基于主动学习的三维点云数据建模与装配质量预测

摘要

针对装配质量预测过程中,由于三维点云数据量不足而导致建模精度无法满足实际要求的问题,提出了一种基于主动学习的深层网络建模与装配质量预测方法。首先,在深层网络上嵌入主动学习网络作为总网络;其次,采用自定义的主动学习损失函数,获取点云数据中信息量较大的样本作为预训练集;最后,对某车门内板和铰链加强件的装配过程进行案例分析。结果表明,与单一的深度学习模型相比,该建模方法可以显著提高装配质量的预测精度,以及降低训练模型对样本量的依赖。