一種三維CAD模型自動(dòng)語(yǔ)義標注算法
針對三維CAD模型檢索中的語(yǔ)義鴻溝問(wèn)題，提出一種基于局部形狀分布及語(yǔ)義概率統計的三維CAD模型自動(dòng)語(yǔ)義標注算法。采用基于局部形狀分布的多尺度特征提取方法獲取CAD模型的形狀信息，并計算不同模型之間的形狀相似度;根據模型樣本庫中已知的語(yǔ)義分類(lèi)信息，構建一個(gè)基于概率的標注框架對CAD模型進(jìn)行語(yǔ)義標注，以建立模型形狀信息和語(yǔ)義信息之間的聯(lián)系。實(shí)驗結果表明，該算法能夠有效提高三維CAD模型檢索的準確率，檢索性能優(yōu)于僅使用形狀信息時(shí)的檢索結果。
引言
隨著(zhù)三維建模技術(shù)的日益成熟，三維計算機輔助設計(Computer Aided Design，CAD)模型憑借其可視化、數字化和虛擬化等優(yōu)點(diǎn)，已經(jīng)逐步取代傳統的二維工程圖，成為產(chǎn)品設計和制造領(lǐng)域中不可或缺的信息載體。面對企業(yè)在產(chǎn)品開(kāi)發(fā)過(guò)程中積累的大量三維模型，如何幫助使用者快速、準確地檢索到目標模型，實(shí)現對企業(yè)模型資源的有效管理和重用，進(jìn)而幫助企業(yè)提高設計效率、縮短產(chǎn)品研發(fā)周期，已經(jīng)成為當前產(chǎn)品設計和制造領(lǐng)域的研究熱點(diǎn)。
基于內容的三維模型檢索技術(shù)借助模型的形狀信息，如幾何屬性、拓撲結構和投影輪廓等，來(lái)直接建立模型的索引并進(jìn)行檢索，該技術(shù)突破了關(guān)鍵詞和編碼等傳統檢索方式的局限，因此倍受研究人員的關(guān)注。由Kazhdan等提出的球面諧波算法利用一組球面諧波基函數來(lái)表示三維模型的形狀信息，并以基函數的系數集合作為模型的特征向量。球面諧波算法對模型的噪聲和退化具有較好的魯棒性，但該算法對模型的處理過(guò)程比較復雜，運算量較大。Osada等提出的形狀分布算法，將三維模型表面任意兩個(gè)隨機采樣點(diǎn)之間的歐式距離作為模型的形狀函數，通過(guò)統計距離數值的分布情況，將三維模型表示為相應的形狀函數分布直方圖。形狀分布算法具有原理簡(jiǎn)單、計算高效、所提取的形狀特征與模型的姿態(tài)無(wú)關(guān)等優(yōu)勢，但是由于統計樣本的單一化，該算法對外形復雜的三維模型區分效果欠佳。IP等對形狀分布算法進(jìn)行了改進(jìn)，將隨機采樣點(diǎn)對依據其連線(xiàn)與模型表面的位置關(guān)系進(jìn)行分類(lèi)，以反映三維模型表面的凹凸信息。WANG等提出一種基于法向分類(lèi)的形狀分布算法，該算法利用模型表面采樣點(diǎn)的法線(xiàn)方向將采樣點(diǎn)分為三類(lèi)，并用相應的三個(gè)形狀分布曲線(xiàn)來(lái)表示模型，以提高對模型形狀信息的描述能力。
隨著(zhù)對基于內容的三維模型檢索技術(shù)研究的深入，研究人員發(fā)現：在工程領(lǐng)域，由于模型自身的形狀信息和設計人員所理解的模型語(yǔ)義信息(如功能、用途等)之間往往存在語(yǔ)義鴻溝，僅憑借模型的形狀信息并不能有效地支持工程應用過(guò)程中的檢索需求。雖然相關(guān)反饋技術(shù)通過(guò)在檢索過(guò)程中對用戶(hù)意圖的記錄能夠在一定程度上緩和上述語(yǔ)義鴻溝問(wèn)題，但因該技術(shù)需要進(jìn)行頻繁的人機交互而增加了使用者的負擔。Goldfeder與ZHANG等采用主動(dòng)學(xué)習的模式，利用模型樣本庫中的語(yǔ)義分類(lèi)計算相似模型共享語(yǔ)義標簽的概率，建立起模型形狀信息和語(yǔ)義信息之間的聯(lián)系，該方法的準確度依賴(lài)于對語(yǔ)義標簽先驗概率的設置。Ohbuchi等基于流形排序算法對三維模型進(jìn)行語(yǔ)義標注，由于流形排序的計算效率較低，該方法只適用于小規模的模型數據庫。WANG等提出一種基于差異特征協(xié)同語(yǔ)義標注的三維模型檢索算法。由于使用支持向量機對模型進(jìn)行分類(lèi)以獲取模型的語(yǔ)義信息，該算法依賴(lài)于對支持向量機相關(guān)參數(如核函數)的選取與學(xué)習。針對目前三維模型檢索研究存在的這些問(wèn)題，本文提出一種基于局部形狀分布及語(yǔ)義概率統計的三維CAD模型自動(dòng)語(yǔ)義標注算法，通過(guò)賦予模型相應的語(yǔ)義標簽，建立起模型形狀信息和語(yǔ)義信息之間的聯(lián)系，以提高三維模型檢索的準確率。本文以STL文件格式表示的多邊形網(wǎng)格CAD模型作為研究對象，首先使用局部形狀分布算法提取CAD模型的形狀特征信息，并計算CAD模型之間的形狀相似度;然后依據樣本集中的語(yǔ)義分類(lèi)信息，利用概率統計的方法對模型進(jìn)行自動(dòng)標注。
1、三維CAD模型的特征提取
從使用效果來(lái)看，文獻中的形狀分布算法所提取的模型特征更側重于三維CAD模型的整體形狀信息，而對模型的局部細節描述不足。但在工程應用中，使用者往往不僅需要找到整體外形相似的CAD模型，還要求檢索結果能夠反映模型局部細節之間的相似性，以便更好地支持對已有模型資源的參考和重用�；诖�，本文提出一種基于局部形狀分布的三維CAD模型多尺度特征提取方法，通過(guò)構建模型在其不同尺度子區域上的局部形狀分布直方圖并用于模型間的相似性比較，使檢索結果能夠更完整地反映模型之間的相似性差異�？傮w思路如圖1所示。首先在三維CAD模型表面隨機選取固定數目的采樣點(diǎn)，對于每一個(gè)采樣點(diǎn)，計算該點(diǎn)與其他各點(diǎn)之間的歐式距離。根據計算結果，找出所有位于該采樣點(diǎn)鄰域內的其他點(diǎn)，并統計該區域內中心與其余各點(diǎn)距離數值的分布情況，構建模型在該區域內的局部形狀分布直方圖。該局部形狀分布直方圖反映了CAD模型在以采樣點(diǎn)為中心的子區域內的局部形狀信息。最后，通過(guò)在不同尺度下匹配模型各自對應的局部形狀分布直方圖，獲得CAD模型之間的相似性評價(jià)。
4、結束語(yǔ)
本文提出一種基于局部形狀分布及語(yǔ)義概率統計的三維CAD模型自動(dòng)語(yǔ)義標注算法。該算法對CAD模型采用基于局部形狀分布的多尺度特征提取方法，與傳統的形狀分布算法相比，能夠更完整地體現模型之間的形狀相似性差異。在對模型進(jìn)行語(yǔ)義標注時(shí)，該算法根據樣本庫中已有的語(yǔ)義信息，構建了一個(gè)基于概率統計的標注框架，較好地解決了形狀信息和語(yǔ)義信息間的關(guān)聯(lián)問(wèn)題。實(shí)驗結果顯示，本文算法能夠有效提高三維CAD模型檢索的準確率，檢索性能優(yōu)于僅使用形狀信息時(shí)的檢索結果。本文算法的不足在于所使用的語(yǔ)義信息僅來(lái)自于三維模型在數據庫中的分類(lèi)情況，對用戶(hù)查詢(xún)意圖的支持仍是有限的;如何利用更深層次的語(yǔ)義信息(如設計知識、相關(guān)屬性等)實(shí)現模型資源的重用，將是下一步研究的重點(diǎn)。此外，在提取模型局部形狀分布信息時(shí)，如何實(shí)現局部尺度的自適應設置，以更準確地記錄模型的形狀信息，也是今后需要考慮的問(wèn)題。
