基于蚁群算法的三维CAD模型检索

为了更好地实现CAD模型的重用,提出一种利用蚁群算法的三维CAD模型检索算法.通过提取CAD模型的B-rep信息,将模型用属性邻接图来表示;根据如果2个CAD模型存在相似的特征或局部结构,那么CAD模型对应的属性邻接图就应存在公共子图这一原理,利用蚁群算法来检测属性邻接图中的公共子图,从而得到2个CAD模型相似的局部细节特征;然后通过比较相似局部细节特征对CAD模型进行相似性评价.实验结果表明,该算法能较好地实现三维CAD模型检索,检索性能高于通用领域的检索算法,可以实现CAD模型设计和制造知识的重用.     

基于面匹配的模型相似性度量方法

为了准确地衡量两个模型的相似程度,提出了一种基于面匹配的模型相似性计算方法.使用面邻接图表示模型的拓扑结构,根据面的组成边数来构造两个模型之间的面匹配矩阵,同时,使用贪心算法来计算模型之间的相似性.在实验中,使用所提方法来度量目标CAD模型和源CAD模型之间的相似程度.实验结果表明,该方法能够有效地衡量模型之间的差异.     

结合深度特征和信息量的三维模型标注方法

针对三维模型语义检索应用,提出一种三维模型语义自动标注方法,建立三维模型内容特征和语义特征之间的映射关系。首先,利用基于深度信息的特征提取方法计算三维模型形状特征描述符,在单位立方体的六个面上正交投影后获取六幅深度缓存图像,提取图像二维傅立叶变换后的270维低频系数作为三维模型内容特征。其次,针对语义词汇之间相似度计算需要,提出一种语义相似度计算方法,采用本体层次结构的深度、宽度、同义词集密度信息计算词汇信息量,定义语义词汇间的信息量关系,得到语义相似度。再次,利用语义排歧策略消除语义词汇二义性,提高语义词汇相似度计算的准确性。最后,融合三维模型内容特征相似度计算和本体语义相似度计算方法,利用样本库中相似模型包含的词汇概率信息和模型内容相似度值,计算待标注模型的语义描述信息。通过模型标注实验,验证了该方法的准确性。     

基于形状分布的机械CAD模型相似性评价算法

提出一种基于形状分布的机械CAD模型相似性评价算法.该方法首先在CAD模型表面随机取点,然后计算随机点之间的距离,通过对距离值进行统计得到形状分布曲线,最后通过对模型间形状分布曲线的比较得到两个模型的相似度,从而实现模型的相似性评价.实验表明该算法能较好的实现机械CAD模型的相似性评价.     

神经网络与组合语义在文本相似度中的应用

为了更好地提高短文本语义相似度分析能力,提出了基于神经网络和组合语义的短文本语义相似度分析算法。利用神经网络构建词义表示模型,结合局部和全局上下文信息学习词语在实际语境下的表示;通过句法分析,得到文本的依存关系,并依此构建组合关系树,使用组合语义模型得到整个文本的语义表示;通过计算两个语义表示结果之间的相似性来计算文本的语义相似度。实验分析结果表明,该方法能够在一定程度上提高文本语义分析能力。     

基于细胞元本体的标准件库资源共享研究

针对目前标准件库不支持异构CAD系统和标准件信息不完整两个主要问题,提出了一种基于细胞元本体的标准件库资源共享方法。该方法使用Web本体描述语言(Web Ontology Language,OWL)表示细胞元本体模型,制定语义映射规则,以细胞为转换单元,屏蔽了信息表示的异构性,使应用本体和细胞元本体成为具有语义关系的逻辑上的整体,实现了异构CAD系统对标准件库的共享及异构数据的实时转换。该方法应用在Pro/E,UG和CATIA3个CAD平台的同步协同设计中,证明了其可行性。     

三维CAD模型检索综述

对三维CAD模型检索研究现状进行了深入和系统的综述。CAD模型检索可划分为两个层次:基于视觉相似性的三维CAD模型检索、面向语义与功能描述的三维CAD模型检索。分别分析了两种检索层次下CAD模型的检索方法。在此基础上总结了三维CAD模型检索评测基准库、评测方法等。最后展望了现有研究中的难点及进一步的研究方向。     

面向内容的三维人体运动检索技术研究综述

三维人体运动数据检索技术是计算机动画领域的研究热点,系统分析了当前基于内容的三维人体运动数据检索技术的研究现状。分析比较了基于运动数值特征、基于运动能量特征和基于语义信息特征三种运动数据的特征表示方法;从局部相似性度量和全局相似性判断两个角度阐述了运动相似性匹配算法;总结目前基于内容的人体运动数据检索技术中存在的问题,探讨了未来开展基于语义的检索技术所需的工作。     

关联工艺引导的型腔类零件局部结构检索方法

针对已有的基于内容的三维CAD模型检索技术难以保证检索结果关联工艺的可重用性,需要设计人员进一步甄别其重用价值的问题,提出一种关联工艺引导的型腔类零件局部结构检索方法,以从基于制造特征的结构化工艺数据中查找关联工艺可重用的相似三维几何.首先建立特征关联工艺参数化驱动模型,从特征加工几何、加工精度、刀具几何角度揭示特征实例关联工艺的参数化驱动特性;然后以特征实例关联工艺为参考,建立基于中轴转换的特征相似性评价模型;最后提出基于子图同构的相似局部结构提取算法,并且计算相匹配局部结构之间的相似度.在CATIA平台下开发了原型系统,并验证了文中方法的有效性.     

基于本体概念的柔性相似度计算方法研究

本体可以提供强大的知识表示方法,是信息检索领域中的重要内容。传统的本体概念相似度计算方法大多采用特定于描述语言的通用推理服务来进行匹配,这些方法忽略了概念的语义信息。通过设计一个基于OWL本体的语义检索模型,介绍了如何通过概念的属性以及层次关系来表达概念的语义,计算概念间的柔性相似度。实验结果表明,该方法能充分利用OWL属性特征与层次关系来计算相关概念之间的柔性相似度,可以根据需要动态地调节匹配范围,并给出其在文本分类中的应用。     

基于特征语义的模型表示法研究

为了更好地适应语义特征建模系统的需要,使CAD/CAID系统能够在特征中封装更多更复杂的语义,提高传统特征建模系统的效率,提出了一种基于特征语义的模型表示法。这种表示法通过特征语义来构建特征外形的各个表面,用细胞元模型来管理特征的各种元素,采用“面的完整性验证”代替传统的约束求解来验证用户操作的有效性。因此这种表示法不仅可以有效地表示产品模型的复杂语义,还可以大大提高语义特征建模系统的性能。实验表明,这种表示法有更强的实用性和适应性。     

一种基于加强三维模型细节的形状分布检索算法*

基于形状分布算法提出了一种加强细节检索的算法。该算法首先将经过预处理的模型分割为N个子模块并分别进行特征提取,然后构造每个子模块的形状分布直方图,最后通过比较子模块的相似度来计算模型的相似度。该算法相比形状分布算法比较准确地计算出了模型间的相似性,有效地提高了细节的分辨,解决了外形相近但细节不同的问题。     

语义特征建模系统中操作局部化的研究

为了提高语义特征建模系统约束求解的效率及系统的整体性能,提出了一种新的操作局部化方法。该方法使用特征语义表示法来描述产品模型中特征的各种信息,改进了细胞元模型对特征元素的管理机制,通过特征的“语义面”将局部特征从模型中有效地分离出来,通过创建临时特征的方法来实现模型的局部约束求解。该策略不仅可以完全满足在复杂模型中直接操作的需要,还可以大大提高系统的性能。实验表明该算法具有更强的适应性和实用性。     

异构CAD系统语义信息交换方法研究

传输完整的CAD模型语义信息是协同设计有效进行的关键,提出了一种异构CAD系统语义信息交换方法,该方法通过构建语义转换器实现了常规文件、压缩文件和中性文件三种模型文件的数据转换和翻译,并给出了判定特征相似性的方法,实现了源CAD系统和目标CAD系统的语义互操作,保证了语义传输的完整性和高效性。构建了一个协同资源共享平台,在该平台下实现了Pro/E系统和UG系统之间的语义数据交换,协同传输效率提高了近30%。     

一种基于切片的三维模型检索算法*

为了更加高效地从三维模型库中检索出相似模型,提出了一种基于切片的三维模型检索算法。首先应用主元分析对三维模型进行预处理;然后对预处理后的模型在不同位置和不同方向上进行切片,根据所得切片断面的相对面积进行三维模型检索。基于该算法设计并实现了三维模型检索系统。实验采用PSB(PrincetonShape Benchmark)提供的三维模型数据库,结果表明把模型的切片截面作为三维模型的特征描述,能有效地区分不同模型,并取得了较好的检索效果。     

密度分布特征及其在二值图像检索中的应用

图像的形状是描述图像的重要视觉和语义特征,可通过图像中像素点的区域分布表现出来。为了对二值图像进行有效检索,提出了一种基于区域的形状特征——密度分布特征,用来进行二值图像检索。该方法在经过形心定位和子图像区域划分后,可得到2个M维特征向量,其中第1个表示各个子图像区域的目标像素的相对密度,第2个表示各个子图像区域的目标像素在极坐标方向上的相对密度的一阶数值差分。在进行相似性度量时,首先采用Gaussian模型对用这2个特征向量计算得到的距离分别进行归一化处理;然后综合两个特征向量的距离计算总的相似度。实验结果表明,密度分布特征不仅能够有效地刻画二值图像的形状,具有非常好的平移、尺度和旋转不变性,而且检索结果优于Hu不变矩。     

Convolutional deep learning for 3D object retrieval

In recent years, with the development of 3D technologies, 3D model retrieval has become a hot topic. The key point of 3D model retrieval is to extract robust feature for 3D model representation. In order to improve the effectiveness of method on 3D model retrieval, this paper proposes a feature extraction model based on convolutional neural networks (CNN). First, we extract a set of 2D images from 3D model to represent each 3D object. SIFT detector is utilized to detect interesting points from each 2D image and extract interesting patches to represent local information of each 3D model. X-means is leveraged to generate the CNN filters. Second, a single CNN layer learns low-level features which are then given as inputs to multiple recursive neural networks (RNN) in order to compose higher order features. RNNs can generate the final feature for 2D image representation. Finally, nearest neighbor is used to compute the similarity between different 3D models in order to handle the retrieval problem. Extensive comparison experiments were on the popular ETH and MV-RED 3D model datasets. The results demonstrate the superiority of the proposed method.     

基于非精确图匹配的CAD模型搜索方法

为了弥补现有的三维CAD模型搜索方法难以搜索到不同近似程度的相似模型的缺陷,提出一种基于面属性化邻接图非精确匹配的CAD模型搜索方法.首先提取CAD模型中的B-rep信息将CAD模型转化为面属性化邻接图;然后计算目标模型与被搜索模型的面属性化邻接图之间的顶点相容程度矩阵和边相容程度矩阵,并由此建立2个模型相似程度的度量作为选择不同顶点匹配矩阵M的优化目标函数;在对匹配矩阵M进行连续化松弛后,运用Sinkhorn行列交替规范化方法求解匹配优化问题.实验结果表明,采用该方法能够搜索到不同近似程度的相似模型;并且由于避免了具有NP复杂性的精确图匹配过程,检索效率也能满足实际要求.