[发明专利]三维模型的减面方法、装置、设备及介质

权利要求书

1.一种三维模型的减面方法，其特征在于，包括：

获取待处理三维文件，构建与所述待处理三维文件对应的三维模型数据；

对所述三维模型数据进行减面识别，得到减面结果以及与所述减面结果对应的基准减面值；

在所述减面结果为需减面时，根据所述基准减面值，确定与所述三维模型数据中的各子模型对应的目标面数值；

根据所有与所述子模型对应的目标面数值，对所述三维模型数据做相应的减面；

将减面后的所述三维模型数据压缩成减面三维文件并输出；

所述对所述三维模型数据进行减面识别，得到减面结果以及与所述减面结果对应的基准减面值，包括：

对所述三维模型数据进行平面数据收集，得到多个平面数据；所述平面数据包括平面图像、平面面数和平面尺寸；

将所有所述平面图像输入减面识别模型，通过所述减面识别模型对所有所述平面图像进行纹理特征提取，获取所述减面识别模型根据提取的所述纹理特征识别出的所述减面结果；

在所述减面结果为需减面时，将各所述平面数据中的所述平面面数和所述平面尺寸进行向量转换，得到与所述三维模型数据对应的向量矩阵；

将所述向量矩阵输入基准识别模型，通过所述基准识别模型对所述向量矩阵进行基准减面预测，得到与所述减面结果对应的所述基准减面值。

2.如权利要求1所述的三维模型的减面方法，其特征在于，所述对所述三维模型进行减面识别，得到减面结果以及与所述减面结果对应的基准减面值，还包括：

对所述三维模型数据进行面数统计，得到所述三维模型数据的总面数；

判断所述总面数是否大于预设面数阈值；

若所述总面数大于所述预设面数阈值，则将所述减面结果确定为需减面；

获取所述三维模型数据中的各所述子模型的体积值、表面积值和尺寸值；

对所有所述子模型的所述体积值进行排序，得到第一排序结果，对所有所述子模型的所述表面积值进行排序，得到第二排序结果，对所有所述子模型的所述尺寸值进行排序，得到第三排序结果；

根据所述第一排序结果、所述第二排序结果和所述第三排序结果，确定与所述减面结果对应的所述基准减面值。

3.如权利要求1所述的三维模型的减面方法，其特征在于，所述将所有所述平面图像输入减面识别模型之前，包括：

获取训练样本集；所述训练样本集包括多个训练样本；每个所述训练样本与一个减面标签关联；所述减面标签包括需减面和无需减面；一个所述训练样本包括一个历史收集的三维模型样本中的六个平面样本图像；

将所述训练样本输入包含初始参数的深度神经网络模型；

通过所述深度神经网络模型提取所述训练样本中的所有所述平面样本图像的所述纹理特征；

获取所述深度神经网络模型根据提取的所述纹理特征输出的减面样本结果，并根据所述减面样本结果和所述减面标签的匹配程度确定损失值；

在所述损失值未达到预设的收敛条件时，迭代更新所述深度神经网络模型的初始参数，直至所述损失值达到所述预设的收敛条件时，将收敛之后的所述深度神经网络模型记录为训练完成的减面识别模型。

4.如权利要求1所述的三维模型的减面方法，其特征在于，所述对所述三维模型数据进行平面数据收集，得到多个平面数据；所述平面数据包括平面图像、平面面数和平面尺寸，包括：

对所述三维模型数据进行六个面的捕获，得到所述三维模型数据在六个平面的所述平面图像；

对各个所述平面图像进行面数汇总，得到与各所述平面图像对应的所述平面面数，同时对各个所述平面图像进行尺寸测量，得到与各所述平面图像对应的所述平面尺寸；

将一个所述平面图像和与该平面图像对应的所述平面面数以及所述平面尺寸确定为一个所述平面数据。