CN115203769A - 用于自动标注绘图尺寸的图形对准技术 - Google Patents
用于自动标注绘图尺寸的图形对准技术 Download PDFInfo
- Publication number
- CN115203769A CN115203769A CN202210314557.7A CN202210314557A CN115203769A CN 115203769 A CN115203769 A CN 115203769A CN 202210314557 A CN202210314557 A CN 202210314557A CN 115203769 A CN115203769 A CN 115203769A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- target
- source
- graph
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000002372 labelling Methods 0.000 title description 4
- 238000013507 mapping Methods 0.000 claims abstract description 111
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 description 24
- 239000000306 component Substances 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 7
- 238000011960 computer-aided design Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000011176 pooling Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 239000008358 core component Substances 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Mathematical Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Architecture (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Generation (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明的一个实施方案陈述了一种用于向目标绘图添加尺寸的技术。所述技术包括生成包括于表示所述目标绘图的目标图形中的第一组节点的第一组节点嵌入。所述技术还包括接收包括于表示源绘图的源图形中的第二组节点的第二组节点嵌入,其中包括于所述第二组节点中的一个或多个节点与包括于所述源绘图中的一个或多个源尺寸相关联。所述技术进一步包括:基于所述第一组节点嵌入与所述第二组节点嵌入之间的相似度,生成所述第一组节点与所述第二组节点之间的一组映射;以及基于所述一组映射,在所述目标绘图内自动放置所述一个或多个源尺寸。
Description
相关申请的交叉引用
本申请要求2021年4月1日提交且序列号为63/169,612的标题为“GRAPHALIGNMENT FOR AUTOMATED DIMENSIONING OF DRAWINGS”的美国临时专利申请的权益。该相关申请的主题据此以引用的方式并入本文。
背景技术
技术领域
本公开的实施方案总体涉及计算机科学和机器学习,并且更具体地涉及用于自动标注绘图尺寸的图形对准技术。
相关技术描述
三维(3D)部件的设计文档通常包括3D部件的一个或多个二维(2D)绘图。每个2D绘图包括放置在图纸内的3D部件的不同视图,以及制造或装配3D部件所需的尺寸。例如,2D绘图可包括3D部件的俯视图、前视图、侧视图、等距视图、截面图、细节图、剪切视图、辅助视图、分解视图或其他视图。每个视图可包括视图内各种线、弧线、圆、椭圆或其他实体的尺寸。
计算机辅助设计(CAD)程序包括加快从3D部件的模型创建2D绘图的工具。例如,用户可使用CAD程序首先创建3D部件的模型,或者用户可将3D部件的预先存在的模型加载到CAD程序中。然后,用户可使用由CAD程序提供的“智能模板”为所述模型自动生成多个图纸,所述图纸具有预定义纸张大小、预定义格式以及预定义视图。智能模板还可用于从所述模型生成零件列表。
尽管CAD程序通过许多方式促进从3D部件的模型创建2D绘图,但在CAD程序内向2D绘图添加尺寸仍然是耗时且乏味的过程。例如,用户可使用由CAD程序提供的尺寸标注工具从3D部件的模型手动选择尺寸,以插入对应于所述模型的2D绘图中。用户还可使用尺寸标注工具手动编辑、格式化、放置、定向或以其他方式调整2D绘图内每个尺寸的外观。使用该类型的方法,用户必须经由尺寸标注工具持续向2D绘图添加尺寸并调整2D绘图内的现有尺寸,直到满足2D绘图的所有制造、装配、设计、行业、公司、供应商、文档、可读性、个人和/或其他要求为止。
为了减少与标注2D绘图尺寸相关的时间和工作量,一些CAD程序提供了“自动尺寸标注”工具,所述工具实现了从3D部件的给定模型自动提取尺寸并向从所述模型创建的2D绘图添加所提取尺寸的规则集何。自动尺寸标注工具的一个缺点是,这些工具通常向给定2D绘图添加3D部件的模型中包括的所有尺寸,而不是仅添加来自模型的制造3D部件所需的尺寸。2D绘图内的该类型的“过度尺寸标注”可能会导致不同尺寸的延长线和文本在2D绘图中重叠,这对绘图的可读性和2D绘图内尺寸的有用性产生负面影响。
如前述内容所说明,本领域中需要用于向3D部件的计算机生成的2D绘图添加尺寸的更有效的技术。
发明内容
本发明的一个实施方案陈述了一种用于向目标绘图添加尺寸的技术。所述技术包括生成包括于表示所述目标绘图的目标图形中的第一组节点的第一组节点嵌入。所述技术还包括接收包括于表示源绘图的源图形中的第二组节点的第二组节点嵌入,其中包括于所述第二组节点中的一个或多个节点与包括于所述源绘图中的一个或多个源尺寸相关联;所述技术进一步包括:基于所述第一组节点嵌入与所述第二组节点嵌入之间的一个或多个相似度,生成所述第一组节点与所述第二组节点之间的一组映射,并且基于所述一组映射,在所述目标绘图内自动放置包括于所述一个或多个源尺寸中的至少一个尺寸。
所公开技术相对于现有技术的一个技术优势在于,利用所公开技术,在CAD程序内对绘图进行尺寸标注所需的时间量和用户工作量可显著减少。就那一点来说,所公开技术可用于以相对于使用CAD软件对绘图进行尺寸标注的现有技术方法在计算上更高效的方式在CAD程序中对绘图执行尺寸标注。另一技术优势在于,利用所公开技术,可将来自一个或多个源绘图的用户规定或标准化尺寸属性转移到目标绘图。因此,相对于经由传统的基于规则的自动尺寸标注工具而自动放置的尺寸,经由所公开技术自动放置到目标绘图中的尺寸能够更容易地符合各种设计文档要求。这些技术优势提供了优于现有技术方法的一个或多个技术改进。
附图说明
为了能够详细理解各种实施方案的上述特征的方式,可参考各种实施方案来更具体地描述上文简要概述的发明构思,这些实施方案中的一些在附图中示出。然而,应注意,附图仅示出了本发明概念的典型实施方案,并且因此决不应被认为是对范围的限制,并且存在其他同等有效的实施方案。
图1示出被配置为实现各种实施方案的一个或多个方面的计算装置。
图2包括根据各种实施方案的对图1的图形生成引擎、图形分析引擎和映射引擎的更详细图解。
图3A示出根据各种实施方案的部件的示例性绘图。
图3B示出根据各种实施方案的从图3A的绘图创建的示例性图形。
图4是根据各种实施方案的对图2的嵌入模型的更详细图解。
图5示出根据各种实施方案的如何生成源图形中的一组源节点与目标图形中的一组目标节点之间的节点相似度和节点映射。
图6阐述了根据各种实施方案的用于对目标绘图进行自动尺寸标注的方法步骤的流程图。
具体实施方式
在以下描述中,阐述许多具体细节以提供对各种实施方案的更透彻的理解。然而,对所属领域的技术人员将显而易见的是,可在没有这些具体细节中的一者或多者的情况下实践本发明概念。
系统概述
图1示出被配置为实现本发明的一个或多个方面的计算装置100。计算装置100可以是台式计算机、膝上型计算机、智能电话、个人数字助理(PDA)、平板计算机或被配置为接收输入、处理数据和任选地显示图像的任何其他类型的计算装置,并且适用于实践本发明的一个或多个实施方案。计算装置100被配置为运行驻留在存储器116中的图形生成引擎122、图形分析引擎124和映射引擎126。应注意,本文描述的计算装置是说明性的,并且任何其他技术上可行的配置都落入本发明的范围内。例如,图形生成引擎122、图形分析引擎124和映射引擎126的多个实例可在分布式和/或云计算系统中的一组节点上执行以实现计算装置100的功能性。
在一个实施方案中,计算装置100包括但不限于连接一个或多个处理器102的互连(总线)112、耦合到一个或多个输入/输出(I/O)装置108的输入/输出(I/O)装置接口104、存储器116、存储装置114和网络接口106。处理器102可以是实现为中央处理单元(CPU)、图形处理单元(GPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、人工智能(AI)加速器、任何其他类型的处理单元或不同处理单元的组合(诸如被配置为与GPU结合操作的CPU)的任何适合处理器。一般来说,处理器102可以是能够处理数据和/或执行软件应用程序的任何技术上可行的硬件单元。此外,在本公开的上下文中,计算装置100中所示的计算元件可对应于物理计算系统(例如,数据中心中的系统)或者可以是在计算云内执行的虚拟计算实例。
在一个实施方案中,I/O装置108包括能够接收输入的装置,诸如键盘、鼠标、触控板和/或传声器,以及能够提供输出的装置,诸如显示装置和/或扬声器。另外,I/O装置108可包括能够既接收输入又提供输出的装置,诸如触摸屏、通用串行总线(USB)端口等等。I/O装置108可被配置为从计算装置100的终端用户(例如,设计者)接收各种类型的输入,并且还向计算装置100的终端用户提供各种类型的输出,诸如所显示的数字图像或数字视频或者文本。在一些实施方案中,I/O装置108中的一者或多者被配置为将计算装置100耦合到网络110。
在一个实施方案中,网络110是允许数据在计算装置100与外部实体或装置(诸如Web服务器或另一联网计算装置)之间交换的任何技术上可行类型的通信网络。例如,网络110可包括广域网(WAN)、局域网(LAN)、无线(WiFi)网络和/或互联网等。
在一个实施方案中,存储装置114包括用于应用程序和数据的非易失性存储装置,并且可包括固定或可移动磁盘驱动器、快闪存储器装置以及CD-ROM、DVD-ROM、蓝光、HD-DVD或其他磁性、光学或固态存储装置。图形生成引擎122、图形分析引擎124和映射引擎126可存储在存储装置114中并在执行时加载到存储器116中。
在一个实施方案中,存储器116包括随机存取存储器(RAM)模块、快闪存储器单元或任何其他类型的存储器单元或其组合。处理器102、I/O装置接口104和网络接口106被配置为从存储器116读取数据并向存储器116写入数据。存储器116包括可由处理器102执行的各种软件程序和与所述软件程序相关联的应用程序数据,所述软件程序包括图形生成引擎122、图形分析引擎124和映射引擎126。
图形生成引擎122、图形分析引擎124和映射引擎126包括用以对绘图执行自动尺寸标注的功能性。更具体地,图形生成引擎122、图形分析引擎124和映射引擎126可向二维(2D)绘图自动添加尺寸,而不是要求用户在2D绘图内手动指定及格式化尺寸。如下文进一步详细描述的,此自动尺寸标注包括:将2D绘图转换成图形;生成2D绘图的实体、视图和/或其他部件的嵌入式表示;以及使用所述嵌入式表示来识别一个或多个“类似”2D绘图并将来自类似2D绘图的尺寸添加到2D绘图中。
用于自动标注绘图尺寸的图形对准
图2包括根据各种实施方案的对图1的图形生成引擎122、图形分析引擎124和映射引擎126的更详细图解。如上文所提及的,图形生成引擎122、图形分析引擎124和映射引擎126操作以基于包括于一个或多个源绘图212中的源尺寸218自动执行目标绘图202内一个或多个尺寸的尺寸放置220。
如图2所示,目标绘图202包括多个视图208和与视图208相关联的多个实体210。例如,目标绘图202可包括一个或多个图纸。每个图纸可包括3D部件的俯视图、前视图、侧视图、等距视图、截面图、细节图、剪切视图、辅助视图、分解视图和/或其他视图208。每个视图可包括描绘视图内3D部件的点、线、弧线、圆、射线、样条线、椭圆和/或其他几何实体210。在另一示例中,目标绘图202可包括2D或3D部件或结构的平面图、草图和/或另一描绘。
图形生成引擎122创建表示目标绘图202的图形204。首先,图形生成引擎122向图形204添加表示目标绘图202中的实体210的多个节点214(1)至214(3)。接下来,图形生成引擎122添加连接图形204内的多对节点214的多个边216(1)至216(4)。图形204中的每个边表示由对应对节点214表示的实体210之间的空间和/或语义关系。图形生成引擎122进一步将图形204中的节点214和边216与目标绘图202内的对应实体和关系的属性和/或与目标绘图202相关联的模型相关联。
例如,图形生成引擎122可将表示目标绘图202并且是二进制、结构化或其他格式的绘图文件转换成标准化格式。标准化格式可包括与目标绘图202的视图208、实体210和/或其他部件相关联的键值对。接下来,图形生成引擎122可在标准化格式内转换对视图208的迭代。对于每个视图,图形生成引擎122可将视图内的实体210的表示转换成图形204中的一组节点214。每个节点可包括诸如唯一标识符、由节点表示的实体类型等属性(例如,点、线、圆、椭圆、弧线、射线、样条线、材料、制造方法、尺寸等),和/或与几何实体相关的一个或多个属性(例如,中心、端点、长度、法线、起点、半径、角度和/或描述视图中的几何实体的另一值)。当两个实体210接触、重叠、交叉、连接、包含于彼此内、平行、垂直、在同一实体(例 如,组件、视图等)下分组、具有父子关系或依赖性(例如,一个实体是另一实体的尺寸、一个实体是另一实体的材料、一个实体是另一实体的制造方法等)或者共享视图内另一类型的空间或语义关系时,图形生成引擎122可用边连接对应节点。边可包括诸如唯一标识符、由边连接的节点的两个节点标识符、由边表示的关系类型等属性和/或与关系相关的一个或多个属性(例如,两个实体210之间的重叠量、两个实体210之间的距离、两个实体210接触或重叠的点、两个实体210之间的角度等)。
继续上文示例,在为目标绘图202中的所有视图208创建多组节点214和边216之后,图形生成引擎122可将多组节点214和边216合并到目标绘图202的总体图形204内的单组节点和边中。在总体图形204中,即使在多个视图208中找到了实体,每个实体也由单个节点表示。图形生成引擎122还可为目标绘图202中的每个视图维持图形204的单独视图特定版本。图形204的每个视图特定版本包括表示对应视图中的实体和关系的节点214和边216的子集。下文关于图3A至3B更详细地描述来自绘图中的多个视图的图形的生成。
在一些实施方案中,图形生成引擎122还包括将具有现有尺寸的绘图转换成图形的功能性。例如,图形生成引擎122可用于将已由用户手动进行尺寸标注的绘图转换成图形。与目标绘图202一样,图形生成引擎122可将每个绘图从二进制、结构化和/或另一格式转换成标准化格式。除了绘图中的视图、实体和/或其他部件的表示以外,标准化格式还包括绘图中尺寸的表示。图形生成引擎122可使用标准化格式来生成具有表示对应绘图内的实体和关系的节点和边的图形。图形生成引擎122还可使用标准化格式向图形添加尺寸并将尺寸与表示对应实体和/或关系的节点和/或边相关联。在图形内,每个尺寸可包括唯一标识符、尺寸的值、与尺寸相关联的单位(例如,英寸、英尺、米、度、弧度等)、尺寸的类型(例 如,线性、角度、径向、纵坐标等)、描述绘图内尺寸的外观的一个或多个属性(例如,起点、终点、旋转、法线等),和/或描述模型内尺寸的外观的一个或多个属性(例如,模型所占据的3D空间内尺寸的起点和终点)。
图形分析引擎124使用嵌入模型206来生成表示图形204中的节点214的目标节点嵌入232。在一些实施方案中,嵌入模型206包括具有编码器和核心部件的图形神经网络。编码器将给定图形中的每个节点转换成节点嵌入,所述节点嵌入是节点的属性和/或低维空间中的相关联边的固定长度的向量表示。核心部件执行消息传递过程,所述过程基于目标节点嵌入232迭代地更新每个节点嵌入,以相对于节点增加“半径”的其他节点,直到执行了特定数目的更新为止。将在下文关于图4更详细地描述嵌入模型206的结构。
图形分析引擎124还使用嵌入模型206和/或目标节点嵌入232来生成表示图形204的目标图形嵌入234以及表示视图208的一个或多个目标视图嵌入236。在一个或多个实施方案中,图形分析引擎124使用均值池化、最大池化和/或另一聚合操作将图形204中多个节点214的目标节点嵌入232组合到表示图形204的单个目标图形嵌入234中。图形分析引擎124还可使用相同聚合操作或不同聚合操作来将图形204的视图特定版本中的节点214的目标节点嵌入232组合到表示对应视图的目标视图嵌入中。
所属领域的技术人员将了解,图形分析引擎124可被配置为以其他方式生成目标节点嵌入232、目标图形嵌入234和目标视图嵌入236。例如,可使用单独嵌入模型来产生目标节点嵌入232、目标图形嵌入234和/或目标视图嵌入236。在第二示例中,可使用卷积核、注意力机制和/或其他类型的深度学习或计算机视觉技术来产生目标节点嵌入232、目标图形嵌入234和/或目标视图嵌入236。在第三示例中,图形分析引擎124可使用分层图形嵌入模型206来生成目标节点嵌入232、目标图形嵌入234和目标视图嵌入236。分层图形嵌入模型206可包括可微图形池化模块,其通过对由给定层生成的嵌入进行聚类并将每个聚类中的嵌入聚合到用作下一层的输入的单个嵌入中来生成输入图形的分层表示。分层图形嵌入模型206的第一层可用于生成给定版本的图形204中的节点的目标节点嵌入232,并且分层图形嵌入模型206的最后一层可用于生成表示图形204的版本的单个目标图形嵌入234。因此,分层图形嵌入模型206可应用于表示目标绘图202的总体图形204以产生表示总体图形204内节点214的目标节点嵌入232以及目标图形嵌入234。分层图形嵌入模型206也可应用于图形204的每个视图特定版本,以产生表示视图特定版本内的节点214的目标节点嵌入232以及对应视图的目标视图嵌入。
在产生目标节点嵌入232、目标图形嵌入234和目标视图嵌入236之后,映射引擎126将目标图形嵌入234与表示具有现有尺寸的源绘图212的多个源图形嵌入240相匹配。例如,映射引擎126可将目标绘图202与以下各项相匹配:来自同一用户的一组源绘图212;来自与团队或项目相关联的用户的一组源绘图212;与公司或组织相关联的一组源绘图212;与一个或多个标签或类别相关联的一组源绘图212;具有标准化部件和尺寸的一组源绘图212;由创建目标绘图202的用户选择的一组源绘图212;在计算机辅助设计(CAD)程序上可用的一组源绘图212;手动管理的一组源绘图212;和/或与另一属性相关联的一组源绘图212。映射引擎126可从存储库检索表示源绘图212的源图形的经预先计算的源图形嵌入240(例如,在由图形分析引擎124和/或嵌入模型206生成源图形嵌入之后)。映射引擎126还可或替代地从图形分析引擎124接收一个或多个源图形嵌入240(例如,如果源图形嵌入尚未被预先计算或未在存储库中)。
接下来,映射引擎126确定目标图形嵌入234与源图形嵌入240之间的图形相似度242,并使用图形相似度242将一个或多个源绘图212识别为源尺寸候选244,可从源尺寸候选244检索源尺寸218并将其添加到目标绘图202。例如,映射引擎126可将图形相似度242计算为余弦相似度、欧几里得距离、点积,和/或目标图形嵌入234与每个源图形嵌入之间的向量相似度或距离的另一量度。然后,映射引擎126可通过使图形相似度递减来对源绘图212进行排序,并且使用经排序源绘图212来选择具有最高图形相似度242的一个或多个源绘图212和/或具有超出数字或百分点阈值的图形相似度242的一个或多个源绘图作为源尺寸候选244。
映射引擎126然后检索表示源尺寸候选244的一个或多个源图形中的节点的源节点嵌入246,并计算图形204中节点214的目标节点嵌入232与源节点嵌入246之间的节点相似度248。例如,映射引擎126可从存储库检索经预先计算的源节点嵌入246和/或从图形分析引擎124接收源图形的一组或多组源节点嵌入246。映射引擎126可将节点相似度248计算为余弦相似度、欧几里得距离,和/或目标节点嵌入232中的每个与源节点嵌入246中的每个之间的向量相似度或距离的另一量度。因此,对于m个目标节点嵌入232和n个源节点嵌入246,映射引擎126将生成m×n个节点相似度248。
映射引擎126使用节点相似度248来生成图形204中的节点214和与包括于源尺寸候选244中的源绘图相关联的对应一组节点之间的节点映射250。如下文参考图5进一步详细描述的,映射引擎126可使用二分对准技术来生成节点映射250,使得通过将节点214与映射到节点214的对应一组节点之间的节点相似度248聚合来计算的“总体”相似度被最大化。映射引擎126还可或替代地使用一种或多种其他技术来生成节点映射250。这些技术包括(但不限于)最大匹配、网络流和/或子图形匹配。
最终,映射引擎126使用来自所选源绘图的节点映射250和源尺寸218来生成目标绘图202内的尺寸放置220。例如,映射引擎126可使用节点映射250为目标绘图202中的给定实体识别源绘图中所述实体映射到的源实体。映射引擎126可从源绘图检索源实体的源尺寸,并将源尺寸作为目标绘图202中的实体的目标尺寸放置。在目标绘图202中目标尺寸的放置期间,映射引擎126可将与源尺寸相关的间距、定向和/或其他格式复制到目标尺寸中。为了提高尺寸放置220的质量和准确性,映射引擎126还可将尺寸放置220限制为与超出阈值的节点相似度248相关联的源尺寸218。在另一示例中,映射引擎126可使用节点映射250来为目标绘图202中由图形204中的节点表示的给定目标尺寸识别源绘图中所述目标尺寸映射到的对应源尺寸。映射引擎126然后可将源尺寸的值及与源尺寸相关的格式复制到目标尺寸中。
当存在多个源尺寸候选244时,映射引擎126可在节点214与来自表示源尺寸候选244的源图形的多组节点之间生成多组节点映射250。映射引擎126可将与每组节点映射250相关联的节点相似度248聚合到目标绘图202与目标绘图202中的实体210映射到的对应源绘图之间的总体相似度。映射引擎126然后可识别与目标绘图具有总体相似度的源绘图,并且使用来自所识别源绘图的源尺寸218以及源绘图与目标绘图202之间的节点映射250来执行尺寸放置。替代地,映射引擎126可将每个源尺寸候选与目标绘图202之间的总体相似度以及源尺寸候选与目标绘图202之间的图形相似度242组合到源尺寸候选与目标绘图202之间的相似度得分中。映射引擎126还可在源尺寸候选244内识别具有最高相似度得分的源绘图。映射引擎126然后可使用来自所识别源绘图的源尺寸218以及源绘图与目标绘图202之间的节点映射250来执行尺寸放置220。
映射引擎126还可或替代地生成目标绘图202与多个源绘图212之间的节点映射250和对应尺寸放置220。例如,映射引擎126可将源尺寸候选244识别为具有最高图形相似度242的固定数目的源绘图和/或具有超出阈值的图形相似度242的可变数目的源绘图。映射引擎126可为源尺寸候选244的源图形中的节点计算目标节点嵌入232中的每个与源节点嵌入246中的每个之间的节点相似度248。映射引擎126然后可在包括于节点214中的每个节点与来自源图形的具有最高节点相似度的对应节点之间生成节点映射250。最终,映射引擎126可使用节点映射250来执行源尺寸216的尺寸放置220作为目标绘图202中对应实体的目标尺寸。
在一个或多个实施方案中,代替或除了基于目标绘图202与源绘图之间的节点相似度248和/或节点映射250来执行尺寸放置220以外,映射引擎126也基于目标绘图202中的视图208与源绘图中的对应视图之间的节点相似度248和/或节点映射250来生成尺寸放置220。例如,映射引擎126可为源绘图中的一组视图计算目标视图嵌入236与一组源视图嵌入之间的“视图相似度”。映射引擎126可以将视图208与经尺寸标注视图之间的视图相似度的聚合最大化的方式来生成视图208与源绘图中的经尺寸标注视图之间的“视图映射”。映射引擎126可使用视图映射来生成目标绘图202内每个视图中的节点214的子集与源绘图中所述视图映射到的对应视图之间的节点相似度248、节点映射250和尺寸放置220。如果映射引擎126还基于目标绘图202与源绘图之间的节点相似度248和/或节点映射250来执行尺寸放置220,则映射引擎126可允许用户从与具有实体的节点映射250相关联的多个源尺寸218选择目标绘图202中的实体的目标尺寸。映射引擎126还可或替代地选择实体的目标尺寸作为与实体具有最高节点相似度的源实体的源尺寸。
图3A示出根据各种实施方案的部件的示例性绘图。如图3A所示,绘图包括部件的多个视图302至306。例如,视图302至306可包括部件的俯视图、前视图和侧视图。
每个视图包括经由空间关系连接的多个实体。视图302包括实体A、F、K和L。在视图302内,实体A与F、A与L、L与K以及F与K由线连接。
视图304包括实体A、B、C、D、E、F、G、H和M。在视图304内,实体A与B、C与D、E与F以及G与H由线连接。实体B与C、D与E、F与G以及A与H由弧线连接。实体M包括没有连接到任何其他实体的圆。
视图306包括实体C、H、I和J。在视图306内,实体C与H、C与I、I与J以及J与H由线连接。
图3B示出根据各种实施方案的从图3A的绘图创建的示例性图形308。图形308包括表示绘图中的实体A、B、C、D、E、F、G、H、I、J、K、L和M的节点。图形308还包括节点之间的表示绘图中的对应实体之间的空间关系的边。
在图形308内,表示实体A与F、A与L、L与K以及F与K的节点通过边连接以表示视图302中对应实体之间的线。表示实体A与B、C与D、E与F以及G与H的节点由边连接以表示视图304中对应实体之间的线。表示实体B与C、D与E、F与G以及A与H的节点由边连接以表示视图中对应实体之间的弧线。表示实体M的节点包括连接到其自身的边,以指示实体M与其自身具有空间关系。表示实体C与H、C与I、I与J以及J与H的节点由边连接以表示视图306中对应实体之间的线。
图形308中的每个边也与一对数值相关联。第一数值指示找到关系的视图,其中值0表示视图302,值1表示视图304,并且值2表示视图306。第二数值指示由边表示的关系类型,其中值1指示线,值2指示弧线,并且值3指示圆。
结果,图形308包括所有三个视图302至306中实体与关系的“合并”表示。每个实体由图形308中的单个节点表示,即使所述实体出现在绘图内的多个视图中。图形308另外包括表示跨越所有视图302至306的实体之间的空间关系的边。
图4是根据各种实施方案的对图2的嵌入模型的更详细图解。如图4所示,嵌入模型包括编码器402、核心404和解码器406。编码器402将输入图形408转换成表示输入图形408中的节点的一组节点嵌入410。例如,编码器402可将与图形408中的每个节点相关联的一组特征(例如,来自绘图的实体属性、图形408中节点与其他节点之间的边的表示等)转换成对应节点嵌入。
核心404对节点嵌入410执行多轮迭代更新414至416以产生一组更新的节点嵌入412。每个更新都将来自给定节点的特定跳跃计数内的信息并入节点的节点嵌入中。例如,由核心404执行的第一更新414可包括图形408中节点的邻域的节点嵌入410的池化以及节点的嵌入与邻域的池化节点嵌入410的级联。由核心404执行的第二更新416可包括图形408中节点的二级邻域的节点嵌入410的池化以及二级邻域的池化节点嵌入410与第一更新414的级联。因此,每个附加更新将包括节点的节点嵌入410的附加池化,所述节点是来自图形408中的节点的下一跳跃计数,接着是将池化节点嵌入与先前更新级联。
在核心404已对节点嵌入410执行了一定数目的更新之后,来自核心404的经更新节点嵌入412被输入到解码器406中,并且解码器406将经更新节点嵌入412转换成输出图形418。例如,解码器406可将由核心404输出的固定长度向量转换成与对应节点相关联的一组特征。
编码器402、核心404和解码器406使用图形408与418之间的重构损失420来进行附加训练。例如,可将变换层应用于解码器406的输出以生成可与输入到编码器402中的特征表示进行比较的一组节点的特征表示。接下来,可计算重构损失420以反映输入到编码器402中的特征表示与由解码器406和/或变换层输出的特征表示之间的差。然后可跨越变换层、解码器406、核心404和编码器402的层向后传播多个输入图形与输出图形之间的重构损失420,直到重构损失420降到阈值以下。
在嵌入模型被训练之后,编码器402和核心404用于生成新输入图形的经更新节点嵌入412。例如,编码器402和核心404可用于将与图形204中的节点214相关联的特征转换成表示目标绘图202中实体210的目标节点嵌入232的经更新节点嵌入412。编码器402和核心404还可用于将与表示源绘图的源图形中的节点相关联的特征转换成表示源绘图中实体的源节点嵌入246的经更新节点嵌入412。如上文所论述,给定绘图(或视图)中实体的节点嵌入可另外聚合到表示绘图的图形嵌入(或表示视图的视图嵌入)中。
所属领域的技术人员将了解,可以各种方式结构化、训练和/或执行嵌入模型。例如,可从嵌入模型省略解码器406,并且可以任务驱动的方式训练编码器402和/或核心404以预测图形性质、节点属性或类型、节点和/或图形之间的相似度,和/或其他类型的属性。在另一示例中,嵌入模型可使用无监督、自我监督和/或半监督方法进行训练,诸如(但不限于)Barlow Twins、SimCLR、Bootstrap Your Own Latent(BYOL)、不变上下文表示学习(PIRL)、视图之间的交换分配(SwAV)和/或动量对比(MoCo)。在第三示例中,可为从几何复杂实体的图形(例如样条线)采样的节点子集生成节点嵌入410和/或经更新节点嵌入412,并且可从这些节点嵌入410和/或经更新节点嵌入412的聚合生成实体的图形嵌入。
图5示出根据各种实施方案的如何生成源图形中的一组源节点S1、S2、S3、…与目标图形中的一组目标节点T1、T2、T3、…之间的节点相似度248以及节点映射250。如图5所示,节点相似度248包括在每个源节点与每个目标节点之间计算的成对节点相似度248M11、M12、M13、M21、M22、M23、M31、M32、M33、…。例如,每个节点相似度MXY可包括对表示源节点X的第一嵌入与表示目标节点Y的第二嵌入之间的向量相似度的测量。每个节点相似度还可或者替代地包括对源节点与目标节点之间的局部拓扑相似度的测量。
在计算出节点相似度248之后,基于节点相似度248生成源节点与目标节点之间的节点映射250。例如,可使用Hungarian技术将源节点分配给每个目标节点,使得将与所分配对源节点与目标节点相关联的节点相似度248的和最大化。
图6阐述了根据各种实施方案的用于对目标绘图进行自动尺寸标注的方法步骤的流程图。尽管结合图1至图4的系统描述了方法步骤,但所属领域的技术人员将理解,被配置为依任何顺序执行方法步骤的任何系统都落入本公开的范围内。
如图所示,图形生成引擎122创建602表示目标绘图的目标图形。例如,图形生成引擎122可在目标图形内创建表示目标绘图中的一组实体(例如,点、线、弧线、圆、椭圆、尺寸、材料、制造方法、部件等)的第一组节点。图形生成引擎122还可在目标图形中添加连接多对节点的边。每个边表示包括于目标图形中的一对对应实体之间的空间和/或语义关系。图形生成引擎122可进一步将节点和边与对应实体和关系的属性相关联。
接下来,图形分析引擎124生成604目标图形中的第一组节点的第一组节点嵌入以及目标图形的目标图形嵌入。例如,图形分析引擎124可将嵌入模型中的编码器应用于目标图形中每个节点的特征(例如,属性、边等),以产生节点的节点嵌入。图形分析引擎124还可使用嵌入模型中的核心部件基于节点的节点嵌入迭代地更新节点嵌入,所述节点是来自图形中节点的特定跳跃计数。然后,图形分析引擎124可将第一组节点的经更新节点嵌入聚合到目标图形的目标图形嵌入中。
映射引擎126基于目标图形嵌入与源图形的源图形嵌入之间的相似度将目标图形与源图形相匹配606。例如,映射引擎126可为具有所放置尺寸的源绘图计算目标图形嵌入与一组源图形嵌入之间的一组向量相似度。图形分析引擎124然后可将目标图形和与一组向量相似度内的最高向量相似度相关联的源图形相匹配。
映射引擎126还为源图形中的第二组节点计算608第一组节点嵌入与第二组节点嵌入之间的成对节点相似度。例如,映射引擎126可从图形分析引擎124、存储库和/或另一源接收第二组节点嵌入。映射引擎126然后可计算成对节点相似度作为对包括于第一组节点嵌入中的每个节点嵌入与包括于第二组节点嵌入中的每个节点嵌入之间的向量相似度的测量。
映射引擎126然后基于成对节点相似度生成610第一组节点与第二组节点之间的一组映射。例如,映射引擎126可使用二分对准技术以将与映射节点相关联的成对节点相似度的和最大化的方式生成映射。
最终,映射引擎126基于映射在目标图形内自动放置612源图形中的一个或多个尺寸。例如,映射引擎126可检索与在操作610中生成的映射相关联的源绘图中每个源实体的源尺寸。映射引擎126可任选地验证出与映射相关联的成对节点相似度超出阈值。然后,映射引擎126可将源尺寸和相关联外观(例如,定向、格式化、类型、间距等)从源绘图中的源实体复制到目标绘图中所述源实体映射到的目标实体。
总之,所公开技术使用机器学习和图形对准对绘图执行自动尺寸标注。将目标绘图转换成图形,其中图形中的第一组节点表示目标绘图中的实体,并且多对节点之间的边表示对应实体之间的空间和/或语义关系。一个或多个嵌入模型用于生成第一组节点的第一组节点嵌入、目标绘图的目标图形嵌入,和/或表示目标绘图内的一个或多个视图的一个或多个视图嵌入。为具有所放置尺寸的一组源绘图计算目标图形嵌入与一组源图形嵌入之间的图形相似度,并识别与最高图形相似度(或与目标绘图的相似度的另一测量)相关联的源绘图。然后为表示源绘图的源图形中的第二组节点计算第一组节点嵌入与第二组节点嵌入之间的成对节点相似度,并生成第一组节点与第二组节点之间的映射以最大化对应节点相似度的聚合。然后向目标绘图中所述源实体映射到的实体添加源绘图中的源实体的尺寸。
所公开技术相对于现有技术的一个技术优势在于,利用所公开技术,在CAD程序内对绘图进行尺寸标注所需的时间量和用户工作量可显著减少。就那一点来说,所公开技术可用于以相对于现有技术方法在计算上更高效的方式在CAD程序中对绘图执行尺寸标注。另一技术优势在于,利用所公开技术,可将来自一个或多个源绘图的用户规定或标准化尺寸属性转移到目标绘图。因此,相对于经由传统的基于规则的自动尺寸标注工具而自动放置的尺寸,经由所公开技术自动放置到目标绘图中的尺寸能够更容易地符合各种设计文档要求。这些技术优势提供了优于现有技术方法的一个或多个技术改进。
1.在一些实施方案中,一种用于向目标绘图自动添加尺寸的计算机实现的方法包括:生成包括于表示目标绘图的目标图形中的第一组节点的第一组节点嵌入;接收包括于表示源绘图的源图形中的第二组节点的第二组节点嵌入,其中包括于第二组节点中的一个或多个节点与包括于源绘图中的一个或多个源尺寸相关联;基于第一组节点嵌入与第二组节点嵌入之间的一个或多个相似度生成第一组节点与第二组节点之间的一组映射;以及基于所述一组映射在目标绘图内自动放置包括于一个或多个源尺寸中的至少一个尺寸。
2.根据条款1所述的计算机实现的方法,其还包括:基于包括于目标绘图中的一组实体在目标图形内生成第一组节点;以及在目标图形内生成第一组边,其中包括于第一组边中的每个边连接包括于第一组节点中的一对节点并表示包括于目标绘图中的对应于一对节点的一对实体之间的空间关系。
3.根据条款1或2所述的计算机实现的方法,其还包括:经由嵌入模型对目标图形执行一个或多个操作以生成目标图形嵌入;以及基于目标图形嵌入和与源绘图相关联的源图形嵌入之间的相似度将目标图形与源图形相匹配。
4.根据条款1至3中任一条款所述的计算机实现的方法,其中将目标图形与源图形相匹配包括:检索多个源图形的多个源图形嵌入,其中每个源图形与目标图形共享一个或多个属性;计算目标图形嵌入与多个源图形嵌入之间的多个图形嵌入相似度;以及将目标图形和与包括于多个图形嵌入相似度中的最大图形嵌入相似度相关联的源图形相匹配。
5.根据条款1至4中任一条款所述的计算机实现的方法,其中对目标图形执行一个或多个操作包括:将嵌入模型应用于第一组节点以生成第一组节点嵌入;以及基于第一组节点嵌入生成目标图形嵌入。
6.根据条款1至5中任一条款所述的计算机实现的方法,其中通过将编码器应用于目标图形来生成第一组节点嵌入。
7.根据条款1至6中任一条款所述的计算机实现的方法,其中生成第一组节点嵌入包括:基于驻留在来自目标图形中的第一节点的跳跃计数内的一个或多个节点的一个或多个节点嵌入,迭代地更新第一节点的节点嵌入。
8.根据条款1至7中任一条款所述的计算机实现的方法,其中生成第一组节点与第二组节点之间的一组映射包括:计算第一组节点嵌入与第二组节点嵌入之间的一组成对节点相似度;以及基于包括于一组成对节点相似度中的一个或多个成对节点相似度生成一组映射,所述一组成对节点相似度将第一组节点嵌入与第二组节点嵌入之间的总体相似度最大化。
9.根据条款1至8中任一条款所述的计算机实现的方法,其中一个或多个源尺寸包括线性尺寸、角度尺寸、纵坐标尺寸或径向尺寸中的至少一者。
10.根据条款1至9中任一条款所述的计算机实现的方法,其中第一组节点表示点、线、弧线、圆或椭圆中的至少一者。
11.在一些实施方案中,一种或多种非暂时性计算机可读介质,其存储指令,所述指令在由一个或多个处理器执行时致使一个或多个处理器执行以下步骤:生成包括于表示目标绘图的目标图形中的第一组节点的第一组节点嵌入;接收包括于表示源绘图的源图形中的第二组节点的第二组节点嵌入,其中包括于第二组节点中的一个或多个节点与包括于源绘图中的一个或多个源尺寸相关联;基于第一组节点嵌入与第二组节点嵌入之间的一个或多个相似度生成第一组节点与第二组节点之间的一组映射;以及基于所述一组映射在目标绘图内自动放置包括于一个或多个源尺寸中的至少一个尺寸。
12.根据条款11所述的一种或多种非暂时性计算机可读介质,其中所述指令进一步致使一个或多个处理器执行以下步骤:基于包括于目标绘图中的一组实体在目标图形内生成第一组节点;以及在目标图形内生成第一组边,其中包括于第一组边中的每个边连接包括于第一组节点中的一对节点并表示包括于目标绘图中的对应于一对节点的一对实体之间的空间关系。
13.根据条款11或12所述的一种或多种非暂时性计算机可读介质,其中向目标图形添加第一组节点包括:生成表示目标绘图的第一视图中的第二组实体的第二组节点;生成表示目标绘图的第二视图中的第三组实体的第三组节点;以及将第二组节点和第三组节点合并到第一组节点中,其中包括于第一组节点中的每个节点对应于包括于目标绘图的一个或多个视图中的实体。
14.根据条款11至13中任一条款所述的一种或多种非暂时性计算机可读介质,其中所述指令进一步致使一个或多个处理器执行以下步骤:基于与目标图形相关联的目标图形嵌入和与源绘图相关联的源图形嵌入之间的相似度,将目标图形与源图形相匹配。
15.根据条款11至14中任一条款所述的一种或多种非暂时性计算机可读介质,其中所述指令进一步致使一个或多个处理器执行以下步骤:基于第一组节点嵌入的聚合生成目标图形的目标图形嵌入。
16.根据条款11至15中任一条款所述的一种或多种非暂时性计算机可读介质,其中将目标图形与源图形相匹配包括将阈值应用于目标图形嵌入与源图形嵌入之间的相似度。
17.根据条款11至16中任一条款所述的一种或多种非暂时性计算机可读介质,其中生成第一组节点与第二组节点之间的一组映射包括:基于第一视图的第一视图嵌入与第二视图的第二视图嵌入之间的相似度,将目标绘图的第一视图与源绘图的第二视图相匹配;以及生成包括于第一视图中的第一组节点与包括于第二视图中的第二组节点之间的一组映射。
18.根据条款11至17中任一条款所述的一种或多种非暂时性计算机可读介质,其中在目标绘图内自动放置至少一个尺寸包括:基于表示目标绘图中的第一实体的第一节点与表示与源绘图中的尺寸相关联的第二实体的第二节点之间的映射,将第一实体与包括于一个或多个尺寸中的尺寸相关联。
19.根据条款11至18中任一条款所述的一种或多种非暂时性计算机可读介质,其中在目标绘图内自动放置至少一个尺寸还包括:在将第一实体与尺寸相关联之前,验证第一节点的第一节点嵌入与第二节点的第二节点嵌入之间的相似度超出阈值。
20.在一些实施方案中,一种系统包括存储指令的存储器以及处理器,所述处理器耦合到所述存储器并且在执行指令时被配置为:生成包括于表示目标绘图的目标图形中的第一组节点的第一组节点嵌入;接收包括于表示源绘图的源图形中的第二组节点的第二组节点嵌入,其中包括于第二组节点中的一个或多个节点与包括于源绘图中的一个或多个源尺寸相关联;基于第一组节点嵌入与第二组节点嵌入之间的一个或多个相似度生成第一组节点与第二组节点之间的一组映射;以及基于所述一组映射在目标绘图内自动放置包括于一个或多个源尺寸中的至少一个尺寸。
权利要求中的任一项中所述的权利要求要素中的任一者和/或本申请中描述的任何要素的以任何方式进行的任何和全部组合落入本发明和保护的设想范围内。
已出于说明目的呈现了对各种实施方案的描述,但这些描述并非旨在为详尽的或限于所公开的实施方案。在不脱离所描述实施方案的范围和精神的情况下,许多修改和变化对所属领域的技术人员将是显而易见的。
本发明实施方案的方面可体现为系统、方法或计算机程序产品。因此,本公开的方面可采取全硬件实施方案、全软件实施方案(包括固件、常驻软件、微代码等)或者结合软件和硬件方面的实施方案的形式,所述软件和硬件方面在本文中可全部概括地称为“模块”、“系统”或“计算机”。另外,本公开中所描述的任何硬件和/或软件技术、过程、功能、部件、引擎、模块或系统都可实现为电路或一组电路。此外,本公开的各方面可采取体现在一个或多个计算机可读介质中的计算机程序产品的形式,所述一个或多个计算机可读介质具有在其上体现的计算机可读程序代码。
可利用一个或多个计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是例如但不限于电子、磁性、光学、电磁、红外或半导体系统、设备或装置,或者前述项的任何合适的组合。计算机可读存储介质的更具体示例(非详尽列表)将包括以下项:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便携式光盘只读存储器(CD-ROM)、光学存储装置、磁性存储装置,或前述项的任何合适的组合。在本文档的上下文中,计算机可读存储介质可以是可包含或存储供指令执行系统、设备或装置使用或者结合指令执行系统、设备或装置使用的程序的任何有形介质。
以上参考根据本公开的实施方案的方法、设备(系统)和计算机程序产品的流程图图解和/或框图描述了本公开的方面。将理解,可通过计算机程序指令来实现流程图图解和/或框图中的每个框以及流程图图解和/或框图中的框的组合。这些计算机程序指令可提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器以产生机器。指令在经由计算机或其他可编程数据处理设备的处理器执行时使得实现流程图和/或框图的一个或多个框中指定的功能/动作。此类处理器可以是但不限于通用处理器、专用处理器、应用特定的处理器或现场可编程门阵列。
附图中的流程图和框图示出了根据本公开的各种实施方案的系统、方法和计算机程序产品的可能的实施方案的架构、功能和操作。就这一点而言,流程图或框图中的每个框可表示包括用于实现指定的逻辑功能的一个或多个可执行指令的代码的模块、片段或部分。还应注意,在一些替代实现方式中,框中所述的功能可不按附图中所述的次序发生。例如,连续示出的两个框实际上可基本上同时执行,或者所述框有时可按相反的次序执行,这取决于所涉及的功能。还应注意,框图和/或流程图中的每个框以及框图和/或流程图中的框组合可由执行指定功能或动作的基于专用硬件的系统、或专用硬件和计算机指令的组合来实现。
尽管前述内容涉及本公开的实施方案,但在不脱离本公开的基本范围的情况下可设想本公开的其他和另外的实施方案,并且本公开的范围由所附权利要求确定。
Claims (20)
1.一种用于向目标绘图自动添加尺寸的计算机实现的方法,所述方法包括:
生成包括于表示所述目标绘图的目标图形中的第一组节点的第一组节点嵌入;
接收包括于表示源绘图的源图形中的第二组节点的第二组节点嵌入,其中包括于所述第二组节点中的一个或多个节点与包括于所述源绘图中的一个或多个源尺寸相关联;
基于所述第一组节点嵌入与所述第二组节点嵌入之间的一个或多个相似度,生成所述第一组节点与所述第二组节点之间的一组映射;以及
基于所述一组映射,在所述目标绘图内自动放置包括于所述一个或多个源尺寸中的至少一个尺寸。
2.根据权利要求1所述的计算机实现的方法,其还包括:
基于包括于所述目标绘图中的一组实体,在所述目标图形内生成所述第一组节点;以及
在所述目标图形内生成第一组边,其中包括于所述第一组边中的每个边连接包括于所述第一组节点中的一对节点并表示包括于所述目标绘图中的对应于所述一对节点的一对实体之间的空间关系。
3.根据权利要求1所述的计算机实现的方法,其还包括:
经由嵌入模型对所述目标图形执行一个或多个操作以生成目标图形嵌入;以及
基于所述目标图形嵌入和与所述源绘图相关联的源图形嵌入之间的相似度,将所述目标图形与所述源图形相匹配。
4.根据权利要求3所述的计算机实现的方法,其中将所述目标图形与所述源图形相匹配包括:
检索多个源图形的多个源图形嵌入,其中每个源图形与所述目标图形共享一个或多个属性;
计算所述目标图形嵌入与所述多个源图形嵌入之间的多个图形嵌入相似度;以及
将所述目标图形和与包括于所述多个图形嵌入相似度中的最大图形嵌入相似度相关联的所述源图形相匹配。
5.根据权利要求3所述的计算机实现的方法,其中对所述目标图形执行所述一个或多个操作包括:
将所述嵌入模型应用于所述第一组节点以生成所述第一组节点嵌入;以及
基于所述第一组节点嵌入而生成所述目标图形嵌入。
6.根据权利要求1所述的计算机实现的方法,其中通过将编码器应用于所述目标图形来生成所述第一组节点嵌入。
7.根据权利要求1所述的计算机实现的方法,其中生成所述第一组节点嵌入包括:基于驻留在来自所述目标图形中的所述第一节点的跳跃计数内的一个或多个节点的一个或多个节点嵌入,迭代地更新第一节点的节点嵌入。
8.根据权利要求1所述的计算机实现的方法,其中生成所述第一组节点与所述第二组节点之间的所述一组映射包括:
计算所述第一组节点嵌入与所述第二组节点嵌入之间的一组成对节点相似度;以及
基于包括于所述一组成对节点相似度中的将所述第一组节点嵌入与所述第二组节点嵌入之间的总体相似度最大化的一个或多个成对节点相似度,生成所述一组映射。
9.根据权利要求1所述的计算机实现的方法,其中所述一个或多个源尺寸包括线性尺寸、角度尺寸、纵坐标尺寸或径向尺寸中的至少一者。
10.根据权利要求1所述的计算机实现的方法,其中所述第一组节点表示点、线、弧线、圆或椭圆中的至少一者。
11.一种或多种非暂时性计算机可读介质,其存储指令,所述指令在由一个或多个处理器执行时致使所述一个或多个处理器执行以下步骤:
生成包括于表示目标绘图的目标图形中的第一组节点的第一组节点嵌入;
接收包括于表示源绘图的源图形中的第二组节点的第二组节点嵌入,其中包括于所述第二组节点中的一个或多个节点与包括于所述源绘图中的一个或多个源尺寸相关联;
基于所述第一组节点嵌入与所述第二组节点嵌入之间的一个或多个相似度,生成所述第一组节点与所述第二组节点之间的一组映射;以及
基于所述一组映射,在所述目标绘图内自动放置包括于所述一个或多个源尺寸中的至少一个尺寸。
12.根据权利要求11所述的一种或多种非暂时性计算机可读介质,其中所述指令进一步致使所述一个或多个处理器执行以下步骤:
基于包括于所述目标绘图中的一组实体,在所述目标图形内生成所述第一组节点;以及
在所述目标图形内生成第一组边,其中包括于所述第一组边中的每个边连接包括于所述第一组节点中的一对节点并表示包括于所述目标绘图中的对应于所述一对节点的一对实体之间的空间关系。
13.根据权利要求12所述的一种或多种非暂时性计算机可读介质,其中向所述目标图形添加所述第一组节点包括:
生成表示所述目标绘图的第一视图中的第二组实体的第二组节点;
生成表示所述目标绘图的第二视图中的第三组实体的第三组节点;以及
将所述第二组节点与所述第三组节点合并到所述第一组节点中,其中包括于所述第一组节点中的每个节点对应于包括于所述目标绘图的一个或多个视图中的实体。
14.根据权利要求11所述的一种或多种非暂时性计算机可读介质,其中所述指令进一步致使所述一个或多个处理器执行以下步骤:基于与所述目标图形相关联的目标图形嵌入和与所述源绘图相关联的源图形嵌入之间的相似度,将所述目标图形与所述源图形相匹配。
15.根据权利要求14所述的一种或多种非暂时性计算机可读介质,其中所述指令进一步致使所述一个或多个处理器执行以下步骤:基于所述第一组节点嵌入的聚合,生成所述目标图形的所述目标图形嵌入。
16.根据权利要求14所述的一种或多种非暂时性计算机可读介质,其中将所述目标图形与所述源图形相匹配包括将阈值应用于所述目标图形嵌入与所述源图形嵌入之间的相似度。
17.根据权利要求11所述的一种或多种非暂时性计算机可读介质,其中生成所述第一组节点与所述第二组节点之间的所述一组映射包括:
基于第一视图的第一视图嵌入与第二视图的第二视图嵌入之间的相似度,将所述目标绘图的所述第一视图与所述源绘图的所述第二视图相匹配;以及
生成包括于所述第一视图中的所述第一组节点与包括于所述第二视图中的所述第二组节点之间的所述一组映射。
18.根据权利要求11所述的一种或多种非暂时性计算机可读介质,其中在所述目标绘图内自动放置所述至少一个尺寸包括基于表示所述目标绘图中的第一实体的第一节点与表示与所述源绘图中的尺寸相关联的第二实体的第二节点之间的映射,将所述第一实体与包括于所述一个或多个尺寸中的所述尺寸相关联。
19.根据权利要求18所述的一种或多种非暂时性计算机可读介质,其中在所述目标绘图内自动放置所述至少一个尺寸还包括在将所述第一实体与所述尺寸相关联之前,验证所述第一节点的第一节点嵌入与所述第二节点的第二节点嵌入之间的相似度超出阈值。
20.一种系统,其包括:
存储器,所述存储器存储指令;以及
处理器,所述处理器耦合到所述存储器,并且在执行所述指令时被配置为:
生成包括于表示目标绘图的目标图形中的第一组节点的第一组节点嵌入;
接收包括于表示源绘图的源图形中的第二组节点的第二组节点嵌入,其中包括于所述第二组节点中的一个或多个节点与包括于所述源绘图中的一个或多个源尺寸相关联;
基于所述第一组节点嵌入与所述第二组节点嵌入之间的一个或多个相似度,生成所述第一组节点与所述第二组节点之间的一组映射;并且
基于所述一组映射,在所述目标绘图内自动放置包括于所述一个或多个源尺寸中的至少一个尺寸。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163169612P | 2021-04-01 | 2021-04-01 | |
US63/169,612 | 2021-04-01 | ||
US17/374,722 US11954820B2 (en) | 2021-04-01 | 2021-07-13 | Graph alignment techniques for dimensioning drawings automatically |
US17/374,722 | 2021-07-13 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115203769A true CN115203769A (zh) | 2022-10-18 |
Family
ID=80780770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210314557.7A Pending CN115203769A (zh) | 2021-04-01 | 2022-03-28 | 用于自动标注绘图尺寸的图形对准技术 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11954820B2 (zh) |
EP (1) | EP4071650A3 (zh) |
CN (1) | CN115203769A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115468611A (zh) * | 2022-11-02 | 2022-12-13 | 江苏新恒基特种装备股份有限公司 | 带有密排通道的大型构件成型测控系统及方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220317985A1 (en) * | 2021-04-02 | 2022-10-06 | Fujitsu Limited | Machine learning model for recommending software |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10509859B2 (en) * | 2016-07-21 | 2019-12-17 | Ayasdi Ai Llc | Topological data analysis utilizing spreadsheets |
US9836183B1 (en) * | 2016-09-14 | 2017-12-05 | Quid, Inc. | Summarized network graph for semantic similarity graphs of large corpora |
US20200210858A1 (en) * | 2018-12-28 | 2020-07-02 | Universiteit Gent | Network embedding method |
US11704559B2 (en) * | 2020-06-17 | 2023-07-18 | Adobe Inc. | Learning to search user experience designs based on structural similarity |
-
2021
- 2021-07-13 US US17/374,722 patent/US11954820B2/en active Active
-
2022
- 2022-03-15 EP EP22162113.9A patent/EP4071650A3/en active Pending
- 2022-03-28 CN CN202210314557.7A patent/CN115203769A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115468611A (zh) * | 2022-11-02 | 2022-12-13 | 江苏新恒基特种装备股份有限公司 | 带有密排通道的大型构件成型测控系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
EP4071650A3 (en) | 2023-02-08 |
US11954820B2 (en) | 2024-04-09 |
EP4071650A2 (en) | 2022-10-12 |
US20220318947A1 (en) | 2022-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jones et al. | Automate: A dataset and learning approach for automatic mating of cad assemblies | |
Nguyen et al. | A robust 3d-2d interactive tool for scene segmentation and annotation | |
US9449430B2 (en) | Geometrical elements transformed by rigid motions | |
US11704802B2 (en) | Multi-dimensional model merge for style transfer | |
Campen et al. | Polygonal boundary evaluation of minkowski sums and swept volumes | |
CN115203769A (zh) | 用于自动标注绘图尺寸的图形对准技术 | |
Han et al. | 3DViewGraph: Learning global features for 3D shapes from a graph of unordered views with attention | |
Liu et al. | Meshing point clouds with predicted intrinsic-extrinsic ratio guidance | |
Ito | Challenges in unstructured mesh generation for practical and efficient computational fluid dynamics simulations | |
Azencot et al. | Discrete derivatives of vector fields on surfaces--an operator approach | |
CN112231961B (zh) | 大规模有限元网格数据存储索引方法 | |
Hahn et al. | Visualization of varying hierarchies by stable layout of voronoi treemaps | |
Yuan et al. | Feature preserving multiresolution subdivision and simplification of point clouds: A conformal geometric algebra approach | |
Wen et al. | Topology based 2D engineering drawing and 3D model matching for process plant | |
CN112883198A (zh) | 一种知识图谱构建方法、装置、存储介质以及计算机设备 | |
US11574084B1 (en) | Methods and systems for geometric analysis of a part for manufacture | |
Theologou et al. | A review on 3D object retrieval methodologies using a part-based representation | |
US20160364908A1 (en) | Analysis Model Creation Assistance System, Analysis Model Creation Assistance Device and Analysis Model Creation Assistance Program | |
US11941771B2 (en) | Multi-dimensional model texture transfer | |
Luo et al. | MeshCNN-based BREP to CSG conversion algorithm for 3D CAD models and its application | |
CN109961516A (zh) | 表面获取方法、装置及非暂态电脑可读取记录媒体 | |
Kazmi et al. | Efficient sketch‐based creation of detailed character models through data‐driven mesh deformations | |
Jiang et al. | Declarative Specification for Unstructured Mesh Editing Algorithms | |
Zhuang et al. | Efficient contour-based annotation by iterative deep learning for organ segmentation from volumetric medical images | |
US20220383045A1 (en) | Generating pseudo lesion masks from bounding box annotations |
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 |