CN110941732A - 自适应的标准件三维cad模型检索系统 - Google Patents

自适应的标准件三维cad模型检索系统 Download PDF

Info

Publication number
CN110941732A
CN110941732A CN201911186374.6A CN201911186374A CN110941732A CN 110941732 A CN110941732 A CN 110941732A CN 201911186374 A CN201911186374 A CN 201911186374A CN 110941732 A CN110941732 A CN 110941732A
Authority
CN
China
Prior art keywords
model
rule
classification
result
rep
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
CN201911186374.6A
Other languages
English (en)
Other versions
CN110941732B (zh
Inventor
刘屹冬
柳伟
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong 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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201911186374.6A priority Critical patent/CN110941732B/zh
Publication of CN110941732A publication Critical patent/CN110941732A/zh
Application granted granted Critical
Publication of CN110941732B publication Critical patent/CN110941732B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53Querying
    • G06F16/532Query formulation, e.g. graphical querying

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种自适应的标准件三维CAD模型检索系统及方法,包括:用于用户交互、B‑rep模型输入与检索结果输出的表现层、逻辑层和用于标准件模型、分类规则、规格参数等数据的持久化存储的持久层,逻辑层包括分类模块、参数提取模块和自适应模块。本发明利用B‑rep特有的几何与拓扑信息以及标准件本身的特点,结合语义检索和内容检索,将B‑rep模型本身蕴含的几何拓扑信息按照一定的方法进行编码。在实现简单、高效检索的同时,能够自动地进行对新类别设计编码规则,有效地解决了标准件三维CAD模型的检索问题。

Description

自适应的标准件三维CAD模型检索系统
技术领域
本发明涉及的是一种工业设计领域的技术,具体是一种将标准件B-rep(边界表示)模型快速分类并识别规格参数的系统及方法。
背景技术
随着智能制造的快速发展,三维CAD模型的检索技术成为了学术界和业界研究的热点。目前三维模型的通用检索方法主要包括两种:基于语义的检索和基于内容的检索。前者是指用文本或编码对模型进行标注,通过文字或编码的匹配实现检索;后者是指完全从模型本身包含的数据信息出发,将其内容通过某些算法提取并进行比较以实现检索。基于语义的检索具有形式简单、容易实现、效率高等优点,但是人工模型的语义描述往往不够准确、全面;基于内容的检索完全从模型本身出发,检索结果更为准确,但是模型本身的特征等信息的提取的计算量则较难满足现有工业需求。
发明内容
本发明针对现有技术存在的上述不足,提出一种自适应的标准件三维CAD模型检索系统及方法,利用B-rep特有的几何与拓扑信息以及标准件本身的特点,结合语义检索和内容检索,将B-rep模型本身蕴含的几何拓扑信息按照一定的方法进行编码。在实现简单、高效检索的同时,能够自动地进行对新类别设计编码规则,有效地解决了标准件三维CAD模型的检索问题。
本发明是通过以下技术方案实现的:
本发明涉及一种自适应的标准件三维CAD模型检索系统,包括:用于用户交互、B-rep模型输入与检索结果输出的表现层、逻辑层和用于标准件模型、分类规则、规格参数等数据的持久化存储的持久层,逻辑层包括分类模块、参数提取模块和自适应模块,其中:分类模块根据用户输入零件的B-rep模型得到分类结果并将分类结果与零件的基本几何属性传递至参数提取模块,参数提取模块根据分类模块传入的分类结果信息与基本几何属性得到该零件的规格参数并输出分类结果与规格参数,自适应模块根据用户输入的零件类别信息得到该类别的分类规则算法并对其进行编码表示后传递至持久化层。
所述的分类规则是指:通过一组B-rep中包括顶点、边、面元素相关的拓扑规则的组合作为区分标准件类别。
所述的自适应是指:通过对新增类别的B-rep模型进行分析,遍历所有的规则,每次选择一个能够将候选类别淘汰掉一部分的作为判定该类别的规则组之一,直到该规则组能够唯一确定该类别。
本发明涉及上述系统的控制方法,包括以下步骤:
步骤1.建立判断规则:基于B-rep建立判断规则,每一类标准件对应一对规则集和结果集,分类时通过对输入的模型进行基础B-rep元素的分析,然后匹配各个类别的规则集和结果集即可实现分类。
所述的判断规则包括但不仅限于:模型是实体还是片体、面的数量、边的数量、顶点的数量、是否存在平面、是否存在圆柱面、是否存在圆锥面、是否存在球面、是否存在圆弧边、是否存在直线边、平面的数量、圆柱面的数量、圆锥面的数量、球面的数量、圆弧边的数量、直线边的数量等。除了这最简单的规则外,后续还可以根据需要添加诸如“是否存在相邻的平面和圆柱面”等描述了简单拓扑信息的规则。
步骤2.自适应更新:当添加一个新的标准件类别时,按顺序访问预定义好的规则编码中每一位对应的判据,通过读取新类别的模型信息检验该类别能通过该判据以区分已有的标准件类别,最终得到更新后的规则编码用于将新类别与其他类别相区分。
步骤3.参数提取:对于已经确定了标准件类别的零件模型,将各个类别不同的参数种类的参数值映射到一个统一的特征值集合中,通过计算任一模型的特征值,查询该映射关系,即可得到最匹配的型号及规格参数。
所述的特征值,采用但不限于体积、各个面的面积和、各条边的长度和。
技术效果
与现有技术相比,本发明实现了B-rep模型表示的标准件类别的分类与规格参数的确定,其显著的技术效果包括:1能够自适应(自动化)地生成一种标准件的检索规则,适合于大规模的标准件数据库2检索准确度高,只要分类的拓扑规则和参数提取的映射关系设置得足够完整,理论上分类误差为零3检索的时间复杂度低、可控,效率高,另一种准确率高的基于B-rep拓扑的图匹配方法中一次比较的时间复杂度为O(e*m!)(e为边的数量,m为面的数量)不可控,而本发明中一次比较的时间复杂度仅为O(1)。
附图说明
图1为十字螺钉模型示意图;
图2为编码规则示意图;
图3为编码表示形式示意图;
图4为分类流程示意图;
图5为编码自适应计算流程示意图;
图6为本发明系统结构示意图。
具体实施方式
如图6所示,为本实施例涉及一种自适应的标准件三维CAD模型检索系统,包括:用于用户交互、B-rep模型输入与检索结果输出的表现层、逻辑层和用于标准件模型、分类规则、规格参数等数据的持久化存储的持久层,逻辑层包括分类模块、参数提取模块和自适应模块。
所述的分类模块包括:拓扑信息提取单元、编码单元以及规则匹配单元,其中:拓扑信息提取单元利用三维造型引擎或CAD软件提供的API提取规则编码每一位标识的B-rep模型拓扑信息,编码单元将这些拓扑信息根据规则编码的要求进行编码表示,规则匹配单元将该编码与已有标准件类别的结果编码进行匹配,得到与之相符的标准件类别并传递给参数提取模块。
所述的参数提取模块包括:几何信息提取单元、特征值计算单元以及规格匹配单元,其中:几何信息提取单元利用三维造型引擎或CAD软件提供的API提取B-rep模型的体积、表面积和总边长等几何信息,特征值计算单元根据模型的体积、表面积和总边长等几何信息计算出用于确定规格参数的特征值,规格匹配单元将模型的特征值与该类别内各个规格零件的特征值进行匹配,得到与之相符的规格参数并输出该结果。
所述的自适应模块包括:信息提取单元、规则计算单元以及编码存储单元,其中:信息提取单元利用三维造型引擎或CAD软件提供的API和解析输入规格参数表的API,得到所添加类别标准件对应于各个编码位规则的结果和规格参数信息,规则计算单元通过分析该类别标准件的信息与已有标准件类别进行比较,得到一组足以判定该类别的规则,编码存储单元负责将该规则及对应的结果进行编码表示并持久化存储。
本实施例涉及一种基于上述系统的控制方法,通过建立判断规则、自适应更新规则和参数提取得以实现。
所述的判断规则,即通过一组B-rep中包括顶点、边、面元素相关的拓扑规则的组合作为区分标准件类别,具体通过编码实现:该编码采用BitMap数据结构,32个bit位每位表示一个规则,0代表不使用该规则,1代表使用该规则,其中后16位为用于存放复杂拓扑规则的保留位,前16位编码对应的规则具体为:第1位:模型是否为实体模型(实体或片体);第2位:模型中面的数量;第3位:模型中边的数量;第4位:模型中顶点的数量;第5位:模型中是否存在平面;第6位:模型中是否存在圆柱面;第7位:模型中是否存在圆锥面;第8位:模型中是否存在球面;第9位:模型中是否存在直线边;第10位:模型中是否存在圆弧边;第11位:模型中平面的数量;第12位:模型中圆柱面的数量;第13位:模型中圆锥面的数量;第14位:模型中球面的数量;第15位:模型中直线边的数量;第16位:模型中圆弧边的数量。
所述的复杂拓扑规则包括但不限于:是否存在相连的圆弧和直线、是否存在相邻的平面和圆柱面等。
所述的结果编码是指:由于结果中包含面的数量之类的信息,不能仅用一个bit位表示,需要使用一组整数类型。考虑到如果采用含有32个整型的数组,其中可能大部分元素都没有用到(没有使用对应规则,或对应规则是一个布尔类型的判别式),会有大量的空间浪费,又考虑到结果编码总是按顺序一个个对比,不存在随机存取的要求,因此采用如下编码方案:结果编码分为两部分,第一部分是一个32位的BitMap,按对应关系记录规则编码中标记为1的布尔类型的判别式对应的结果;第二部分是一个整型的链表,按顺序记录规则编码中标记为1的整型类别的判别式对应的结果。
所述的规格参数表是指:要求记录一个标准件类别的所有规格,每条记录中需要包含各参数字段和模型体积、模型表面积、模型总边长三个字段。
当当前系统标准件库中已有n类标准件,记为S={s0,s1,…,sn-1},每类标准件对应的规则编码记为R={r0,r1,…,rn-1},其中:R已经包含了BitMap和链表两个部分,每类标准件对应的结果编码记为T={t0,t1,…,tn-1},则自适应更新规则具体通过以下方式实现:添加新的标准件类别s,该标准件类别s至少包含:s的B-rep模型m和s的规格参数表。
步骤1、确定s的规则编码r:创建集合A=R;按照规则编码中的顺序,依次对每个规则进行判断:如当前判断到第i个规则Ri,分析得到m对应于Ri的结果为Ti,然后遍历集合A,当A中所有对应于Ri的结果都为Ti时,则不以Ri作为判别规则,对应规则编码置为0;否则以Ri作为编码规则,对应规则编码置为1。将A中对应Ri的结果不为Ti的类别移除,重复上述步骤来判断规则Ri+1,直至A为空集。此时将r中后面还未判断过的规则都置为0,即为s的规则编码,将r添加到集合R的最后记为rn+1
步骤2、确定s的结果编码t:对照r的编码,依次分析m并得到结果,写入结果编码t。或直接在步骤一中分析规则编码的同时将对应的结果编码记录。
所述的参数提取是指:输入一个模型n,确定它的类别,具体步骤包括:
步骤i,创建集合B=R;
步骤ii,从规则编码第一位的规则开始依次向后判断,每一位的判断方式如下:设当前判断到了第i位的规则Pi,模型n对应于Pi的结果为Qi,从B中的最后一个类别依次向前遍历,当当前类别对应Pi的结果不为Qi,则从B中移除该类别,最终当:
①B中仅剩一个类别s,则n属于类别s;
②B中剩下多个类别s0,s1,…,sj,则n属于类别sj(在B中排序最靠后的那个类别);
③B为空集合,则n不属于现有标准件库中的任何一类。
步骤iii.确定模型n对应的规格参数:当一个模型的体积为V(mm3),表面积为S(mm2),总边长为L(mm),设
Figure BDA0002292501740000051
记n的F值为Fn;查询n所属类别的规格参数表,得到每种规格对应的F值,和Fn最接近的F所属规格参数即为n的规格参数。
本发明独创以B-rep基本拓扑属性的组合作为标准件分类规则、在添加一个新类别时自适应地建立分类规则、采用BitMap和链表作为该方法的编码存储数据结构以及将标准件的规格参数与B-rep基本几何属性进行双向映射来解决标准件B-rep模型检索问题,在具体实际实验环境:
客户端64位Windows7操作系统、英特尔7代i3四核处理器、16GB物理内存、Python版本3.5.1、PythonOCC版本0.18.1、100兆带宽,服务端为阿里云ECS服务器、单核CPU、2GB内存、1兆带宽、64位Windows Server 2012操作系统、MySQL5.7数据库的具体环境设置下,创建该系统,添加了固定块垫板、平头内六角螺栓、内六角螺栓和定位销四种标准件类别,每种类别含有20个规格。
对上述四种标准件类别每类20个规格共80个三维模型进行检索,检索准确率为100%,对每个规格的标准件都能实现正确的分类和准确的规格参数的识别。
在添加类别的检测方面:以一二三四的顺序进行添加,其耗时具体为(包括连接查询数据库、读取excel文件、解析b-rep模型等流程的总耗时):
第一次添加固定块垫板耗时0.3472s
第二次添加平头六角螺栓耗时0.3112s
第三次添加内六角螺栓耗时0.2722s
第四次添加定位销耗时0.2717s
平均耗时0.3006s
综上,与现有基于文本的检索相比,本发明中的规则编码与结果编码的表示不需要费时费力的人为标注,适合于大型、标准件类别繁多的检索场景;基于内容的检索包括两种:一种是基于相似性比较的适用于任意表示方式的三维模型的通用方法,如形状描述符、球面调和分析和二维图像分析等,这种方法是基于形状相似性的,对机械零部件的检索准确率不能够得到保证,并且需要存储每个类别中所有规格参数的三维模型或是某种描述符,存储的空间复杂度和一一比较的时间复杂度都很高,另一种是基于图匹配的针对于B-rep模型的方法,一种标准件类别对应一个或多个(有限个)面-边图,相较于前者,存储的空间和比较的次数都大大降低,但是每一次比较都是一次图同构问题的求解,时间复杂度过高,是O(e*m!)(e为边的数量,m为面的数量),本发明解决了上述两种方法遇到的问题,每种标准件类别对应一个规则编码和一个结果编码,规则编码是定长的,一次比较过程的时间复杂度是O(1);
此外,本发明针对B-rep模型表示的标准件类别已经确定的场景,将复杂的、类别之间各不相同的参数提取算法转化成建立一个统一的基本几何参数到规格参数的映射关系,实现了快速、统一的提取各种不同类别标准件的规格参数。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整,本发明的保护范围以权利要求书为准且不由上述具体实施所限,在其范围内的各个实现方案均受本发明之约束。

Claims (9)

1.一种自适应的标准件三维CAD模型检索系统,包括:用于用户交互、B-rep模型输入与检索结果输出的表现层、逻辑层和用于标准件模型、分类规则、规格参数等数据的持久化存储的持久层,逻辑层包括分类模块、参数提取模块和自适应模块,其中:分类模块根据用户输入零件的B-rep模型得到分类结果并将分类结果与零件的基本几何属性传递至参数提取模块,参数提取模块根据分类模块传入的分类结果信息与基本几何属性得到该零件的规格参数并输出分类结果与规格参数,自适应模块根据用户输入的零件类别信息得到该类别的分类规则算法并对其进行编码表示后传递至持久化层;
所述的分类规则是指:通过一组B-rep中包括顶点、边、面元素相关的拓扑规则的组合作为区分标准件类别;
所述的自适应是指:通过对新增类别的B-rep模型进行分析,遍历所有的规则,每次选择一个能够将候选类别淘汰掉一部分的作为判定该类别的规则组之一,直到该规则组能够唯一确定该类别。
2.根据权利要求1所述的系统,其特征是,所述的分类模块包括:拓扑信息提取单元、编码单元以及规则匹配单元,其中:拓扑信息提取单元利用三维造型引擎或CAD软件提供的API提取规则编码每一位标识的B-rep模型拓扑信息,编码单元将这些拓扑信息根据规则编码的要求进行编码表示,规则匹配单元将该编码与已有标准件类别的结果编码进行匹配,得到与之相符的标准件类别并传递给参数提取模块。
3.根据权利要求1所述的系统,其特征是,所述的参数提取模块包括:几何信息提取单元、特征值计算单元以及规格匹配单元,其中:几何信息提取单元利用三维造型引擎或CAD软件提供的API提取B-rep模型的体积、表面积和总边长等几何信息,特征值计算单元根据模型的体积、表面积和总边长等几何信息计算出用于确定规格参数的特征值,规格匹配单元将模型的特征值与该类别内各个规格零件的特征值进行匹配,得到与之相符的规格参数并输出该结果。
4.根据权利要求1所述的系统,其特征是,所述的自适应模块包括:信息提取单元、规则计算单元以及编码存储单元,其中:信息提取单元利用三维造型引擎或CAD软件提供的API和解析输入规格参数表的API,得到所添加类别标准件对应于各个编码位规则的结果和规格参数信息,规则计算单元通过分析该类别标准件的信息与已有标准件类别进行比较,得到一组足以判定该类别的规则,编码存储单元负责将该规则及对应的结果进行编码表示并持久化存储。
5.根据权利要求1所述的系统,其特征是,所述的分类规则,通过编码实现,具体为:BitMap数据结构,32个bit位每位表示一个规则,0代表不使用该规则,1代表使用该规则,其中后16位为用于存放复杂拓扑规则的保留位,前16位编码对应的规则具体为:第1位:模型是否为实体模型;第2位:模型中面的数量;第3位:模型中边的数量;第4位:模型中顶点的数量;第5位:模型中是否存在平面;第6位:模型中是否存在圆柱面;第7位:模型中是否存在圆锥面;第8位:模型中是否存在球面;第9位:模型中是否存在直线边;第10位:模型中是否存在圆弧边;第11位:模型中平面的数量;第12位:模型中圆柱面的数量;第13位:模型中圆锥面的数量;第14位:模型中球面的数量;第15位:模型中直线边的数量;第16位:模型中圆弧边的数量。
6.根据权利要求2所述的系统,其特征是,所述的结果编码包括:第一部分,即32位的BitMap,按对应关系记录规则编码中标记为1的布尔类型的判别式对应的结果;第二部分,即整型的链表,按顺序记录规则编码中标记为1的整型类别的判别式对应的结果。
7.一种基于上述任一权利要求所述系统的控制方法,其特征在于,包括以下步骤:
步骤1.建立判断规则:基于B-rep建立判断规则,每一类标准件对应一对规则集和结果集,分类时通过对输入的模型进行基础B-rep元素的分析,然后匹配各个类别的规则集和结果集即可实现分类;
步骤2.自适应更新:当添加一个新的标准件类别时,按顺序访问预定义好的规则编码中每一位对应的判据,通过读取新类别的模型信息检验该类别能通过该判据以区分已有的标准件类别,最终得到更新后的规则编码用于将新类别与其他类别相区分;
步骤3.参数提取:对于已经确定了标准件类别的零件模型,将各个类别不同的参数种类的参数值映射到一个统一的特征值集合中,通过计算任一模型的特征值,查询该映射关系,即可得到最匹配的型号及规格参数。
8.根据权利要求7所述的方法,其特征是,所述的判断规则包括:模型是实体还是片体、面的数量、边的数量、顶点的数量、是否存在平面、是否存在圆柱面、是否存在圆锥面、是否存在球面、是否存在圆弧边、是否存在直线边、平面的数量、圆柱面的数量、圆锥面的数量、球面的数量、圆弧边的数量、直线边的数量。
9.根据权利要求7所述的方法,其特征是,所述的特征值,采用体积、各个面的面积和、各条边的长度和。
CN201911186374.6A 2019-11-28 2019-11-28 自适应的标准件三维cad模型检索系统 Active CN110941732B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911186374.6A CN110941732B (zh) 2019-11-28 2019-11-28 自适应的标准件三维cad模型检索系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911186374.6A CN110941732B (zh) 2019-11-28 2019-11-28 自适应的标准件三维cad模型检索系统

Publications (2)

Publication Number Publication Date
CN110941732A true CN110941732A (zh) 2020-03-31
CN110941732B CN110941732B (zh) 2023-12-05

Family

ID=69908321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911186374.6A Active CN110941732B (zh) 2019-11-28 2019-11-28 自适应的标准件三维cad模型检索系统

Country Status (1)

Country Link
CN (1) CN110941732B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652968A (zh) * 2020-05-21 2020-09-11 宁波财经学院 产品组合方法、系统、计算机设备及存储介质
CN112184857A (zh) * 2020-08-14 2021-01-05 杭州群核信息技术有限公司 一种数据生成系统
CN113901256A (zh) * 2021-09-22 2022-01-07 成都飞机工业(集团)有限责任公司 Cad模型的相似性检测方法、装置、终端设备以及存储介质
CN115238591A (zh) * 2022-08-12 2022-10-25 杭州国辰智企科技有限公司 动态参数校验与驱动cad自动建模引擎系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108595631A (zh) * 2018-04-24 2018-09-28 西北工业大学 基于图谱理论的三维cad模型双层检索方法
CN109918751A (zh) * 2019-02-26 2019-06-21 华中师范大学 一种基于CityGML扩展的建筑物三维语义建模方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108595631A (zh) * 2018-04-24 2018-09-28 西北工业大学 基于图谱理论的三维cad模型双层检索方法
CN109918751A (zh) * 2019-02-26 2019-06-21 华中师范大学 一种基于CityGML扩展的建筑物三维语义建模方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
王吉华;刘弘;: "三维模型的基因匹配式检索方法研究" *
袁维: "成组技术在零件分类编码中的应用" *
陶松桥等: "基于非精确图匹配的 CAD 模型搜索方法" *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652968A (zh) * 2020-05-21 2020-09-11 宁波财经学院 产品组合方法、系统、计算机设备及存储介质
CN112184857A (zh) * 2020-08-14 2021-01-05 杭州群核信息技术有限公司 一种数据生成系统
CN112184857B (zh) * 2020-08-14 2023-09-29 杭州群核信息技术有限公司 一种数据生成系统
CN113901256A (zh) * 2021-09-22 2022-01-07 成都飞机工业(集团)有限责任公司 Cad模型的相似性检测方法、装置、终端设备以及存储介质
CN115238591A (zh) * 2022-08-12 2022-10-25 杭州国辰智企科技有限公司 动态参数校验与驱动cad自动建模引擎系统
CN115238591B (zh) * 2022-08-12 2022-12-27 杭州国辰智企科技有限公司 动态参数校验与驱动cad自动建模引擎系统

Also Published As

Publication number Publication date
CN110941732B (zh) 2023-12-05

Similar Documents

Publication Publication Date Title
CN110941732B (zh) 自适应的标准件三维cad模型检索系统
US20170161590A1 (en) Recognition of a 3d modeled object from a 2d image
CN106033426B (zh) 一种基于潜在语义最小哈希的图像检索方法
CN111325245B (zh) 重复图像识别方法、装置、电子设备及计算机可读存储介质
WO2021068683A1 (zh) 正则表达式生成方法、装置、服务器及计算机可读存储介质
Wei et al. Joint optimization toward effective and efficient image search
CN112260694B (zh) 一种仿真文件的数据压缩方法
CN113127632A (zh) 基于异质图的文本摘要方法及装置、存储介质和终端
Kim et al. Shape distribution-based retrieval of 3D CAD models at different levels of detail
Zou et al. aware representation for sketch-based 3d model retrieval
US11574084B1 (en) Methods and systems for geometric analysis of a part for manufacture
Leng et al. A powerful relevance feedback mechanism for content-based 3D model retrieval
CN114281989A (zh) 基于文本相似度的数据去重方法、装置及存储介质和服务器
CN112270762A (zh) 一种基于多模态融合的三维模型检索方法
Zhang et al. Image retrieval method based on entropy and fractal coding
Wang Research on Shape Feature Recognition of B‐Rep Model Based on Wavelet Transform
CN109165669B (zh) 基于模型识别码的三维面片模型文件相似性检测方法
Kim et al. Learning disentangled factors from paired data in cross-modal retrieval: An implicit identifiable VAE approach
CN115378880B (zh) 流量分类方法、装置、计算机设备及存储介质
Fu et al. Relevance feedback techniques and genetic algorithm for image retrieval based on multiple features
US20230288908A1 (en) Apparatus and methods for superimposing two-dimensional prints onto three-dimensional models of a part for manufacture
CN116226686B (zh) 一种表格相似性分析方法、装置、设备和存储介质
US11687687B1 (en) Apparatuses and methods for superimposition of a cross-sectional drawing over a three-dimensional model
CN111177156B (zh) 一种大数据存储方法及系统
US20240220532A1 (en) Contrastive multi-format shape similarity and search

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant