一种基于特征点云数据重建大规模零件模型的方法

《JOURNAL OF INTELLIGENT MANUFACTURING》：A method for reconstructing large-scale part models based on feature point cloud data

高保真数字孪生模型构建是优化船体组件装配的关键，针对制造误差和焊接变形导致的装配干涉问题，提出融合特征点云识别与拼接技术的方法。通过建立包含历史数据和专家经验的装配特征库，设计改进的深度学习网络进行特征识别与分割，并采用平面聚类分割与凸包算法实现大尺寸船体组件的高效重建，实例验证显示效率提升30%。

　　

摘要

高保真的物理实体数字孪生模型是优化装配过程的基石。船体部件具有大规模、重量大和复杂性高的特点。由于零件制造误差和焊接变形，船体肋板常常因装配间隙超出公差而产生干涉，这严重影响了船舶装配的效率和质量。因此，本文提出了一种新的快速重建方法，用于大规模零件的重建。首先，基于零件的装配过程，建立了一个包含历史数据和专家经验的装配特征库；接着在装配过程中确定约束特征；然后训练一个改进的深度学习网络以进行识别和分割；最后，通过结合平面聚类分割和凸包算法的特征拼接技术来重建大型模型。以一个船体块部件为例，重建速度提高了30%。