融合CNN特征点提取与GNN匹配的螺旋折流板三维重建技术  

3D Reconstruction Technology of Spiral Baffle Using CNN Feature Point Extraction and Matching

作　　者：叶晨阳 刘帮勇 唐柳华 刘红姣[1] YE Chen-yang;LIU Bang-yong;TANG Liu-hua;LIU Hong-jiao

机构地区：[1]江汉大学智能制造学院,湖北武汉430056 [2]武汉过控科技有限公司,湖北武汉430084

出　　处：《制造业自动化》2024年第12期75-82,共8页Manufacturing Automation

基　　金：江汉大学校级科研项目(2021yb150)。

摘　　要：螺旋折流板是管壳式换热器中重要的折流元件,螺旋折流板曲面空间位置信息是解决螺旋折流板管孔加工的关键。针对螺旋折流板纹理弱、遮挡多、尺度变化大,传统方法难以实现三维重建的问题,提出融合CNN特征点提取与GNN匹配的三维重建方法。通过MV-CE100-30GC工业相机获取螺旋折流板不同视角的图像,利用基于大数据的计算机视觉基础模型SAM对图像进行分割处理,在对比当下主流的四种不同特征点提取和匹配算法的基础上,确定了SuperPoint和SuperGlue算法在螺旋折流板曲面特征点提取与匹配上的优势,将匹配结果通过Pycolmap工具箱进行三维重建,获取螺旋折流板三维空间位置信息。通过对比螺旋折流板上标记点的测量值和重建值的大小,其测量精度可以满足管孔加工定位精度要求。

关 键 词：螺旋折流板 SuperPoint SuperGlue 深度学习 三维重建 

分 类 号：TP391.9[自动化与计算机技术—计算机应用技术]