CN105574265B - 面向模型检索的装配体模型定量描述方法 - Google Patents
面向模型检索的装配体模型定量描述方法 Download PDFInfo
- Publication number
- CN105574265B CN105574265B CN201510943628.XA CN201510943628A CN105574265B CN 105574265 B CN105574265 B CN 105574265B CN 201510943628 A CN201510943628 A CN 201510943628A CN 105574265 B CN105574265 B CN 105574265B
- Authority
- CN
- China
- Prior art keywords
- model
- entire assembly
- point
- assembly model
- histogram
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Architecture (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种面向模型检索的装配体模型定量描述方法,用于解决现有装配体模型定量描述方法检索效率低的技术问题。技术方案是首先计算零件模型表面上随机两点之间的欧式距离,通过对距离分布直方图进行提取,将每个零件表示成1024维空间中的一个点,以这样的点对零件模型本身进行独立准确的定量描述。进而将装配体模型表示成一系列点的集合,其中每个点表示该装配体模型中的一个零件。采用点集的形式对装配体模型进行定量描述,在保证描述精度的同时,使零件模型的描述结果只依赖于模型本身,不受其他因素影响;采用点集的形式对装配体模型进行定量描述,与背景技术相比,减小了检索算法复杂度,提高了检索效率。
Description
技术领域
本发明涉及一种装配体模型定量描述方法,特别涉及一种面向模型检索的装配体模型定量描述方法。
背景技术
检索已有的产品模型,对模型中包含的设计知识进行重用,是减少设计工作、提高产品研发效率的有效手段。在工程实际中,大部分机械产品都是以装配体的形式存在的。装配体作为零件的集合,能够集成地表现产品的功能、结构等设计信息,相对于零件,以装配体模型为对象可以实现更高层次上的设计重用。通过计算机对装配体模型进行自动检索,能够在进行设计重用的同时显著提高重用效率,而其中一个必需环节则是对装配体模型的几何信息进行定量描述。当前,在计算机辅助设计领域,已经出现了针对零件模型检索的模型描述方法,但能够对装配体模型进行定量描述并且支持装配体模型检索的描述方式并不多。
文献“Generic face adjacency graph for automatic common designstructure discovery in assembly models.Computer-Aided Design.2013,45(8-9):1138-1151.”公开了一种广义面邻接图(Generic Face Adjacent Graph,GFAG)对装配体模型进行定量描述。GFAG的生成包括5个步骤:(1)从装配体模型中获取GFAG的节点集V和边集E,将装配模型表示为图G=(V,E),其中,节点集V={v1,v2,…}中的元素vi对应于装配模型中的一个零件,边集E={e1,e2,…}中的元素ei对应于节点某两个之间的装配约束关系;(2)量化几何元素信息;(3)量化单零件模型;(4)量化GFAG的边集E;(5)量化GFAG的节点集V,完成对装配体模型的定量描述。文献所述方法对装配体中每个零件的描述不是独立的,每一个零件的描述都会受到相接触零件的影响,这就导致了同一个零件在不同的装配体模型中会有不同的描述结果。另外,该描述方式采用了图结构作为基础,在装配体模型包含大量零件时检索效率会大大降低。
发明内容
为了克服现有装配体模型定量描述方法检索效率低的不足,本发明提供一种面向模型检索的装配体模型定量描述方法。该方法首先计算零件模型表面上随机两点之间的欧式距离,通过对距离分布直方图进行提取,将每个零件表示成1024维空间中的一个点,以这样的点对零件模型本身进行独立准确的定量描述。进而将装配体模型表示成一系列点的集合,其中每个点表示该装配体模型中的一个零件。采用点集的形式对装配体模型进行定量描述,在后续的相似性计算中通过点集的匹配减小算法复杂度,以提高检索效率。
本发明解决其技术问题所采用的技术方案:一种面向模型检索的装配体模型定量描述方法,其特点是包括以下步骤:
1.将装配体模型j分解为n个零件模型。其中j表示某一个具体的装配体模型,n是零件模型的个数。
2.对于单个零件模型,采用随机采样,通过对采样点之间的距离进行度量和统计,将零件转化为1024维空间中的一个点。
2-1.对于第i个零件模型,随机在其表面采集两个不同的点,其坐标分别为(x1,x2,x3)和(y1,y2,y3),测量两个点之间的欧式距离D
2-2.重复10242次,并且记录每一次采样所计算得到的距离值。根据采样计算结果,生成包含1024个组的等组距直方图,其中,组距d为
式中,Dmax和Dmin分别表示采样所得距离中的最大值和最小值。
2-3.计算直方图中第t个组的频率ht
式中,mt是第t个组的频数。
由于使用了频率作为纵坐标来绘制直方图,所以直方图各个组的频率需要满足以下条件:
2-4.将直方图转化为给定空间中的一个点,用以表示单个零件模型。构建一个1024维的实数空间C,C中的每一个点代表一个零件模型:
式中,p表示空间C中的一个点,xt(1≤t≤1024)是点p的第t个坐标并且xt≥0(1≤t≤1024)。
点p的第t个坐标对应直方图中第t个组的频率:
xt=ht(1≤t≤1024) (6)
通过以上步骤,第i个零件模型就转化为空间C中的一个点pj.i。C中不同位置的点对应不同形状的零件模型,也就是说,不同的点区分不同的零件模型。
3.对装配体模型j中每一个零件模型重复步骤2,则将所有零件模型都转化为空间C中的点,相应地将装配体模型转化成点集。因此,装配体模型j表示为:
Aj={pj,1,pj,2,…,pj,n} (7)
其中,Aj是表示装配体模型j的点集,n是装配体模型中零件模型的个数,pj,i(1≤i≤n)是表示装配体模型j中第i个零件模型的点。
将装配体模型转化为点集之后,装配体模型的检索问题就变成了点集之间的匹配问题。通过已有的方法对点集进行匹配,并且对匹配结果进行量化分析,得到装配体模型之间的相似度,完成装配体模型的检索。
本发明的有益效果是:本发明方法首先计算零件模型表面上随机两点之间的欧式距离,通过对距离分布直方图进行提取,将每个零件表示成1024维空间中的一个点,以这样的点对零件模型本身进行独立准确的定量描述。进而将装配体模型表示成一系列点的集合,其中每个点表示该装配体模型中的一个零件。采用点集的形式对装配体模型进行定量描述,在后续的相似性计算中通过点集的匹配减小算法复杂度,提高了检索效率。由于通过在零件模型表面随机采点并统计点之间距离,将距离分布直方图转换成1024维的点来定量描述零件模型,在保证描述精度的同时,使零件模型的描述结果只依赖于模型本身,不受其他因素影响;使用点集的形式对装配体模型进行定量表示,与图结构相比,减小检索算法复杂度,提高检索效率,并且在装配体模型包含大量零件的情况下对检索算法复杂度的影响小。
下面结合附图和具体实施方式对本发明作详细说明。
附图说明
图1是本发明面向模型检索的装配体模型定量描述方法的流程图。
图2是本发明方法具体实施方式中锁紧夹头A的装配体模型。
图3是本发明方法具体实施方式中锁紧夹头B的装配体模型。
图4是本发明方法具体实施方式中锁紧夹头C的装配体模型。
图5是本发明方法具体实施方式中锁紧夹头D的装配体模型。
图6是本发明方法具体实施方式中锁紧夹头E的装配体模型。
图7是本发明方法具体实施方式中锁紧夹头F的装配体模型。
图8是本发明方法具体实施方式中线性作动器G的装配体模型。
图9是本发明方法具体实施方式中线性作动器H的装配体模型。
图10是本发明方法具体实施方式中线性作动器I的装配体模型。
图11是本发明方法具体实施方式中锁紧夹头A中的一个零件模型J。
图12是本发明方法具体实施方式中锁紧夹头A中的一个零件模型K。
图13是本发明方法具体实施方式中以锁紧夹头A为查询进行检索所得结果。
具体实施方式
参照图1-13。本发明面向模型检索的装配体模型定量描述方法具体步骤如下:
对于每一个装配体模型,本实施例在形状分布的基础上,将装配体模型中每一个零件定量表示成一个点,以点集的形式对装配体模型进行表示。此后通过点集的匹配,获得装配体模型之间的相似度,完成装配体模型的检索。针对锁紧夹头A的装配体模型,其具体步骤描述如下。
1.将锁紧夹头A分解为27个零件模型。
2.对于零件模型J,采用随机采样,通过对采样点之间的距离进行度量和统计,将零件转化为1024维空间中的一个点,来达到零件模型定量描述的目的。具体步骤如下:
2-1.随机在零件模型J表面采集两个不同的点,其坐标分别为(x1,x2,x3)和(y1,y2,y3),测量两个点之间的欧式距离D
2-2.重复10242次,并且记录每一次采样所计算得到的距离值。根据采样计算结果,生成包含1024个组的等组距直方图,其中,组距d为
式中,Dmax和Dmin分别表示采样所得距离中的最大值和最小值。
2-3.计算直方图中第t个组的频率ht
式中,mt是第t个组的频数。
由于本发明使用了频率作为纵坐标来绘制直方图,所以直方图各个组的频率需要满足以下条件:
2-4.对直方图做进一步处理,将其转化为给定空间中的一个点,用以表示该零件模型。构建一个1024维的实数空间C,C中的每一个点代表一个零件模型:
式中,p表示空间C中的一个点,xt(1≤t≤1024)是点p的第t个坐标并且xt≥0(1≤t≤1024)。
点p的第t个坐标对应直方图中第t个组的频率:
xt=ht(1≤t≤1024) (13)
通过以上步骤,零件模型J就描述为空间C中的一个点(0.38,0,0,…,0.06,0.05)×10-4。
通过同样的步骤,零件模型K描述为空间C中的一个点(0.53,0,0,…,0.06,0.06)×10-4。由此可见,表示不同零件模型的点在C中具有不同的位置,也就是说,不同的点区分不同的零件模型。这样,就达到了零件模型定量描述的目的。
3.对锁紧夹头A中每一个零件模型重复步骤2,则将所有零件模型都转化为空间C中的点,相应地锁紧夹头A的装配体模型转化成点集。因此,对于锁紧夹头A来说,其表示为点集AA={pA,1,pA,2,…,pA,27},其中pA,i是表示锁紧夹头A中第i个零件模型的点。
根据以上步骤,将锁紧夹头B、锁紧夹头C、锁紧夹头D、锁紧夹头E、锁紧夹头F、线性作动器G、线性作动器H、线性作动器I分别描述为点集AB={pB,1,pB,2,…,pB,23},AC={pC,1,pC,2,…,pC,23},AD={pD,1,pD,2,…,pD,28},AE={pE,1,pE,2,…,pE,28},AF={pF,1,pF,2,…,pF,28},AG={pG,1,pG,2,…,pG,17},AH={pH,1,pH,2,…,pH,16},AI={pI,1,pI,2,…,pI,16}。之后,装配体模型的检索问题就变成了点集之间的匹配问题。本实施实例采用Earth Mover's Distance(EMD)算法对点集进行匹配。以图2-图10装配体模型为检索对象,以锁紧夹头A为查询对象,图13是检索结果,检索结果下的数字表示计算所得的相似度。检索结果表示,相似的装配体模型之间相似度高,而不相似的装配体模型之间相似度低,根据相似度的排序就可以检索出相似装配体模型。
该实施实例表明,本发明提出的装配模型定量描述方法可用于装配体模型的检索,并能够取得较好的效果。
Claims (1)
1.一种面向模型检索的装配体模型定量描述方法,其特征在于包括以下步骤:
步骤1.将装配体模型j分解为n个零件模型;其中j表示某一个具体的装配体模型,n是零件模型的个数;
步骤2.对于单个零件模型,采用随机采样,通过对采样点之间的距离进行度量和统计,将零件转化为1024维空间中的一个点;
2-1.对于第i个零件模型,随机在其表面采集两个不同的点,其坐标分别为(x1,x2,x3)和(y1,y2,y3),测量两个点之间的欧式距离D
2-2.采样次数重复10242次,并且记录每一次采样所计算得到的距离值;根据采样计算结果,生成包含1024个组的等组距直方图,其中,组距d为
式中,Dmax和Dmin分别表示采样所得距离中的最大值和最小值;
2-3.计算直方图中第t个组的频率ht
式中,mt是第t个组的频数;
由于使用了频率作为纵坐标来绘制直方图,所以直方图各个组的频率需要满足以下条件:
2-4.将直方图转化为给定空间中的一个点,用以表示单个零件模型;构建一个1024维的实数空间C,C中的每一个点代表一个零件模型:
式中,p表示空间C中的一个点,xt是点p的第t个坐标并且xt≥0,其中1≤t≤1024;
点p的第t个坐标对应直方图中第t个组的频率:
xt=ht(1≤t≤1024) (6)
通过以上步骤,第i个零件模型就转化为空间C中的一个点pj.i;C中不同位置的点对应不同形状的零件模型,也就是说,不同的点区分不同的零件模型;
步骤3.对装配体模型j中每一个零件模型重复步骤2,则将所有零件模型都转化为空间C中的点,相应地将装配体模型转化成点集;因此,装配体模型j表示为:
Aj={pj,1,pj,2,…,pj,n} (7)
其中,Aj是表示装配体模型j的点集,n是装配体模型中零件模型的个数,pj,i是表示装配体模型j中第i个零件模型的点,其中1≤i≤n;
将装配体模型转化为点集之后,装配体模型的检索问题就变成了点集之间的匹配问题;通过已有的方法对点集进行匹配,并且对匹配结果进行量化分析,得到装配体模型之间的相似度,完成装配体模型的检索。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510943628.XA CN105574265B (zh) | 2015-12-16 | 2015-12-16 | 面向模型检索的装配体模型定量描述方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510943628.XA CN105574265B (zh) | 2015-12-16 | 2015-12-16 | 面向模型检索的装配体模型定量描述方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105574265A CN105574265A (zh) | 2016-05-11 |
CN105574265B true CN105574265B (zh) | 2018-08-21 |
Family
ID=55884395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510943628.XA Active CN105574265B (zh) | 2015-12-16 | 2015-12-16 | 面向模型检索的装配体模型定量描述方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105574265B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503314B (zh) * | 2016-10-11 | 2019-07-16 | 绍兴文理学院 | 基于加权概念格实现设备零件关键结构建模的方法及系统 |
CN107895179A (zh) * | 2017-11-29 | 2018-04-10 | 合肥赑歌数据科技有限公司 | 一种基于临近值分析的工件分类系统及方法 |
CN108628965B (zh) * | 2018-04-20 | 2021-07-06 | 西北工业大学 | 基于空间连接骨架描述符的装配体检索方法 |
CN108846151B (zh) * | 2018-04-20 | 2019-06-21 | 西北工业大学 | 基于空间连接骨架的装配体定量描述方法 |
CN109740421A (zh) * | 2018-11-22 | 2019-05-10 | 成都飞机工业(集团)有限责任公司 | 一种基于形状的零件分类方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005018664A (ja) * | 2003-06-30 | 2005-01-20 | Mitsubishi Electric Corp | 3次元デジタル製品モデルの絶縁距離検査装置 |
CN101697174A (zh) * | 2009-11-06 | 2010-04-21 | 合肥工业大学 | 面向稳态热分析的零件模型自动简化及评价方法 |
CN102254067A (zh) * | 2011-07-05 | 2011-11-23 | 重庆大学 | 基于下料特征的大规模零件分组优化方法 |
CN103631925A (zh) * | 2013-12-04 | 2014-03-12 | 北京理工大学 | 机械加工设备的快速分组检索方法 |
-
2015
- 2015-12-16 CN CN201510943628.XA patent/CN105574265B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005018664A (ja) * | 2003-06-30 | 2005-01-20 | Mitsubishi Electric Corp | 3次元デジタル製品モデルの絶縁距離検査装置 |
CN101697174A (zh) * | 2009-11-06 | 2010-04-21 | 合肥工业大学 | 面向稳态热分析的零件模型自动简化及评价方法 |
CN102254067A (zh) * | 2011-07-05 | 2011-11-23 | 重庆大学 | 基于下料特征的大规模零件分组优化方法 |
CN103631925A (zh) * | 2013-12-04 | 2014-03-12 | 北京理工大学 | 机械加工设备的快速分组检索方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105574265A (zh) | 2016-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105574265B (zh) | 面向模型检索的装配体模型定量描述方法 | |
CN104020475B (zh) | 一种基于机载LiDAR数据的电力线提取及建模方法 | |
CN104572886B (zh) | 基于k线图表示的金融时间序列相似性查询方法 | |
CN103955703A (zh) | 一种基于朴素贝叶斯的医疗影像疾病分类方法 | |
Xu et al. | A supervoxel approach to the segmentation of individual trees from LiDAR point clouds | |
CN104504709A (zh) | 一种基于特征球的室外场景三维点云数据的分类方法 | |
CN104820718A (zh) | 基于地理位置特征与全局视觉特征的图像分类和检索方法 | |
CN101136015A (zh) | 一种计算图像之间相似度的方法 | |
CN107703480A (zh) | 基于机器学习的混合核函数室内定位方法 | |
CN104462184A (zh) | 一种基于双向抽样组合的大规模数据异常识别方法 | |
CN106326923B (zh) | 一种顾及位置重复和密度峰值点的签到位置数据聚类方法 | |
CN102867115A (zh) | 一种基于模糊c均值聚类的农田划分方法 | |
CN107274422A (zh) | 一种基于法线信息和k邻域搜索结合的点云边缘提取方法 | |
CN103345760B (zh) | 一种医学图像对象形状模板标记点的自动生成方法 | |
CN112434662B (zh) | 一种基于多尺度卷积神经网络的茶叶病斑自动识别算法 | |
CN105740378A (zh) | 一种数字病理全切片图像检索方法 | |
CN108627798A (zh) | 基于线性判别分析和梯度提升树的wlan室内定位算法 | |
CN106228136A (zh) | 基于聚合通道特征的全景街景隐私保护方法 | |
CN116008671A (zh) | 一种基于时差和聚类的闪电定位方法 | |
CN102902984B (zh) | 基于局部一致性的遥感影像半监督投影降维方法 | |
CN103514276B (zh) | 基于中心估计的图形目标检索定位方法 | |
CN102930291B (zh) | 用于图形图像的k近邻局部搜索遗传自动聚类方法 | |
CN102208027B (zh) | 基于间隙度维数的土地利用空间格局评价方法 | |
CN108985346A (zh) | 融合低层图像特征及cnn特征的现勘图像检索方法 | |
CN104715160A (zh) | 基于kmdb的软测量建模数据异常点检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |