CN101373544A - 一种基于主方向特征识别的三维视图重构系统及其实现方法 - Google Patents

一种基于主方向特征识别的三维视图重构系统及其实现方法 Download PDF

Info

Publication number
CN101373544A
CN101373544A CNA2008100425970A CN200810042597A CN101373544A CN 101373544 A CN101373544 A CN 101373544A CN A2008100425970 A CNA2008100425970 A CN A2008100425970A CN 200810042597 A CN200810042597 A CN 200810042597A CN 101373544 A CN101373544 A CN 101373544A
Authority
CN
China
Prior art keywords
vector
ring
view
principal direction
minimum
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2008100425970A
Other languages
English (en)
Other versions
CN101373544B (zh
Inventor
郝泳涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN2008100425970A priority Critical patent/CN101373544B/zh
Publication of CN101373544A publication Critical patent/CN101373544A/zh
Application granted granted Critical
Publication of CN101373544B publication Critical patent/CN101373544B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Processing Or Creating Images (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提出了一种基于主方向特征识别的三维视图重构系统及其实现方法，首先对三维视图中包含的顶点和向量信息进行格式化处理，构建向量环；然后通过确定主方向，以主方向所在视图中的环作为特征轮廓，在其它视图中寻找草绘平面和拉伸距离，从而得到特征；最后通过环之间的关系得到特征之间的布尔关系，从而重建三维实体。本发明不搜索视图中所有的环，并在找到特征后及时删除冗余环，减少了重复匹配的次数，有效地提高了重建的效率。

Description

一种基于主方向特征识别的三维视图重构系统及其实现方法
技术领域
本发明涉及通信领域，尤其涉及一种基于主方向特征识别的三维视图重构系统及其实现方法。
背景技术
自Idesawa于上世纪70年代初首次发表由工程三视图重建三维形体的论文以来，这一课题的研究受到普遍关注，提出了许多重建方法。目前常见的重建方法可以根据三维形体的表示模型分为CSG(Constructive Solid Geometry)重建方法和B-rep(Boundary Representation)重建方法。B-Rep算法是指将三维形体的表面分割成为有限个表面基元子集，通过这些子集以及它们之间的结构关系来表达三维形体。B-rep算法的思想简单地说就是由二维点生成三维点，由三维点生成三维边，由三维边生成三维面环，最后生成三维形体。该算法逻辑严密，形体覆盖域较大；缺点是计算量大，且容易产生虚假的解。CSG算法的基础是：任何复杂的形体都可以分解成一些预定义体素(如柱体、锥体、球体等)的组合。其思想是由视图中的基本图元识别出基本体素，再将这些体素通过并、交、差等实体运算生成最终形体。该算法优点是更符合人工读图的特点，算法简单，没有虚假解；缺点是形体覆盖域有限。在实际的应用中，随着视图中环路的增加，计算的复杂度将成倍地增加。
发明内容
本发明针对以上技术缺陷提出了基于主方向特征识别的三维视图重构系统及其实现方法。
为达上述目的，本发明采用如下技术方案：
一种基于主方向特征识别的三维视图重构系统，由以下模块顺序连接构成：数据规范化模块，将所有数据向量化，最小化，获得最小向量；
构造环模块，包含
构造最小向量环模块，构造最小向量环；
和合并最小向量模块，合并环中最小向量得到基础向量环；
识别主方向特征模块，在主视图中寻找由环构成的草绘轮廓，在从视图中寻找草绘平面和拉伸尺寸；
重建形体模块，重建三维实体。
所述基于主方向特征识别的三维视图重构系统的实现方法，包括以下步骤：
1)用数据规范化模块将所有数据转化成向量，再根据视图中向量之间的交点将向量最小化，得到视图中所有的顶点和最小向量信息；
2)用构造最小向量环模块将最小向量和顶点之间的联系转换成一个无向图，通过深度遍历图和回溯得出图中所包含的最小向量环；
3)用合并最小向量模块合并最小向量环中的最小向量得到基础向量环；
4)用识别主方向特征模块提取出主方向特征；
5)用重建形体模块通过基础向量环之间的关系得到主方向特征之间的布尔关系，从而重建三维实体。
作为本发明的一种优选方案，步骤2)的具体实现方法为：
(1)用邻接表来存储向量及向量间联系；
(2)任选一个节点出发，深度遍历图，依次将遍历路径上的节点压栈1；
(3)在遍历过程中，如果邻接表上有多个可选节点，则任选其一作为后继节点，其余节点和当前节点组合后压栈2；
(4)遍历时如果后继节点和栈1中的节点相同构成回路则表明找到一个环，记录该环并将节点回溯到栈2的栈顶节点处开始新的遍历；
(5)由视图转化成无向图时，如果存在三个或以上向量交于一个顶点，在无向图中即会存在一个无效环；在遍历的过程中，如果后继节点与栈1中的节点组成无效环则中断遍历，并将节点回溯到栈2的栈顶节点处开始新的遍历；
(6)如果栈2为空，则遍历结束。
作为本发明的另一种优选方案，步骤3)的具体实现方法为：遍历每个环链表，如果存在两个连续的最小向量，且它们的斜率相同，则合并这两个连续的最小向量形成一个新的基础向量，并用新的基础向量替代原有环中的两个连续的最小向量，最终得到由基础向量构成的环。
作为本发明的再一种优选方案，步骤4)的具体实现方法为：
(1)根据主视图中的环求出环点集在公共坐标轴上的投影坐标集；
(2)根据这些投影坐标，从视图中分别求出对应的映射点集；
(3)根据这些映射点集，从视图非共同坐标轴上判断是否存在一个共同的映射区间；
(4)如果存在，则找到一个主方向特征：该环即草绘轮廓，映射区间为草绘平面，映射区间的长度即拉伸尺寸；
(5)若不存在，则重复以上步骤直至遍历完毕。
作为本发明的再一种优选方案，步骤5)的具体实现方法为：
(1)在重建形体的过程中，根据环之间的关系，可以判断主方向特征之间的布尔关系；
(2)根据环拉伸后得到的形体逆向获得该形体所对应的顶点和向量；
(3)得到该形体主方向特征所对应的顶点和向量后，在三维视图中判断是否存在如下环：如果
环的所有组成向量都在该特征所能表达的向量集中，则删除该环；
(4)得到所有已重建形体的顶点和向量后，再与原始三维视图比较，如果三维视图中的任何点或任何向量都在已获得的实体所能表示的点集和向量集中，则说明重构完成，否则需继续寻找主方向特征。
本发明的有益效果在于：
(1)可以接受多种格式如DXF文件作为数据源，使三维重建更具普遍性和实用性；
(2)算法简单，在寻找主方向特征的过程中，及时剔除无效环和已重建形体覆盖的环，重建效率高；
(3)面向特征，更直观，重建结果容易由大型三维造型软件如Catia、ProE等实现；
(4)对于某些旋转特征如柱体，也可转化为主方向特征实现。
以下结合附图及实施例进一步说明本发明。
附图说明
图1是本发明的系统框图；
图2是形体的三视图；
图3是本发明的数据规范化示例1；
图4是本发明的数据规范化示例2；
图5是本发明的系统流程图；
图6是本发明的重建实例示意图。
具体实施方式
本发明提供了一种基于主方向特征识别的三维视图重构系统，由以下模块顺序连接构成：数据规范化模块，将所有数据向量化，最小化，获得最小向量；构造环模块，包含构造最小向量环模块，构造最小向量环；和合并最小向量模块，合并环中最小向量得到基础向量环；识别主方向特征模块，在主视图中寻找由环构成的草绘轮廓，在从视图中寻找草绘平面和拉伸尺寸；重建形体模块，重建三维实体。
所述基于主方向特征识别的三维视图重构系统的实现方法，包括以下步骤：1)用数据规范化模块将所有数据转化成向量，再根据视图中向量之间的交点将向量最小化，得到视图中所有的顶点和最小向量信息；2)用构造最小向量环模块将最小向量和顶点之间的联系转换成一个无向图，通过深度遍历图和回溯得出图中所包含的最小向量环；3)用合并最小向量模块合并最小向量环中的最小向量得到基础向量环；4)用识别主方向特征模块提取出主方向特征；5)用重建形体模块通过基础向量环之间的关系得到主方向特征之间的布尔关系，从而重建三维实体。
上述步骤2)的具体实现方法为：(1)用邻接表来存储向量及向量间联系；(2)任选一个节点出发，深度遍历图，依次将遍历路径上的节点压栈1；(3)在遍历过程中，如果邻接表上有多个可选节点，则任选其一作为后继节点，其余节点和当前节点组合后压栈2；(4)遍历时如果后继节点和栈1中的节点相同构成回路则表明找到一个环，记录该环并将节点回溯到栈2的栈顶节点处开始新的遍历；(5)由视图转化成无向图时，如果存在三个或以上向量交于一个顶点，在无向图中即会存在一个无效环；在遍历的过程中，如果后继节点与栈1中的节点组成无效环则中断遍历，并将节点回溯到栈2的栈顶节点处开始新的遍历；(6)如果栈2为空，则遍历结束。
上述步骤3)的具体实现方法为：遍历每个环链表，如果存在两个连续的最小向量，且它们的斜率相同，则合并这两个连续的最小向量形成一个新的基础向量，并用新的基础向量替代原有环中的两个连续的最小向量，最终得到由基础向量构成的环。
上述步骤4)的具体实现方法为：(1)根据主视图中的环求出环点集在公共坐标轴上的投影坐标集；(2)根据这些投影坐标，从视图中分别求出对应的映射点集；(3)根据这些映射点集，从视图非共同坐标轴上判断是否存在一个共同的映射区间；(4)如果存在，则找到一个主方向特征：该环即草绘轮廓，映射区间为草绘平面，映射区间的长度即拉伸尺寸；(5)若不存在，则重复以上步骤直至遍历完毕。
上述步骤5)的具体实现方法为：(1)在重建形体的过程中，根据环之间的关系，可以判断主方向特征之间的布尔关系；(2)根据环拉伸后得到的形体逆向获得该形体所对应的顶点和向量；(3)得到该形体主方向特征所对应的顶点和向量后，在三维视图中判断是否存在如下环：如果环的所有组成向量都在该特征所能表达的向量集中，则删除该环；(4)得到所有已重建形体的顶点和向量后，再与原始三维视图比较，如果三维视图中的任何点或任何向量都在已获得的实体所能表示的点集和向量集中，则说明重构完成，否则需继续寻找主方向特征。
一、符号说明
F，T，R：Front、Top、Right三视图；
f，t，r：视图中的顶点(Vertex)；
v：视图中的向量(Vector)，由同一视图中两个不同的顶点连接构成；
L：视图中的环(Loop)，由一个视图中若干连续的向量构成的一个封闭区域，环中每个向量的顶点都有且仅有两个向量与之相连；
↑：拉伸操作符；
L(x↑(x1→x2))：通过环在x方向上从x1到x2做拉伸操作得到的特征；
Fe：特征；
∪：两个实体并操作；
∩：两个实体交操作；
—：两个实体差操作；
二、术语说明
组视图：Front、Top、Right视图中任何两个不相同的视图的组合，如(F，T)，其中前者称为该组视图的主视图，后者称为该组视图的从视图；
共同坐标轴：组视图中共同的轴，如图2(a)、(b)的共同坐标轴为z轴；
主方向：x，y，z中不属于主视图中的轴所在的方向；
极点：对于组视图中的圆、椭圆或弧，如果存在这样的点，其在共同坐标轴上的值等于该圆(椭圆)在共同坐标轴上投影的最大或最小值，则称该点为极点，如果等于最大值就称为极大点，否则称为极小点。如图3中的p1，p2，p3，p4均为极点；
最小向量：不能再分解的向量，如图2(b)中的v(f2，f3)，v(f3，f4)；
基础向量：单个或多个同斜率的最小向量构成的向量，如图2(b)中的v(f2，f4)；
基础向量环：全部由基础向量构成的环；
环点集：环中所有的顶点构成的集合；
投影坐标集：主视图中环上所有顶点投影在共同坐标轴上得到的坐标值集合称为该环的投影坐标集；
映射点集：对于投影坐标集上一个坐标，在从视图中具有与之相同坐标的点所构成的点集；
映射区间：对于主视图中的一个环，根据其投影坐标集中的每个坐标所得对应的映射点集，若这些映射点集在非共同坐标轴上均存在一个共同的坐标区间，则称为该环的映射区间。
三、重建基础
三维视图是形体在三维投影面中投影生成的图形，人工读图的过程即是通过投影关系从三维视图中抽取特征，然后与已有的理解模式相匹配，获得最后的形体。
本发明处理的主要是主方向特征，对于主方向特征，关键信息是要得到草绘轮廓、草绘平面、拉伸方向和拉伸距离，在得到所有的特征后再根据特征之间的关系(并、交、差)即可重建实体。
四、数据规范化
为了后续寻找环的过程不丢失解，本发明要求数据满足一定的规范：必须包含视图中所有的点及最小向量的信息。这主要有两个转化：
(1)向量化：将所有的圆、椭圆以及弧转化成向量描述。
由于圆是绝对对称图形，只需求出圆的四个极点(每坐标轴方向两个极点)，将四个极点分别按平行对应坐标轴方向延伸，组成的封闭矩形即可；对于椭圆，本算法要求椭圆的轴平行于某一坐标轴，处理方法同圆；对于弧，假设由弧和连接弧的其余向量组成的封闭区域为S1，由连接弧的两个端点的向量(新向量)及连接弧的其余向量组成的封闭区域为S2，S1区域在坐标轴上的投影区间分别为I1，I2，S2区域在对应坐标轴上的投影区间分别为I3，I4，本发明要求I1∪I3＝I3、I2∪I4＝I4至少有一个成立，处理方法只须连接弧的两个端点形成新的向量即可。
向量化结果分别如图3(a2)，(b2)，(c2)所示。
(2)最小化：根据视图中向量之间的交点将向量细分到最小单位。
在实际制图中，通常不需要画出每一个点和向量就可以完整表达制图者的意思。如图4，我们只需要8个顶点(f1，f2，f3，f4，f5，f6，f7，f8)和6个向量(v(f1，f3)，v(f3，f5)，v(f5，f7)，v(f7，f1)，v(f2，f6)，v(f4，f8))就可以描述该图形。
本发明要求得到视图中所有的点和向量信息，转化过程如下：
算法1：最小向量化，得到全部点和向量
//源数据：点集P和向量集V；
//目标向量集R；
while(V!＝null and V.Count>1)
{
V.Select(v1)；//选择V中的任意向量v1
I.Clear()；
while(v in V)//遍历V中其他向量
{
if(v1，v相交且交点p不是v1顶点)
{
if(P.NotExists(p))
{P.Add(p)；}
I.Add(p)；//记录交点
}
}
If(I!＝null)
{R.Add(v1.Split(I))；//根据交点分割向量}
else
{R.Add(v1)；}
V.Remove(v1)；
}
对于图4，执行方法1后可以得到全部9个顶点和12个最小向量。
五、构造环
算法2：构造最小向量环
此算法的核心思想是将最小向量和顶点之间的联系转换成一个无向图，通过深度遍历图和回溯来求解图中所包含的有效环。
(1)用邻接表来存储向量及向量间联系，如图2(b)中的向量vF1、vF4分别描述如下：vF1→vF2→vF8，vF4→vF3→vF5→vF10；
(2)任选一个节点出发，深度遍历图，依次将遍历路径上的节点压栈1；
(3)在遍历过程中，如果邻接表上有多个可选节点，则任选其一作为后继节点，其余节点和当前节点组合后压栈2；
(4)遍历时如果后继节点和栈1中的节点相同构成回路则表明找到一个环，记录该环并将节点回溯到栈2的栈顶节点处开始新的遍历；
(5)由视图转化成无向图时，如果存在三个或以上向量交于一个顶点，在无向图中即会存在一个无效环。在遍历的过程中，如果后继节点与栈1中的节点组成无效环则中断遍历，并将节点回溯到栈2的栈顶节点处开始新的遍历；
(6)如果栈2为空，则遍历结束。
算法3：合并环中最小向量得到基础向量环
遍历每个环链表，如果存在两个连续的最小向量v1、v2，其斜率相同，则合并这两个向量形成一个新的基础向量v，并用v，替代原有环中的v1、v2，最终得到由基础向量构成的环。
六、识别主方向特征
以主方向所在视图为主视图，任选其余视图合为一组视图，在主视图中寻找草绘轮廓，在从视图中寻找草绘平面和拉伸尺寸。其中，草绘轮廓全部由环构成，草绘平面和拉伸尺寸由映射区间决定。具体步骤如下：
(1)根据主视图中的环L求出环点集在公共坐标轴上的投影坐标集；
(2)根据这些投影坐标，在从视图中分别求出对应的映射点集；
(3)根据这些映射点集，在从视图非共同坐标轴上判断是否存在一个共同的坐标区间(映射区间)；
(4)如果存在，则找到一个主方向特征：该环L即草绘轮廓，映射区间为草绘平面，映射区间的长度即拉伸尺寸；若不存在则重复以上步骤直至遍历完毕。
七、重建形体
在重建形体的过程中，根据环之间的关系，可以判断特征之间的布尔关系，具体方法如下：
规则1：实体间布尔关系规则
①若L1∩L2＝L1或者L1∩L2＝L2，则Result＝Fe2—Fe1或Result＝Fe1—Fe2；
②若L1∩L2＝φ，则Result＝Fe2∪Fe1；
③其它情况则Result＝Fe2∩Fe1。
另外，在重建形体的过程中，为了减少不必要的重复寻找，在找到一个特征后，立即在三维视图中剔除该特征所覆盖的环，以加快后续重建的效率。具体方法如下：
算法4：根据环拉伸后得到的形体逆向求出该形体所对应的顶点和向量
环在做拉伸操作后，可形成两部分的顶点：本身该环的顶点；由该环拉伸到终止平面所形成的对称环的顶点。
环在做拉伸操作后，可形成三部分的向量：本身该环的组成向量；由该环拉伸到终止平面所形成的对称环的组成向量；由该环的每个顶点在拉伸过程中形成的向量。
算法5：根据主方向特征剔除环
根据算法4可得该主方向特征所对应的顶点和向量，然后在三维视图中判断是否存在如下环：如果它的所有组成向量都在该特征所能表达的向量集中，则删除该环。
最后，判断重建是否结束的准则如下：
算法6：判断重建是否结束
根据算法4得到所有已重建形体的顶点和向量，再与原始三维视图比较，如果三维视图中的任何点或任何向量都在已求解实体所能表示的点集和向量集中，则说明重构完成，否则需继续寻找主方向特征。
八、其它规则
规则2：主视图中如果存在多个环，其投影坐标集均相同，则只操作轮廓最大的环。
规则3：对于主视图中的一个环，在从视图中如果有多个映射区间与之对应，则只操作跨度最大的映射区间。
基于上述提出的重建方法，我们提出的三维重建流程如图5所示。
在寻找主方向特征的过程中，首先需要处理的是原视图中由圆、椭圆、弧等向量化后形成的环，通常这些环构成的特征较明显，比如圆环，如果在其它视图中找到一个矩形与之相匹配，则表明这是一个圆柱特征。先处理这些特殊环有利于提高后需重建的效率和准确性。
其次，按视图中斜线向量多少作为选择主方向的依据，即先选择斜线最多的视图作为主方向。在主方向上按上述算法寻找特征，如果在该方向上寻找完毕且重建未结束，则切换主方向，选择斜线次多的视图作为主方向，依次操作直至重建结束。
九、重建实施例
下面以图2中的三视图为例介绍具体的重建流程。为了描述问题的方便，不妨设定每个点的坐标如图2(c)中所述。
第一，规范化数据后得到点和最小向量集如图2(e)所示。执行方法2构造最小向量环，执行方法3合并最小向量可得新增基础向量如图2(f)所示，然后得基础向量环如下：
LF1：vF1-vF2-vF19-vF12-vF5-vF6-vF7-vF8
LF2：vF1-vF2-vF9-vF13-vF14-vF15-vF11-
vF12-vF5-vF6-vF7-vF8
LF3：vF9-vF13-vF14-vF15-vF11-vF12-vF4-vF3
LF4：vF1-vF16-vF17-vF6-vF7-vF8
LF5：  vF19-vF12-vF4-vF3
LF6：  vF13-vF14-vF15-vF10
LT1：  vT13-vT15-vT16-vT18
LT2：  vT12-vT10-vT11-vT5-vT16-vT8
LT3：  vT1-vT9-vT7-vT8
LT4：  vT14-vT15-vT6-vT9
LT5：  vT2-vT10-vT11-vT5-vT6-vT9
LT6：  vT3-vT4-vT11-vT10
LT7：  vT17-vT18-vT19-vT20
LR1：  vR1-vR21-vR23-vR26
LR2：  vR1-vR21-vR5-vR13-vR31-vR28
LR3：  vR1-vR21-vR5-vR13-vR14-vR17-vR18-vR19-vR16-vR28
LR4：  vR1-vR20-vR12-vR29
LR5：  vR1-vR2-vR11-vR10
LR6：  vR11-vR22-vR23-vR25
LR7：  vR11-vR22-vR5-vR13-vR31-vR27
LR8：  vR11-vR22-vR5-vR13-vR14-vR17-vR18-vR19-vR16-vR27
LR9：  vR11-vR3-vR12-vR9
LR10：vR12-vR4-vR23-vR24
LR11：vR12-vR4-vR5-vR13-vR31-vR8
LR12：vR12-vR4-vR5-vR13-vR14-vR17-vR18-vR19-vR16vR8
LR13：vR13-vR31-vR7-vR6
LR14：vR13-vR14-vR17-vR18-vR19-vR16-vR7-vR6
LR15：vR17-vR18-vR19-vR15
第二，首先处理含圆特征，在Top视图中找到LT7，故以Top视图为主方向。任选(Top、Front)组视图，T为主视图，F为从视图。LT7环点集和投影坐标集见表1，对应F视图的映射点集见表2。
表1LT7环
 
环   环点集   x轴上投影坐
 
                              标集      
LT7 t10，t11，t12，t13   ｛5，6｝
表2F视图的映射点集
 
         x=5              x=6            
映射点集       f12(5，3.5)，f10(5，5)        f13(6，3.5)，f11(6，5)       
LT7在表2中可以找到一个映射区间[3.5，5]，由此可得特征FeT1=LT7(z↑(3.5,5))，草绘轮廓为LT7，起始面为z=3.5，终止面为z=5，拉伸尺寸为1.5，如图6(b)所示。
FeT1为已重建实体的第一个特征，执行算法4可得该特征所覆盖的顶点集和向量集，执行算法6可知F视图中点f1(0，0)不在重建实体中，故重建尚未结束，需继续寻找特征。对于特征FeT1，执行算法5可剔除环LF6，LT7，LR15。
第三，由于F视图中含斜线向量，故以F视图作为主方向，任选(Front、Top)组视图，F为主视图，T为从视图。F视图中环点集和投影坐标集见表3，对应T视图的映射点集见表4。
表3F视图的环
 
环       LF1                LF2                      
环点集 f1,f2,f3,f9,f5,f6,f7,f8 f1,f2,f3,f11,f13,f12,f10,f9,f5,f6,f7,f8        
x轴投影       ｛0,1,3,8｝                 ｛0,1,3,5,6,8｝
         LF3                LF4           LF5      
环点集 f3,f11,f13,f12f10,f9,f5,f4      f1,f2,f4f6,f7,f8 f3,f4,f5,f9
x轴投影       ｛1,5,6,8｝                 ｛0,1,8｝ ｛3,8｝
表4T视图的映射点集
 
x＝0 x＝1 x＝3
映射点集 t1(0，)t8(0，6) t2(1，0)t7(1，6) t3(3，0)t9(3，2)
x＝5 x＝6 x＝8
映射点集 t10(5，1/2)t13(5，3/2) t11(6，1/2)t12(6，3/2)        t4(8，0)t5(8，2)t6(8，6)
对表3中的环LF1、LF2、LF3，未能在表4中找到一个映射区间，直接剔除这些环。
对于环LF4，在表4中可以找到一个映射区间[0，6]，由此可以得到一个特征FeF2＝LF4(y↑(0，6))，草绘轮廓为LF4，起始面为y＝0，终止面为y＝6，拉伸尺寸为6，如图6(a)所示。
根据规则1，由FeT1覆盖的环LF6和FeF2覆盖的环LF4有LF4∩LF6＝LF6可知Result＝FeF2—FeF1。
执行算法4更新已重建实体所覆盖的顶点集和向量集，执行算法6可知F视图中点f9(3，5)不在重建实体中，故重建尚未结束，需继续寻找特征。对于特征FeF2，执行算法5可剔除环LF4，LR1，LR4，LR5，LR6，LR9，LR10，LT1，LT3，LT4。
对于环LF5，在表4中可以找到一个映射区间[0，2]，由此可得一个特征FeF3＝LF5(y↑(0，2))，草绘轮廓为LF5，起始面为y＝0，终止面为y＝2，拉伸尺寸为2，如图6(c)所示。
根据规则1，由LF4∩LF5＝LF5可知Result＝FeF2—FeF3，结果如图6(d)所示。执行方法4更新已重建实体所覆盖的顶点集和向量集，执行算法6可知重建结束。
由于存在将圆向量化的向量，故需替换成圆，最后重建结果如图6(e)所示。
本发明的有益效果在于：
(1)可以接受多种格式如DXF文件作为数据源，使三维重建更具普遍性和实用性；
(2)算法简单，在寻找主方向特征的过程中，及时剔除无效环和已重建形体覆盖的环，提高了重建效率；
(3)面向特征，更直观，重建结果容易由大型三维造型软件如Catia、ProE等实现；
(4)对于某些旋转特征如柱体，也可转化为主方向特征实现。
以上所述的实施例仅为说明本发明的技术思想及特点，其目的在于使本领域的普通技术人员能够了解本发明的内容并据以实施，因此不能仅以此来限定本发明的专利范围，即凡依本发明所揭示的精神所作的均等变化或修饰，仍应涵盖在本发明的专利范围内。

Claims (6)

1.一种基于主方向特征识别的三维视图重构系统，其特征在于，由以下模块顺序连接构成：
数据规范化模块，将所有数据向量化，最小化，获得最小向量；
构造环模块，包含
构造最小向量环模块，构造最小向量环；
和合并最小向量模块，合并环中最小向量得到基础向量环；
识别主方向特征模块，在主视图中寻找由环构成的草绘轮廓，在从视图中寻找草绘平面和拉伸尺寸；
重建形体模块，重建三维实体。
2.根据权利要求1所述的基于主方向特征识别的三维视图重构系统的实现方法，其特征在于，包括以下步骤：
1)数据规范化模块将所有数据转化成向量，再根据视图中向量之间的交点将向量最小化，得到视图中所有的顶点和最小向量信息；
2)构造最小向量环模块将最小向量和顶点之间的联系转换成一个无向图，通过深度遍历图和回溯得出图中所包含的最小向量环；
3)合并最小向量模块合并最小向量环中的最小向量得到基础向量环；
4)识别主方向特征模块提取出主方向特征；
5)重建形体模块通过基础向量环之间的关系得到主方向特征之间的布尔关系，从而重建三维实体。
3.根据权利要求2所述的基于主方向特征识别的三维视图重构系统的实现方法，其特征在于，步骤2)的具体实现方法为：
(1)用邻接表来存储向量及向量间联系；
(2)任选一个节点出发，深度遍历图，依次将遍历路径上的节点压栈1；
(3)在遍历过程中，如果邻接表上有多个可选节点，则任选其一作为后继节点，其余节点和当前节点组合后压栈2；
(4)遍历时如果后继节点和栈1中的节点相同构成回路则表明找到一个环，记录该环并将节点回溯到栈2的栈顶节点处开始新的遍历；
(5)由视图转化成无向图时，如果存在三个或以上向量交于一个顶点，在无向图中即会存在一个无效环；在遍历的过程中，如果后继节点与栈1中的节点组成无效环则中断遍历，并将节点回溯到栈2的栈顶节点处开始新的遍历；
(6)如果栈2为空，则遍历结束。
4.根据权利要求2所述的基于主方向特征识别的三维视图重构系统的实现方法，其特征在于，步骤3)的具体实现方法为：遍历每个环链表，如果存在两个连续的最小向量，且它们的斜率相同，则合并这两个连续的最小向量形成一个新的基础向量，并用新的基础向量替代原有环中的两个连续的最小向量，最终得到由基础向量构成的环。
5.根据权利要求2所述的基于主方向特征识别的三维视图重构系统的实现方法，其特征在于，步骤4)的具体实现方法为：
(1)根据主视图中的环求出环点集在公共坐标轴上的投影坐标集；
(2)根据这些投影坐标，从视图中分别求出对应的映射点集；
(3)根据这些映射点集，从视图非共同坐标轴上判断是否存在一个共同的映射区间；
(4)如果存在，则找到一个主方向特征：该环即草绘轮廓，映射区间为草绘平面，映射区间的长度即拉伸尺寸；
(5)若不存在，则重复以上步骤直至遍历完毕。
6.根据权利要求2所述的基于主方向特征识别的三维视图重构系统的实现方法，其特征在于，步骤5)的具体实现方法为：
(1)在重建形体的过程中，根据环之间的关系，可以判断主方向特征之间的布尔关系；
(2)根据环拉伸后得到的形体逆向获得该形体所对应的顶点和向量；
(3)得到该形体主方向特征所对应的顶点和向量后，在三维视图中判断是否存在如下环：如果环的所有组成向量都在该特征所能表达的向量集中，则删除该环；
(4)得到所有已重建形体的顶点和向量后，再与原始三维视图比较，如果三维视图中的任何点或任何向量都在已获得的实体所能表示的点集和向量集中，则说明重构完成，否则需继续寻找主方向特征。
CN2008100425970A 2008-09-05 2008-09-05 一种基于主方向特征识别的三维视图重构系统及其实现方法 Expired - Fee Related CN101373544B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2008100425970A CN101373544B (zh) 2008-09-05 2008-09-05 一种基于主方向特征识别的三维视图重构系统及其实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2008100425970A CN101373544B (zh) 2008-09-05 2008-09-05 一种基于主方向特征识别的三维视图重构系统及其实现方法

Publications (2)

Publication Number Publication Date
CN101373544A true CN101373544A (zh) 2009-02-25
CN101373544B CN101373544B (zh) 2010-09-22

Family

ID=40447695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008100425970A Expired - Fee Related CN101373544B (zh) 2008-09-05 2008-09-05 一种基于主方向特征识别的三维视图重构系统及其实现方法

Country Status (1)

Country Link
CN (1) CN101373544B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109782272A (zh) * 2018-12-30 2019-05-21 中国电子科技集团公司第十五研究所 三维雷达体的布尔融合方法
CN111177813A (zh) * 2019-12-31 2020-05-19 湖南特能博世科技有限公司 图元识别的方法、装置和电子系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109782272A (zh) * 2018-12-30 2019-05-21 中国电子科技集团公司第十五研究所 三维雷达体的布尔融合方法
CN111177813A (zh) * 2019-12-31 2020-05-19 湖南特能博世科技有限公司 图元识别的方法、装置和电子系统
CN111177813B (zh) * 2019-12-31 2023-09-29 湖南特能博世科技有限公司 图元识别的方法、装置和电子系统

Also Published As

Publication number Publication date
CN101373544B (zh) 2010-09-22

Similar Documents

Publication Publication Date Title
CN101807308B (zh) 三维模型分割装置和方法
Rossignac et al. Active zones in CSG for accelerating boundary evaluation, redundancy elimination, interference detection, and shading algorithms
De Floriani et al. Morse complexes for shape segmentation and homological analysis: discrete models and algorithms
Kock Polynomial functors and trees
Feito et al. Fast and accurate evaluation of regularized Boolean operations on triangulated solids
CN107025323A (zh) 一种基于模板库的变电站快速建模方法
Gyulassy et al. Direct feature visualization using Morse-Smale complexes
Staten et al. Hexahedral Mesh Matching: Converting non‐conforming hexahedral‐to‐hexahedral interfaces into conforming interfaces
Alfeld et al. The generic dimension of the space of C^1 splines of degree d≧8 on tetrahedral decompositions
Chattopadhyay et al. Multivariate topology simplification
Damiand Topological model for 3d image representation: Definition and incremental extraction algorithm
CN101373544B (zh) 一种基于主方向特征识别的三维视图重构系统及其实现方法
CN106709171A (zh) 一种基于重复模式发现的印花图案生成方法
Kálmán et al. Root polytopes, parking functions, and the HOMFLY polynomial
Gong et al. Solid reconstruction using recognition of quadric surfaces from orthographic views
Akhmechet et al. Stable homotopy refinement of quantum annular homology
de Hoop et al. Storage and manipulation of topology in Postgres
Mehlhorn et al. Computational geometry
Biane Mating of discrete trees and walks in the quarter-plane
CN100464335C (zh) 微机电系统中三维实体到标准工艺版图的转换方法
Bell et al. Detecting topological properties of Markov compacta with combinatorial properties of their diagrams
Viaña et al. Multi-vmap: A multi-scale model for vector maps
Lazarovich et al. Globally stable cylinders for hyperbolic CAT (0) cube complexes
Chen et al. Quality inspection and quality improvement of large spatial datasets
CN107886107A (zh) 一种大数据的融合方法、系统和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100922

Termination date: 20170905

CF01 Termination of patent right due to non-payment of annual fee