摘要
船舶业一直都是衡量一个国家发展水平与科技实力的重要因素，同时也是衡量经济的重要风向标，从改革开放之后，我国就确立了要建设成世界第一造船国的战略目标。近年来我国造船行业得到了飞跃式发展，据工信部统计的数据（截至2021年1月15日），我国的造船完工量、新接订单量和手持订单量分别占全球总量的43.1%、48.8%和44.7%。根据三大指标来看，我国造船量已经为世界第一位。其中船体的外板的加工制造，在整船制造中占着举足轻重的地位，其加工的工时量更是占了整船制造的工时量的25%~35%。目前船体外板加工主要是使用的是水火弯板技术，通过加热和跟踪冷却的方式来使得钢板产生塑性成型。其中在成型之后的精度和质量检测中，目前依然是使用样箱或者活络卡来进行检测，这种检测方式效率低下，精度无法保障，并且样板极易受到环境的影响，从而损坏或者产生磨损，影响检测精度，再次设计和制作样板又是一笔开销。因此研制出自动化的水火弯板检测系统具有重要意义和经济价值。 本文针对船厂中传统水火弯板的成型后的检测问题，结合三维视觉技术以及深度学习方法，提出了使用点云配准的方式来完成水火弯板成型检测任务，并设计了一种新的基于深度学习的点云配准模型，开发出了基于深度学习的水火弯板在线检测系统。本文首先介绍了无接触式采集三维点云模型的方法，并针对实际测试模型选取了合适的点云离群点剔除以及降采样算法，然后详细介绍了基于PointConv以及孪生网络结构的点云配准模型，并通过实验对比，验证了模型的有效性。实验结果表明该模型优于ICP等传统点云配准算法，并且优于基于学习的PointNetLK算法。最后设计开发了基于深度学习的水火弯板在线检测应用软件，为加工中实际使用提供方便。 本文将水火弯板成型检测问题转换为点云配准问题，并通过深度学习以及三维视觉算法，开发了水火弯板在线检测系统。该系统作为计算机辅助工具，可以在实际作业中减少加工人员工作量，有效提高检测精度，为加工人员制定下一步加工计划提供帮助。
NETL