[发明专利]一种构建三维CAD模型的语义级部件模板的方法

权利要求书

1.一种构建三维CAD模型的语义级部件模板的方法，其特征在于，包括以下步骤：

(1)建立一个三维CAD模型语义部件的包围盒数据集，统计每个语义下部件的分布规律与尺寸分布，将每个语义部件的空间点坐标与尺寸全连接，得到所有的三维兴趣域；

(2)根据三维CAD模型本身对第一步的三维兴趣域集合做进一步的调整，删去与三维CAD模型无交点的三维兴趣域，收缩其余的三维兴趣域至与三维CAD模型贴合；

(3)把三维CAD模型输入到深度神经网络中得到特征图，在特征图上根据三维兴趣域进行池化操作，计算输出每个三维兴趣域的语义分类以及平移、放缩、旋转的回归参数；

(4)根据深度神经网络输出的三维兴趣域的分类可信度进行初步筛选，再将筛选出的结果进行分组，最后对每一个分组进行融合和去重，得到最终的语义级部件模板；

所述步骤(1)具体实现如下：

(2.1)建立一个三维CAD模型部件包围盒数据集，生成基准数据集(groundtruth)，数据集中同类模型朝向一致，对每一个模型，按语义类别分别标定出其有向包围盒，再把有向包围盒转化为坐标轴平行包围盒；

(2.2)对每个语义标签下的包围盒中心点坐标集合训练一个高斯混合模型进行拟合，得到一个三维兴趣域位置的概率分布函数；对三维CAD模型部件包围盒数据集中的包围盒按照语义进行统计分析，得到每个语义部件在空间中的分布规律以及可能的尺寸；

(2.3)通过K-means聚类算法为每个语义类别定义了N个不同尺度的基元；

(2.4)在每个可能的位置上放置所有尺寸的包围盒，得到该语义部件的三维兴趣域，即获取每个语义下部件可能的位置及尺寸；

所述步骤(3)具体实现如下：

(3.1)将三维CAD模型所在的立方体空间转化为指定尺寸的网格，找出网格中被三维CAD模型覆盖到的网格，作为三维CAD模型的体素化表达；

(3.2)将通过对三维兴趣域与基准数据集中对应的包围盒的交叠率(Intersection-over-Union)大于0.5的作为正例，小于0.3的作为负例，构建一个全监督训练中所需要的训练数据集；

(3.3)把深度神经网络设计为一个U型网络，有5层卷积和5层反卷积，卷积与反卷积层每层与层之间包含激活层(ReLu)以及批标准化层(Batch Normalization)，并且反卷积层与对应的卷积层之间进行串联，把(3.1)得到的体素化表达的三维CAD模型输入该U型网络得到特征图，再利用该U型网络载入三维兴趣域，在特征图上取出对应的四维区域；

(3.4)用(3.2)中构建的训练数据集来训练(3.2)中设计的深度神经网络，将过程中得到的四维区域池化为一个统一的尺寸送入下一层，经过两次全连接层后，联合训练一个分类器以及三个回归器，输出每个三维兴趣域的语义分类以及平移、放缩、旋转的回归参数；

所述步骤(4)具体实现如下：

(4.1)根据步骤(3)中深度神经网络输出的分类结果以及回归参数，将深度神经网络输出的分类结果为某一语义类别的概率，作为在这一语义下该语义级部件模板候选结果的可信度，用以筛选最终的包围盒；

(4.2)对于(4.1)中得到的同一语义下的包围盒集合，每次选择分类器打分最高的包围盒，挑选出与该包围盒的交叠率大于阈值的包围盒视作为一个集合，得到N个包围盒集合；

(4.3)对于每个包围盒集合，将该包围盒集合内所有包围盒用向量进行表达，然后对所有向量进行加权平均，融合得到最终的包围盒的向量表达作为该包围盒集合的融合结果，得到最终的语义级部件模板。