CN116662628B - 一种基于复杂薄壁零件的三维cad模型检索方法 - Google Patents

一种基于复杂薄壁零件的三维cad模型检索方法 Download PDF

Info

Publication number
CN116662628B
CN116662628B CN202310953110.9A CN202310953110A CN116662628B CN 116662628 B CN116662628 B CN 116662628B CN 202310953110 A CN202310953110 A CN 202310953110A CN 116662628 B CN116662628 B CN 116662628B
Authority
CN
China
Prior art keywords
model
complex thin
dimensional cad
cad model
parts
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
Application number
CN202310953110.9A
Other languages
English (en)
Other versions
CN116662628A (zh
Inventor
赵正彩
肖彪
李垚
彭仕鑫
徐宝德
尉渊
丁国智
苏宏华
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.)
Nanjing University of Aeronautics and Astronautics
Beijing Xinghang Electromechanical Equipment Co Ltd
Original Assignee
Nanjing University of Aeronautics and Astronautics
Beijing Xinghang Electromechanical Equipment Co Ltd
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 Nanjing University of Aeronautics and Astronautics, Beijing Xinghang Electromechanical Equipment Co Ltd filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202310953110.9A priority Critical patent/CN116662628B/zh
Publication of CN116662628A publication Critical patent/CN116662628A/zh
Application granted granted Critical
Publication of CN116662628B publication Critical patent/CN116662628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于复杂薄壁零件的三维CAD模型检索方法，包括：构建三维模型零件库；形成三维模型特征库；对处理后的待检索的复杂薄壁零件的三维CAD模型进行第一层全局检索，确定待检索的复杂薄壁零件的三维CAD模型在三维模型零件库中所属的零件类型；遍历得到所有比对模型的特征描述子；逐个比对待检索的复杂薄壁零件的三维CAD模型的特征描述子和每个比对模型的特征描述子，输出相似度最高的比对模型所属的模型编码。本发明采用两层检索，能够快速过滤大部分无关模型，提高了三维模型的检索精度，易于操作实施，适用于高精度检索三维CAD模型。

Description

一种基于复杂薄壁零件的三维CAD模型检索方法
技术领域
本发明涉及复杂薄壁零件领域以及三维CAD模型检索领域，具体涉及一种基于复杂薄壁零件的三维CAD模型检索方法。
背景技术
随着现代计算机辅助设计制造技术应用、互联网技术的发展、以及智能制造产业的蓬勃发展。三维CAD模型设计应用于航天、国防、医疗以及日常生活的方方面面，正因如此，产生了数量庞大的三维模型，国外的一些研究人员也已经建立了一些成熟的三维模型数据库，例如美国普林斯顿大学建立的通用模型数据库、包含生物分子数据结构的蛋白质三维模型数据库、包含机械设计模型、建筑构造模型、电子零件组成的国家设计库等，而三维CAD模型检索技术可以给设计者们提供能够准确快速的查找所需模型的帮助，从而实现对三维CAD模型的高效率利用以及对大量三维CAD模型的重用，因此近几年来使得三维CAD模型检索技术备受国内外学者的关注与研究。
近些年随着我国航天航空事业迈向了新的高度，越来越多的高精尖航天设备被设计、生产出来，但如何将如此繁多的设备零件有效的重复利以及如何让设计师们快速精确的找到所需的零件模型显得尤为重要。
公开号为CN116187200A的发明中提及了一种基于图卷积网络的轻量化三维CAD模型分类与检索的方法，S1、构建一个三维CAD模型数据集；S2、对三维CAD模型数据集进行数据预处理与特征抽取，进而得到几何信息和拓扑信息，并将抽取的几何信息和拓扑信息转换为以图结构表示的三维模型描述符；S3、构建图卷积网络FuS-GCN，根据图卷积网络FuS-GCN，以三维模型描述符为输入指导三维CAD模型分类与检索，得到全局特征向量，S4、全局特征向量作为输入通过一个全连接层获得分类结果；S5、将由图卷积网络FuS-GCN和全连接层组成的分类检索模型运用于数据集进行训练测试。该方法基于B-rep图设计了名为FuS-GCN的轻量化融合自注意力GCNs框架，用以聚合拓扑几何特征，实现了CAD模型的分类与检索。公开号为CN111914112B的发明中提及了一种基于点云分类网络的零件CAD模型重用方法，将三维零件CAD模型的检索问题转换为三维点云模型的分类问题。以PointNet网络为框架的建立分类网络和检索网络，在检索网络中引入ResNet网络的残差块结构提升高相似度零件的识别精度。建立面向小批量-定制化产品的三维零件CAD模型库并进行预处理得到训练数据集，依次将零件点云模型输入分类网络和零件类别相应的检索网络，检索得到最相似的零件模型。该发明可以更好的捕捉零件CAD模型的三维空间信息，实现零件CAD模型的快速、准确识别，进而加速企业小批量-定制化零件的设计、工艺规划、制造和装配等过程。
然而，前述两个专利只能解决常用零件的三维CAD模型分类与检索。对于航天设备的零件而言，产品分类多，结构差异大，作为典型零件的复杂薄壁零件，也拥有不同的结构特点，如蒙皮、框段、翼面、壁板，舱段等。而对于不同结构的复杂薄壁零件，有不同的特殊结构特征，设计人员也需要记住大量模型的特征及设计思路，极大地延长了设计人员的设计时间，对原有模型的利用率也大幅下降，从而延后了设备的加工生产周期，也提高了设备的制造成本。
发明内容
本发明提出了一种基于复杂薄壁零件的三维CAD模型检索方法，实现了复杂薄壁零件的三维CAD模型重用以及三维CAD模型的精确检索，操作人员输入复杂薄壁零件的三维CAD模型，能够快速定位模型所属三维模型库中某一类模型，依据数字化提取的模型特征准确定位相似度最高的模型，最终将相似度高的三维CAD模型推送给操作人员，大幅提高操作人员对已有模型的重用率和缩减设计人员的设计时间。
为实现上述技术目的，本发明采取的技术方案为：
一种基于复杂薄壁零件的三维CAD模型检索方法，所述三维CAD模型检索方法包括以下步骤：
S1，规范化预处理复杂薄壁零件的三维CAD模型，体素化处理预处理后的复杂薄壁零件的三维CAD模型，基于复杂薄壁零件的结构特征建立卷积神经网络的模型分类规则，构建三维模型零件库，并对三维模型零件库中每个复杂薄壁零件进行编码；
S2，基于三维模型零件库，提取所有复杂薄壁零件的特征描述子，并对每个复杂薄壁零件的模型特征进行编码，形成三维模型特征库；
S3，对待检索的复杂薄壁零件的三维CAD模型依次进行规范化预处理和体素化处理，基于三维模型零件库，对处理后的待检索的复杂薄壁零件的三维CAD模型进行第一层全局检索，将处理后的待检索的复杂薄壁零件的三维CAD模型输入步骤S1中的卷积神经网络，确定待检索的复杂薄壁零件的三维CAD模型在三维模型零件库中所属的零件类型，将三维模型零件库中该零件类型下的所有三维CAD模型作为待比对模型；
S4，提取待检索的复杂薄壁零件的三维CAD模型的特征描述子；基于三维模型特征库，对待检索的复杂薄壁零件的三维CAD模型进行第二层局部检索，遍历得到所有待比对模型的特征描述子；
S5，逐个比对待检索的复杂薄壁零件的三维CAD模型的特征描述子和每个待比对模型的特征描述子，按照比对得到的相似度从高到低的顺序排列所有待比对模型，输出相似度最高的待比对模型所属的模型编码。
进一步地，步骤S1中，构建三维模型零件库的过程包括以下步骤：
S11，规范化预处理构建三维模型零件库的复杂薄壁零件的三维CAD模型，具体地：
通过平移变换，使得三维CAD模型的几何中心或质心重合于坐标原点；再使用PCA分析法，旋转三维CAD模型坐标系到标准坐标系；最后将三维CAD模型翻转变换，使三维CAD模型具有方向同一性；
S12，体素化处理预处理后的复杂薄壁零件的三维CAD模型，具体地：
计算三维CAD模型的AABB包围盒，划分AABB包围盒获得空间像素列表；遍历组成三维CAD模型的多边形，获得每个基本单元体的包围盒；再对体素单元体采用AABB求交运算获得最终的体素单元；
S13，基于复杂薄壁零件的结构特征建立卷积神经网络的模型分类规则，构建三维模型零件库，具体地：
构建卷积神经网络，卷积神经网络由输入层、卷积层、池化层和全连接层构成；
将体素化后的复杂薄壁零件的三维CAD模型作为输入源导入输入层，由卷积层采用三维卷积运算符对输入的三维CAD模型进行特征提取，其中，基于复杂薄壁零件的结构特征给每个卷积层设置特征约束方式，以使卷积层多次提取三维CAD模型的模型特征；再由池化层将提取的模型特征进行压缩，以降低特征运算维度并整合所提取的特征；最后由全连接层基于整合的模型特征通过分类器将所有三维CAD模型进行分类。
进一步地，步骤S11中，基于下述改进PCA分析法公式，采用三角面片划分三维CAD模型：
其中，是近似点集/>的协方差矩阵，/>是三维CAD模型划分得到的第/>个三角面片的面积，/>是第/>个三角面片的质心，/>是三维CAD模型的总面积，/>是三角面片数，是顶点数，/>是第/>个三角面片的顶点集，/>、/>和/>是组成第/>个三角面片的顶点索引，/>是所有以/>为顶点的三角面片的面积和，/>是第/>个三角面片的顶点集，/>是加权系数。
进一步地，步骤S13中，全连接层基于整合的模型特征通过分类器将所有三维CAD模型进行分类，具体地：
采用数字化特征描述三维CAD模型的空间位置，将两个三维CAD模型的数字化特征里各个元素的相似度作为拓扑特征关系的相似度，将相似度大于关系阈值的归为一类；
采用包括曲面、直面、弧线段、直线段在内的各项特征单元来表征三维CAD模型的空间线面关系，将各项特征单元的相似度大于相应特征单元阈值的三维CAD模型归为一类；
比对提取的三维CAD模型之间的外形轮廓，将相似度大于外形轮廓阈值的三维CAD模型定义为一类。
进一步地，所述复杂薄壁零件包括六大类，分别是骨架类、舱段类、蒙皮类、框段类、壁板类和翼面类；
所述骨架类根据材料以及前后端的厚度、内部结构是否呈井字分布的特点进行二级分类，细分为翼舵、翼面骨架；
所述舱段类根据整体的长径比是否大于1、是否全封闭或者半封闭、表面是否有槽或孔特征的特点进行二级分类，细分为复杂薄壁焊接组件、封闭式舱段、Ω深腔铸件和异型大曲率弱刚性舱段；
所述蒙皮类根据外蒙皮的薄厚，外形轮廓不同于常规形状的特点进行二级分类，细分为低刚度超薄蒙皮构件和异形复杂蒙皮结构；
所述壁板类根据外表面是否有规则矩形槽、是否有加强筋的特点进行二级分类。
进一步地，步骤S2中，基于三维模型零件库，提取所有复杂薄壁零件的特征描述子的过程包括以下步骤：
将每个复杂薄壁零件的三维CAD模型转换为边环属性邻接图，并以边环属性邻接图转换的邻接关系矩阵来表示边环属性邻接图的结构；
定义所有三维CAD模型中顶点与顶点之间边的凹凸性，依据凹凸性对复杂薄壁零件的三维CAD模型进行区域分割；
基于图谱理论：不同形式的图的邻接矩阵反映相应图之间的不同关系，计算邻接关系矩阵的特征值以向量化提取三维模型特征，完成对三维CAD模型的特征描述子的提取。
进一步地，步骤S2中，通过聚类方式将复杂薄壁零件的三维CAD模型的特征描述子生成模型专属特征聚簇，并对所有模型专属特征聚簇进行编码；编码过程包括：
根据坐标系的六个方向，即+x、+y、+z、-x、-y和-z六个坐标轴方向，逐一对应编码A、B、C、D、E和F，将预处理后的复杂薄壁零件的三维CAD模型从六个方向进行一级逐面编码；
定义面上所属特征的二级编码，其中，0指代平面、1指代圆柱面、2指代凸台、3指代台阶下陷、4指代通孔、5指代螺纹孔、6指代槽、7指代窗口、8指代筋条、9指代其他；
组合所有编码后的特征聚簇形成三维模型特征库。
进一步地，步骤S5中，采用Kuhn-Munkres算法使模型在匹配时达到所有区域的最优匹配，遍历所有比对模型的模型特征，筛选出相似度高的三维CAD模型及其模型特征；
所述Kuhn-Munkres算法的两模型最优匹配公式为：
其中，是两个CAD模型之间的总体相似度，/>为两个比对的三维CAD模型的局部区域最大值，/>表示三维CAD模型/>的第/>个局部区域与三维CAD模型/>的第/>个局部区域的相似度，/>为与第/>列最优匹配的行数，/>和/>分别表示三维CAD模型/>中第/>个局部区域的面数与三维CAD模型/>中第/>个局部区域的面数占对应模型面数的比值。
本发明还公开了一种基于复杂薄壁零件的三维CAD模型检索装置，所述三维CAD模型检索装置包括：
预处理模块，用于规范化预处理复杂薄壁零件的三维CAD模型，体素化处理预处理后的复杂薄壁零件的三维CAD模型；
三维模型零件库构建模块，用于基于复杂薄壁零件的结构特征建立卷积神经网络的模型分类规则，构建三维模型零件库，并对三维模型零件库中每个复杂薄壁零件进行编码；
特征提取模块，用于基于三维模型零件库，提取所有复杂薄壁零件的特征描述子；
三维模型特征库构建模块，用于对提取的所有复杂薄壁零件的模型特征进行编码，形成三维模型特征库；
第一层全局检索模块，用于调用预处理模块对待检索的复杂薄壁零件的三维CAD模型依次进行规范化预处理和体素化处理，再基于三维模型零件库，对处理后的待检索的复杂薄壁零件的三维CAD模型进行第一层全局检索，将处理后的待检索的复杂薄壁零件的三维CAD模型输入卷积神经网络，确定待检索的复杂薄壁零件的三维CAD模型在三维模型零件库中所属的零件类型，将三维模型零件库中该零件类型下的所有三维CAD模型作为待比对模型；
第二层局部检索模块，用于调用特征提取模块提取待检索的复杂薄壁零件的三维CAD模型的特征描述子；再基于三维模型特征库，对待检索的复杂薄壁零件的三维CAD模型进行第二层局部检索，遍历得到所有待比对模型的特征描述子；
比对模块，用于逐个比对待检索的复杂薄壁零件的三维CAD模型的特征描述子和每个待比对模型的特征描述子，按照比对得到的相似度从高到低的顺序排列所有待比对模型，输出相似度最高的待比对模型所属的模型编码。
本发明还公开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，实现如前所述的方法步骤。
本发明还公开了一种电子设备，所述电子设备包括处理器以及存储器,所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时,实现如前所述的方法步骤。
与现有技术相比，本发明的有益效果如下：
第一，本发明的基于复杂薄壁零件的三维CAD模型检索方法，通过切实可行且有效的方法实现了复杂薄壁零件的三维CAD模型检索，检索方法的对象主要是复杂薄壁零件，该类零件的特征信息丰富且易于分类。本发明对复杂薄壁零件的分类检索更加准确，能够满足设计人员对已有模型的快速检索和模型重用。
第二，本发明的基于复杂薄壁零件的三维CAD模型检索方法，在对输入三维CAD模型时，由于不同的设计人员设计的模型的位置和方位也不同，对模型规范化的预处理，确保了模型的平移，旋转不变性和方向同一性，缩短了模型体素化的时间，从而也提高了三维模型检索的效率。
第三，本发明的基于复杂薄壁零件的三维CAD模型检索方法，根据复杂薄壁零件的结构特征，利用卷积神将网络制定了零件的分类规则，明确了零件的分类标准，构建了三维模型零件库，提高了零件的重用率，缩短了设计人员查找相似模型的时间，降低了设计成本和时间，提高三维模型检索效率以及加工生产效率。
第四，本发明的基于复杂薄壁零件的三维CAD模型检索方法，在第一层全局检索时，构建针对三维CAD模型检索的卷积神经网络，以体素化处理的待检索的三维CAD模型作为输入层的输入源，在卷积层增加特征约束条件，池化层将卷积层提取的特征压缩整合，全连接层中构建与三维模型零件库的索引规则，更好的实现三维模型零件库的分类，也达到第一层全局检索的分类效果。
第五，本发明的基于复杂薄壁零件的三维CAD模型检索方法，在第一层全局检索后，确定了待检索模型属于三维模型零件库中的某一类零件，极大的缩小了模型相似性匹配的范围，过滤掉大部分无关模型，提高了第二层局部检索的效率，使其更容易检索出最相似的三维模型零件。
第六，本发明的基于复杂薄壁零件的三维CAD模型检索方法，通过第二层的局部检索，对已特征数字化提取三维模型特征的复杂薄壁零件模型做出更准确的模型匹配，为确保筛选检索出相似度更高的模型，在遍历所属类的所有模型后，依据模型相似度从高到低将筛选的模型排列，最终将相似度最高的模型以ID号形式输出，为操作人员提供更加精准的模型检索结果，提高了零件的重用率，从而也降低了零件开发的费用成本和时间成本，最终帮助设计人员提高了新零件的设计效率以及对现有零件的重用。
附图说明
图1为本发明的基于复杂薄壁零件的三维CAD模型检索方法流程图；
图2为本发明实施例提供的三维模型零件库构成的示意图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
本发明公开了一种基于复杂薄壁零件的三维CAD模型检索方法，所述三维CAD模型检索方法包括以下步骤：
S1，规范化预处理复杂薄壁零件的三维CAD模型，体素化处理预处理后的复杂薄壁零件的三维CAD模型，基于复杂薄壁零件的结构特征建立卷积神经网络的模型分类规则，构建三维模型零件库，并对三维模型零件库中每个复杂薄壁零件进行编码；
S2，基于三维模型零件库，提取所有复杂薄壁零件的特征描述子，并对每个复杂薄壁零件的模型特征进行编码，形成三维模型特征库；
S3，对待检索的复杂薄壁零件的三维CAD模型依次进行规范化预处理和体素化处理，基于三维模型零件库，对处理后的待检索的复杂薄壁零件的三维CAD模型进行第一层全局检索，将处理后的待检索的复杂薄壁零件的三维CAD模型输入步骤S1中的卷积神经网络，确定待检索的复杂薄壁零件的三维CAD模型在三维模型零件库中所属的零件类型，将三维模型零件库中该零件类型下的所有三维CAD模型作为待比对模型；
S4，提取待检索的复杂薄壁零件的三维CAD模型的特征描述子；基于三维模型特征库，对待检索的复杂薄壁零件的三维CAD模型进行第二层局部检索，遍历得到所有待比对模型的特征描述子；
S5，逐个比对待检索的复杂薄壁零件的三维CAD模型的特征描述子和每个待比对模型的特征描述子，按照比对得到的相似度从高到低的顺序排列所有待比对模型，输出相似度最高的待比对模型所属的模型编码。
如图1所示，本发明的三维CAD模型检索方法包括：
步骤一：规范化预处理复杂薄壁零件的三维CAD模型，体素化处理预处理后的复杂薄壁零件的三维CAD模型，基于复杂薄壁零件的结构特征建立卷积神经网络的模型分类规则，构建三维模型零件库，并对库中每个三维CAD模型零件编码。
复杂薄壁零件品类多且结构复杂，针对大量复杂薄壁零件的三维CAD模型进行基于体素化模型的卷积神将网络的模型分类，步骤如下：
首先规范化处理构建三维模型零件库的复杂薄壁零件的三维CAD模型：在三维CAD模型建模过程中，不同的设计人员所设计模型，其位置、方向也不同，因此对操作人员输入的三维CAD模型进行预处理操作。待检索的复杂薄壁零件的三维CAD模型首先通过平移变换使模型的几何中心或质心重合于坐标原点，从而确保待检索模型的平移不变性；其次使用PCA分析法，旋转待检索模型的坐标系到标准坐标系，以确保待检索模型的旋转不变性；最后将待检索模型翻转变换，确保待检索三维CAD模型与互为镜像的三维CAD模型在表达方式上的方向同一性。
采用三角面片划分待检索三维模型，用于构建改进PCA分析法公式：
其中，是近似点集/>的协方差矩阵，/>是三维CAD模型划分得到的第/>个三角面片的面积，/>是第/>个三角面片的质心，/>是三维CAD模型的总面积，/>是三角面片数，是顶点数，/>是第/>个三角面片的顶点集，/>、/>和/>是组成第/>个三角面片的顶点索引，/>是所有以/>为顶点的三角面片的面积和，/>是第/>个三角面片的顶点集，/>是加权系数。
其次对所有复杂薄壁零件的三维CAD模型进行体素化处理：计算三维CAD模型的AABB包围盒，划分包围盒获得空间像素列表，然后遍历组成三维CAD模型的多边形，获得每个基本单元体的包围盒，最后对体素单元体采用AABB求交运算获得最终的体素单元。
最后建立卷积神将网络，卷积神经网络由输入层、卷积层、池化层和全连接层构成，其中，以体素化后复杂薄壁零件的三维CAD模型作为输入源进入输入层，卷积层对输入的三维CAD模型采用三维卷积运算符进行特征提取，基于复杂薄壁零件的结构特征通过给每个卷积层设置特征约束方式来达到多次提取模型特征的目的，池化层将提取的模型特征进行压缩，降低特征运算维度，整合所提取的特征，全连接层基于整合的三维CAD模型的模型特征通过分类器将所有三维CAD模型分类。分类时按照以下规则分类：采用数字化特征描述三维CAD模型的空间位置，两个模型数字化特征里各个元素的相似度作为拓扑特征关系的相似度，将相似度大于关系阈值的归为一类；零件的空间线面关系通过比较曲面、直面、弧线段、直线段等各项特征单元的相似度大于相应特征单元阈值的归为一类；通过比对提取的模型间外形轮廓，相似度大于外形轮廓阈值的定义为一类。
如图2所示，根据复杂薄壁零件的分类方式，现将其划分成六大类：分别是“骨架类”、“舱段类”、“蒙皮类”、“框段类”、“壁板类”、“翼面类”，其次再根据同类零件中存在部分结构差异的特点，在大类划分的基础上，将每类零件继续细化成多个子类零件，其中“骨架类”根据材料以及前后端的厚度、内部结构是否呈井字分布等特点进行二级分类，可分为：“翼舵”、“翼面骨架”，“舱段类”根据整体的长径比是否大于1、是否全封闭或者半封闭、表面是否有槽或孔特征等特点进行二级分类，可分为：“复杂薄壁焊接组件”、“封闭式舱段”、“Ω深腔铸件”、“异型大曲率弱刚性舱段”，“蒙皮类”根据外蒙皮的薄厚，外形轮廓不同于常规形状等特点进行二级分类，可分为“低刚度超薄蒙皮构件”、“异形复杂蒙皮结构”，“壁板类”根据外表面是否有规则矩形槽、是否有加强筋等特点进行二级分类。
完成模型分类后对所有复杂薄壁零件的三维CAD模型编码，形成各自专属ID号，整合所有编码零件形成三维模型零件库。
步骤二：基于三维模型零件库，提取所有零件的特征描述子，并对每个零件模型特征进行编码，形成三维模型特征库。
依据步骤一建立的三维模型零件库，提取库中所有三维CAD模型的特征描述子：首先将每个复杂薄壁零件的三维CAD模型转换为边环属性邻接图，以邻接关系矩阵来表示三维CAD模型的边环属性邻接图的结构，定义所有三维CAD模型中顶点与顶点之间边的凹凸性并以此来划分复杂薄壁零件的三维CAD模型，然后依据图谱理论：不同形式的图的邻接矩阵反映相应图之间的不同关系，计算邻接矩阵特征值，从而提取三维CAD模型的特征描述子。
提取三维CAD模型的特征描述子后，再将复杂薄壁零件的三维CAD模型的特征描述子通过聚类方式生成模型专属特征聚簇，并对所有特征聚簇经行编码，编码时按照以下规则进行编码：根据坐标系的六个方向，即+x，+y，+z，-x，-y，-z六个坐标轴方向，逐一对应编码“A”、“B”、“C”、“D”、“E”、“F”，将预处理后的复杂薄壁零件的三维CAD模型从六个方向进行一级逐面编码；其次定义面上所属特征的二级编码：0指代“平面”、1指代“圆柱面”、2指代“凸台”、3指代“台阶下陷”、4指代“通孔”、5指代“螺纹孔”、6指代“槽”、7指代“窗口”、8指代“筋条”、9指代“其他”，如骨架1的+x面上有筋条，则编码为“A-8”；组合所有编码后的特征聚簇形成三维模型特征库。
步骤三：基于三维模型零件库，对输入的复杂薄壁零件的三维CAD模型进行第一层全局检索，确定待检索模型属于零件库中的某一类零件。
以一号铸件零件为例，基于步骤一对复杂薄壁零件的三维CAD模型规范化预处理和体素化处理的方法，处理输入的一号铸件零件模型，并基于步骤一建立的三维模型零件库对输入的一号铸件零件模型进行第一层全局检索：首先针对三维CAD模型检索构建卷积神经网络，卷积神经网络由输入层、卷积层、池化层和全连接层构成，其中输入层中输入体素化后的复杂薄壁零件模型，在卷积层中根据模型库的构建方式设置特征约束，如模型长径比是否大于1，整体模型是否封闭或半封闭等，然后对输入后的模型进行特征提取，池化层则将卷积层提取后的特征进行压缩整合，降低运算复杂度，在全连接层中，基于池化层整合特征的分类器对最终比对后的三维CAD模型进行分类，在卷积层中判断到输入的一号铸件零件模型存在半封闭腔体结构，最终确定输入的一号铸件零件模型属于零件库中的舱段类模型。
步骤四：基于三维模型特征库，对输入的复杂薄壁零件的三维CAD模型进行第二层局部检索，遍历全局检索后的某一类零件模型库，逐个比对该类模型库中的模型特征。
以翼面骨架模型为例，首先基于步骤二对复杂薄壁零件的三维CAD模型的特征描述子的提取方法，提取翼面骨架模型的特征描述子：首先将翼面骨架模型转换为边环属性邻接图，以邻接关系矩阵来表示模型边环属性邻接图的结构，定义翼面骨架模型中顶点与顶点之间边的凹凸性并以此来划分翼面骨架模型，然后依据图谱理论：不同形式的图的邻接矩阵反映相应图之间的不同关系，计算邻接矩阵特征值，从而提取翼面骨架模型的特征描述子；然后基于步骤二建立的三维模型特征库，对已分类的待检索的三维CAD模型进行第二层局部检索：依据步骤二中将待检索的翼面骨架模型分割成局部区域作为节点，特征描述子作为节点属性，在检索时，通过依次比对库中模型特征节点和数字化提取的待检索特征节点，并附加权值，得到翼面骨架模型与骨架类模型间的相似矩阵，采用Kuhn-Munkres算法使三维CAD模型在匹配时达到所有区域的最优匹配，遍历所有骨架类模型特征，筛选出相似度高的三维CAD模型及其特征。
步骤五：基于已比对模型间的相似度大小，从高到低排列比对模型，输出相似度最高的模型编码ID号。
所述Kuhn-Munkres算法的两模型最优匹配公式：
其中，是两个CAD模型之间的总体相似度，/>为两个比对的三维CAD模型的局部区域最大值，/>表示三维CAD模型/>的第/>个局部区域与三维CAD模型/>的第/>个局部区域的相似度，/>为与第/>列最优匹配的行数，/>和/>分别表示三维CAD模型/>中第/>个局部区域的面数与三维CAD模型/>中第/>个局部区域的面数占对应模型面数的比值。
基于步骤四中已比对模型间的相似度大小，将比对后的所有三维CAD模型依据从高到低的原则排列，最后以ID号的形式将相似度最高的三维CAD模型输出。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器运行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上运行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上运行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (8)

1.一种基于复杂薄壁零件的三维CAD模型检索方法，其特征在于，所述三维CAD模型检索方法包括以下步骤：
S1，规范化预处理复杂薄壁零件的三维CAD模型，体素化处理预处理后的复杂薄壁零件的三维CAD模型，基于复杂薄壁零件的结构特征建立卷积神经网络的模型分类规则，构建三维模型零件库，并对三维模型零件库中每个复杂薄壁零件进行编码；
S2，基于三维模型零件库，提取所有复杂薄壁零件的特征描述子，并对每个复杂薄壁零件的模型特征进行编码，形成三维模型特征库；
S3，对待检索的复杂薄壁零件的三维CAD模型依次进行规范化预处理和体素化处理，基于三维模型零件库，对处理后的待检索的复杂薄壁零件的三维CAD模型进行第一层全局检索，将处理后的待检索的复杂薄壁零件的三维CAD模型输入步骤S1中的卷积神经网络，确定待检索的复杂薄壁零件的三维CAD模型在三维模型零件库中所属的零件类型，将三维模型零件库中该零件类型下的所有三维CAD模型作为待比对模型；
S4，提取待检索的复杂薄壁零件的三维CAD模型的特征描述子；基于三维模型特征库，对待检索的复杂薄壁零件的三维CAD模型进行第二层局部检索，遍历得到所有待比对模型的特征描述子；
S5，逐个比对待检索的复杂薄壁零件的三维CAD模型的特征描述子和每个待比对模型的特征描述子，按照比对得到的相似度从高到低的顺序排列所有待比对模型，输出相似度最高的待比对模型所属的模型编码；
步骤S1中，构建三维模型零件库的过程包括以下步骤：
S11，规范化预处理构建三维模型零件库的复杂薄壁零件的三维CAD模型，具体地：
通过平移变换，使得三维CAD模型的几何中心或质心重合于坐标原点；再使用PCA分析法，旋转三维CAD模型坐标系到标准坐标系；最后将三维CAD模型翻转变换，使三维CAD模型具有方向同一性；
S12，体素化处理预处理后的复杂薄壁零件的三维CAD模型，具体地：
计算三维CAD模型的AABB包围盒，划分AABB包围盒获得空间像素列表；遍历组成三维CAD模型的多边形，获得每个基本单元体的包围盒；再对体素单元体采用AABB求交运算获得最终的体素单元；
S13，基于复杂薄壁零件的结构特征建立卷积神经网络的模型分类规则，构建三维模型零件库，具体地：
构建卷积神经网络，卷积神经网络由输入层、卷积层、池化层和全连接层构成；将体素化后的复杂薄壁零件的三维CAD模型作为输入源导入输入层，由卷积层采用三维卷积运算符对输入的三维CAD模型进行特征提取，其中，基于复杂薄壁零件的结构特征给每个卷积层设置特征约束方式，以使卷积层多次提取三维CAD模型的模型特征；再由池化层将提取的模型特征进行压缩，以降低特征运算维度并整合所提取的特征；最后由全连接层基于整合的模型特征通过分类器将所有三维CAD模型进行分类；
步骤S5中，采用Kuhn-Munkres算法使模型在匹配时达到所有区域的最优匹配，遍历所有比对模型的模型特征，筛选出相似度高的三维CAD模型及其模型特征；
所述Kuhn-Munkres算法的两模型最优匹配公式为：
其中，S(·)是两个CAD模型之间的总体相似度，l为两个比对的三维CAD模型的局部区域最大值，表示三维CAD模型Hx的第k′个局部区域与三维CAD模型Hy的第k个局部区域的相似度，k′为与第k列最优匹配的行数，ak′和ak分别表示三维CAD模型Hx中第k′个局部区域的面数与三维CAD模型Hy中第k个局部区域的面数占对应模型面数的比值。
2.根据权利要求1所述的基于复杂薄壁零件的三维CAD模型检索方法，其特征在于，步骤S11中，基于下述改进PCA分析法公式，采用三角面片划分三维CAD模型：
其中，vI是近似点集I的协方差矩阵，Si是三维CAD模型划分得到的第i个三角面片的面积，gi是第i个三角面片的质心，S是三维CAD模型的总面积，m是三角面片数，n是顶点数p是第i个三角面片的顶点集，Ai、Bi和Ci是组成第i个三角面片的顶点索引，S′i是所有以Pi为顶点的三角面片的面积和，pi是第i个三角面片的顶点集，wj是加权系数。
3.根据权利要求1所述的基于复杂薄壁零件的三维CAD模型检索方法，其特征在于，步骤S13中，全连接层基于整合的模型特征通过分类器将所有三维CAD模型进行分类，具体地：
采用数字化特征描述三维CAD模型的空间位置，将两个三维CAD模型的数字化特征里各个元素的相似度作为拓扑特征关系的相似度，将相似度大于关系阈值的归为一类；
采用包括曲面、直面、弧线段、直线段在内的各项特征单元来表征三维CAD模型的空间线面关系，将各项特征单元的相似度大于相应特征单元阈值的三维CAD模型归为一类；
比对提取的三维CAD模型之间的外形轮廓，将相似度大于外形轮廓阈值的三维CAD模型定义为一类。
4.根据权利要求1所述的基于复杂薄壁零件的三维CAD模型检索方法，其特征在于，所述复杂薄壁零件包括六大类，分别是骨架类、舱段类、蒙皮类、框段类、壁板类和翼面类；
所述骨架类根据材料以及前后端的厚度、内部结构是否呈井字分布的特点进行二级分类，细分为翼舵、翼面骨架；
所述舱段类根据整体的长径比是否大于1、是否全封闭或者半封闭、表面是否有槽或孔特征的特点进行二级分类，细分为复杂薄壁焊接组件、封闭式舱段、Ω深腔铸件和异型大曲率弱刚性舱段；
所述蒙皮类根据外蒙皮的薄厚，外形轮廓不同于常规形状的特点进行二级分类，细分为低刚度超薄蒙皮构件和异形复杂蒙皮结构；
所述壁板类根据外表面是否有规则矩形槽、是否有加强筋的特点进行二级分类。
5.根据权利要求1所述的基于复杂薄壁零件的三维CAD模型检索方法，其特征在于，步骤S2中，基于三维模型零件库，提取所有复杂薄壁零件的特征描述子的过程包括以下步骤：
将每个复杂薄壁零件的三维CAD模型转换为边环属性邻接图，并以边环属性邻接图转换的邻接关系矩阵来表示边环属性邻接图的结构；
定义所有三维CAD模型中顶点与顶点之间边的凹凸性，依据凹凸性对复杂薄壁零件的三维CAD模型进行区域分割；
基于图谱理论：不同形式的图的邻接矩阵反映相应图之间的不同关系，计算邻接关系矩阵的特征值以向量化提取三维模型特征，完成对三维CAD模型的特征描述子的提取。
6.根据权利要求1所述的基于复杂薄壁零件的三维CAD模型检索方法，其特征在于，步骤S2中，通过聚类方式将复杂薄壁零件的三维CAD模型的特征描述子生成模型专属特征聚簇，并对所有模型专属特征聚簇进行编码；编码过程包括：根据坐标系的六个方向，即+x、+y、+z、-x、-y和-z六个坐标轴方向，逐一对应编码A、B、C、D、E和F，将预处理后的复杂薄壁零件的三维CAD模型从六个方向进行一级逐面编码；
定义面上所属特征的二级编码，其中，0指代平面、1指代圆柱面、2指代凸台、3指代台阶下陷、4指代通孔、5指代螺纹孔、6指代槽、7指代窗口、8指代筋条、9指代其他；
组合所有编码后的特征聚簇形成三维模型特征库。
7.一种基于权利要求1-6任一项中所述方法的基于复杂薄壁零件的三维CAD模型检索装置，其特征在于，所述三维CAD模型检索装置包括：
预处理模块，用于规范化预处理复杂薄壁零件的三维CAD模型，体素化处理预处理后的复杂薄壁零件的三维CAD模型；
三维模型零件库构建模块，用于基于复杂薄壁零件的结构特征建立卷积神经网络的模型分类规则，构建三维模型零件库，并对三维模型零件库中每个复杂薄壁零件进行编码；
特征提取模块，用于基于三维模型零件库，提取所有复杂薄壁零件的特征描述子；三维模型特征库构建模块，用于对提取的所有复杂薄壁零件的模型特征进行编码，形成三维模型特征库；
第一层全局检索模块，用于调用预处理模块对待检索的复杂薄壁零件的三维CAD模型依次进行规范化预处理和体素化处理，再基于三维模型零件库，对处理后的待检索的复杂薄壁零件的三维CAD模型进行第一层全局检索，将处理后的待检索的复杂薄壁零件的三维CAD模型输入卷积神经网络，确定待检索的复杂薄壁零件的三维CAD模型在三维模型零件库中所属的零件类型，将三维模型零件库中该零件类型下的所有三维CAD模型作为待比对模型；
第二层局部检索模块，用于调用特征提取模块提取待检索的复杂薄壁零件的三维CAD模型的特征描述子；再基于三维模型特征库，对待检索的复杂薄壁零件的三维CAD模型进行第二层局部检索，遍历得到所有待比对模型的特征描述子；
比对模块，用于逐个比对待检索的复杂薄壁零件的三维CAD模型的特征描述子和每个待比对模型的特征描述子，按照比对得到的相似度从高到低的顺序排列所有待比对模型，输出相似度最高的待比对模型所属的模型编码。
8.一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，实现权利要求1-6任意一项所述的方法步骤。
CN202310953110.9A 2023-08-01 2023-08-01 一种基于复杂薄壁零件的三维cad模型检索方法 Active CN116662628B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310953110.9A CN116662628B (zh) 2023-08-01 2023-08-01 一种基于复杂薄壁零件的三维cad模型检索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310953110.9A CN116662628B (zh) 2023-08-01 2023-08-01 一种基于复杂薄壁零件的三维cad模型检索方法

Publications (2)

Publication Number Publication Date
CN116662628A CN116662628A (zh) 2023-08-29
CN116662628B true CN116662628B (zh) 2023-11-10

Family

ID=87721058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310953110.9A Active CN116662628B (zh) 2023-08-01 2023-08-01 一种基于复杂薄壁零件的三维cad模型检索方法

Country Status (1)

Country Link
CN (1) CN116662628B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117237580A (zh) * 2023-09-26 2023-12-15 中国科学院沈阳自动化研究所 一种基于多视图和加工特征识别的cad模型匹配方法及系统
CN118394963B (zh) * 2024-06-27 2024-09-24 山东华云三维科技有限公司 基于全局特征的三维cad模型检索方法、设备及介质
CN120067822A (zh) * 2025-04-29 2025-05-30 成都飞机工业（集团）有限责任公司 一种零件几何更改自动识别方法、系统、设备及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103970886A (zh) * 2014-05-20 2014-08-06 重庆大学 一种两阶段滚齿工艺相似实例检索方法
CN104008181A (zh) * 2014-06-09 2014-08-27 中国电子科技集团公司第十四研究所 一种基于三维模型特征的电子零件相似数控工艺检索方法
CN108596329A (zh) * 2018-05-11 2018-09-28 北方民族大学 基于端到端深度集成学习网络的三维模型分类方法
CN109359534A (zh) * 2018-09-12 2019-02-19 鲁东大学 一种三维物体几何特征提取方法及系统
CN109783887A (zh) * 2018-12-25 2019-05-21 西安交通大学 一种面向三维加工特征的智能识别与检索方法
WO2019203851A1 (en) * 2018-04-20 2019-10-24 Hewlett-Packard Development Company, L.P. Three-dimensional shape classification and retrieval using convolutional neural networks and majority vote
CN111914112A (zh) * 2020-07-07 2020-11-10 西安交通大学 一种基于点云分类网络的零件cad模型重用方法
WO2022062135A1 (zh) * 2020-09-23 2022-03-31 深圳先进技术研究院 一种枪支及散件三维模型数据库的建立方法及数据库系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3179407B1 (en) * 2015-12-07 2022-07-13 Dassault Systèmes Recognition of a 3d modeled object from a 2d image
US11507052B2 (en) * 2018-09-24 2022-11-22 The Boeing Company System and method of voxel based parametric specification for manufacturing a part

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103970886A (zh) * 2014-05-20 2014-08-06 重庆大学 一种两阶段滚齿工艺相似实例检索方法
CN104008181A (zh) * 2014-06-09 2014-08-27 中国电子科技集团公司第十四研究所 一种基于三维模型特征的电子零件相似数控工艺检索方法
WO2019203851A1 (en) * 2018-04-20 2019-10-24 Hewlett-Packard Development Company, L.P. Three-dimensional shape classification and retrieval using convolutional neural networks and majority vote
CN108596329A (zh) * 2018-05-11 2018-09-28 北方民族大学 基于端到端深度集成学习网络的三维模型分类方法
CN109359534A (zh) * 2018-09-12 2019-02-19 鲁东大学 一种三维物体几何特征提取方法及系统
CN109783887A (zh) * 2018-12-25 2019-05-21 西安交通大学 一种面向三维加工特征的智能识别与检索方法
CN111914112A (zh) * 2020-07-07 2020-11-10 西安交通大学 一种基于点云分类网络的零件cad模型重用方法
WO2022062135A1 (zh) * 2020-09-23 2022-03-31 深圳先进技术研究院 一种枪支及散件三维模型数据库的建立方法及数据库系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Balanced principal component for 3D shape recognition using convolutional neural networks;W Luo;《IET Image》;第14卷(第17期);4468-4476 *
三维CAD模型相似性比较中姿态调整算法;王洪申 等;《机械设计与制造》(第08期);218-220 *
基于形状相似的三维模型检索方法研究;张玉鹏 等;《北京师范大学学报(自然科学版)》;第47卷(第04期);374-377 *

Also Published As

Publication number Publication date
CN116662628A (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN116662628B (zh) 一种基于复杂薄壁零件的三维cad模型检索方法
CN108596329B (zh) 基于端到端深度集成学习网络的三维模型分类方法
CN109325993B (zh) 一种基于类八叉树索引的显著性特征强化采样方法
CN107679562B (zh) 三维模型的解析处理方法和装置
EP1586020A2 (en) Methods, systems, and data structures for performing searches on three dimensional objects
Nie et al. MMFN: Multimodal information fusion networks for 3D model classification and retrieval
CN105868706A (zh) 一种基于稀疏自编码的三维模型识别方法
Ma et al. Automatic recognition of machining features based on point cloud data using convolution neural networks
CN113313830B (zh) 基于多分支图卷积神经网络的编码点云特征提取方法
CN118762381A (zh) 工程图纸信息提取方法、装置、电子设备及存储介质
Mandelli et al. CAD 3D Model classification by Graph Neural Networks: A new approach based on STEP format
CN116187200A (zh) 基于图卷积网络的轻量化三维cad模型分类与检索的方法
Zhang et al. Blending surface segmentation and editing for 3D models
CN108595631B (zh) 基于图谱理论的三维cad模型双层检索方法
CN116258903A (zh) 基于层次化图卷积网络和空间注意力机制的三维点云数据分类方法
CN106485276A (zh) 一种基于内容图像的模糊最小‑最大神经网络聚类方法
Lavoué et al. SHREC'12 Track: 3D mesh segmentation
CN110400370B (zh) 一种构建三维cad模型的语义级部件模板的方法
CN110163091B (zh) 基于lstm网络多模态信息融合的三维模型检索方法
CN115761502A (zh) 基于混合卷积的sar图像变化检测方法
CN102289661A (zh) 一种基于谱匹配的三维网格模型的匹配方法
CN117593204B (zh) 一种基于超体素邻近聚类的点云实例分割方法
CN111339332B (zh) 一种基于树形结构拓扑图的三维体数据检索方法
CN111597367B (zh) 基于视图和哈希算法的三维模型检索方法
CN117237580A (zh) 一种基于多视图和加工特征识别的cad模型匹配方法及系统

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