一种基于深度学习的三维流场网格分类分割方法技术

本发明专利技术公开了一种基于深度学习的三维流场网格分类分割方法，所述方法包括如下步骤：S1：三维网格模型数据预处理；以三维网格模型数据中局部曲面作为基本处理单元，数据预处理为将局部曲面的特征分为三维的空间特征和十六维的结构特征；S2：三维网格分类模型构建；融合生成对抗网络和协同注意力网络完成三维网格分类模型构建；S3：模型训练；引入三元组损失和DCCA损失对步骤S2获得的三维网格分类模型构建的子空间特征分布进行语义对齐，使得模型构建的子空间中语义相关的特征数据对所对应的语义分布距离靠近，同时使语义不相关的特征数据对所对应的分布距离远离；S4：基于步骤S3训练完成的模型完成三维流场网格分类分割。训练完成的模型完成三维流场网格分类分割。训练完成的模型完成三维流场网格分类分割。

【技术实现步骤摘要】
一种基于深度学习的三维流场网格分类分割方法


[0001]本专利技术属于流场可视
，尤其涉及一种基于深度学习的三维流场网格分类分割方法。

技术介绍

[0002]近年来，随着深度学习、机器学习等相关技术的不断发展，人工智能(AI)被越来越多的领域应用。在计算流体可视化领域，深度学习相关技术能拆分各类任务，使不同类型的机器辅助功能适用于实际的应用环境，有效提高计算流体力学的网格划分友好度，准确区分流场内各模块网格类型、减少人工干预，提高涡流预测效率和精度等作用。计算机视觉是帮助研发人员理解与分析图像的有效方法之一，它是指从图像中捕获视觉特征，提升对图片的理解与于分析能力，再从视觉特征角度对图形和图像进行认知，最终促使研发人员与大规模科学数据达到理解、感觉和交互。
[0003]而对于大规模流场三维网格模型的可视化处理，传统的计算机视觉方法不能准确且高效的区分壁面网格与远场网格，无法满足研发人员与大规模科学数据的正常交互需求。因此，将深度学习技术引入计算机视觉分析方法中就成为了必然选择，利用深度学习处理大规模流场网格，分离壁面和远场网格已成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的三维流场网格分类分割方法，其特征在于，所述三维流场网格分类分割方法至少包括如下步骤：S1：三维网格模型数据预处理；以三维网格模型数据中局部曲面作为基本处理单元，数据预处理为将局部曲面的特征分为三维的空间特征和十六维的结构特征；S2：三维网格分类模型构建；融合生成式对抗网络和协同注意力网络完成三维网格分类模型构建；S3：模型训练；引入三元组损失和DCCA损失对步骤S2获得的三维网格分类模型构建的子空间特征分布进行语义对齐，使得模型构建的子空间中语义相关的特征数据对所对应的语义分布距离靠近，同时使语义不相关的特征数据对所对应的分布距离远离；S4：基于步骤S3训练完成的模型完成三维流场网格分类分割。2.如权利要求1所述的三维流场网格分类分割方法，其特征在于，步骤S1包括获取局部曲面的空间特征，具体包括步骤：S11：使用最远点采样法FPS将网格模型数据进行拆分，根据网格模型数据的实际顶点数确定采样点的个数；S12：采样点确定之后，对局部曲面内空间特征进行映射，空间特征映射包括采样点中心选取、多项式局部曲面拟合和求曲面领域法向量一致性矩阵三个部分构成。3.如权利要求2所述的三维流场网格分类分割方法，其特征在于，步骤S12中，局部曲面的中心点选用采样点坐标，多项式局部曲面拟合采用最小二乘估算。4.如权利要求2所述的三维流场网格分类分割方法，其特征在于，步骤S1包括获取局部曲面的结构特征，局部曲面的结构特征包括内外结构...

【专利技术属性】
技术研发人员：陈呈，邓佳康，杨超，赵丹，王昉，李静，王岳青，杨文祥，郭宁波，
申请(专利权)人：中国空气动力研究与发展中心计算空气动力研究所，
类型：发明
国别省市：