CN114758058A - 3d模型评分方法、装置、设备及存储介质 - Google Patents
3d模型评分方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114758058A CN114758058A CN202210197536.1A CN202210197536A CN114758058A CN 114758058 A CN114758058 A CN 114758058A CN 202210197536 A CN202210197536 A CN 202210197536A CN 114758058 A CN114758058 A CN 114758058A
- Authority
- CN
- China
- Prior art keywords
- model
- feature
- observation
- feature map
- internal structure
- 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.)
- Pending
Links
- 238000013077 scoring method Methods 0.000 title abstract description 14
- 238000010586 diagram Methods 0.000 claims abstract description 59
- 238000013145 classification model Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000011218 segmentation Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 19
- 230000001788 irregular Effects 0.000 description 10
- 238000011960 computer-aided design Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2021—Shape modification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种3D模型评分方法、装置、设备及存储介质,属于3D模型技术领域。所述方法包括:先确定3D模型的多个角度的观测视图的特征图,对多个观测视图中的每个观测视图的特征图分别进行切分,得到每个特征图的多个特征图切片。再将多个观测视图的特征图以及每个特征图的多个特征图切片作为分类模型的输入,通过分类模型确定3D模型包括的多个特征类型。之后根据多个特征类型,以及每个特征类型对应的分值,确定指示3D模型的模型复杂度的评分值。其中,特征图用于指示对应观测视图的外形形状和内部结构。如此可以根据每个3D模型的评分值,从多个3D模型资源中快速、准确地查找符合用户需求的模型,提高了模型查找效率和准确度。
Description
技术领域
本申请涉及3D模型技术领域,特别涉及一种3D模型评分方法、装置、设备及存储介质。
背景技术
随着3D(3-dimensional,三维)技术的发展,越来越多的产品以3D模型的方式呈现给用户,比如工业设备、家装、BIM(Building Information Modeling,建筑信息模型)等。由于各个行业的3D模型资源越来越多,3D模型的结构也越来越复杂,因此如何从多个3D模型资源中快速的找到符合用户需求的3D模型,比如符合用户需求的一定技术难度的模型、或者与用户的技术能力匹配的模型,就成为了一个需要迫切解决的问题。
发明内容
本申请提供了一种3D模型评分方法、装置、设备及存储介质,可以得到指示3D模型复杂度的评分值,从而可以根据每个3D模型的评分值,从多个3D模型资源中快速、准确地查找符合用户需求的模型,提高模型查找效率和准确度。所述技术方案如下:
第一方面,提供了一种3D模型评分方法,所述方法包括:
确定3D模型的多个观测视图的特征图,所述多个观测视图是指多个角度的观测视图,所述特征图用于指示对应观测视图的外形形状和内部结构;
对所述多个观测视图中的每个观测视图的特征图分别进行切分,得到每个特征图的多个特征图切片;
将所述多个观测视图的特征图以及每个特征图的多个特征图切片作为分类模型的输入,通过所述分类模型确定所述3D模型包括的多个特征类型,所述分类模型用于根据所述3D模型的所述多个观测视图的特征图和所述每个特征图的多个特征图切片确定所述3D模型所属的特征类型;
根据所述多个特征类型,以及每个特征类型对应的分值,确定所述3D模型的评分值,所述3D模型的评分值用于指示所述3D模型的模型复杂度。
作为一个示例,所述多个观测视图中每个观测视图的特征图包括外形形状特征图和内部结构特征图;
所述确定3D模型的多个观测视图的特征图,包括:
对所述多个观测视图中的每个观测视图分别进行外形形状特征识别,得到所述每个观测视图的外形形状特征图;
对所述多个观测视图中的每个观测视图分别进行内部结构特征识别,得到所述每个观测视图的内部结构特征图。
作为一个示例,所述对所述多个观测视图中的每个观测视图的特征图分别进行切分,得到每个特征图的多个特征图切片,包括:
根据第一预设切分数量,对所述观测视图中的每个观测视图的外形形状特征图分别进行切分,得到每个外形形状特征图的多个特征图切片;
根据第二预设切分数量,对所述观测视图中的每个观测视图的内部结构特征图分别进行切分,得到每个内部结构特征图的多个特征图切片。
作为一个示例,所述多个特征类型包括至少一个外形形状特征类型和至少一个内部结构特征类型;
所述根据所述多个特征类型,以及每个特征类型对应的分值,确定所述3D模型的评分值,包括:
根据所述至少一个外形形状特征类型,以及每个外形形状特征类型对应的分值,确定所述3D模型的外形形状评分值;
根据所述至少一个内部结构特征类型,以及每个内部结构特征类型对应的分值,确定所述3D模型的内部结构评分值;
根据所述外形形状评分值和所述内部结构评分值,确定所述3D模型评分值。
作为一个示例,所述外形形状特征类型指示所述3D模型的外形形状几何形态,所述内部结构特征类型指示所述3D模型的内部结构几何形态。
作为一个示例,所述外形形状几何形态包括长方形、正方形、三角形、梯形、圆形、平形四边形、棱形、长方体和正方体中的一种或多种,所述内部结构几何形态包括条形、圆形、梯形、长方体、正方体、圆柱体、薄壳和圆角中的一种或多种。
第二方面,提供了一种3D模型评分装置,所述装置包括:
第一确定模块,用于确定3D模型的多个观测视图的特征图,所述多个观测视图是指多个角度的观测视图,所述特征图用于指示对应观测视图的外形形状和内部结构;
切分模块,用于对所述多个观测视图中的每个观测视图的特征图分别进行切分,得到每个特征图的多个特征图切片;
第二确定模块,用于将所述多个观测视图的特征图以及每个特征图的多个特征图切片作为分类模型的输入,通过所述分类模型确定所述3D模型包括的多个特征类型,所述分类模型用于根据所述3D模型的所述多个观测视图的特征图和所述每个特征图的多个特征图切片确定所述3D模型所属的特征类型;
第三确定模块,用于根据所述多个特征类型,以及每个特征类型对应的分值,确定所述3D模型的评分值,所述3D模型的评分值用于指示所述3D模型的模型复杂度。
作为一个示例,所述装置还包括:
获取模块,用于获取所述3D模型;
构建模型,用于构建所述3D模型对应的参考坐标系,所述参考坐标系是以所述3D模型的中心为坐标原点、所述3D模型的横向为X轴、所述3D模型的纵向为Y轴、垂直于横向和纵向的方向为Z轴的三维直角坐标系;
第四确定模块,用于确定所述3D模型在所述参考坐标系的X轴方向、X轴方向旋转第一预设角度后的方向、Y轴方向、Y轴方向旋转第二预设角度后的方向、Z轴方向和Z轴方向旋转第三预设角度后的方向中的至少两种方向的观测视图,得到所述多个观测视图。
作为一个示例,多个观测视图中每个观测视图的特征图包括外形形状特征图和内部结构特征图;所述第一确定模块还用于:对所述多个观测视图中的每个观测视图分别进行外形形状特征识别,得到所述每个观测视图的外形形状特征图;
对所述多个观测视图中的每个观测视图分别进行内部结构特征识别,得到所述每个观测视图的内部结构特征图。
作为一个示例,所述切分模块还用于:
根据第一预设切分数量,对所述观测视图中的每个观测视图的外形形状特征图分别进行切分,得到每个外形形状特征图的多个特征图切片;
根据第二预设切分数量,对所述观测视图中的每个观测视图的内部结构特征图分别进行切分,得到每个内部结构特征图的多个特征图切片。
作为一个示例,多个特征类型包括至少一个外形形状特征类型和至少一个内部结构特征类型;所述第三确定模块还用于:
根据所述至少一个外形形状特征类型,以及每个外形形状特征类型对应的分值,确定所述3D模型的外形形状评分值;
根据所述至少一个内部结构特征类型,以及每个内部结构特征类型对应的分值,确定所述3D模型的内部结构评分值;
根据所述外形形状评分值和所述内部结构评分值,确定所述3D模型评分值。
第三方面,提供了一种计算机设备,所述计算机设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述的3D模型评分方法。
第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的3D模型评分方法。
本申请实施例提供的技术方案带来的有益效果是:
本申请实施例中,先确定3D模型的多个角度的观测视图的特征图,对多个观测视图中的每个观测视图的特征图分别进行切分,得到每个特征图的多个特征图切片。然后将多个观测视图的特征图以及每个特征图的多个特征图切片作为分类模型的输入,通过分类模型确定3D模型包括的多个特征类型。之后根据多个特征类型,以及每个特征类型对应的分值,确定指示3D模型的模型复杂度的评分值。其中,特征图用于指示对应观测视图的外形形状和内部结构。如此,可以结合3D模型的多个角度的外形形状和内部结构的特征图,以及特征图的切分的切片,在形状维度和结构维度对3D模型进行评分,得到指示3D模型复杂度的评分值,便于根据每个3D模型的评分值,从多个3D模型资源中快速、准确地查找符合用户需求的模型,提高了模型查找效率和准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种3D模型评分方法的流程图;
图2是本申请实施例提供的一种3D模型的参考坐标系的示意图;
图3是本申请实施例提供的一种3D模型的多个角度的观测视图的示意图;
图4是本申请实施例提供的一种特征图的多个特征图切片的示意图;
图5是本申请实施例提供的多种3D模型的外形形状几何形态和内部结构几个形态的示意图;
图6是本申请实施例提供的一种3D模型评分装置的结构示意图;
图7为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
应当理解的是,本申请提及的“多个”是指两个或两个以上。在本申请的描述中,除非另有说明,“/”表示或的意思,比如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,比如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,为了便于清楚描述本申请的技术方案,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
在对本申请实施例进行详细地解释说明之前,先对本申请实施例的应用场景予以说明。
现有技术中,在发布产品之前,通常先通过CAD(Computer Aided Design,计算机辅助设计)和BIM(建筑信息化模型,Building Information Modeling)等建模工具构建多种3D模型,再根据用户需求从多种3D模型中查找符合要求的模型,以便用户对查找到的符合用户需求的模型进行打印,得到对应的产品。由于CAD、BIM等建模工具具有较强技术属性的工具,因此使用时对用户的技术专业性的要求较高。
随着发展,3D模型资源越来越多,3D模型的结构也越来越复杂,因此如何从多个3D模型资源中快速找到符合用户需求的3D模型,成为一个需要迫切解决的问题。
比如,从多个3D模型中查找到符合用户需求的一定技术难度的模型,以便用户对符合一定技术难度的模型进行打印,得到对应的产品。或者,从多个3D模型资源中找到与用户技术能力匹配度较高的模型,从而用户可以在CAD工具或BIM工具中对与用户技术能力匹配度的模型进行修改,构建新的3D模型,之后再对新的3D模型进行打印,得到新的产品,以减少发布产品的时间成本。基于此,从多个3D模型资源中找到符合用户需求的模型是发布产品的基础和前提。
现有技术中,通常根据用户的需求,人工从多个3D模型资源中(选择符合需求的3D模型。由于通过人工主观地选择3D模型,因此存在选择的不准确、一致性较差、效率较低等问题。
基于此,本申请实施例提供了一种3D模型评分方法,可以在形状维度和结构维度对3D模型进行评分,得到指示3D模型复杂度的评分值,便于根据每个3D模型的评分值,从多个3D模型资源中快速、准确地查找符合用户需求的模型,提高了模型查找效率和准确度,具体方法将在下述图1实施例中进行详细说明。
下面对本申请实施例提供的3D模型评分方法进行详细地解释说明。
请参考图1,图1是本申请实施例提供的一种3D模型评分方法的流程图,该方法可以应用于终端设备中,终端设备可以为计算机设备或服务器,该方法包括如下步骤:
步骤101,终端设备确定3D模型的多个观测视图的特征图。
其中,多个观测视图是指多个角度的观测视图,特征图用于指示对应观测视图的外形形状和内部结构。
作为一个示例,终端设备可以从3D模型的各个角度确定观测视图。比如,确定3D模型的主视图、后视图、左视图、右视图、俯视图或仰视图等作为观测视图。为了便于对多个观测视图进行定义说明,终端设备可以为3D模型建立坐标系,根据各个坐标系的方向确定多个观测视图。比如,确定3D模型的多个观测视图的特征图之前,终端设备可以先通过如下步骤确定多个观测视图:
1)获取3D模型,构建3D模型对应的参考坐标系。
其中,参考坐标系是以3D模型的中心为坐标原点、3D模型的横向为X轴、3D模型的纵向为Y轴、垂直于横向和纵向的方向为Z轴的三维直角坐标系。
比如,如图2所示,图2是本申请实施例提供的一种3D模型的参考坐标系的示意图。其中,O为参考坐标系的坐标原点,O位于3D模型的中心。比如,若3D模型是以图2示出的规则模型,则坐标原点O为3D模型的横向坐标X、纵向坐标Y、垂直坐标Z为基准所对应的模型外形尺寸(长宽高)的中间值,也即是,模型外形在参考坐标系的任意坐标轴(X轴、Y抽和Z轴)中以坐标原点O对称。
需要说明的,图2示出的3D模型仅作为一个示例,并不作为3D模型的限定。比如,3D模型还可以为不规则3D模型。这种情况下,参考坐标系的坐标原点可以不位于3D模型的中心。
其中,规则3D模型是指3D模型的外形形状几何形态和内部结构几何形态是规则的。比如,外形形状几何形态可以包括长方形、正方形、三角形、梯形、圆形、平形四边形、棱形、长方体或正方体等规则几何形态,内部结构几何形态可以包括条形、圆形、梯形、长方体、正方体或圆柱体等规则几何形态。同理,不规则3D模型是指3D模型的外形形状几何形态或内部结构几何形态是不规则的。比如,外形形状几何形态包括至少一个不规则几何形态,或者内部结构几何形态包括至少一个不规则几何形态,其中,不规则几何形态可以为规则几何形态的组合或者其它线形或弧形的组合,本申请实施例对3D模型不做限定。
2)确定3D模型在参考坐标系的X轴方向、X轴方向旋转第一预设角度后的方向、Y轴方向、Y轴方向旋转第二预设角度后的方向、Z轴方向和Z轴方向旋转第三预设角度后的方向中的至少两种方向的观测视图,得到多个观测视图。
比如,将3D模型在参考坐标系的Y轴负方向的观测视图确定为主视图,在Y轴正方向的观测视图确定为后视图,在X轴正方向的观测视图确定为左视图,在X轴负方向的观测视图确定为右视图,在Z轴正方向的观测视图确定为俯视图,在Z轴负方向的观测视图确定为仰视图。
当然,终端设备也可以确定在参考坐标系中更多方向的观测视图。比如,确定3D模型在参考坐标系的X轴方向旋转第一预设角度后的方向的观测视图,或者确定在参考坐标系的X轴方向旋转第一预设角度后、在Y轴方向旋转第二预设角度后的方向的观测视图,本申请实施例对确定观测视图的方向(角度)不做限定。
其中,第一预设角度、第二预设角度和第三预设角度可以相同,也可以不同。比如,第一预设角度、第二预设角度和第三预设角度可以分别为5度、10度、15度、20度等中的任一种。
请参考图3,图3是本申请实施例提供的一种3D模型的多个角度的观测视图的示意图。其中,图3中的(a)图、图3中的(b)图、图3中的(c)图和图3中的(d)图分别为图2示出的3D模型的不同角度的观测视图。
其中,在得到多个观测视图后,终端设备可以对多个观测视图中的每个观测视图分别进行特征识别,得到多个观测视图中每个观测视图的特征图。其中,多个观测视图中每个观测视图的特征图可以包括外形形状特征图和内部结构特征图。外形形状特征图用于指示对应观测视图的外形形状,内部结构特征图用于指示对应观测视图的内部结构。
作为一个示例,终端设备可以通过如下步骤确定3D模型的多个观测视图的特征图:
1)对多个观测视图中的每个观测视图分别进行外形形状特征识别,得到每个观测视图的外形形状特征图。
2)对多个观测视图中的每个观测视图分别进行内部结构特征识别,得到每个观测视图的内部结构特征图。
其中,外形形状特征识别旨在识别3D模型在每个观测视图所展示的外形形状。比如,在参考坐标系的X轴正方向的观测视图(左视图)所展示的外形形状为长方形,在参考坐标系的Y轴负方向的观测视图(主视图)所展示的外形形状为梯形和其它不规则形状,在参考坐标系的Z轴正方向的观测视图(俯视图)所展示的外形形状为长方形。比如,请参考图4,图4是本申请实施例提供的一种特征图的多个特征图切片的示意图。其中,图4中的(a)图是3D模型在参考坐标系的Y轴负方向的观测视图(主视图)的外形形状特征图,外形形状包括梯形、线形、圆角和其它不规则形状。
其中,内部结构特征识别旨在识别3D模型在每个观测视图所展示的内部结构。比如,在参考坐标系的X轴正方向的观测视图(左视图)所展示的内部结构为长方形的点线结构,在参考坐标系的Y轴负方向的观测视图(主视图)所展示的内部结构为梯形的面结构、正方形的面结构、圆形的薄壳结构,在参考坐标系的Z轴正方向的观测视图(俯视图)所展示的内部结构为长方形的点线结构。比如,图4中的(b)图是3D模型在参考坐标系的Y轴负方向的观测视图(主视图)的内部结构特征图,内部结构包括梯形的面结构、正方形的面结构和圆形的薄壳结构等。
其中,外形形状特征图和内部结构特征图可以通过特征提取方法得到,本申请实施例得到外形形状特征图和内部结构特征图的方法不做限定。比如,外形形状特征图可以通过轮廓形状特征提取方法得到。
需要说明的,由于观测视图是3D模型在多个角度观测到的视图,因此根据多个观测视图的外形形状特征图和内部结构特征图可以较好地还原3D模型,在较好地还原3D模型的过程中即可较准确地确定3D模型所属的特征类型。
步骤102,终端设备对多个观测视图中的每个观测视图的特征图分别进行切分,得到每个特征图的多个特征图切片。
其中,多个特征图切片用于指示3D模型的外形形状和内部结构。
为更好的还原3D模型,进一步更准地确定3D模型所属的特征类型,以及更准确的对3D模型的复杂度进行评分,本申请实施例对特征图进行切分,以将特征图切分为多个特征图切片,从而以更小的切片图确定3D模型所属的特征类型。
其中,对特征图进行切分得到的特征图切片的数量越多,3D模型的还原度越高(对3D模型的细节的还原度较高),确定的3D模型包括的特征类型越多、越准确,从而根据3D模型的包括的特征类型确定的评分值更准确。
作为一个示例,终端设备可以通过以下步骤得到每个特征图的多个特征图切片:
1)根据第一预设切分数量,对观测视图中的每个观测视图的外形形状特征图分别进行切分,得到每个外形形状特征图的多个特征图切片。
2)根据第二预设切分数量,对观测视图中的每个观测视图的内部结构特征图分别进行切分,得到每个内部结构特征图的多个特征图切片。
其中,第二预设切分数量、第二预设切分数量可以相同,也可以不同。比如,图4中的(a)图,对3D模型在参考坐标系的Y轴负方向的观测视图(主视图)的外形形状特征图进行切分,得到主视图的外形形状特征图的5个特征图切片(切片1,切片2、切片3、切片4和切片5),也即是图4中的(a)图中第一预设切分数量为5。图4中的(b)图,对3D模型在参考坐标系的Y轴负方向的观测视图(主视图)的内部结构特征图进行切分,得到主视图的内部结构特征图的5个特征图切片(切片1,切片2、切片3、切片4和切片5),也即是图4中的(b)图中第二预设切分数量为5。
需要说明是,图4仅以第二预设切分数量和第二预设切分数量相同,均为为5为例进行说明,并不作为第二预设切分数量和第二预设切分数量的限定。比如,第二预设切分数量和第二预设切片数据可以根据实际需求进行设置,数值可以为千级数值或万级数值。
作为一个示例,终端设备可以将3D模型的多个观测视图的外形形状特征图、以及每个外形形状特征图的多个特征图切片作为第一图形组合链,将多个观测视图的内部结构特征图、以及每个内部结构特征图的多个特征图切片作为第二图形组合链存储至特征库,以便后续根据特征库中的第一图形组合链和第二图形组合链确定对应3D模型所属的特征类型。
步骤103,终端设备将多个观测视图的特征图以及每个特征图的多个特征图切片作为分类模型的输入,通过分类模型确定3D模型包括的多个特征类型。
其中,分类模型用于根据3D模型的多个观测视图的特征图和每个特征图的多个特征图切片确定3D模型所属的特征类型,多个特征类型可以包括至少一个外形形状特征类型和至少一个内部结构特征类型。
其中,特征类型用于指示几何形态,几何形态可以为规则几何形态或不规则几何形态。比如,外形形状特征类型指示3D模型的外形形状几何形态,内部结构特征类型指示3D模型的内部结构几何形态。
作为一个示例,外形形状几何形态包括长方形、正方形、三角形、梯形、圆形、平形四边形、棱形、长方体和正方体中的一种或多种,内部结构几何形态包括条形、圆形、梯形、长方体、正方体、圆柱体、薄壳、台阶、圆角中的一种或多种。
需要说明的是,上述示例仅以外形形状几何形态、内部结构几何形态为规则几何形态为例进行说明,并不做外形形状几何形态、内部结构几何形态的限定。比如,外形形状几何形态、内部结构几何形态还可以包括更多的规则几何形态,或者外形形状几何形态、内部结构几何形态也可以为不规则几何形态。
作为一个示例,终端设备可以根据多个观测视图的外形形状特征图、以及每个外形形状特征图的多个特征图切片(第一图形组合链)作为分类模型的输入,通过分类模型确定3D模型包括的至少一个外形形状特征类型。根据多个观测视图的内部结构特征图、以及每个内部结构特征图的多个特征图切片(第二图形组合链)作为分类模型的输入,通过分类模型确定3D模型包括的至少一个内部结构特征类型。
也即是,终端设备可以将3D模型对应的特征库作为分类模型的输入,分类模型通过特征库中的第一图形组合链确定3D模型包括的至少一个外形形状特征类型,通过特征库中的第二图形组合链确定3D模型包括的至少一个内部结构特征类型。
比如,如图2所示的3D模型,外形形状特征类型可以包括长方体、梯形、圆角等特征类型,内部结构特征类型可以包括长方体、梯形、薄壳、圆柱体和圆等特征类型。
其中,分类模型可以通过预先训练得到。比如,将多个样本3D模型中的每个样本3D模型的样本特征库、以及每个样本3D模型所属的特征类型作为待训练分类模型的输入,通过对待训练分类模型进行训练,得到分类模型,使得分类模型可以根据3D模型的特征库,较准确地确定3D模型所属的特征类型。
具体地,每个样本3D模型的样本特征库可以通过如下步骤确定:
1)确定每个样本3D模型的多个样本观测视图,多个样本观测视图为样本3D模型多个角度的观测视图。
2)对多个样本观测视图中的每个样本观测视图分别进行特征识别,得到每个样本观测视图的样本外形形状特征图和样本内部结构特征图。
3)对每个样本观测视图的样本外形形状特征图进行切分,得到每个样本外形形状特征图的多个样本特征图切片,对每个样本观测视图的样本内部结构特征图进行切分,得到每个样本内部结构特征图的多个样本特征图切片。
4)将每个样本3D模型的多个样本观测视图的样本外形形状特征图、以及每个样本外形形状特征图的多个样本特征图切片作为第一样本图形组合链,将多个样本观测视图的样本内部结构特征图、以及每个样本内部结构特征图的多个样本特征图切片作为第二样本图形组合链,存储至样本特征库。
其中,终端设备可以对每个样本3D模型执行上述步骤1)-步骤4),确定多个样本特征库。如此,可以根据多个样本特征库、以及每个样本特征库对应的3D模型所属的外形形状特征类型和内部结构特征类型,对待训练分类模型进行训练。
需要说明的,由于多个样本观测视图是样本3D模型在多个角度观测到的视图,因此将多个样本观测视图中的每个样本观测视图的样本外形形状特征图、样本内部结构特征图、以及多个样本特征图切片,作为待训练分类模型的输入,通过对待训练分类模型进行训练,得到的训练后的分类模型可以较准确地还原3D模型,从而可以较准确地确定3D模型所属的特征类型。
为了便于区分,将上述用于根据3D模型的多个观测视图的特征图和每个特征图的多个特征图切片确定3D模型所属的特征类型的分类模型称为第一分类模型。在一种可能的实现方式中,本申请实施例中还可以根据多个样本3D模型、以及每个样本模型所属的特征类型(外形形状特征类型和内部结构特征类型),训练第二分类模型,第二分类模型用于确定任一3D模型所属的特征类型。如此,可以将3D模型作为第二分类模型的输入,通过第二分类模型确定3D模型所属的特征类型,也即是,上述步骤101和步骤102可以在第二分类模型内部完成。
比如,第二分类模型包括第一网络模块和第二网络模块,在将3D模型作为第二分类模型的输入后,可以通过第一网络模块得到3D模型的多个观测视图的特征图,以及每个特征图的多个特征图切片,将多个观测视图的特征图以及每个特征图的多个特征图切片作为第二网络模型的输入,通过第二网络模型得到3D模型包括的多个特征类型。
步骤104,终端设备根据多个特征类型,以及每个特征类型对应的分值,确定3D模型的评分值。
其中,多个特征类型包括至少一个外形形状特征类型和至少一个内部结构特征类型。3D模型的评分值用于指示3D模型的模型复杂度,具体地指示3D模型在形状维度和结构维度的技术难度。
其中,特征类型的评分标准可以预先构建。比如,预先确定多种3D模型中所有可能的特征类型,根据特征类型的技术难度,确定每个特征类型对应的分值,从而构建特征类型的评分标准。如此根据分类模型的输出以及评分标准确定的指示模型复杂度的评分值,该模型复杂度的评分值可以指示3D模型的技术难度。其中,技术难度对应于产品的难度。
比如,根据外形形状特征类型的技术难度,确定每个外形形状特征类型对应的分值,根据内部结构特征类型的技术难度,确定每个内部结构特征类型对应的分值。
其中,外形形状特征类型指示3D模型的外形形状几何形态,外形形状几何形态包括长方形、正方形、三角形、梯形、圆形、平形四边形、棱形、长方体和正方体中的一种或多种。内部结构特征类型指示3D模型的内部结构几何形态,内部结构几何形态包括条形、圆形、梯形、长方体、正方体、圆柱体、薄壳和圆角中的一种或多种。如此,可以对多个外形形状几何形态中的每个外形形状几何形态确定对应的分值,对多个内部结构几何形态中的每个内部结构几何形态确定对应的分值。
作为一个示例,终端设备可以通过如下步骤确定3D模型的评分值:
1)根据至少一个外形形状特征类型,以及每个外形形状特征类型对应的分值,确定3D模型的外形形状评分值。
2)根据至少一个内部结构特征类型,以及每个内部结构特征类型对应的分值,确定3D模型的内部结构评分值。
3)根据外形形状评分值和内部结构评分值,确定3D模型评分值。
比如,将外形形状评分值和内部结构评分值求和,得到3D模型的评分值。
其中,通过构建统一的评分标准可以避免人工评分的主观意愿性导致的评价结果不准确、一致性较差、效率较低等问题,从而可以根据评分值快速、准确地从多个3D模型中找到符合用户需求的模型。
作为一个示例,根据技术难度,外形形状几何形态中的长方体的分值可以确定为0.5分,梯形的分值确定为1分,圆角的分值确定为2分。内部结构几何形态中的长方体的分值可以确定为0.8分,梯形的分值确定为1.5分,薄壳的分值确定为2.4分、圆柱体的分值确定为4分、圆角的分值确定为5分。当然,上述示例仅作为一个评分标准的举例,并不做作为评分标准的限定。
作为一个示例,请参考图5,图5是本申请实施例提供的多种3D模型的外形形状几何形态和内部结构几个形态的示意图。其中,图5中的(a)图是一种3D模型的外形形状几何形态,通过分类模型确定外形形状特征类型包括长方体。由于外形形状几何形态中的长方体的分值为0.5分,因此图5中的(a)图对应的3D模型的外形形状评分值为0.5分。
图5中的(b)图是另一种3D模型的外形形状几何形态,通过分类模型确定外形形状特征类型包括长方体和梯形。由于外形形状几何形态中的长方体的分值为0.5分,梯形的分值为1分,因此图5中的(b)图对应的3D模型的外形形状评分值为1.5分。
图5中的(c)图是再一种3D模型的外形形状几何形态,通过分类模型确定外形形状特征类型包括长方体、梯形和圆角。由于外形形状几何形态中的长方体的分值为0.5分,梯形的分值为1分,圆角的分值为2分,因此图5中的(c)图对应的3D模型的外形形状评分值为3.5分。
图5中的(d)图是为一种3D模型的内部结构几何形态,通过分类模型确定内部结构特征类型包括长方体、梯形和薄壳。由于内部结构几何形态中的长方体的分值为0.8分,梯形的分值为1.5分、薄壳的分值为2.4分,因此图5中的(d)图是对应的3D模型的内部结构评分值为4.7分。
图5中的(e)图是为另一种3D模型的内部结构几何形态,通过分类模型确定内部结构特征类型包括长方体、梯形、薄壳和圆柱体。由于内部结构几何形态中的长方体的分值为0.8分,梯形的分值为1.5分,薄壳的分值为2.4分,圆柱体的分值为4分,因此图5中的(e)图对应的3D模型的内部结构评分值为8.7分。
图5中的(f)图是为另一种3D模型的内部结构几何形态,通过分类模型确定内部结构特征类型包括长方体、梯形、薄壳、圆柱体和圆角。由于内部结构几何形态中的长方体的分值为0.8分,梯形的分值为1.5分,薄壳的分值为2.4分,圆柱体的分值为4分,圆角的分值5分,因此图5中的(f)图对应的3D模型的内部结构评分值为13.7分。
其中,如图2所示的3D模型的外形形状几何形状对应于图5中的(c)图,内部结构几何形状对应于图5中的(f)图,也即是,如图2所示的3D模型的外形形状评分值为3.5分,内部结构评分值为13.7分,则3D模型的评分值可以为17.2分。
作为一个示例,上述步骤104也可以在分类模型内部完成。
需要说明是,图5仅作为一个示例,用以说明根据评分标准,不同3D模型的外形形状评分值和内部结构评分值不同,但并不作为3D模型的外形几何形状和内部结构几何形状的限定。
另外,本申请实施例仅以一个3D模型为例,说明对3D模型进行评分的方法。在实际中,多个3D模型中的每个3D模型均会执行上述步骤101-步骤104,从而得到每个3D模型的评分值,进一步地可以根据多个3D模型中的每个3D模型的评分值,从多个3D模型中快速找到符合用户需求的模型。
本申请实施例中,先确定3D模型的多个角度的观测视图的特征图,对多个观测视图中的每个观测视图的特征图分别进行切分,得到每个特征图的多个特征图切片。然后将多个观测视图的特征图以及每个特征图的多个特征图切片作为分类模型的输入,通过分类模型确定3D模型包括的多个特征类型。之后根据多个特征类型,以及每个特征类型对应的分值,确定指示3D模型的模型复杂度的评分值。其中,特征图用于指示对应观测视图的外形形状和内部结构。如此,可以结合3D模型的多个角度的外形形状和内部结构的特征图,以及特征图的切分的切片,在形状维度和结构维度对3D模型进行评分,得到指示3D模型复杂度的评分值,便于根据每个3D模型的评分值,从多个3D模型资源中快速、准确地查找符合用户需求的模型,提高了模型查找效率和准确度。
其中,由于是在形状维度和结构维度对3D模型进行评分,因此得到的3D模型复杂度的评分值指示模型在形状维度和结构维度的技术难度,如此可以根据每个3D模型的评分值,从多个3D模型资源中快速、准确地找到符合一定技术难度的模型,或者快速、准确地找到与用户技术能力匹配度较高的模型,降低对CAD工具、BIM工具等的使用人员的技术要求,提高模型查找效率和准确度。
图6是本申请实施例提供的一种3D模型评分装置的结构示意图。该3D模型评分装置可以由软件、硬件或者两者的结合实现成为计算机设备的部分或者全部,该计算机设备可以为下文图7所示的计算机设备。参见图6,该装置包括:第一确定模块601、切分模块602、第二确定模块603和第三确定模块604。
第一确定模块601,用于确定3D模型的多个观测视图的特征图,多个观测视图是指多个角度的观测视图,特征图用于指示对应观测视图的外形形状和内部结构;
切分模块602,用于对多个观测视图中的每个观测视图的特征图分别进行切分,得到每个特征图的多个特征图切片;;
第二确定模块603,用于多个观测视图的特征图以及每个特征图的多个特征图切片作为分类模型的输入,通过分类模型确定3D模型包括的多个特征类型,分类模型用于根据3D模型的多个观测视图的特征图和每个特征图的多个特征图切片确定3D模型所属的特征类型;
第三确定模块604,用于根据多个特征类型,以及每个特征类型对应的分值,确定3D模型的评分值,3D模型的评分值用于指示3D模型的模型复杂度。
作为一个示例,所述装置还包括:
获取模块,用于获取3D模型;
构建模型,用于构建3D模型对应的参考坐标系,参考坐标系是以3D模型的中心为坐标原点、3D模型的横向为X轴、3D模型的纵向为Y轴、垂直于横向和纵向的方向为Z轴的三维直角坐标系;
第四确定模块,用于确定3D模型在参考坐标系的X轴方向、X轴方向旋转第一预设角度后的方向、Y轴方向、Y轴方向旋转第二预设角度后的方向、Z轴方向和Z轴方向旋转第三预设角度后的方向中的至少两种方向的观测视图,得到多个观测视图。
作为一个示例,多个观测视图中每个观测视图的特征图包括外形形状特征图和内部结构特征图;
所述第一确定模块601还用于:对多个观测视图中的每个观测视图分别进行外形形状特征识别,得到每个观测视图的外形形状特征图;
对多个观测视图中的每个观测视图分别进行内部结构特征识别,得到每个观测视图的内部结构特征图。
作为一个示例,所述切分模块602还用于:
根据第一预设切分数量,对观测视图中的每个观测视图的外形形状特征图分别进行切分,得到每个外形形状特征图的多个特征图切片;
根据第二预设切分数量,对观测视图中的每个观测视图的内部结构特征图分别进行切分,得到每个内部结构特征图的多个特征图切片。
作为一个示例,多个特征类型包括至少一个外形形状特征类型和至少一个内部结构特征类型;所述第三确定模块604还用于:
根据至少一个外形形状特征类型,以及每个外形形状特征类型对应的分值,确定3D模型的外形形状评分值;
根据至少一个内部结构特征类型,以及每个内部结构特征类型对应的分值,确定3D模型的内部结构评分值;
根据外形形状评分值和内部结构评分值,确定3D模型评分值。
需要说明的是:上述实施例提供的3D模型评分装置仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
上述实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请实施例的保护范围。
上述实施例提供的3D模型评分装置与3D模型评分方法实施例属于同一构思,上述实施例中单元、模块的具体工作过程及带来的技术效果,可参见方法实施例部分,此处不再赘述。
图7是本申请实施例提供的一种计算机设备的结构示意图。如图7所示,计算机设备包括:处理器701、存储器702以及存储在存储器702中并可在处理器701上运行的计算机程序703,处理器701执行计算机程序703时实现上述实施例中的3D模型评分方法中的步骤。
计算机设备可以上述图1实施例中的终端设备,计算机设备可以是一个通用计算机设备或一个专用计算机设备。在具体实现中,计算机设备可以是台式机、便携式电脑、服务器、掌上电脑、移动手机、平板电脑、无线终端设备、通信设备或嵌入式设备等,本申请实施例不限定计算机设备的类型。本领域技术人员可以理解,图7仅仅是计算机设备的举例,并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,比如还可以包括输入输出设备、网络接入设备等。
处理器701可以是中央处理单元(Central Processing Unit,CPU),处理器701还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者也可以是任何常规的处理器。
存储器702在一些实施例中可以是计算机设备的内部存储单元,比如计算机设备的硬盘或内存。存储器702在另一些实施例中也可以是计算机设备的外部存储设备,比如计算机设备上配备的插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,存储器702还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器702用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等。存储器702还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机设备,该计算机设备包括:至少一个处理器、存储器以及存储在该存储器中并可在该至少一个处理器上运行的计算机程序,该处理器执行该计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个方法实施例中的步骤。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述方法实施例中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,该计算机程序包括计算机程序代码,该计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。该计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、ROM(Read-Only Memory,只读存储器)、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,只读光盘)、磁带、软盘和光数据存储设备等。本申请提到的计算机可读存储介质可以为非易失性存储介质,换句话说,可以是非瞬时性存储介质。
应当理解的是,实现上述实施例的全部或部分步骤可以通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。该计算机指令可以存储在上述计算机可读存储介质中。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种3D模型评分方法,其特征在于,所述方法包括:
确定3D模型的多个观测视图的特征图,所述多个观测视图是指多个角度的观测视图,所述特征图用于指示对应观测视图的外形形状和内部结构;
对所述多个观测视图中的每个观测视图的特征图分别进行切分,得到每个特征图的多个特征图切片;
将所述多个观测视图的特征图以及每个特征图的多个特征图切片作为分类模型的输入,通过所述分类模型确定所述3D模型包括的多个特征类型,所述分类模型用于根据所述3D模型的所述多个观测视图的特征图和所述每个特征图的多个特征图切片确定所述3D模型所属的特征类型;
根据所述多个特征类型,以及每个特征类型对应的分值,确定所述3D模型的评分值,所述3D模型的评分值用于指示所述3D模型的模型复杂度。
2.如权利要求1所述的方法,其特征在于,所述确定3D模型的多个观测视图的特征图之前,所述方法还包括:
获取所述3D模型;
构建所述3D模型对应的参考坐标系,所述参考坐标系是以所述3D模型的中心为坐标原点、所述3D模型的横向为X轴、所述3D模型的纵向为Y轴、垂直于横向和纵向的方向为Z轴的三维直角坐标系;
确定所述3D模型在所述参考坐标系的X轴方向、X轴方向旋转第一预设角度后的方向、Y轴方向、Y轴方向旋转第二预设角度后的方向、Z轴方向和Z轴方向旋转第三预设角度后的方向中的至少两种方向的观测视图,得到所述多个观测视图。
3.如权利要求1所述的方法,其特征在于,所述多个观测视图中每个观测视图的特征图包括外形形状特征图和内部结构特征图;
所述确定3D模型的多个观测视图的特征图,包括:
对所述多个观测视图中的每个观测视图分别进行外形形状特征识别,得到所述每个观测视图的外形形状特征图;
对所述多个观测视图中的每个观测视图分别进行内部结构特征识别,得到所述每个观测视图的内部结构特征图。
4.如权利要求3所述的方法,其特征在于,所述对所述多个观测视图中的每个观测视图的特征图分别进行切分,得到每个特征图的多个特征图切片,包括:
根据第一预设切分数量,对所述观测视图中的每个观测视图的外形形状特征图分别进行切分,得到每个外形形状特征图的多个特征图切片;
根据第二预设切分数量,对所述观测视图中的每个观测视图的内部结构特征图分别进行切分,得到每个内部结构特征图的多个特征图切片。
5.如权利要求1所述的方法,其特征在于,所述多个特征类型包括至少一个外形形状特征类型和至少一个内部结构特征类型;
所述根据所述多个特征类型,以及每个特征类型对应的分值,确定所述3D模型的评分值,包括:
根据所述至少一个外形形状特征类型,以及每个外形形状特征类型对应的分值,确定所述3D模型的外形形状评分值;
根据所述至少一个内部结构特征类型,以及每个内部结构特征类型对应的分值,确定所述3D模型的内部结构评分值;
根据所述外形形状评分值和所述内部结构评分值,确定所述3D模型评分值。
6.如权利要求5所述的方法,其特征在于,所述外形形状特征类型指示所述3D模型的外形形状几何形态,所述内部结构特征类型指示所述3D模型的内部结构几何形态。
7.如权利要求6所述的方法,其特征在于,所述外形形状几何形态包括长方形、正方形、三角形、梯形、圆形、平形四边形、棱形、长方体和正方体中的一种或多种,所述内部结构几何形态包括条形、圆形、梯形、长方体、正方体、圆柱体、薄壳和圆角中的一种或多种。
8.一种3D模型评分装置,其特征在于,所述装置包括:
第一确定模块,用于确定3D模型的多个观测视图的特征图,所述多个观测视图是指多个角度的观测视图,所述特征图用于指示对应观测视图的外形形状和内部结构;
切分模块,用于对所述多个观测视图中的每个观测视图的特征图分别进行切分,得到每个特征图的多个特征图切片;
第二确定模块,用于将所述多个观测视图的特征图以及每个特征图的多个特征图切片作为分类模型的输入,通过所述分类模型确定所述3D模型包括的多个特征类型,所述分类模型用于根据所述3D模型的所述多个观测视图的特征图和所述每个特征图的多个特征图切片确定所述3D模型所属的特征类型;
第三确定模块,用于根据所述多个特征类型,以及每个特征类型对应的分值,确定所述3D模型的评分值,所述3D模型的评分值用于指示所述3D模型的模型复杂度。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210197536.1A CN114758058A (zh) | 2022-03-01 | 2022-03-01 | 3d模型评分方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210197536.1A CN114758058A (zh) | 2022-03-01 | 2022-03-01 | 3d模型评分方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114758058A true CN114758058A (zh) | 2022-07-15 |
Family
ID=82325918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210197536.1A Pending CN114758058A (zh) | 2022-03-01 | 2022-03-01 | 3d模型评分方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114758058A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254053A (zh) * | 2010-05-20 | 2011-11-23 | 北京大学 | 一种基于组件装配的参数化设计方法和系统 |
CN110458946A (zh) * | 2019-08-09 | 2019-11-15 | 长沙眸瑞网络科技有限公司 | 构建3d模型特征向量和根据图像特征搜索3d模型方法 |
CN111291786A (zh) * | 2020-01-17 | 2020-06-16 | 清华大学 | 一种车载视觉实时多目标航向角估计方法及装置 |
US20200315589A1 (en) * | 2018-08-31 | 2020-10-08 | Seno Medical Instruments, Inc. | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustice images |
CN111986126A (zh) * | 2020-07-17 | 2020-11-24 | 浙江工业大学 | 一种基于改进vgg16网络的多目标检测方法 |
-
2022
- 2022-03-01 CN CN202210197536.1A patent/CN114758058A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254053A (zh) * | 2010-05-20 | 2011-11-23 | 北京大学 | 一种基于组件装配的参数化设计方法和系统 |
US20200315589A1 (en) * | 2018-08-31 | 2020-10-08 | Seno Medical Instruments, Inc. | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustice images |
CN110458946A (zh) * | 2019-08-09 | 2019-11-15 | 长沙眸瑞网络科技有限公司 | 构建3d模型特征向量和根据图像特征搜索3d模型方法 |
CN111291786A (zh) * | 2020-01-17 | 2020-06-16 | 清华大学 | 一种车载视觉实时多目标航向角估计方法及装置 |
CN111986126A (zh) * | 2020-07-17 | 2020-11-24 | 浙江工业大学 | 一种基于改进vgg16网络的多目标检测方法 |
Non-Patent Citations (3)
Title |
---|
史灵雪: "多参数MR影像组学特征对腮腺多形性腺瘤及腺淋巴瘤诊断价值的研究", 《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》 * |
姬江涛,刘晓航,赵凯旋: "基于SOLOv2与点云空腔特征的奶牛瘤胃充盈度自动评分方法", 《农业工程学报》 * |
顾松: "基于病理图像计算的阴茎鳞状细胞癌自动分级", 《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11842438B2 (en) | Method and terminal device for determining occluded area of virtual object | |
US10268917B2 (en) | Pre-segment point cloud data to run real-time shape extraction faster | |
US8831332B2 (en) | Computing device and method for extracting data of product for use in construction of point cloud | |
CN111275820B (zh) | 基于二维平面绘制三维墙体方法、装置、终端和存储介质 | |
CN107622530B (zh) | 一种高效鲁棒的三角网切割方法 | |
TW201616449A (zh) | 點雲網格精細化系統及方法 | |
CN105760570B (zh) | 选择对象集的视点 | |
JP2002288687A (ja) | 特徴量算出装置および方法 | |
CN113724401B (zh) | 一种三维模型切割方法、装置、计算机设备和存储介质 | |
CN115439607A (zh) | 一种三维重建方法、装置、电子设备及存储介质 | |
CN110807213A (zh) | 一种构建三维bim模型立面图的方法和相关装置 | |
CN114219899B (zh) | 一种基于改进叉树算法的网格生成方法及装置 | |
CN108171794B (zh) | 基于三维模型的平面视图投影方法、装置、设备及介质 | |
CN115908715A (zh) | 建筑信息模型的加载方法及装置、设备、存储介质 | |
CN116596935B (zh) | 形变检测方法、装置、计算机设备及计算机可读存储介质 | |
CN113379826A (zh) | 物流件的体积测量方法以及装置 | |
CN114758058A (zh) | 3d模型评分方法、装置、设备及存储介质 | |
CN115481268A (zh) | 一种平行线墙体数据识别方法、装置、设备及存储介质 | |
CN114791800A (zh) | 白模建筑描边方法、装置、计算机设备及存储介质 | |
CN109840945B (zh) | 有限元预处理方法及装置 | |
CN113781507B (zh) | 图形重建方法、装置、计算设备和计算机存储介质 | |
CN111210500B (zh) | 一种三维点云处理方法及装置 | |
CN117635888B (zh) | 一种数据处理方法及相关装置 | |
CN115170384A (zh) | 一种房间识别方法、装置及设备 | |
CN117633973A (zh) | Cad文件识别方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220715 |
|
RJ01 | Rejection of invention patent application after publication |