效率高,不采用迭代方法求最优解,不用对测量点进行初始匹配,直接进行自动匹配,可准确地评价船体分段建造精度,为后续装配提供依据。 相似文献
16.
17.
18.
19.
传统船舶电网系统中三维点云数据提取采用逐一提取的方式,造成三维点云数据提取效率不高,为此提出船舶电网系统三维点云数据聚类提取方法。构建三维点云数据聚类提取模型,使用网格空间索引将三维点云数据进行空间标记,并划定数据空间范围,采用八叉树空间数据聚类方法,对三维点云数据进行聚类处理,以STBIRCH理论为基础,进行三维点云数据特征计算,实现三维点云数据提取。实验数据表明,设计的船舶电网系统三维点云数据聚类提取方法比传统提取方法的提取效率高出20%,并具备极高的有效性。 相似文献
20.
为了提高无人艇在自主航行过程中对水面常见障碍物检测的精度,解决模型参数量较大、模型复杂难以应用于嵌入式设备的问题,提出一种改进的YOLOv3水面常见障碍物检测方法。使用K-means++算法对自建数据集进行聚类得到新的锚框参数,通过添加雨雾噪声的数据增强方法优化模型在复杂天气状况下的障碍物检测能力。针对模型参数量较大问题,使用深度可分离卷积和注意力机制模块重构特征提取网络中的残差结构。为了优化预测框的回归效果,引入SIo U损失函数,将预测框与真实框的方向角度作为损失之一,加快训练速度,提高推理的准确性。通过试验验证了改进后模型参数量缩减了44%,检测精度提高了5.19%,漏检率也有所降低,能有效进行水面障碍物的检测。 相似文献