一种面向装配的基于随机扩展的数据增强方法

本申请公开了一种面向装配的基于随机扩展的数据增强方法，属于计算机视觉与工业制造领域。针对现有技术中，现有数据增强方法无法准确捕捉装配过程中细微特征变化、在处理装配数据的多样性和不平衡性时存在明显不足的问题。本申请的方法,通过将物理装配过程与实际装配过程相结合，通过随机扩展理论算法模拟零件表面，引入随机和系统误差，并结合虚拟装配算法，将表面点云作为输入，依次输出装配表面的位姿变换矩阵和装配平行度值及其类别精度。本申请的技术方案，可以有效的制备用于网络学习的装配数据集，加强深度学习网络对数据集的特征提取能力，提高了预测的准确率。