形成用于推断可编辑特征树的数据集制造技术

本发明专利技术尤其涉及一种计算机实现的方法，该方法用于形成被配置用于学习神经网络的数据集。神经网络被配置用于从3D形状的离散几何表示推断出表示3D形状的可编辑特征树。可编辑特征树包括应用于叶几何形状的几何运算的树布置。该方法包括提供相应的数据段，以及将数据段的一部分分别作为相应的训练样本插入到数据集中。插入到数据集中的一个或多个第一数据段中的每个第一数据段的相应的3D形状与未插入到数据集中的相应的一个或多个第二数据段的相应的3D形状相同。该方法形成针对数字化的改进的解决方案。

【技术实现步骤摘要】
形成用于推断可编辑特征树的数据集
本公开内容涉及计算机程序和系统的领域，并且更具体地，本公开内容涉及与学习神经网络有关的解决方案，该神经网络被配置用于从3D形状的离散几何表示推断出表示3D形状的可编辑特征树。
技术介绍
市场上提供了许多用于对象的设计、工程和制造的系统和程序。CAD是计算机辅助设计的缩写，例如，其涉及用于设计对象的软件解决方案。CAE是计算机辅助工程的缩写，例如，其涉及用于模拟未来产品的物理行为的软件解决方案。CAM是计算机辅助制造的缩写，例如，其涉及用于定义制造过程和操作的软件解决方案。在这种计算机辅助设计系统中，图形用户界面在技术效率方面起着重要作用。这些技术可以嵌入产品生命周期管理(PLM)系统中。PLM是一种业务战略，其帮助企业在扩展企业的整个概念中共享产品数据，应用通用流程以及利用企业知识来开发从概念到其寿命结束的产品。DassaultSystèmes(商标为CATIA、ENOVIA和DELMIA)提供的PLM解决方案提供了工程中心(其组织产品工程知识)、制造中心(其管理制造工程知识)以及企业中心(其使企业能够整合和连接成工程中心和制造中心两者)。该系统共同提供了一个开放的对象模型，该模型将产品、过程、资源链接在一起，以实现动态的、基于知识的产品创建和决策支持，其推动优化的产品定义、制造准备、生产和服务。在这种背景下，研究人员一直在寻找从3D形状的离散表示中推断出表示3D形状的合理的可编辑特征树的解决方案。特别地，寻找与原始输入网格相对应的合理的CSG树已经引起了注意。这个问题属于更一般的主题，被称为“数字化”。以下参考文献特别涉及数字化：-[1]Bénière等人：TopologyReconstructionforB-RepModelingfrom3DMeshinReverseEngineeringApplications，2012年。-[2]FlavienBoussuge等人：ExtractionofgenerativeprocessesfromB-Repshapesandapplicationtoidealizationtransformations，2014年。-[3]S.Gauthier等人：Digitized3dmeshsegmentationbasedoncurvatureanalysis，2017年。-[4]D.Cohen-Steiner等人：RestrictedDelaunayTriangulationandNormalCycle，2003年。-[5]B.Levy等人：LpCentroidalVoronoiTesselationanditsapplication，2010年。-[6]F.Boussuge：IdealizationofCADassembliesforFEstructuralanalyses,chapter4:ExtractionofgenerativeprocessesfromB-Repshapestostructurecomponentsuptoassemblies,PhDThesis,UniversitédeGrenoble，2014年。-[7]J.J.Shah,D.Anderson,Y.SeKim,S.Joshi：ADiscourseonGeometricFeatureRecognitionFromCADModels,JournalofComputingandInformationScienceinEngineering，2001年。-[8]Y.Zhang,X.Luo,Y.Zhao,AnApproachtotheAutomaticRecognitionofBooleanDecompositionLoopsforSweptVolumeDecomposition,25thInternationalMeshingRoundtable，2016年。-[9]JonathanRichardShewchuk,RobustAdaptiveFloating-PointGeometricPredicates，1996年。-[10]G.Sharma,R.Goyal,D.Liu,E.Kalogerakis,S.Maji.CSGNet:NeuralShapeParserforConstructiveSolidGeometry.TheIEEEConferenceonComputerVisionandPatternRecognition(CVPR)，2018年。论文[1]涉及从网格中提取足够的信息以使用平均曲率构建精确的边界表示(B-Rep)模型。通过分析相对于整个网格曲率分布而言网格的三角形上的曲率，建立子网格，这些子网格是作为B-Rep表示的面的潜在候选。当子网格不接触它们的邻居时，所提出的方法将它们扩展，直到可以恢复相邻面之间的某些限制。所提出的方法通过基于到已建立的子网格的距离的概念来聚合三角形，从而扩展子网格。对于复杂且曲折的几何形状，不能保证所提出的过程能够恢复有效的限制。因此，在复杂的网格几何图形的情况下，该方法可能无法构建B-Rep。此外，这种方法仅专注于重建精确的B-Rep，而不是可编辑特征树。在从原始网格构建可编辑特征树的背景下，B-Rep表示不一定是中间阶段，并且其可能会损害该方法。在复杂几何图形的情况下，通过中间的B-Rep表示将使整个过程变得脆弱。如果B-Rep构造失败，则根本不会检索任何特征。论文[2]涉及从B-Rep表示开始的“过程树”重构。为了构建流程树，所提出的方法分析了B-Rep的面和面之间的相交处以构建草图，稍后可以将该草图拉伸。生成的过程树仅限于实体加法，即不生成任何减法运算。由于精确的B-Rep是可用的，因此算法迭代地进行，即，通过布尔运算从当前B-Rep中识别并且移除特征实体，直到处理完整个实体为止。因此，所提出的方法存在传播错误的风险。论文[8]提出了一种确定扫描实体之间连续的布尔运算所产生的连接的相交曲线/边的非平面环路。为了闭合环路，该论文指出可能必须创建额外的虚拟相交曲线/边。然而，该论文没有详细介绍如何创建它们。此外，该论文没有超出环路检测的范围，并且特别地，其没有显示如何根据环路检测来确定布尔运算顺序。论文[10]提出了一种完全不同的方法，该方法基于神经网络模型从3D形状推断特征树表示。该学习是基于特征树表示的候选叶实体的离散集合的。另外，该方法要求将输入形状离散为具有有限分辨率的常规体素网格。该论文没有提到如何获得标记的数据集进行监督学习。所提出的方法缺乏准确性。在这种背景拿下，仍然需要用于数字化的改进的解决方案。
技术实现思路
因此，提供了一种计算机实现的(数据集形成)方法，该方法用于形成被配置用于学习神经网络的数据集。神经网络被配置用于从3D形状的离散几何表示推断出表示所述3D形状的可编辑特征树。所述可编辑特征树包括应用于叶几何形状的几何运算的树布置。该方法包括提供相应的数据段，以及将所述数据段的一部本文档来自技高网...

【技术保护点】
1.一种计算机实现的方法，所述方法用于形成被配置用于学习神经网络的数据集，所述神经网络被配置用于从3D形状的离散几何表示推断出表示所述3D形状的可编辑特征树，所述可编辑特征树包括应用于叶几何形状的几何运算的树布置，所述方法包括：/n-提供相应的数据段，每个数据段包括：/no表示3D形状的可编辑特征树，所述可编辑特征树包括应用于叶几何形状的几何运算的树布置，以及/no所述3D形状的离散几何表示，所述离散几何表示与将几何运算的所述树布置应用于所述叶几何形状的结果相对应；/n-将所述数据段的一部分分别作为相应的训练样本插入到所述数据集中，插入到所述数据集中的一个或多个第一数据段中的每个第一数据段的所述相应的3D形状与未插入到所述数据集中的相应的一个或多个第二数据段的所述相应的3D形状相同。/n

【技术特征摘要】
20181229 EP 18306885.71.一种计算机实现的方法，所述方法用于形成被配置用于学习神经网络的数据集，所述神经网络被配置用于从3D形状的离散几何表示推断出表示所述3D形状的可编辑特征树，所述可编辑特征树包括应用于叶几何形状的几何运算的树布置，所述方法包括：
-提供相应的数据段，每个数据段包括：
o表示3D形状的可编辑特征树，所述可编辑特征树包括应用于叶几何形状的几何运算的树布置，以及
o所述3D形状的离散几何表示，所述离散几何表示与将几何运算的所述树布置应用于所述叶几何形状的结果相对应；
-将所述数据段的一部分分别作为相应的训练样本插入到所述数据集中，插入到所述数据集中的一个或多个第一数据段中的每个第一数据段的所述相应的3D形状与未插入到所述数据集中的相应的一个或多个第二数据段的所述相应的3D形状相同。


2.根据权利要求1所述的方法，其中，关于基元形状类型的离散集合以及对于每种基元形状类型，相应的连续参数中的每个连续参数的一个或多个参数域的相应的离散集合，每个参数域具有所述相应的连续参数的相应的参数值，每个叶几何形状是由相应的基元形状类型利用一个或多个参数域的所述相应的离散集合中的每个参数域的相应的参数值形成的。


3.根据权利要求2所述的方法，其中，对于一种或多种基元形状类型中的每一种基元形状类型，所述一个或多个相应的连续参数包括一个或多个尺寸参数和/或一个或多个定位参数，和/或所述基元形状类型的离散集合包括长方体类型、球体类型、一种或多种圆柱体类型、和/或一种或多种棱柱体类型。


4.根据权利要求2或3所述的方法，其中，所述提供所述相应的数据段包括：
-提供初始数据，所述初始数据包括所述基元形状类型的离散集合和一个或多个参数域的每个相应的离散集合；以及
-基于所述初始数据来合成所述相应的数据段。


5.根据权利要求4所述的方法，其中，对于一种或多种基元形状类型中的每种基元形状类型，所述一个或多个相应的连续参数包括一个或多个尺寸参数，并且所述合成包括：
-基于所述初始数据来生成至少一个初始数据段，包括针对每个尺寸参数来选择相应的参数值；以及然后
-基于所述初始数据段来确定至少一个将来的数据段，包括迭代地从所述初始数据段开始，修改相应的尺寸参数中的每个尺寸参数的一个或多个参数值和/或删除一个或多个叶几何形状。


6.根据权利要求1至5中任一项所述的方法，其中，所述插入包括：
-提供成对的相应的数据段，每对包括第三数据段和第四数据段；以及
-针对每对进行以下操作：
o测试所述第三...

【专利技术属性】
技术研发人员：E·梅尔，F·M·桑切斯贝穆德斯，
申请(专利权)人：达索系统公司，
类型：发明
国别省市：法国;FR