【技术实现步骤摘要】
一种基于几何语义预训练与图网络的3D模型分类方法
[0001]本专利技术涉及计算机图形学与智能识别的
,特别是一种基于几何语义预训练与图网络的
3D
模型分类方法
。
技术介绍
[0002]近年来,科学技术的不断发展,基于深度学习的三维模型分类方法已经取得了显著的成果
。
三维模型相比于其他
2D
图像,具有更丰富的几何信息和空间结构特征,更贴近与人类生活的显示场景,在工业设计
、
三维重建
、
电影娱乐
、
智能导航
、
医疗等领域都有广泛的应用,同时三维模型的分类也变得更为重要
。
[0003]STEP
全称是
Standard for the Exchange of Product Model Data
,即产品模型数据交换标准,自
1992
成为
ISO
国际标准时起
(ISO10303)
,
STEP
文件作为三维
CAD
通用文本中间交换格式,在几何数据交互中起着重要作用
。
目前主流的
3D
模型分类方法还没有直接从
STEP
文件数据入手的先例
。
[0004]图卷积网络
(GCN)
是一种能够直接作用于图并且利用其结构信息的卷积神经网络,
STEP
文件中的拓扑结 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种基于几何语义预训练与图网络的
3D
模型分类方法,其特征在于包括以下步骤:
1)STEP
数据输入及初始特征提取,提取分为两部分,一部分是三维模型的拓扑数据,经过处理转化为三维模型曲面的邻接矩阵,另一部分是整理后的曲面信息;
2)
将曲面信息输入几何语义预训练模型,获取每个曲面的词向量;
3)
将所有曲面词向量与曲面邻接矩阵输入到图语义特征混合网络,获取模型整体的表征向量,即模型语义特征;
4)
通过
k
‑
means
算法对模型语义特征进行聚类,获得的聚类结果对应的模型为同一类
。2.
根据权利要求1所述的一种基于几何语义预训练与图网络的
3D
模型分类方法,其特征在于在步骤
1)
中,对
STEP
数据输入及初始特征提取步骤为:
1.1)
首先提取
STEP
中的拓扑对象的数据,记顶点集为
V
=
{v1,
v2,
…
,
v
n
}
,边线集为
E
=
{e1,
e2,
…
,
e
m
}
,面集为
F
=
{f1,
f2,
…
,
f
l
}
;
1.2)
根据几何拓扑关系,提取曲面的邻接矩阵
A
=
(a
ij
)1×1,其中
a
ij
=1,当
f
i
,
f
j
存在至少一条公共边线
e
k
∈Ea
ij
=0,当
f
i
,
f
j
不存在任意公共边线
e
k
∈E
;
1.3)
根据拓扑关系重新整理获得曲面信息
FF
,每份曲面信息包含曲面自身几何数据
f
a
,和
f
a
曲面关联的边线数据
技术研发人员:吴泳荣,过晓蒙,杨庆保,郜清科,
申请(专利权)人:上海设序科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。