一种基于生成对抗网络的三维仿生设计方法及系统技术方案

本发明专利技术公开了一种基于生成对抗网络的三维仿生设计方法，所述方法包括如下步骤：步骤1：建立训练集；步骤2：建立深度生成模型，并通过所述训练集对所述深度生成模型进行训练；所述深度生成模型包括隐式自动编码器和隐向量生成模型；所述隐式自动编码器包括编码器3DCNN和解码器IM

【技术实现步骤摘要】
一种基于生成对抗网络的三维仿生设计方法及系统


[0001]本专利技术属于机器学习及智能
，涉及一种基于生成对抗网络的三维仿生设计方法及系统。

技术介绍

[0002]仿生学是模仿生物系统的原理来建造技术系统，或者使人造技术系统具有或类似于生物系统特征的科学。仿生学的主要研究方法主要是提出理论模型，通过数学仿真实现仿生原理到功能的实现。仿生设计(Bionics Design)就是模拟大自然及生物系统的结构、功能、形态、色彩等特征，进行创造性的设计。仿生设计从人的心理需求出发，以设计师个人的仿生理念为寄托，创造出充满生物情趣和自然形态的设计产品，又反过来服务于人类，从而完成了一个自然状态的从人到人的循环。创意仿生产品设计以模仿自然或受自然和生物的启发而进行。设计师在对自然物特征的观察和提炼的基础上，通过联想、夸张和简化等创意形态设计手法，结合设计对象、产品使用场景等因素形成设计方案，再经过适合生产制造技术需求的深化设计，才能完成产品设计过程。依据仿生学应用的方式的不同，仿生设计主要分为产品的形态仿生、功能仿生、结构仿生色彩仿生、肌理仿生等。形态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的三维仿生设计方法，其特征在于，包括以下步骤：步骤1：建立训练集；步骤2：建立深度生成模型，并通过所述训练集对所述深度生成模型进行训练；所述深度生成模型包括隐式自动编码器和隐向量生成模型；所述隐式自动编码器包括编码器3DCNN和解码器IM
‑
Decoder；所述隐向量生成模型采用对抗生成网络；步骤3：使用所述深度生成模型生成三维仿生生成物。2.如权利要求1所述的基于生成对抗网络的三维仿生设计方法，其特征在于，进一步包括步骤4：将所述三维仿生生成物经过与设计师协同的后处理，得到三维仿生设计。3.如权利要求1所述的基于生成对抗网络的三维仿生设计方法，其特征在于，所述步骤1包括：构建3D文件格式到体素模型格式的识别转换路径，具体包括如下步骤：步骤1.1：三维网格的.obj文件用binvox体素化，转化为.binvox文件；步骤1.2：体素化后的文件用泛洪填充得到点值对，相当于等值面的离散采样；步骤1.3：用隐式自动编码器中的3DCNN编码器学习三维体素到128维隐向量的映射，并且解码器学习128维隐向量加上三维体素位置到该体素的符号距离场的映射；符号距离场通过marchingcube算法得到三维网格数据；符号距离场通过阈值化得到体素数据；和/或，所述步骤1中进一步包括：训练集增强步骤，其包括基于设计目标数据增强与基于性能数据增强；所述基于设计目标数据增强包括：将仿生对象数据集施加七个方向的旋转变换来实现多样化的混合结果；所述基于性能数据增强包括：在三个正交轴上拉伸训练数据集，其程度从0.25到2；和/或，所述步骤1中进一步包括：提高生成的体素文件分辨率，其包括：模型生成符号距离场，通过对符号距离场采样密度控制，允许生成任意分辨率的体素；训练的时候采用渐进式训练，先在16^3的分辨率体素文件训练100轮，然后在32^3的分辨率体素文件训练200轮，最后在64^3的分辨率的体素文件训练1000轮；通过在训练过程中终止训练来控制生成多尺度细节的三维模型。4.如权利要求1所述的基于生成对抗网络的三维仿生设计方法，其特征在于，所述生成对抗网络包括生成器和判别器，所述生成对抗网络用于拟合训练集在隐空间的嵌入点的分布；和/或，建立深度生成模型包括以下步骤：步骤2.1：训练自动编码器学习低维表示；步骤2.2：在自动编码器的编码器和解码器之间的隐向量空间中训练一个包括生成器和判别器的生成对抗网络；步骤2.3：训练集准备完成后，对自动编码器和对抗生成网络分别进行两阶段训练。5.如权利要求4所述的基于生成对抗网络的三维仿生设计方法，其特征在于，所述两阶段训练是指：第一阶段采用渐进式训练训练自动编码器，使生成的模型具备更多的细节；第二阶段通过生成器和...

【专利技术属性】
技术研发人员：毛溪，梁天一，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：