CN113920276B - 一种三角网格模型的特征识别方法及其特征识别系统 - Google Patents
一种三角网格模型的特征识别方法及其特征识别系统 Download PDFInfo
- Publication number
- CN113920276B CN113920276B CN202111183857.8A CN202111183857A CN113920276B CN 113920276 B CN113920276 B CN 113920276B CN 202111183857 A CN202111183857 A CN 202111183857A CN 113920276 B CN113920276 B CN 113920276B
- Authority
- CN
- China
- Prior art keywords
- dimensional coordinate
- circle
- plane
- points
- triangle
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种三角网格模型的特征识别方法及其特征识别系统,属于三维模型重构技术领域,其方法包括网格模型前处理步骤、网格分割步骤、直线、曲线和特征点识别步骤、圆特征识别步骤和模型封装步骤,得到设备模型,其中,所述设备模型包括三角形网络模型数据和区域集合数据,所述三角形网络模型数据包括三角形集合,所述区域集合包括所述分割区域;其系统包括网格模型前处理模块、网格分割模块、直线、曲线和特征点识别模块、圆特征识别模块和模型封装模块。本发明解决了现有的仿真软件只能通过计算相对位置的方式来定位或者装配模型,效率极低的问题。
Description
技术领域
本发明涉及三维模型重构技术领域,特别是一种三角网格模型的特征识别方法及其特征识别系统。
背景技术
现有的一些面向物流的仿真软件的仿真场景都是基于三维图形引擎开发,其中用于图形引擎渲染的三维模型通常都以网格的形式表示,每个网格模型表面通常由多个三角形或者多边形网格连接而成,而每个网格都由三个或三个以上的点连接而成。
与市面上的CAD建模软件相比,现有的建模软件基于几何引擎开发,用于渲染的三维模型通常以BREP表示,用户能够有效地获取到模型拓扑结构和几何特征信息,这些信息能够有效且精确地描述模型的基本组成,比如点、线和面,而且这些信息有助于模型建模以及装配。但是用于三维引擎的仿真软件所渲染的三角网格模型,其中代表的三维模型文件格有“.obj”、“.stl”和“.fbx”等不包含上述用于描述CAD模型的基本特征信息,仅仅只有用于呈现模型形体特征的点标。目前较多的仿真软件在虚拟场景搭建的过程中,例如生产线的搭建和设备的装配都是通过计算设备或者零件模型间的相对位置来完成定位的,在这个过程中需要大量的人工计算和频繁的人机交互。另外,目前的三维图形引擎,比如三维开源图形引擎OpenGL也只能识别到三角网格模型表面的三角面,仅仅只有三角面信息无法辅助用户拾取到用于模型间定位的有效特征。所以用户在这些基于图形引擎开发的仿真软件中只能通过计算相对位置的方式来定位或者装配模型,效率极低。
发明内容
针对上述缺陷,本发明的一个目的在于提出一种三角网格模型的特征识别方法,解决了现有的仿真软件只能通过计算相对位置的方式来定位或者装配模型,效率极低的问题。
针对上述缺陷,本发明的另一个目的在于提出一种三角网格模型的特征识别系统,解决了现有的仿真软件只能通过计算相对位置的方式来定位或者装配模型,效率极低的问题。
为达此目的,本发明采用以下技术方案:一种三角网格模型的特征识别方法,包括以下步骤:
网格模型前处理步骤:对三角网络模型的网格表面的三角形进行封装,使每个三角形均能与其相邻的三角形相匹配;
网格分割步骤:
B1:选取三角网格模型的一个三角形并设为种子三角形,其中,所述三角形位于尚未被添加到分割区域当中的三角形集合中选取;
B2:利用所述种子三角形搜索与其相匹配的相邻三角形,并计算所述相邻三角形的面法线和所述种子三角形的面法线的法线夹角,当所述法线夹角小于预设定的阈值时,将所述相邻三角形与所述种子三角形合并到同一个分割区域中;
B3:重复执行步骤B2,直到不存在能与所述种子三角形合并到同一个分割区域中的相邻三角形为止,得到一个完整的分割区域;
B4:重复执行步骤B1-B3,直到所有的三角形都被合并到对应的分割区域,将所有所述分割区域形成区域集合;其中,所述区域集合中的相邻两个分割区域之间由边界分隔,所述边界包括直线边界和曲线边界;
直线、曲线和特征点识别步骤:将同一个所述分割区域的顶点连接形成顶点连接直线,计算相邻两个分割区域对应的顶点连接直线之间的直线夹角;
当所述直线夹角位于区间(175°,180°)时,将对应的两条所述顶点连接直线合并成曲线段,其中,当同一条曲线段中所有的所述顶点连接直线以相同的直线夹角相连时,将所述曲线段设置为圆环;当所述直线夹角等于180°时,将对应的两条所述顶点连接直线合并成直线段;当所述直线夹角位于区间(0°,175°)时,将两条所述顶点连接直线的交点设置成特征点;
圆特征识别步骤:
D1:选取分割区域作为第一平面,去除第一平面内的点,保留第一平面轮廓上的点,形成第二平面;
D2:将所述第二平面在三维坐标系中的三维坐标点投影到二维坐标系,得到投影平面;
D3:利用RASAC算法对所述投影平面二维坐标点进行圆的识别,得到投影平面对应的最佳拟合圆在二维坐标系的圆心坐标点和半径;
D4:将最佳拟合圆在二维坐标系的圆心坐标点和半径投影回三维坐标系,得到最佳拟合圆在三维坐标系的圆心的三维坐标点、半径和朝向;
模型封装步骤:对所述三角形网络模型进行二次封装得到设备模型,其中,所述设备模型包括三角形网络模型数据和区域集合数据,所述三角形网络模型数据包括三角形集合,所述区域集合包括所述分割区域。
值得说明的是,在所述网格分割步骤中,所述分割区域包括平面区域和圆柱面区域,所述阈值的角度区间为(0°,15°];
所述步骤B3还包括:当所述法线夹角等于0°时,将所述相邻三角形与所述种子三角形合并到同一个平面区域;
当所述法线夹角大于0°且小于或等于所述阈值时,将所述相邻三角形与所述种子三角形合并到同一个圆柱面区域。
可选地,所述步骤D2具体为:
D21:获取三维坐标系中所述第二平面的法线的坐标Normal=(x,y,z)和Y轴的坐标(x1,y1,z1),并通过法线的坐标Normal和Y轴的坐标计算法线与Y轴的夹角angle;
D22:将法线的坐标Normal与Y轴的夹角angle进行叉乘得到旋转轴的坐标RotateAxis=(x2,y2,z2);
D23:根据Y轴的夹角angle和旋转轴RotateAxis的坐标得到四元数Quaternion(Angle,RotateAxis);
D24:将第二平面绕所述旋转轴旋转Y轴的夹角angle的角度,使所述第二平面旋转到垂直于Y轴的方向,得到旋转后的第二平面的三维坐标点(x3,y3,z3),并记录旋转后的第二平面的三维坐标点(x3,y3,z3)中的y3的值;
D25:将旋转后的第二平面的三维坐标点(x3,y3,z3)投影到三维坐标系中XOZ平面,得到投影平面的投影坐标(x3,0,z3),提取投影坐标的每个点的x3和z3,形成二维坐标点(x3,z3),并将所有所述二维坐标点(x3,z3)组成投影平面的二维坐标点集合。
具体地,所述步骤D3具体为:
D31:从所述投影平面中随机选择三个点拟合成圆,并计算圆的圆心(a,b)与半径r;
D32:计算所述投影平面中剩余的点到圆的圆心(a,b)的距离d,并将|r-d|<threshold的点设为内点,把不符合的点记为外点,其中threshold为点到圆的圆周的距离阈值;
D33:重复M次步骤D31-D32,将内点最多的圆设为最佳拟合圆;
D34:得到最佳拟合圆的圆心坐标点和半径。
优选的,所述步骤D4具体为:将投影平面的最佳拟合圆的圆心对应的二维坐标点(x3,z3)投影回垂直于Y轴的平面,将步骤D24中旋转后的第二平面的三维坐标点(x3,y3,z3)中的y3的值加入最佳拟合圆的圆心对应的二维坐标点(x3,z3)中,得到最佳拟合圆的圆心对应的三维坐标点(x3,y3,z3);
其中,二维坐标系下的最佳拟合圆的半径等于在三维坐标系下的最佳拟合圆的半径,通过最佳拟合圆的圆心对应的三维坐标点(x3,y3,z3)得到最佳拟合圆在三维坐标系的朝向。
值得说明的是,一种三角网格模型的特征识别系统,包括:
网格模型前处理模块用于对三角网络模型的网格表面的三角形进行封装,使每个三角形均能与其相邻的三角形相匹配;
网格分割模块用于选取三角网格模型的一个三角形并设为种子三角形,其中,所述三角形位于尚未被添加到分割区域当中的三角形集合中选取;还用于利用所述种子三角形搜索与其相匹配的相邻三角形,并计算所述相邻三角形的面法线和所述种子三角形的面法线的法线夹角,还用于当所述法线夹角小于预设定的阈值时,将所述相邻三角形与所述种子三角形合并到同一个分割区域中,直到不存在能与所述种子三角形合并到同一个分割区域中的相邻三角形为止,得到一个完整的分割区域;还用于将所有的三角形都被合并到对应的分割区域,并将所有所述分割区域形成区域集合;其中,所述区域集合中的相邻两个分割区域之间由边界分隔,所述边界包括直线边界和曲线边界;
直线、曲线和特征点识别模块用于将同一个所述分割区域的顶点连接形成顶点连接直线,计算相邻两个分割区域对应的顶点连接直线之间的直线夹角;还用于当所述直线夹角位于区间(175°,180°)时,将对应的两条所述顶点连接直线合并成曲线段,还用于当同一条曲线段中所有的所述顶点连接直线以相同的直线夹角相连时,将所述曲线段设置为圆环;还用于当所述直线夹角等于180°时,将对应的两条所述顶点连接直线合并成直线段;还用于当所述直线夹角位于区间(0°,175°)时,将两条所述顶点连接直线的交点设置成特征点;
圆特征识别模块用于选取分割区域作为第一平面,去除第一平面内的点,保留第一平面轮廓上的点,形成第二平面;还用于将所述第二平面在三维坐标系中的三维坐标点投影到二维坐标系,得到投影平面;还用于利用RASAC算法对所述投影平面二维坐标点进行圆的识别,得到投影平面对应的最佳拟合圆在二维坐标系的圆心坐标点和半径;还用于将最佳拟合圆在二维坐标系的圆心坐标点和半径投影回三维坐标系,得到最佳拟合圆在三维坐标系的圆心的三维坐标点、半径和朝向;
模型封装模块用于对所述三角形网络模型进行二次封装得到设备模型,其中,所述设备模型包括三角形网络模型数据和区域集合数据,所述三角形网络模型数据包括三角形集合,所述区域集合包括所述分割区域。
可选地,在所述网格分割模块中,所述分割区域包括平面区域和圆柱面区域,所述阈值的角度区间为(0°,15°];
所述网格分割模块还用于当所述法线夹角等于0°时,将所述相邻三角形与所述种子三角形合并到同一个平面区域;还用于当所述法线夹角大于0°且小于或等于所述阈值时,将所述相邻三角形与所述种子三角形合并到同一个圆柱面区域。
具体地,所述圆特征识别模块具体用于获取三维坐标系中所述第二平面的法线的坐标Normal=(x,y,z)和Y轴的坐标(x1,y1,z1),并通过法线的坐标Normal和Y轴的坐标计算法线与Y轴的夹角angle;还用于将法线的坐标Normal与Y轴的夹角angle进行叉乘得到旋转轴的坐标RotateAxis=(x2,y2,z2);还用于根据Y轴的夹角angle和旋转轴RotateAxis的坐标得到四元数Quaternion(Angle,RotateAxis);还用于将平面绕所述旋转轴旋转Y轴的夹角angle的角度,使所述第二平面旋转到垂直于Y轴的方向,得到旋转后的平面的三维坐标点(x3,y3,z3),并记录旋转后的第二平面的三维坐标点(x3,y3,z3)中的y3的值;还用于将旋转后的第二平面的三维坐标点(x3,y3,z3)投影到三维坐标系中XOZ平面,得到投影平面的投影坐标(x3,0,z3),还用于提取投影坐标的每个点的x3和z3,形成二维坐标点(x3,z3),并将所有所述二维坐标点(x3,z3)组成投影平面的二维坐标点集合。
优选的,所述圆特征识别模块具体用于从所述投影平面中随机选择三个点拟合成圆,并计算圆的圆心(a,b)与半径r;还用于计算所述投影平面中剩余的点到圆的圆心(a,b)的距离d,并将|r-d|<threshold的点设为内点,把不符合的点记为外点,其中threshold为点到圆的圆周的距离阈值;还用于将内点最多的圆设为最佳拟合圆;还用于得到最佳拟合圆的圆心坐标点和半径。
值得说明的是,所述圆特征识别模块具体用于将投影平面的最佳拟合圆的圆心对应的二维坐标点(x3,z3)投影回垂直于Y轴的平面,将旋转后的第二平面的三维坐标点(x3,y3,z3)中的y3的值加入最佳拟合圆的圆心对应的二维坐标点(x3,z3)中,得到最佳拟合圆的圆心对应的三维坐标点(x3,y3,z3);
其中,二维坐标系下的最佳拟合圆的半径等于在三维坐标系下的最佳拟合圆的半径,通过最佳拟合圆的圆心对应的三维坐标点(x3,y3,z3)得到最佳拟合圆在三维坐标系的朝向
上述技术方案中的一个技术方案具有如下有益效果:
1、基于网格分割,能够有效地获取到三维图形引擎渲染下的三角网格模型的几何特征,用户通过这些几何特征就能快速地形成模型间的约束关系,提高虚拟仿真场景搭建的速度。
2、所述三角网格模型的特征识别方法及使用其的特征识别系统供仿真软件开发者对三维图形引擎进行二次开发时使用,能够通过识别出三维模型表面的点、线(直线、曲线)、面(平面、圆柱面)特征,以每个三维模型表面的这种基础装配的特征来完成彼此的约束定位,以此来减少用户在使用仿真软件时繁琐的计算,以减少人机交互频率,从而达到缩短仿真场景搭建和产品设计时间的目的。
附图说明
图1是本发明的一个实施例的流程图;
图2是本发明的一个实施例的网格分割步骤的流程图;
图3是本发明的一个实施例的步骤D3的流程图;
具体实施方式
在本发明的实施方式的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的实施方式的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的实施方式的不同结构。为了简化本发明的实施方式的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本发明。此外,本发明的实施方式可以在不同例子中重复参考数字和/或参考字母,这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施方式和/或设置之间的关系。此外,本发明的实施方式提供了的各种特定的工艺和材料的例子,但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
如图1-3所示,一种三角网格模型的特征识别方法,包括以下步骤:
网格模型前处理步骤:对三角网络模型的网格表面的三角形进行封装,使每个三角形均能与其相邻的三角形相匹配;在对三角网络模型进行特征识别之前,需要对导入后的三角网络模型做一定的处理。在三角网格模型中,其网格表面是由多个三角形衔接而成,其中每一个三角形都与其相邻的三角形共享三条边,每一条边都由两个三角形共享,基于这个基础结构,对网格表面的三角形进行封装,使每个三角形均能与其相邻的三角形相匹配,让每个三角形都能够找到与之相邻的三角形。一般的三角网格模型文件如“.obj”和“.stl”等都只提供三角形的每个顶点的坐标以及索引,但没有衔接三角形的信息,所以这样做的目的是为了让每一个本来独立的三角形都能够与其相邻的三角形形成关联,方便接下来的步骤找到三角形之间的关联属性。
网格分割步骤:
B1:选取三角网格模型的一个三角形并设为种子三角形,其中,所述三角形位于尚未被添加到分割区域当中的三角形集合中选取;
B2:利用所述种子三角形搜索与其相匹配的相邻三角形,并计算所述相邻三角形的面法线和所述种子三角形的面法线的法线夹角,当所述法线夹角小于预设定的阈值时,将所述相邻三角形与所述种子三角形合并到同一个分割区域中;
B3:重复执行步骤B2,直到不存在能与所述种子三角形合并到同一个分割区域中的相邻三角形为止,得到一个完整的分割区域;基于法线夹角的区域生长分割算法将三角网络模型分割成区域集合。具体地,当完成一次合并后,判断该分割区域是否能够继续增长,例如当前的种子三角形是否还能与相邻三角形合并,当还能继续增长时,则以当前的种子三角形继续增长,当无法继续增长时,则跳出当前循环,得到一个完整的分割区域,并执行步骤B4。
B4:重复执行步骤B1-B3,直到所有的三角形都被合并到对应的分割区域,将所有所述分割区域形成区域集合;其中,所述区域集合中的相邻两个分割区域之间由边界分隔,所述边界包括直线边界和曲线边界;
直线、曲线和特征点识别步骤:将同一个所述分割区域的顶点连接形成顶点连接直线,计算相邻两个分割区域对应的顶点连接直线之间的直线夹角;当所述直线夹角位于区间(175°,180°)时,将对应的两条所述顶点连接直线合并成曲线段,其中,当同一条曲线段中所有的所述顶点连接直线以相同的直线夹角相连时,将所述曲线段设置为圆环;当所述直线夹角等于180°时,将对应的两条所述顶点连接直线合并成直线段;当所述直线夹角位于区间(0°,175°)时,将两条所述顶点连接直线的交点设置成特征点;具体地,在对三角网格模型执行网格分割步骤后,两个相邻的所述分割区域之间由严格的边界分隔开,而这个边界包括直线边界和曲线边界,所以需要针对所述边界完成直线和曲线的识别,分辨出直线边界和曲线边界。将获取到的所述分割区域的顶点连接起来形成顶点连接直线,根据所述顶点连接直线之间的直线夹角的角度来区分直线边界和曲线边界:在三角网格模型中,曲线并非完全是由数学意义上的曲线展现出来的,而是由多条直线按一定的角度拼接而成的,是曲线的一种近似表达,所以为了让相接的两条直线可近似为曲线,设置直线夹角阈值为175°<threshold<180°,当两条所述顶点连接直线之间的直线夹角处于区间(175°,180°)的范围内时,两条所述顶点连接直线可合并为一条曲线段。另外,在基于获取到的直线段和曲线段的基础上,当两条所述顶点连接直线没有合并为一条曲线段或直线段时,能判定两条所述顶点连接直线有一个交点,即当相连接的两条直线夹角阈值处于0°<threshold<175°时,这两条所述顶点连接直线的交点即为特征点。
圆特征识别步骤:
D1:选取分割区域作为第一平面,去除第一平面内的点,保留第一平面轮廓上的点,形成第二平面;具体地,为了减少异常点对算法的影响,需要将平面内的点去除,只保留平面轮廓上的点;
D2:将所述第二平面在三维坐标系中的三维坐标点投影到二维坐标系,得到投影平面;
D3:利用RASAC算法对所述投影平面二维坐标点进行圆的识别,得到投影平面对应的最佳拟合圆在二维坐标系的圆心坐标点和半径;具体地,通过投影平面对应的最佳拟合圆在二维坐标系的圆心坐标点和半径就能得知所述最佳拟合圆的二维坐标点;
D4:将最佳拟合圆在二维坐标系的圆心坐标点和半径投影回三维坐标系,得到最佳拟合圆在三维坐标系的圆心的三维坐标点、半径和朝向;获取到分割区域中的平面区域中的圆特征,并获取到圆的圆心和半径,其中,含有圆形特征的分割区域有:平面区域,以及圆柱面区域中的凸台部分。由于RANSAC算法是基于二维坐标点的算法,而模型表面的点为三维坐标点,所以需要将三维坐标点投影到二维坐标系上;将投影得到的二维坐标点用RASAC算法进行圆的识别,得到二维坐标系的圆心坐标点和半径;最后需要将二维坐标系的顶点坐标投影回三维坐标系中,得到实际的平面上的圆的三维圆心和半径以及这个圆在三维坐标系中的朝向,其中,三维坐标点表示矢量,其垂直于圆形特征,因此从三维坐标点中就能得到圆在三维空间中的朝向。
模型封装步骤:对所述三角形网络模型进行二次封装得到设备模型,其中,所述设备模型包括三角形网络模型数据和区域集合数据,所述三角形网络模型数据包括三角形集合,所述区域集合包括所述分割区域。具体地,最后对没有任何几何特征的三角网格模型进行二次封装,得到具有几何特征的三维模型结构。三维模型结构封装有三角网格模型和区域集合,其中三角网格模型为初始数据结构,包含三角形集合,三角形集合中每个三角形都由顶点坐标、顶点索引和顶点法线组成。而在区域集合中包含通过网格分割步骤得到的每一个分割区域(平面或柱面区域),每个分割区域都包含组成该分割区域的三角形,这部分的三角形的数据与三角网格模型中对应的三角形共享。分割区域中的三角形包括特征点,以三维坐标点的形式存储。其中对于圆柱面区域,还包括轴心点坐标和母线方向,还包括通过圆特征识别步骤后得到的圆心坐标、半径以及这个圆在三维空间中的朝向;对于直线和曲线,还包括多个特征点,以及直线和曲线的长度。
在所述三角网格模型的特征识别方法中,基于网格分割,能够有效地获取到三维图形引擎渲染下的三角网格模型的几何特征,用户通过这些几何特征就能快速地形成模型间的约束关系,提高虚拟仿真场景搭建的速度。所述三角网格模型的特征识别方法供仿真软件开发者对三维图形引擎进行二次开发时使用,能够通过识别出三维模型表面的点、线(直线、曲线)、面(平面、圆柱面)特征,以每个三维模型表面的这种基础装配的特征来完成彼此的约束定位,以此来减少用户在使用仿真软件时繁琐的计算,以减少人机交互频率,从而达到缩短仿真场景搭建和产品设计时间的目的。
值得说明的是,本发明立足于如下前提:
1、开发者在开发三维可视化仿真软件时使用的模型渲染引擎为三维图形引擎。2、该三维图形引擎能够导入常用的三维网格模型文件,例如“.obj”、“.stl”和“.gltf”等,并且可以将模型可视化。3、本发明的实施例针对三角网格模型,若网格模型为多边形,则需要对其进行网格三角化。4、在导入模型后可以获取到三角网格模型的基本信息:网格顶点索引、网格顶点坐标、网格顶点法线等基本数据结构。
一些实施例中,在所述网格分割步骤中,所述分割区域包括平面区域和圆柱面区域,所述阈值的角度区间为(0°,15°];所述步骤B3还包括:当所述法线夹角等于0°时,将所述相邻三角形与所述种子三角形合并到同一个平面区域;当所述法线夹角大于0°且小于或等于所述阈值时,将所述相邻三角形与所述种子三角形合并到同一个圆柱面区域。
在三角网格模型中,圆柱面并非由完全数学意义上的曲面形式展现出来,而是由多个三角形按一定的角度拼接而成,是一种多面体对圆柱的近似表达,圆柱面一般由至少24个三角形按同一角度拼接而成,因此所述阈值的角度的最大值应为360°/24=15°。当所述种子三角形与相邻三角形的法线夹角为0°时,所述种子三角形与相邻三角形的两个面之间不存在夹角,合并到同一个平面区域中。当所述种子三角形与相邻三角形的法线夹角大于0°且小于或等于所述阈值时,所述种子三角形与相邻三角形的两个面符合圆柱面的情况,合并到同一个圆柱面区域中。当种子三角形和相邻三角面超出所述阈值范围时,便不能合并到平面区域或圆柱面区域中。
值得说明的是,所述步骤D2具体为:D21:获取三维坐标系中所述第二平面的法线的坐标Normal=(x,y,z)和Y轴的坐标(x1,y1,z1),并通过法线的坐标Normal和Y轴的坐标计算法线与Y轴的夹角angle;
D22:将法线的坐标Normal与Y轴的夹角angle进行叉乘得到旋转轴的坐标RotateAxis=(x2,y2,z2);具体地,旋转轴RotateAxis(x2,y2,z2)=Normal(x,y,z).cross(x1,y1,z1),其中cross为叉乘。
D23:根据Y轴的夹角angle和旋转轴RotateAxis的坐标得到四元数Quaternion(Angle,RotateAxis);具体地,四元数为一种表示旋转角度和旋转方向的四乘四矩阵。
D24:将第二平面绕所述旋转轴旋转Y轴的夹角angle的角度,使所述第二平面旋转到垂直于Y轴的方向,得到旋转后的第二平面的三维坐标点(x3,y3,z3),并记录旋转后的第二平面的三维坐标点(x3,y3,z3)中的y3的值;具体地,Vector3f=Quaternion(Angle,RotateAxis)*Vector3f,该操作实际上是将平面绕着旋转轴RotateAxis旋转角度Angle,最终旋转到垂直于Y轴的方向,得到的是垂直Y轴平面上的三维坐标点,此刻第二平面上的点坐标的y3值都相等,记下此刻平面的y3值。
D25:将旋转后的第二平面的三维坐标点(x3,y3,z3)投影到三维坐标系中XOZ平面,得到投影平面的投影坐标(x3,0,z3),提取投影坐标的每个点的x3和z3,形成二维坐标点(x3,z3),并将所有所述二维坐标点(x3,z3)组成投影平面的二维坐标点集合。具体地,将三维点投影到XOZ平面上,得到的点坐标以(x,0,z)表示,取每个点的x,z值,即(x,z)可用于表示二维坐标点,最终就获取到了投影平面的二维坐标点集合。
可选地,所述步骤D3具体为:
D31:从所述投影平面中随机选择三个点拟合成圆,并计算圆的圆心(a,b)与半径r;
D32:计算所述投影平面中剩余的点到圆的圆心(a,b)的距离d,并将|r-d|<threshold的点设为内点,把不符合的点记为外点,其中threshold为点到圆的圆周的距离阈值;
D33:重复M次步骤D31-D32,将内点最多的圆设为最佳拟合圆;具体地,重复次数为预设定的数值,M越大所反映的圆越准确。
D34:得到最佳拟合圆的圆心坐标点和半径。
RANSAC为RandomSampleConsensus的缩写,是根据一组包含异常数据的样本数据集,计算出数据的数学模型参数,得到有效样本数据的算法。
优选的,所述步骤D4具体为:将投影平面的最佳拟合圆的圆心对应的二维坐标点(x3,z3)投影回垂直于Y轴的平面,将步骤D24中旋转后的第二平面的三维坐标点(x3,y3,z3)中的y3的值加入最佳拟合圆的圆心对应的二维坐标点(x3,z3)中,得到最佳拟合圆的圆心对应的三维坐标点(x3,y3,z3);其中,二维坐标系下的最佳拟合圆的半径等于在三维坐标系下的最佳拟合圆的半径,通过最佳拟合圆的圆心对应的三维坐标点(x3,y3,z3)得到最佳拟合圆在三维坐标系的朝向。
具体地,已知二维坐标系的圆心坐标(x3,z3),投影回垂直于Y轴的平面,此时三维坐标系中的三维坐标点(x3,y3,z3)的y3轴为步骤D24中三维坐标点投影到二维坐标系过程中记录的y3值,最终得到此刻圆心坐标(x3,y3,z3)。三维圆心坐标Center(x,y,z)=Quaternion(Angl,RotateAxis).Inverse()*垂直于Y轴的平面的圆心坐标。值得说明的是,由于三维坐标点(x3,y3,z3)表示矢量,因此该三维坐标点(x3,y3,z3)就能表示圆在三维空间中的朝向。
整体流程如下:
首先对三角网格模型实施网格分割算法,网格分割是将一个网格表面划分成一个一个独立且不可继续划分的区域,这些区域之间都有严格的边界分隔开。而最终经过特征识别出在经过网格分割后得到的区域中常用于定位的一些几何特征,如点特征、线特征(直线、曲线、轴线)、面特征(平面、柱面)。最后,在基于获取到的区域集合和几何特征的基础对三角网格模型进行二次封装,得到一个具有有效几何特征的模型结构。
值得说明的是,一种三角网格模型的特征识别系统,包括:
网格模型前处理模块用于对三角网络模型的网格表面的三角形进行封装,使每个三角形均能与其相邻的三角形相匹配;
网格分割模块用于选取三角网格模型的一个三角形并设为种子三角形,其中,所述三角形位于尚未被添加到分割区域当中的三角形集合中选取;还用于利用所述种子三角形搜索与其相匹配的相邻三角形,并计算所述相邻三角形的面法线和所述种子三角形的面法线的法线夹角,还用于当所述法线夹角小于预设定的阈值时,将所述相邻三角形与所述种子三角形合并到同一个分割区域中,直到不存在能与所述种子三角形合并到同一个分割区域中的相邻三角形为止,得到一个完整的分割区域;还用于将所有的三角形都被合并到对应的分割区域,并将所有所述分割区域形成区域集合;其中,所述区域集合中的相邻两个分割区域之间由边界分隔,所述边界包括直线边界和曲线边界;
直线、曲线和特征点识别模块用于将同一个所述分割区域的顶点连接形成顶点连接直线,计算相邻两个分割区域对应的顶点连接直线之间的直线夹角;还用于当所述直线夹角位于区间(175°,180°)时,将对应的两条所述顶点连接直线合并成曲线段,还用于当同一条曲线段中所有的所述顶点连接直线以相同的直线夹角相连时,将所述曲线段设置为圆环;还用于当所述直线夹角等于180°时,将对应的两条所述顶点连接直线合并成直线段;还用于当所述直线夹角位于区间(0°,175°)时,将两条所述顶点连接直线的交点设置成特征点;
圆特征识别模块用于选取分割区域作为第一平面,去除第一平面内的点,保留第一平面轮廓上的点,形成第二平面;还用于将所述第二平面在三维坐标系中的三维坐标点投影到二维坐标系,得到投影平面;还用于利用RASAC算法对所述投影平面二维坐标点进行圆的识别,得到投影平面对应的最佳拟合圆在二维坐标系的圆心坐标点和半径;还用于将最佳拟合圆在二维坐标系的圆心坐标点和半径投影回三维坐标系,得到最佳拟合圆在三维坐标系的圆心的三维坐标点、半径和朝向;
模型封装模块用于对所述三角形网络模型进行二次封装得到设备模型,其中,所述设备模型包括三角形网络模型数据和区域集合数据,所述三角形网络模型数据包括三角形集合,所述区域集合包括所述分割区域。
一些实施例中,在所述网格分割模块中,所述分割区域包括平面区域和圆柱面区域,所述阈值的角度区间为(0°,15°];所述网格分割模块还用于当所述法线夹角等于0°时,将所述相邻三角形与所述种子三角形合并到同一个平面区域;还用于当所述法线夹角大于0°且小于或等于所述阈值时,将所述相邻三角形与所述种子三角形合并到同一个圆柱面区域。
可选地,所述圆特征识别模块具体用于获取三维坐标系中所述第二平面的法线的坐标Normal=(x,y,z)和Y轴的坐标(x1,y1,z1),并通过法线的坐标Normal和Y轴的坐标计算法线与Y轴的夹角angle;还用于将法线的坐标Normal与Y轴的夹角angle进行叉乘得到旋转轴的坐标RotateAxis=(x2,y2,z2);还用于根据Y轴的夹角angle和旋转轴RotateAxis的坐标得到四元数Quaternion(Angle,RotateAxis);还用于将平面绕所述旋转轴旋转Y轴的夹角angle的角度,使所述第二平面旋转到垂直于Y轴的方向,得到旋转后的平面的三维坐标点(x3,y3,z3),并记录旋转后的第二平面的三维坐标点(x3,y3,z3)中的y3的值;还用于将旋转后的第二平面的三维坐标点(x3,y3,z3)投影到三维坐标系中XOZ平面,得到投影平面的投影坐标(x3,0,z3),还用于提取投影坐标的每个点的x3和z3,形成二维坐标点(x3,z3),并将所有所述二维坐标点(x3,z3)组成投影平面的二维坐标点集合。
具体地,所述圆特征识别模块具体用于从所述投影平面中随机选择三个点拟合成圆,并计算圆的圆心(a,b)与半径r;还用于计算所述投影平面中剩余的点到圆的圆心(a,b)的距离d,并将|r-d|<threshold的点设为内点,把不符合的点记为外点,其中threshold为点到圆的圆周的距离阈值;还用于将内点最多的圆设为最佳拟合圆;还用于得到最佳拟合圆的圆心坐标点和半径。
优选的,所述圆特征识别模块具体用于将投影平面的最佳拟合圆的圆心对应的二维坐标点(x3,z3)投影回垂直于Y轴的平面,将旋转后的第二平面的三维坐标点(x3,y3,z3)中的y3的值加入最佳拟合圆的圆心对应的二维坐标点(x3,z3)中,得到最佳拟合圆的圆心对应的三维坐标点(x3,y3,z3);其中,二维坐标系下的最佳拟合圆的半径等于在三维坐标系下的最佳拟合圆的半径,通过最佳拟合圆的圆心对应的三维坐标点(x3,y3,z3)得到最佳拟合圆在三维坐标系的朝向。
在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本发明的实施方式,可以理解的是,上述实施方式是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施实施进行变化、修改、替换和变型。
Claims (10)
1.一种三角网格模型的特征识别方法,其特征在于,包括以下步骤:
网格模型前处理步骤:对三角网络模型的网格表面的三角形进行封装,使每个三角形均能与其相邻的三角形相匹配;
网格分割步骤:
B1:选取三角网格模型的一个三角形并设为种子三角形,其中,所述三角形位于尚未被添加到分割区域当中的三角形集合中选取;
B2:利用所述种子三角形搜索与其相匹配的相邻三角形,并计算所述相邻三角形的面法线和所述种子三角形的面法线的法线夹角,当所述法线夹角小于预设定的阈值时,将所述相邻三角形与所述种子三角形合并到同一个分割区域中;
B3:重复执行步骤B2,直到不存在能与所述种子三角形合并到同一个分割区域中的相邻三角形为止,得到一个完整的分割区域;
B4:重复执行步骤B1-B3,直到所有的三角形都被合并到对应的分割区域,将所有所述分割区域形成区域集合;其中,所述区域集合中的相邻两个分割区域之间由边界分隔,所述边界包括直线边界和曲线边界;
直线、曲线和特征点识别步骤:将同一个所述分割区域的顶点连接形成顶点连接直线,计算相邻两个分割区域对应的顶点连接直线之间的直线夹角;
当所述直线夹角位于区间(175°,180°)时,将对应的两条所述顶点连接直线合并成曲线段,其中,当同一条曲线段中所有的所述顶点连接直线以相同的直线夹角相连时,将所述曲线段设置为圆环;当所述直线夹角等于180°时,将对应的两条所述顶点连接直线合并成直线段;当所述直线夹角位于区间(0°,175°)时,将两条所述顶点连接直线的交点设置成特征点;
圆特征识别步骤:
D1:选取分割区域作为第一平面,去除第一平面内的点,保留第一平面轮廓上的点,形成第二平面;
D2:将所述第二平面在三维坐标系中的三维坐标点投影到二维坐标系,得到投影平面;
D3:利用RASAC算法对所述投影平面二维坐标点进行圆的识别,得到投影平面对应的最佳拟合圆在二维坐标系的圆心坐标点和半径;
D4:将最佳拟合圆在二维坐标系的圆心坐标点和半径投影回三维坐标系,得到最佳拟合圆在三维坐标系的圆心的三维坐标点、半径和朝向;
模型封装步骤:对所述三角形网络模型进行二次封装得到设备模型,其中,所述设备模型包括三角形网络模型数据和区域集合数据,所述三角形网络模型数据包括三角形集合,所述区域集合包括所述分割区域。
2.根据权利要求1所述的一种三角网格模型的特征识别方法,其特征在于:在所述网格分割步骤中,所述分割区域包括平面区域和圆柱面区域,所述阈值的角度区间为(0°,15°];
所述步骤B3还包括:当所述法线夹角等于0°时,将所述相邻三角形与所述种子三角形合并到同一个平面区域;
当所述法线夹角大于0°且小于或等于所述阈值时,将所述相邻三角形与所述种子三角形合并到同一个圆柱面区域。
3.根据权利要求2所述的一种三角网格模型的特征识别方法,其特征在于:所述步骤D2具体为:
D21:获取三维坐标系中所述第二平面的法线的坐标Normal=(x,y,z)和Y轴的坐标(x1,y1,z1),并通过法线的坐标Normal和Y轴的坐标计算法线与Y轴的夹角angle;
D22:将法线的坐标Normal与Y轴的夹角angle进行叉乘得到旋转轴的坐标RotateAxis=(x2,y2,z2);
D23:根据Y轴的夹角angle和旋转轴RotateAxis的坐标得到四元数Quaternion(Angle,RotateAxis);
D24:将第二平面绕所述旋转轴旋转Y轴的夹角angle的角度,使所述第二平面旋转到垂直于Y轴的方向,得到旋转后的第二平面的三维坐标点(x3,y3,z3),并记录旋转后的第二平面的三维坐标点(x3,y3,z3)中的y3的值;
D25:将旋转后的第二平面的三维坐标点(x3,y3,z3)投影到三维坐标系中XOZ平面,得到投影平面的投影坐标(x3,0,z3),提取投影坐标的每个点的x3和z3,形成二维坐标点(x3,z3),并将所有所述二维坐标点(x3,z3)组成投影平面的二维坐标点集合。
4.根据权利要求3所述的一种三角网格模型的特征识别方法,其特征在于:所述步骤D3具体为:
D31:从所述投影平面中随机选择三个点拟合成圆,并计算圆的圆心(a,b)与半径r;
D32:计算所述投影平面中剩余的点到圆的圆心(a,b)的距离d,并将|r-d|<threshold的点设为内点,把不符合的点记为外点,其中threshold为点到圆的圆周的距离阈值;
D33:重复M次步骤D31-D32,将内点最多的圆设为最佳拟合圆;
D34:得到最佳拟合圆的圆心坐标点和半径。
5.根据权利要求4所述的一种三角网格模型的特征识别方法,其特征在于:所述步骤D4具体为:将投影平面的最佳拟合圆的圆心对应的二维坐标点(x3,z3)投影回垂直于Y轴的平面,将步骤D24中旋转后的第二平面的三维坐标点(x3,y3,z3)中的y3的值加入最佳拟合圆的圆心对应的二维坐标点(x3,z3)中,得到最佳拟合圆的圆心对应的三维坐标点(x3,y3,z3);
其中,二维坐标系下的最佳拟合圆的半径等于在三维坐标系下的最佳拟合圆的半径,通过最佳拟合圆的圆心对应的三维坐标点(x3,y3,z3)得到最佳拟合圆在三维坐标系的朝向。
6.一种三角网格模型的特征识别系统,其特征在于,包括:
网格模型前处理模块用于对三角网络模型的网格表面的三角形进行封装,使每个三角形均能与其相邻的三角形相匹配;
网格分割模块用于选取三角网格模型的一个三角形并设为种子三角形,其中,所述三角形位于尚未被添加到分割区域当中的三角形集合中选取;还用于利用所述种子三角形搜索与其相匹配的相邻三角形,并计算所述相邻三角形的面法线和所述种子三角形的面法线的法线夹角,还用于当所述法线夹角小于预设定的阈值时,将所述相邻三角形与所述种子三角形合并到同一个分割区域中,直到不存在能与所述种子三角形合并到同一个分割区域中的相邻三角形为止,得到一个完整的分割区域;还用于将所有的三角形都被合并到对应的分割区域,并将所有所述分割区域形成区域集合;其中,所述区域集合中的相邻两个分割区域之间由边界分隔,所述边界包括直线边界和曲线边界;
直线、曲线和特征点识别模块用于将同一个所述分割区域的顶点连接形成顶点连接直线,计算相邻两个分割区域对应的顶点连接直线之间的直线夹角;还用于当所述直线夹角位于区间(175°,180°)时,将对应的两条所述顶点连接直线合并成曲线段,还用于当同一条曲线段中所有的所述顶点连接直线以相同的直线夹角相连时,将所述曲线段设置为圆环;还用于当所述直线夹角等于180°时,将对应的两条所述顶点连接直线合并成直线段;还用于当所述直线夹角位于区间(0°,175°)时,将两条所述顶点连接直线的交点设置成特征点;
圆特征识别模块用于选取分割区域作为第一平面,去除第一平面内的点,保留第一平面轮廓上的点,形成第二平面;还用于将所述第二平面在三维坐标系中的三维坐标点投影到二维坐标系,得到投影平面;还用于利用RASAC算法对所述投影平面二维坐标点进行圆的识别,得到投影平面对应的最佳拟合圆在二维坐标系的圆心坐标点和半径;还用于将最佳拟合圆在二维坐标系的圆心坐标点和半径投影回三维坐标系,得到最佳拟合圆在三维坐标系的圆心的三维坐标点、半径和朝向;
模型封装模块用于对所述三角形网络模型进行二次封装得到设备模型,其中,所述设备模型包括三角形网络模型数据和区域集合数据,所述三角形网络模型数据包括三角形集合,所述区域集合包括所述分割区域。
7.根据权利要求6所述的一种三角网格模型的特征识别系统,其特征在于:在所述网格分割模块中,所述分割区域包括平面区域和圆柱面区域,所述阈值的角度区间为(0°,15°];
所述网格分割模块还用于当所述法线夹角等于0°时,将所述相邻三角形与所述种子三角形合并到同一个平面区域;还用于当所述法线夹角大于0°且小于或等于所述阈值时,将所述相邻三角形与所述种子三角形合并到同一个圆柱面区域。
8.根据权利要求7所述的一种三角网格模型的特征识别系统,其特征在于:所述圆特征识别模块具体用于获取三维坐标系中所述第二平面的法线的坐标Normal=(x,y,z)和Y轴的坐标(x1,y1,z1),并通过法线的坐标Normal和Y轴的坐标计算法线与Y轴的夹角angle;还用于将法线的坐标Normal与Y轴的夹角angle进行叉乘得到旋转轴的坐标RotateAxis=(x2,y2,z2);还用于根据Y轴的夹角angle和旋转轴RotateAxis的坐标得到四元数Quaternion(Angle,RotateAxis);还用于将平面绕所述旋转轴旋转Y轴的夹角angle的角度,使所述第二平面旋转到垂直于Y轴的方向,得到旋转后的平面的三维坐标点(x3,y3,z3),并记录旋转后的第二平面的三维坐标点(x3,y3,z3)中的y3的值;还用于将旋转后的第二平面的三维坐标点(x3,y3,z3)投影到三维坐标系中XOZ平面,得到投影平面的投影坐标(x3,0,z3),还用于提取投影坐标的每个点的x3和z3,形成二维坐标点(x3,z3),并将所有所述二维坐标点(x3,z3)组成投影平面的二维坐标点集合。
9.根据权利要求8所述的一种三角网格模型的特征识别系统,其特征在于:所述圆特征识别模块具体用于从所述投影平面中随机选择三个点拟合成圆,并计算圆的圆心(a,b)与半径r;还用于计算所述投影平面中剩余的点到圆的圆心(a,b)的距离d,并将|r-d|<threshold的点设为内点,把不符合的点记为外点,其中threshold为点到圆的圆周的距离阈值;还用于将内点最多的圆设为最佳拟合圆;还用于得到最佳拟合圆的圆心坐标点和半径。
10.根据权利要求9所述的一种三角网格模型的特征识别系统,其特征在于:所述圆特征识别模块具体用于将投影平面的最佳拟合圆的圆心对应的二维坐标点(x3,z3)投影回垂直于Y轴的平面,将旋转后的第二平面的三维坐标点(x3,y3,z3)中的y3的值加入最佳拟合圆的圆心对应的二维坐标点(x3,z3)中,得到最佳拟合圆的圆心对应的三维坐标点(x3,y3,z3);
其中,二维坐标系下的最佳拟合圆的半径等于在三维坐标系下的最佳拟合圆的半径,通过最佳拟合圆的圆心对应的三维坐标点(x3,y3,z3)得到最佳拟合圆在三维坐标系的朝向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111183857.8A CN113920276B (zh) | 2021-10-11 | 2021-10-11 | 一种三角网格模型的特征识别方法及其特征识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111183857.8A CN113920276B (zh) | 2021-10-11 | 2021-10-11 | 一种三角网格模型的特征识别方法及其特征识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113920276A CN113920276A (zh) | 2022-01-11 |
CN113920276B true CN113920276B (zh) | 2022-04-01 |
Family
ID=79239177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111183857.8A Active CN113920276B (zh) | 2021-10-11 | 2021-10-11 | 一种三角网格模型的特征识别方法及其特征识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113920276B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737407A (zh) * | 2012-05-24 | 2012-10-17 | 深圳市旭东数字医学影像技术有限公司 | 三角网格数据的拟合优化的方法及其系统 |
-
2021
- 2021-10-11 CN CN202111183857.8A patent/CN113920276B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737407A (zh) * | 2012-05-24 | 2012-10-17 | 深圳市旭东数字医学影像技术有限公司 | 三角网格数据的拟合优化的方法及其系统 |
Non-Patent Citations (7)
Title |
---|
A comparison of Gaussian and mean curvatures estimation methods on triangular meshes;T. Surazhsky等;《IEEE》;20031010;第1021-1026页 * |
Morse理论支持下的建筑物点云特征提取;李红梅等;《测绘通报》;20200525(第05期);第34-38+45页 * |
Tracking facial features with occlusions;MARKIN Evgeny等;《浙江大学学报A(应用物理及工程版)(英文版)》;20060728;第第7卷卷(第07期);第186-192页 * |
反向工程中三角网格的加工特征识别;邱彦杰等;《计算机辅助设计与图形学学报 》;20100415;第22卷(第4期);第711-716页 * |
基于STL三角网格的汽车覆盖件特征识别方法;吕祝星等;《塑性工程学报》;20170828;第第24卷卷(第04期);第130-138页 * |
基于形状分布的逆向工程体素识别方法;罗刚等;《航空制造技术》;20091101(第21期);第66-69+73页 * |
工业仿真系统动态导入OBJ模型的研究与实现;刘强等;《计算机应用》;20200710;第40卷;第161-164页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113920276A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lazebnik et al. | Projective visual hulls | |
US8130221B2 (en) | Method and system for repairing triangulated surface meshes | |
US5774124A (en) | Finite element modeling method and computer system for converting a triangular mesh surface to a quadrilateral mesh surface | |
CN111696210A (zh) | 一种基于三维点云数据特征轻量化的点云重构方法及系统 | |
CN106826833A (zh) | 基于3d立体感知技术的自主导航机器人系统 | |
US20060010141A1 (en) | Method, computer program product and data structure for representing two- or three-dimensional object modeling | |
Xu et al. | Robust segmentation and localization of structural planes from photogrammetric point clouds in construction sites | |
JP2008522269A (ja) | メッシュ・サーフェス並びにボリューム・オブジェクト上におけるサーフェス線の生成並びに計測のためのシステム並びに方法およびメッシュ切断技術(曲線測定方法) | |
CN115661374B (zh) | 一种基于空间划分和模型体素化的快速检索方法 | |
CN110084894B (zh) | 三维模型的局部放大展示方法、装置与电子设备 | |
US20120265494A1 (en) | Method of Online Building-Model Reconstruction Using Photogrammetric Mapping System | |
JP2009116856A (ja) | 画像処理装置、画像処理方法 | |
Oliveira et al. | Scene representations for autonomous driving: an approach based on polygonal primitives | |
CN109102535B (zh) | 一种基于构件提取的室内场景重建方法 | |
WO2012073363A1 (ja) | 表示処理方法及び装置 | |
CN113920276B (zh) | 一种三角网格模型的特征识别方法及其特征识别系统 | |
Nieser et al. | Patch layout from feature graphs | |
US7388584B2 (en) | Method and program for determining insides and outsides of boundaries | |
Cárdenas-Donoso et al. | Modeling of the 3D tree skeleton using real-world data: A survey | |
CN113111741B (zh) | 一种基于三维特征点的装配状态识别方法 | |
JP2020035216A (ja) | 画像処理装置、方法及びプログラム | |
CN113902887A (zh) | 三维可视边生成方法、系统、计算机及可读存储介质 | |
CN113674294A (zh) | 一种3d模型切片处理方法及装置 | |
Madera et al. | A hybrid bounding volume algorithm to detect collisions between deformable objects | |
CN112308975A (zh) | 用于三维轻量化引擎的rvm二进制模型解析方法及系统 |
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 |