[发明专利]形成用于推测实体CAD特征的数据集

权利要求书

1.一种用于形成被配置用于学习神经网络的数据集的计算机实现的方法，所述神经网络被配置用于从表示3D形状的手绘图推测表示3D形状的实体CAD特征，所述方法包括：

-生成一个或多个实体CAD特征，包括表示相应3D形状的每个实体CAD特征；

-针对每个实体CAD特征：

o确定分别表示所述相应3D形状的一个或多个相应手绘图；以及

o在所述数据集中插入一个或多个训练样本，每个训练样本包括所述实体CAD特征和相应手绘图。

2.根据权利要求1所述的方法，其中，所述确定每个手绘图包括：

-提供从其可见所述相应3D形状的视点；以及

-相对于基于所述实体CAD特征的所述相应3D形状的实体表示，在图像中渲染一个或多个边缘，从所述视点来看，每个边缘都是所述实体表示的轮廓边缘或可见边缘。

3.根据权利要求2所述的方法，其中，每个可见边缘是所述实体表示的C^k不连续，k是大于或等于1的整数。

4.根据权利要求2或3所述的方法，其中，所述确定每个手绘图还包括：摄动一个或多个所渲染的边缘的至少一部分。

5.根据权利要求4所述的方法，其中，对每个边缘的所述渲染是以向量的方式执行的，每个边缘由一个或多个相应的参数化曲线表示，所述摄动包括：针对至少一个相应的参数化曲线，向所述至少一个相应的参数化曲线的一个或多个参数添加噪声。

6.根据权利要求1至5中任一项权利要求所述的方法，其中，每个实体CAD特征包括相应的曲线序列，所述生成包括：提供曲线集并且对所述曲线集进行采样。

7.根据权利要求6所述的方法，其中，所述曲线集包括下列各项之间的集合乘积：

-离散的曲线类型集，以及

-针对每种曲线类型，每个相应参数的一个或多个参数域的相应离散集合，每个参数域具有所述相应参数的相应参数值，

所述采样包括提供样本，每个样本包括所述一个或多个参数域的相应离散集合中的每个参数域的相应曲线类型和相应参数值。

8.根据权利要求7所述的方法，其中，所述离散的曲线类型集包括：

-线型，

-弧型，和/或

-三次埃尔米特插值片段类型。

9.根据权利要求1至8中任一项权利要求所述的方法，其中，每个实体CAD特征包括扫描操作，所述生成包括：提供扫描操作集并对所述扫描操作集进行采样。

10.根据权利要求9所述的方法，其中，所述扫描操作集包括下列各项之间的集合乘积：

-离散的扫描曲线类型集，以及

-针对每种扫描曲线类型，每个相应参数的一个或多个参数域的相应离散集合，每个参数域具有所述相应参数的相应参数值，

所述采样包括提供样本，每个样本包括针对所述一个或多个参数域的相应离散集合中的每个参数域的相应扫描曲线类型和相应参数值。

11.一种表示根据权利要求1至10中任一项权利要求所述的方法可形成的数据集的数据结构。

12.一种使用根据权利要求11所述的数据集的计算机实现的方法，所述方法包括：基于所述数据集来学习神经网络。

13.一种计算机程序，其包括用于执行根据权利要求1至10中任一项权利要求所述的方法的指令和/或根据权利要求12所述的方法的指令。

14.一种包括具有在其上记录的根据权利要求11所述的数据结构和/或根据权利要求13所述的程序的数据存储介质的设备。

15.根据权利要求14所述的设备，其中，所述设备还包括耦合至所述数据存储介质的处理器。