基于三维网格及神经网络解决三维物体旋转不变性的方法技术

本发明专利技术公开了基于三维网格及神经网络解决三维物体旋转不变性的方法，包括如下步骤：S1、创建样本集三维物体的标签；S2、创建某三维物体的样本集；S3、更新重构样本集中所有三维物体的标签；S4、为样本集中所有的三维物体创建包络盒；S5、对样本集中的物体进行三维网格的划分。本发明专利技术可以非常有效地解决在数字空间三维坐标系中，对三维物体的识别，只要是相同的物体，不管其如何旋转以及如何被创建，都可以确定其三维物体的类型。

A Method of Solving Rotation Invariance of Three-dimensional Objects Based on Three-dimensional Mesh and Neural Network

The invention discloses a method for solving rotation invariance of three-dimensional objects based on three-dimensional meshes and neural networks, including the following steps: S1, creating labels of three-dimensional objects in sample set; S2, creating a sample set of three-dimensional objects; S3, updating labels of all three-dimensional objects in reconstructed sample set; S4, creating envelope boxes for all three-dimensional objects in sample set; S5, creating objects in sample set. Three-dimensional mesh generation is carried out. The invention can effectively solve the problem of recognizing three-dimensional objects in the digital space three-dimensional coordinate system. As long as the same object is identical, no matter how it rotates and how it is created, the type of three-dimensional objects can be determined.

【技术实现步骤摘要】
基于三维网格及神经网络解决三维物体旋转不变性的方法
本专利技术涉及一种神经网络技术，具体是基于三维网格及神经网络解决三维物体旋转不变性的方法。
技术介绍
在三维空间中，对三维物体的识别，主要需要解决平移不变性、缩放不变性及旋转不变性的问题。对于三维物体的平移性和缩放性来说，仅需要通过相对坐标原点的设置等方式即可较易解决，因此旋转不变性的问题就变得较为重要。旋转不变性，是指对于某一个物体，不管其如何转动，在对其进行观察和识别时都不会因为旋转带来的变化，而影响对其的识别。目前解决旋转不变性，需要提供大量的训练样本，而训练样本需要经过清洗及标记后，才能比较有效的用于产品的训练。在处理旋转不变性时，最主要的是能得到足够多的某三维物体旋转后的样本，得到某三维物体的在不同的旋转后的样本，将其组合成相应的样本集，放入到全连接神经网络中进行训练。在三维空间中，对三维物体来说，由于可以比较容易对其进行旋转，因此只需对某一个三维物体进行标记，再对其依据相应做法进行旋转，最后依据其旋转后得到的样本都可以不需要再进行标记；因此，基于上述情况，本专利技术提出了三维网格与神经网络的方法来解决三维坐标系中三维物体的旋转不变性问题。
技术实现思路
本专利技术的目的在于提供基于三维网格及神经网络解决三维物体旋转不变性的方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：基于三维网格及神经网络解决三维物体旋转不变性的方法，包括如下步骤：S1、创建样本集三维物体的标签；S2、创建某三维物体的样本集；S3、更新重构样本集中所有三维物体的标签；S4、为样本集中所有的三维物体创建包络盒；S5、对样本集中的物体进行三维网格的划分；S6、数值化及归一化处理；S7、放入神经网络中进行训练；S8、利用训练后的神经网络识别三维物体。作为本专利技术进一步的方案：所述步骤S1具体是：对样本集中所有三维模型进行聚合处理；根据聚合后的内容，对样本集中的三维物体创建标签。作为本专利技术进一步的方案：所述步骤S2具体是：利用聚合后的三维模型以及其标签，创建旋转不变性所需的样本数据。作为本专利技术进一步的方案：所述步骤S3具体是：利用步骤S2创建的旋转后三维物体，扩展样本集中的样本，将先前样本集中的物体标签，直接赋给通过旋转后得到的三维物体，使所有三维物体都拥有标签。作为本专利技术进一步的方案：所述步骤S7具体是：依据步骤S5中的网格数量构建神经网络的输入神经元个数，并且根据步骤S1中的内容，确定神经网络中的输出神经元个数，将更新后的样本集中所有的三维物体放入神经网络进行训练。作为本专利技术进一步的方案：所述处理为网格化及标签化处理。作为本专利技术进一步的方案：所述步骤S8具体是：对待识别的三维物体创建包络体、并进行三维网格化、数值化、归一化处理后，将其放入神经网络，即可依据已训练得到的神经网络，识别出该三维物体，而不易受到旋转后物体形态不同的影响。与现有技术相比，本专利技术的有益效果是：本专利技术可以非常有效的解决在三维坐标系中，对三维物体的识别，只要是相同的物体，不管其如何旋转以及如何被创建，都可以确定其三维物体。具体实施方式下面对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例中，基于三维网格及神经网络解决三维物体旋转不变性的方法，包括如下步骤：S1、创建样本集三维物体的标签；对样本集中所有三维模型进行聚合处理；根据聚合后的内容，对样本集中的三维物体创建标签；S2、创建某三维物体的样本集。利用聚合后的三维模型以及其标签，创建旋转不变性所需的样本数据；通过其在坐标轴（xyz轴）中分别进行旋转，为满足样本训练后，可以达到旋转不变性的目的，绕某个轴旋转的次数不少于n次（n≥3），旋转n次后，共得到n+1个样本（以旋转3次为例，分别得到三维物体在绕x轴旋转0°，90°，180°，270°的4个三维物体），在对每个坐标轴进行旋转后，都可以得到n+1个样本，而由于每个坐标轴旋转时都包含了初始样本，因此，可共计得到不少于n3+1（n=旋转次数；3：x、y、z三个坐标轴；1：初始样本）个训练样本；S3、更新重构样本集中所有三维物体的标签；利用步骤S2创建的旋转后三维物体，扩展样本集中的样本，由于扩展后的样本都是基于某个三维物体旋转而来，因此将先前样本集中的物体标签，直接赋给通过旋转后得到的三维物体，使所有三维物体都拥有标签。通过这种方法后，样本集中的标签种类没有增加，仅仅增加了样本集中的待训练样本；S4、为样本集中所有的三维物体创建包络盒。依据“一种基于三维网格与神经网络的零件相似性处理方法”中描述的内容创建包络盒；S5、对样本集中的物体进行三维网格的划分。依据“一种基于三维网格与神经网络的零件相似性处理方法”中描述的内容创建网格的划分；S6、数值化及归一化处理；依据专利“一种三维网格与神经网络的零件相似性处理方法”中描述的内容进行数值化及归一化处理处理；S7、放入神经网络中进行训练。依据步骤S4中的网格数量构建神经网络的输入神经元个数，并且根据步骤S1中的内容，确定神经网络中的输出神经元个数。将更新后的样本集中经过处理（网格化及标签化）的三维物体放入神经网络进行训练；S8、利用训练后的神经网络识别三维物体。对待识别的三维物体创建包络体、并进行三维网格化（其三维网格类型及网格数量与待训练样本的三维网格相同）、数值化、归一化处理后，将其放入神经网络，即可依据已训练得到的神经网络，识别出该三维物体，而不易受到旋转后物体形态不同的影响；并最终确认该三维物体。步骤S4、S5、S6中所述的一种基于三维网格与神经网络的零件相似性处理方法具体步骤如下：一、对待训练三维物体创建包络体；二、确定三维网格的网格类型及数量；四、对三维网格划分后的三维物体进行数值化处理；五、归一化三维网格后的数值；六、标签化当前三维物体；七、放入神经网络进行训练；八、利用训练后的神经网络识别三维物体。实施例2：一种基于三维网格与神经网络的零件相似性处理方法具体步骤如下：一、对待训练三维物体创建包络体。对样本集中选择某一个物体创建包络体，并选取该包络体的某个定点为基准点，创建经过该基准点的坐标轴；利用该基准包络体，通过对其进行平移和尺寸缩放后，为所有样本集中的三维物体创建包络体；二、确定三维网格的网格类型及数量。根据需要确定三维网格的类型（比如长方体、四面体、六面体等等），确定网格类型后，需要确定所有待训练样本集中网格的数量，所有包络体都使用相同的网格数量N个；三、对待训练三维物体进行三维网格划分。通过步骤1中的包络体的坐标原点，按照坐标轴（x,y,z）方向，分别进行均等的网格划分（为了保证所有网格的在训练时的权重都相同，所有三维网格所占包络体的比例都相同，以确保其作为神经网络中输入层权值（非输入层到隐含层的权值）数据时都相同）。并且按照坐标轴的方向依次标定每一个三维网格的序号，使得每个包络体的三维网格序号都一一对应，以保证将其放入到神经网络的输入层神经元时，其是按照输入神经元对应顺序进行放置；四、对三维网格划分后的三维物体进行数值化处理。本文档来自技高网...

【技术保护点】
1.基于三维网格及神经网络解决三维物体旋转不变性的方法，其特征在于，包括如下步骤：S1、创建样本集三维物体的标签；S2、创建某三维物体的样本集；S3、更新重构样本集中所有三维物体的标签；S4、为样本集中所有的三维物体创建包络盒；S5、对样本集中的物体进行三维网格的划分；S6、数值化及归一化处理；S7、放入神经网络中进行训练；S8、利用训练后的神经网络识别三维物体。

【技术特征摘要】
1.基于三维网格及神经网络解决三维物体旋转不变性的方法，其特征在于，包括如下步骤：S1、创建样本集三维物体的标签；S2、创建某三维物体的样本集；S3、更新重构样本集中所有三维物体的标签；S4、为样本集中所有的三维物体创建包络盒；S5、对样本集中的物体进行三维网格的划分；S6、数值化及归一化处理；S7、放入神经网络中进行训练；S8、利用训练后的神经网络识别三维物体。2.根据权利要求1所述的基于三维网格及神经网络解决三维物体旋转不变性的方法，其特征在于，所述步骤S1具体是：对样本集中所有三维模型进行聚合处理；根据聚合后的内容，对样本集中的三维物体创建标签。3.根据权利要求1所述的基于三维网格及神经网络解决三维物体旋转不变性的方法，其特征在于，所述步骤S2具体是：利用聚合后的三维模型以及其标签，创建旋转不变性所需的样本数据。4.根据权利要求1所述的基于三维网格及神经网络解决三维物体旋转不变性的方法，其特征在于，所述步骤S...

【专利技术属性】
技术研发人员：马佳，邓森洋，
申请(专利权)人：艾凯克斯嘉兴信息科技有限公司，
类型：发明
国别省市：浙江,33