一种三维模型减面评估方法及装置制造方法及图纸

本发明专利技术提供了一种三维模型减面评估方法及装置，包括：获取原始三维模型和对原始三维模型进行减面后的减面三维模型；基于原始三维模型确定未减面图像数据集，并基于减面三维模型确定减面图像数据集，构建编码器

【技术实现步骤摘要】
一种三维模型减面评估方法及装置


[0001]本专利技术涉及模型减面评估
，具体涉及一种三维模型减面评估方法及装置
。

技术介绍

[0002]石化装置结构复杂管线占比大，完整三维模型可达亿级三角面数堪比城市级规模
。
为此，需要研发模型减面优化工具对模型进行性能优化，在不改变模型外形的前提下，大幅减少模型三角面数，可以提升三维渲染速度
。
模型轻量化工具，可以对不同模型自动采取最佳优化配置，在不改变模型外形的前提下，大幅减少模型三角面数，可以提升三维渲染速度
。
但是，在现有技术中，模型优化后的效果依赖于人眼观察评估，一方面主观性较大，另一方面工作量很大，耗时较长
。
[0003]因此，急需提出一种三维模型减面评估方法及装置，解决现有技术中存在的模型优化后的效果依赖于人眼观察评估，导致评估不客观
、
人员工作量大和耗时较长的技术问题
。

技术实现思路

[0004]有鉴于此，有必要提供一种三维模型减面评估方法及装置，用以解决现有技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种三维模型减面评估方法，其特征在于，包括：获取原始三维模型和对所述原始三维模型进行减面后的减面三维模型；基于所述原始三维模型确定未减面图像数据集，并基于所述减面三维模型确定减面图像数据集，构建编码器
‑
解码器结构模型；根据所述编码器
‑
解码器结构模型中的编码器对所述未减面图像数据集和所述减面图像数据集进行分别处理，得到所述未减面图像数据集的未减面特征图集和所述减面图像数据集的减面特征图集；对所述未减面特征图集和所述减面特征图集的相似度进行判断，得到所述减面三维模型的评估结果
。2.
根据权利要求1所述的三维模型减面评估方法，其特征在于，所述编码器
‑
解码器结构模型包括所述编码器和解码器；所述构建编码器
‑
解码器结构模型，包括：将所述未减面图像数据集中的第一未减面图像输入至所述编码器中，根据所述编码器中的误差函数对所述第一未减面图像进行计算，得到所述第一未减面图像对应的拉姆矩阵差异，并对所述第一未减面图像进行特征提取，得到所述第一未减面图像对应的训练特征图；将所述训练特征图输入至所述解码器，根据所述解码器对所述训练特征图进行还原，得到所述第一未减面图像对应的还原图，并根据所述还原图相对于所述第一未减面图像的损失值，对所述编码器和所述解码器进行训练；当所述未减面图像数据集中的所有未减面图像全部训练完成时，得到编码器
‑
解码器结构模型
。3.
根据权利要求2所述的三维模型减面评估方法，其特征在于，所述根据所述还原图相对于所述第一未减面图像的损失值，对所述编码器和所述解码器进行训练，包括：根据所述第一未减面图像对所述还原图的所述损失值进行计算，并判断所述损失值是否小于预设阈值；若不是，则根据反向传播算法和所述拉姆矩阵差异对所述编码器和所述解码器进行训练；若是，则确定所述未减面图像数据集中第二未减面图像，根据所述第二未减面图像对所述编码器和所述解码器进行训练
。4.
根据权利要求3所述的三维模型减面评估方法，其特征在于，所述根据反向传播算法和所述拉姆矩阵差异对所述编码器和所述解码器进行训练，包括：根据所述拉姆矩阵差异和所述反向传播算法对所述解码器的参数进行更新，得到所述第一未减面图像对应的更新参数；根据所述反向传播算法和所述更新参数对所述编码器和所述解码器的预设数量神经网络参数进行计算，得到每个神经网络参数对应的参数误差；根据随机梯度下降方法和所有参数误差对所述预设数量神经网络参数进行优化，从而对所述编码器和所述解码器进行训练
。5.
根据权利要求1所述的三维模型减面评估方法，其特征在于，所述根据所述编码器
‑
解码器结构模型中的编码器对所述减面图像数据集进行处理，得到所述减面图像数据集的
减面特征图集，包括：根据所述编码器对所述减面图像数据集中所有减面图像进行特征提...

【专利技术属性】
技术研发人员：奚泱，刘力，田阔，王冲，胡伟路，汪畅，郭茜航，樊厚翔，王凯，
申请(专利权)人：中冶武勘智诚武汉工程技术有限公司，
类型：发明
国别省市：