[发明专利]一种三维铸钢节点实体模型的智能生成方法、装置及存储介质

说明书

本发明公开了一种三维铸钢节点实体模型的智能生成方法、装置及存储介质。三维铸钢节点实体模型的智能生成方法，包括以下步骤：（1）生成三维铸钢节点的拓扑优化结构；（2）利用三维铸钢节点的拓扑优化结构制作用于智能生成三维铸钢节点模型的训练集；（3）将步骤（2）中得到的训练集导入到三维生成对抗网络中生成三维铸钢节点模型并对其进行可视化处理；（4）对经过可视化处理的三维铸钢节点模型进行实体化与拼接处理。采用本方法可以解决在利用计算机生成三维铸钢节点实体模型的过程中进行编辑操作时计算机会出现显存不足、生成的三维铸钢节点实体模型表面没有足够的光顺度以及不具有实体模型的完备性质的问题。

技术领域

本发明涉及三维节点实体模型智能生成方法(3D-JointGAN)，尤其涉及一种三维铸钢节点实体模型的智能生成方法、装置及存储介质。

背景技术

近年来，随着人工智能技术在土木工程领域的快速发展，结构设计逐渐由基于经验的人为设计趋向于自动化、数字化、模块化的智能设计。其中模型智能生成技术作为结构智能设计的核心环节之一，对提高设计效率、改进设计质量起着关键性作用。目前模型智能生成技术主要包括二维和三维两种，二维生成技术现阶段较为成熟，在一些结构设计工作中已经得到了成功应用。利用深度生成式模型对二维车身形状进行智能生成研究；提出了一种基于深度学习的二维车轮生成设计方法；利用拓扑优化和深度学习技术对铸钢支座底板进行智能生成设计。上述研究均为基于图像的三维结构设计，该结构是由二维图像沿法向延伸所形成的三维体，即一系列平面堆叠而成的体，并不具备真正意义上的三维特征，其本质仍为二维结构。然而，随着现代工程技术的发展，结构规模不断扩大，体系日益复杂，对结构设计提出了更高的要求，仅通过二维图像生成技术进行结构设计已无法满足目前工程领域的需求。因此，为实现真正三维结构的智能设计，顺应时代发展的需求，研究三维模型智能生成方法是十分有必要的。

针对这个问题，国内外学者进行了长期的探索，但一直进展缓慢。近年来，深度学习作为人工智能领域的主流发展方向，在三维模型智能生成领域呈现出巨大价值，先后开发了GAN、DeepVO、BA-Net、CodeSLAM等多种关于三维模型生成的深度学习算法，其中GAN凭借其强大的特征学习和特征表达能力成为当前最主要的生成方法。GAN在不同的三维生成应用中采用的表示方法主要有体素、点云、网格三种。体素具有简单的表达形式，但提高其分辨率将大幅增加内存。相较于体素，点云则是一种更为简单、统一的三维表示，并且点云在几何变换和变形时更容易操作，但点云中的点连接性不足，此外，由于缺少物体的表面信息，造成点云生成后的表面特征不明显。三维网格模型的出现弥补了体素和点云的诸多不足，网格具有轻量、形状细节丰富的特点，重要的是相邻点之间有连接关系。例如，3D-RecGAN可以从单个任意深度视图重建给定对象的完整三维结构；人体网格恢复HMR方法可以从单一RGB图像重建人体三维网格；3DFaceGAN可以高精度地完成三维人脸表示、生成和转换任务；Total3DUnderstanding融合了目标识别、网格生成等方式，能够将单一RGB图像还原为复杂三维场景。但网格的表示方法也有不足之处，由于网格是用顶点和面来描述3D物体，想要反映出3D 物体更多的细节变化，则需要更多的顶点和面，这会导致计算机图形处理器的显存不足，因而对网格模型进行操作时会出现异常卡顿的情况。此外，网格模型的面与面交接处存在曲率突变，导致其表面没有足够的光顺度。最重要的是网格模型不具有实体模型的完备性质，无法满足工程结构受力性能分析模型的要求，故不能为结构智能设计提供良好的模型基础。

发明内容

本发明所解决的技术问题是提供一种三维铸钢节点实体模型的智能生成方法、装置及存储介质，从而解决在生成三维铸钢节点实体模型的过程中进行编辑操作时计算机会出现异常卡顿、生成的三维铸钢节点实体模型表面没有足够的光顺度以及不具有实体模型的完备性质的问题。

本发明采用的技术方案如下：

本发明公开了一种三维铸钢节点实体模型的智能生成方法，包括以下步骤：

(1)生成三维铸钢节点的拓扑优化结构；