【技术实现步骤摘要】
一种基于超限学习机的三维CAD模型分割方法和装置
本专利技术涉及三维CAD模型分割领域，具体涉及一种基于超限学习机的三维CAD模型分割方法和装置。
技术介绍
CAD模型的分割与标注是三维模型特征理解的基础课题。因而CAD模型分割是对三维模型特征后续处理前的关键工作，传统的表面分割方法主要是针对网格模型，三维CAD模型的表达通常是采用B-rep边界表示法。如何将CAD模型分割成具有一定工程意义的局部区域集成为亟待解决的问题。常规的CAD模型分割是采用人工的方式，用人工的方式进行CAD模型的分割工作效率低，精度差。随着机器学习领域的快节奏发展，一些新的基于机器学习的分类方法被提出来。目前，利用机器学习对CAD模型分割的方法主要有：有监督学习分割方法和无监督学习分割方法。基于有监督学习的模型分割在普林斯顿大学模型分割测评集最好的结果是94％，但是有监督学习分割方法的训练速度较低。无监督学习分割方法中，研究者们采用不同的聚类方法来进行聚类，然后进行分割以及标注。为了加速聚类的计算，这类方法通常先针对三维模型进行过分割，然后在进行特征的抽取和进一步的聚类，能够极大的提高方法...
【技术保护点】
1.一种基于超限学习机分类器的三维CAD模型分割方法，其特征是，包括以下步骤：计算三维CAD模型的每个面所对应的特征描述算子；基于所有面的特征描述算子，训练和测试超限学习机；利用超限学习机对三维CAD模型的每个面进行分类和标注；基于分类结果，构建三维CAD模型的属性邻接标记图；对属性邻接标记图进行分割；以属性邻接标记图分割的最大内聚度为目标函数对分割后的属性邻接标记图进行合并优化，得到多个局部区域。
【技术特征摘要】
1.一种基于超限学习机分类器的三维CAD模型分割方法，其特征是，包括以下步骤：计算三维CAD模型的每个面所对应的特征描述算子；基于所有面的特征描述算子，训练和测试超限学习机；利用超限学习机对三维CAD模型的每个面进行分类和标注；基于分类结果，构建三维CAD模型的属性邻接标记图；对属性邻接标记图进行分割；以属性邻接标记图分割的最大内聚度为目标函数对分割后的属性邻接标记图进行合并优化，得到多个局部区域。2.根据权利要求1所述的基于超限学习机分类器的三维CAD模型分割方法，其特征是，所述三维CAD模型的每个面所对应的特征描述算子包括基于主成分分析的特征、面曲率特征和形状直径特征。3.根据权利要求1所述的基于超限学习机分类器的三维CAD模型分割方法，其特征是，所述超限学习机的训练和测试方法为：将所有面的基于主成分分析的特征、面曲率特征和形状直径特征进行归一化处理，得到一个向量，作为超限学习机分类器训练的输入特征向量，输入到超限学习机中进行训练；选择超限学习机的隐含层节点数目、训练模型数目和神经元应急函数，去除超限学习机中原始的权重项。4.根据权利要求1所述的基于超限学习机分类器的三维CAD模型分割方法，其特征是，所述利用超限学习机对三维CAD模型的每个面进行分类和标注的步骤包括：利用超限学习机计算三维CAD模型的每个面的若干个神经元概率值；对每个面的若干个神经元概率值进行归一化处理，得到该面的标签概率值；利用每个面的标签概率值对三维CAD模型的每个面进行分类，区分三维CAD模型的平面、凸面、凹面。5.根据权利要求1所述的基于超限学习机分类器的三维CAD模型分割方法，其特征是，所述三维CAD模型的属性邻接标记图的构建方法为：定义属性邻接标记图的数据结构，包括邻接性和凹凸性；遍历三维模型的每个面并提取每个面的所有属性，创建属性邻接标记图的对应节点；识别三维模型的每个面之间的邻接关系，创建属性邻接标记图的边。6.根据权利要求1所述的基于超限学习机分类器的三维CAD模型分割方法，其特征是，所述属性邻接标记图的分割方法为：根据属性邻接标记图中节点和连线的属性对属性邻接标记图G进行分割，得到若干个局部区域子图，构成局部区域集S；从属性邻接标记图G中删除局部区域集S中的各个节点以及节点之间的连线，得到新的属性邻接标记图G′；若新的属性连接标记图G′为空，则表明已经完成了属性邻接标记图中所有节点...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。