本发明涉及复合材料产品精度检测，尤其涉及一种基于三维点云的牵引编织芯模同心度检测方法。
背景技术：
1、编织碳纤维复合材料在航空航天、汽车工业、体育用品制造等领域具有重要意义。其轻量化设计可在保持强度的同时降低结构负担，提高能源效率，同时，材料的高强度和刚度使其在高应力环境下保持完整性，适用于飞机、汽车等高要求领域，并且其具备设计上的灵活性，允许根据需求调整力学性能，而在体育用品中的运用则为高性能器材提供理想选择。制造工艺的进步推动生产更加高效、成本更低。总而言之，编织碳纤维复合材料在提升轻量化、强度、刚度、耐久性等方面对多个行业都有深远影响。
2、在编织工艺中，芯模是一种多功能的支撑结构，其作用包括形状支撑、创建中空结构、增强刚性、提供材料支撑、用于复合材料制备以及作为成型和模具的一部分。通过在编织过程中使用芯模，可以确保编织品具有预定的外形，创建中空结构，增强刚性，并在处理软性或薄弱纤维时提供支撑。其中，芯模同心度的测量对编织精度至关重要，同心度表示芯模的几何中心与理论旋转轴的偏差，对编织结构的稳定性和整体精度有直接影响。通过精确控制同心度，可以确保编织品形状稳定，提高精度和一致性，减少缺陷和误差，同时提高生产效率。在需要高度精密的编织应用中，同心度的控制是确保质量和性能的关键因素。
3、三维点云测量技术的准确性、非接触性、高分辨率等优势，使其成为目前工业领域中主流的几何外形测量技术，该方法具有显著优势，利用激光扫描或其他三维测量技术获取的点云数据来评估芯模的同心度，能够以高精度、全面性的方式捕捉芯模的几何信息，无需接触芯模表面，避免潜在的损伤，并提高生产效率，尤其在复杂形状的芯模上更具适应性。尽管三维点云测量在芯模同心度检测中具有许多优势，但点云数据数量庞大，数据处理分析过程复杂，目前缺少有效的方法对芯模三维点云的同心度进行测量分析。
技术实现思路
1、针对现有技术的不足，本发明提供了一种基于三维点云的牵引编织芯模同心度检测方法，实现高精度的编织芯模同心度测量分析，解决编织复合材料产品精度检测领域目前对编织芯模同心度检测精度低、效率差等难题。
2、为解决上述技术问题，本发明提供了如下技术方案：一种基于三维点云的牵引编织芯模同心度检测方法，包括以下步骤：
3、s1、通过三维点云采集设备采集编织芯模与芯模导向环的点云数据；
4、s2、通过构建编织芯模同心度特征点云分割网络模型，提取编织芯模及芯模导向环同心度计算特征，该网络模型包括特征编码模块和特征解码模块；
5、s3、构建编织芯模特征的分割数据集，利用分割数据集完成编织芯模同心度特征点云分割网络模型的训练；
6、s4、利用训练后的编织芯模同心度特征点云分割网络模型，从采集数据中分割出编织芯模点云与芯模导向环点云；
7、s5、利用网络模型的分割结果对编织芯模与芯模导向环点云特征进行几何特征拟合，计算编织芯模圆柱与芯模导向环圆柱之间的最大同心度，完成编织芯模同心度检测评估。
8、进一步地，在步骤在s2中，所述特征编码模块由多层感知机mlp、三层采样层与聚合注意力模块组合的特征提取模块组成，将输入点集点数逐步采样至点数为、、，并逐步提取输入点集数据的特征；所述特征解码模块由三层上采样层、聚合注意力模块与mlp层组成，负责将特征编码模块提取的特征传导到原始点集数据中的每一个点中，并进行解码操作，最终通过mlp层输出每一个点位的分类类别；
9、所述采样层利用构建三维栅格的方法对点云数据进行分组，并利用池化操作完成点云数据与其特征信息的下采样；
10、所述聚合注意力模块通过向量拼接内部映射矩阵，并通过不同点位之间的向量差构建位置编码，与映射矩阵相互作用得到该模块的注意力权重，最终通过多头注意力结构调整网络模型对不同点位的注意力值，得到进一步细化的点云注意力特征；
11、所述上采样层主要作用于特征编码模块，用于将下采样后提取的点云注意力特征逐步映射至原始点云中的每一个输入点位，并通过采样层传递的信息进行上采样。
12、进一步地，所述采样层具体包括以下操作：对于输入的点集与其特征，可根据其三维空间分布，将其划分为若干个栅格，对于每个栅格中的点可划分为同一分组，根据上述规则，可将输入的点集划分为个子集，对于每一个子集，对其内的点集与点的特征进行采样，具体处理方法如下：
13、；
14、；
15、其中，分别为对应栅格采样后的点位坐标信息与其提取的点位特征，、分别代表最大池化、平均池化操作，、为对应栅格中的点位特征与点位坐标信息。
16、进一步地，所述聚合注意力模块主要通过模块内的映射矩阵将点集与点的特征映射为对应的矩阵进行注意力聚合操作，并通过点位坐标信息对注意力权重进行调整，具体包含以下操作：
17、聚合注意力模块的输入数据由点位坐标信息与点位特征构成，该模块的输入为聚合注意力加权后的点位特征，其处理方式如下所示：
18、；
19、其中代表注意力加权后的点位特征中的特征向量，代表注意力值转化概率分布函数，为模块中映射矩阵中对应的特征向量，为聚合注意力模块提取的注意力权重，其具体计算公式如下：
20、；
21、其中代表归一化、激活函数、全连接层一系列操作，、为模块中映射矩阵、中对应的特征向量，为两点之间的相对距离向量表示，通过、的操作变换为三维位置编码，由一层mlp构成，由两层mlp构成，将相对距离向量表示变换为高维的位置编码。
22、进一步地，所述上采样层具体包括以下操作：对于编码完成的点位特征信息，结合采样层传递的采样过程信息，对输入点集数据进行上采样操作，并通过聚合注意力模块进一步提取的特征信息传递到同一个栅格中的所有原始点集数据中，具体操作如下：
23、；
24、其中，表示上采样后的点位特征，上采样的点位坐标信息为原先采样前的对应栅格中的点位坐标信息。
25、进一步地，在步骤s3中，所述构建编织芯模特征分割数据集,具体包括以下操作：对于输入点云数据点数进行大小统一，保证输入时构成的输入数据维度相同，对于输入点数大于规定点数的数据进行下采样至点数为，对于输入点数小于规定点数的数据进行重复采样，至点数为，并对输入数据中的每一个点位给定分类类别标签。
26、进一步地，在步骤s5中，所述利用网络模型的分割结果对编织芯模与芯模导向环点云特征进行几何特征拟合，具体包括以下操作：
27、编织芯模及芯模导向环的几何结构模型可简化为圆柱模型，圆柱模型由圆心坐标、半径和轴向定义，采用最小二乘思想可以构建由三维离散点至几何模型拟合的过程，表示实际数据点到圆柱模型的拟合误差，通常采用欧氏距离作为拟合误差的度量，令表示第个数据点的坐标, 目标函数可定义为:
28、；
29、其中 是数据点的数量；
30、通过最小化目标函数来求解最适合数据的圆柱模型参数，优化的目标是找到参数使得目标函数取得最小值。
31、进一步地，在步骤s5中，所述计算编织芯模圆柱与芯模导向环圆柱之间的最大同心度，完成编织芯模同心度检测评估，具体包括以下操作：
32、对于拟合得到的编织芯模轴线与某一芯模导向环轴线，其中，和分别是两条轴线上的一侧端点，和分别是两条轴线的方向向量，对于每个线段上的点和，计算它们在方向向量 上的存在的最大距离即为编织芯模同心度的最大值：
33、；
34、其中，是两点之间的向量，找到值区间上存在的两点在方向向量上的最大距离，完成编织芯模同心度检测评估。
35、借由上述技术方案，本发明提供了一种基于三维点云的牵引编织芯模同心度检测方法，至少具备以下有益效果：
36、1、本发明通过结合三维深度学习的数据处理方法，实现了高精度的芯模及导向环点云分割提取，解决了现有技术无法实现高精度的编织芯模三维测量数据提取问题，为实现高效准确的编织芯模同心度评估奠定了基础。
37、2、本发明所提出的编织芯模同心度检测方法通过对三维扫描数据进行处理，实现了精确的芯模同心度检测，提出了一种新型而有效的编织芯模同心度检测方法，完善了利用三维测量技术进行编织复合材料产品质量检测方面存在的技术空白。
1.一种基于三维点云的牵引编织芯模同心度检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于三维点云的牵引编织芯模同心度检测方法，其特征在于：在步骤在s2中，所述特征编码模块由多层感知机mlp、三层采样层与聚合注意力模块组合的特征提取模块组成，将输入点集点数逐步采样至点数为、、，并逐步提取输入点集数据的特征；所述特征解码模块由三层上采样层、聚合注意力模块与mlp层组成，负责将特征编码模块提取的特征传导到原始点集数据中的每一个点中，并进行解码操作，最终通过mlp层输出每一个点位的分类类别；
3.根据权利要求2所述的基于三维点云的牵引编织芯模同心度检测方法，其特征在于：所述采样层具体包括以下操作：对于输入的点集与其特征，可根据其三维空间分布，将其划分为若干个栅格，对于每个栅格中的点可划分为同一分组，根据上述规则，可将输入的点集划分为个子集，对于每一个子集，对其内的点集与点的特征进行采样，具体处理方法如下：
4.根据权利要求2所述的基于三维点云的牵引编织芯模同心度检测方法，其特征在于：所述聚合注意力模块主要通过模块内的映射矩阵将点集与点的特征映射为对应的矩阵进行注意力聚合操作，并通过点位坐标信息对注意力权重进行调整，具体包含以下操作：
5.根据权利要求2所述的基于三维点云的牵引编织芯模同心度检测方法，其特征在于：所述上采样层具体包括以下操作：对于编码完成的点位特征信息，结合采样层传递的采样过程信息，对输入点集数据进行上采样操作，并通过聚合注意力模块进一步提取的特征信息传递到同一个栅格中的所有原始点集数据中，具体操作如下：
6.根据权利要求1所述的基于三维点云的牵引编织芯模同心度检测方法，其特征在于：在步骤s3中，所述构建编织芯模特征分割数据集,具体包括以下操作：对于输入点云数据点数进行大小统一，保证输入时构成的输入数据维度相同，对于输入点数大于规定点数的数据进行下采样至点数为，对于输入点数小于规定点数的数据进行重复采样，至点数为，并对输入数据中的每一个点位给定分类类别标签。
7.根据权利要求1所述的基于三维点云的牵引编织芯模同心度检测方法，其特征在于：在步骤s5中，所述利用网络模型的分割结果对编织芯模与芯模导向环点云特征进行几何特征拟合，具体包括以下操作：
8.根据权利要求7所述的基于三维点云的牵引编织芯模同心度检测方法，其特征在于：在步骤s5中，所述计算编织芯模圆柱与芯模导向环圆柱之间的最大同心度，完成编织芯模同心度检测评估，具体包括以下操作：
