[发明专利]一种基于体素和全局形状分布特征的三维模型分类方法

权利要求书

1.基于体素与全局形状分布特征的三维模型分类方法，其特征在于，该方法包括以下步骤：

步骤1：读取三维模型的数据文件，对三维模型进行体素化；

步骤2：在三维模型的表面随机采样，得到若干个点，计算其与三维模型质心的欧氏距离，获得随机采样点与质心距离的集合，并构建欧氏距离的统计量，将其作为三维模型的D1特征；

步骤3：在三维模型的表面随机采样，得到若干个点对，计算各个点对中两个点的欧氏距离，获得点对中两个点欧式距离的集合，并构建欧氏距离的统计量，将其作为三维模型的D2特征；

步骤4：在三维模型的表面随机采样，得到若干个由三个点组成的三点对，计算由三点对中三个点构成的三角形的面积，获得三点对构成的三角形面积集合，并构建面积的统计量，将其作为三维模型的D3特征；

步骤5：在三维模型的表面随机采样，得到若干个由三个点组成的三点对，计算由三点对中三个点构成的任意两条直线的夹角度数，获得夹角度数的集合，并构建夹角度数的统计量，将其作为三维模型的A3特征；

步骤6：将步骤1中得到的体素数据输入到三维卷积神经网络，再将步骤2到步骤5得到的D1、D2、D3、A3特征融合，得到模型的全局形状分布特征，将其输入到一维卷积神经网络，经过卷积、池化、融合，最后由输出层得到分类结果。

2.根据权利要求1所述的基于体素与全局形状分布特征的三维模型分类方法，其特征在于，所述步骤1中，对三维模型的体素化，具体步骤为：

步骤1-1设定模型体素化的分辨率，为下文描述方便，将分辨率设为M*M*M；

步骤1-2确定模型的AABB包围盒；

步骤1-3根据空间分辨率对包围盒进行划分。将模型的AABB包围盒分别在X轴、Y轴和Z轴进行等距离划分。若在等距离划分的过程中出现边长不足的情况则向上取整；

步骤1-4计算三维网格模型的顶点与体素单元的对应关系，对构成三维模型的顶点列表进行遍历，并由AABB求交运算得到这些顶点所能影响到的体素单元。

3.根据权利要求1所述的基于体素与全局形状分布特征的三维模型分类方法，其特征在于，所述步骤2中，三维模型D1特征的提取，具体步骤为：

步骤2-1在三维模型表面采用随机采样。选取N个随机点，并计算N个随机点与三维模型质心之间的欧式距离，获得随机点与质点之间的欧式距离值的集合；

步骤2-2将随机点与质点之间的欧式距离值的集合分布到B个固定大小的区间内，根据最大距离值和最小距离值计算出每个区间长度BinSize，将距离按照大小的顺序排列，统计不同区间内的随机点的分布数量，构建模型表面随机点和模型质心的欧式距离值的统计量，将其视为三维模型的D1特征向量。

4.根据权利要求1所述的基于体素与全局形状分布特征的三维模型分类方法，其特征在于，所述步骤3中，三维模型D2特征的提取，具体步骤为：

步骤3-1在三维模型表面采用随机采样。选取N个随机点对，并计算这N个随机点对中，两个点之间的欧式距离，获得N个随机点对中两个点的欧式距离值的集合；

步骤3-2将N个随机点对中两个点的欧式距离值的集合分布到B个固定大小的区间内，根据最大距离值和最小距离值计算出每个区间长度BinSize，将距离按照大小的顺序排列，统计不同区间内的随机点对的分布数量，构建模型表面随机点对中两个点的欧式距离值的统计量，将其视为三维模型的D2特征向量。

5.根据权利要求1所述的基于体素与全局形状分布特征的三维模型分类方法，其特征在于，所述步骤4中，三维模型D3特征的提取，具体步骤为：

步骤4-1在三维模型表面采用随机采样。选取N个由三个点组成三点对，并计算每个三点对中三个点构成的三角形的面积，获得这些三角形面积的集合；

步骤4-2将由N个三点对中三个点构成的三角形的面积的集合分布到B个固定大小的区间内，根据最大面积值和最小面积值计算出每个区间长度BinSize，将面积按照大小的顺序排列，统计不同区间内的三点对的分布数量，构建模型表面随机N个三点对中三个点构成的三角形面积的统计量，将其视为三维模型的D3特征向量。