.png){kind=icon}
返回
Reconstructing microstructural grinding surface topography using a self-affine GAN-based point cloud completion network
.png){kind=icon}
PRE
AI
DOI：10.1088/2051-672X/ae2496.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在基于立体视觉的研磨表面形貌重建中，微米级粗糙度、复杂微结构和测量噪声常导致不完整的点云数据，尤其是在底层表面。为解决此问题，我们提出了PointGAN，一种专为高保真度完成研磨表面点云而设计的生成对抗网络。该网络引入了多尺度特征提取（MLFE）模块，以跨分辨率捕捉全局及精细表面特征。利用研磨表面的自仿射特性，采用分形启发的解码器和通道注意力判别器来优化微结构特征并抑制重建噪声。PointGAN可直接从部分点云预测缺失的几何形状，生成完整数据，在保持原始纹理、空间连续性和粗糙度指标方面高度接近。实验结果表明，所提方法在几何精度和表面参数恢复方面均优于现有方法。该框架为提升表面质量评估、粗糙度参数恢复及精密研磨过程的智能监测提供了有力工具。
Keyword:
grinding surface topography
surface roughness reconstruction
multi-scale feature extraction
point cloud completion
期刊
S
IF:
2.4
论文数:
77
被引数:
0
机构
引用论文
The Study on Bivariate Fractal Interpolation Functions and Creation of Fractal Interpolated Surfaces.png)
Fractals
FractalsIF0
PREAI
分享收藏Denoising Framework Based on Multiframe Continuous Point Clouds for Autonomous Driving LiDAR in Snowy Weather基于多帧连续点云的自主驾驶激光雷达雪天去噪框架IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏
查看更多内容