形成用于推断可编辑特征树的数据集

    公开(公告)号:CN111381919A

    公开(公告)日:2020-07-07

    申请号:CN201911396260.4

    申请日:2019-12-30

    IPC分类号: G06F9/451

    摘要: 本发明尤其涉及一种计算机实现的方法,该方法用于形成被配置用于学习神经网络的数据集。神经网络被配置用于从3D形状的离散几何表示推断出表示3D形状的可编辑特征树。可编辑特征树包括应用于叶几何形状的几何运算的树布置。该方法包括提供相应的数据段,以及将数据段的一部分分别作为相应的训练样本插入到数据集中。插入到数据集中的一个或多个第一数据段中的每个第一数据段的相应的3D形状与未插入到数据集中的相应的一个或多个第二数据段的相应的3D形状相同。该方法形成针对数字化的改进的解决方案。

    从原始网格生成结构化的3D模型
    2.
    发明公开

    公开(公告)号:CN111383341A

    公开(公告)日:2020-07-07

    申请号:CN201911392352.5

    申请日:2019-12-30

    IPC分类号: G06T17/20

    摘要: 本发明尤其涉及一种用于从网格生成结构化的三维(3D)模型的计算机实现的方法。该方法包括提供包括面的网格,该网格的每个面包括法线和主曲率值;通过对离散曲率值的出现次数进行计数来计算主曲率值在整个网格上的分布;在计算出的分布中识别主曲率值的一个或多个主导范围;对于每个识别出的主导范围,计算网格的包括属于识别出的主导范围的面的一个或多个区域;对于每个计算出的区域,通过使用该区域的所有面的曲率值来检测图元类型,并通过使用该区域的网格表面来识别检测到的图元的参数。

    形成用于推测实体CAD特征的数据集

    公开(公告)号:CN111382778A

    公开(公告)日:2020-07-07

    申请号:CN201911396256.8

    申请日:2019-12-30

    IPC分类号: G06K9/62 G06N3/08 G06N3/04

    摘要: 本发明尤其涉及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,所述实体CAD特征包括表示各自的3D形状的每个实体CAD特征。所述方法还包括:针对每个实体CAD特征,确定分别表示相应3D形状的一个或多个相应手绘图;以及将一个或多个训练样本插入所述数据集。每个训练样本包括所述实体CAD特征和相应手绘图。所述方法形成用于从表示3D形状的手绘图推测表示3D形状的3D建模对象的改进的解决方案。

    确定代表真实对象皮肤的小面的集合

    公开(公告)号:CN110060346B

    公开(公告)日:2024-08-20

    申请号:CN201811569235.7

    申请日:2018-12-21

    IPC分类号: G06T17/10 G06T17/20 G06T19/20

    摘要: 本发明特别涉及用于3D重建的计算机实现的方法。该方法包括提供表示真实对象的3D点云。该方法还包括使3D点云与参数表面拟合。该方法还包括将参数表面构成的分区定义为遵循参数表面之间的交叉的定向小面。该方法还包括在分区的定向小面中确定表示真实对象的皮肤的小面的集合。该确定包括最小化能量。能量包括数据项和约束项。随着丢弃的小面和3D点云之间的拟合水平的增加,数据项递增地惩罚丢弃小面。约束项惩罚保持小面形成非皮肤几何形状。这种方法为3D重建提供了改进的解决方案。

    形成用于推断可编辑特征树的数据集

    公开(公告)号:CN111381919B

    公开(公告)日:2024-06-25

    申请号:CN201911396260.4

    申请日:2019-12-30

    IPC分类号: G06F9/451

    摘要: 本发明尤其涉及一种计算机实现的方法,该方法用于形成被配置用于学习神经网络的数据集。神经网络被配置用于从3D形状的离散几何表示推断出表示3D形状的可编辑特征树。可编辑特征树包括应用于叶几何形状的几何运算的树布置。该方法包括提供相应的数据段,以及将数据段的一部分分别作为相应的训练样本插入到数据集中。插入到数据集中的一个或多个第一数据段中的每个第一数据段的相应的3D形状与未插入到数据集中的相应的一个或多个第二数据段的相应的3D形状相同。该方法形成针对数字化的改进的解决方案。

    从网格中提取特征树
    6.
    发明授权

    公开(公告)号:CN111382777B

    公开(公告)日:2024-03-01

    申请号:CN201911392353.X

    申请日:2019-12-30

    IPC分类号: G06V10/80 G06T17/00

    摘要: 一种用于从网格提取特征树的计算机实现的方法。该方法包括提供网格;计算所提供的网格的几何和邻接图;基于所述区域的所识别的图元类型和参数,针对所述图的每个节点实例化表面;对于所述图的每个节点:计算一个外部相交环和可能的一个或多个内部相交环;从所述外部相交环计算至少一个草图,并分别从实例化表面的可能的一个或多个内部相交环计算可能的一个或多个草图;将扫掠操作应用于每个计算出的草图,从而针对每个草图生成实体,计算所获得的实体之间的添加或移除操作的所有可能的组合,并且针对每个计算的组合获得最终的实体,计算每个最终实体与输入网格的相似度分数,并且基于所述相似度分数,识别与所述输入网格最相似的最终实体。

    确定代表真实对象皮肤的小面的集合

    公开(公告)号:CN110060346A

    公开(公告)日:2019-07-26

    申请号:CN201811569235.7

    申请日:2018-12-21

    IPC分类号: G06T17/10 G06T19/20 G06F17/50

    摘要: 本发明特别涉及用于3D重建的计算机实现的方法。该方法包括提供表示真实对象的3D点云。该方法还包括使3D点云与参数表面拟合。该方法还包括将参数表面构成的分区定义为遵循参数表面之间的交叉的定向小面。该方法还包括在分区的定向小面中确定表示真实对象的皮肤的小面的集合。该确定包括最小化能量。能量包括数据项和约束项。随着丢弃的小面和3D点云之间的拟合水平的增加,数据项递增地惩罚丢弃小面。约束项惩罚保持小面形成非皮肤几何形状。这种方法为3D重建提供了改进的解决方案。

    学习用于推断可编辑特征树的神经网络

    公开(公告)号:CN111382496B

    公开(公告)日:2024-09-06

    申请号:CN201911396215.9

    申请日:2019-12-30

    摘要: 本发明尤其涉及一种计算机实现的方法,该方法用于学习被配置用于从3D形状的离散几何表示推断出表示3D形状的可编辑特征树的神经网络。可编辑特征树包括应用于叶几何形状的几何运算的树布置。该方法包括提供数据集,该数据集包括相应的3D形状中的每一个3D形状的离散几何表示,以及提供叶几何形状的候选集合。该方法还包括基于数据集并且基于候选集合来学习神经网络。候选集合包括叶几何形状的至少一个连续子集。该方法形成针对数字化的改进的解决方案。

    从网格中提取特征树
    10.
    发明公开

    公开(公告)号:CN111382777A

    公开(公告)日:2020-07-07

    申请号:CN201911392353.X

    申请日:2019-12-30

    IPC分类号: G06K9/62 G06T17/00

    摘要: 一种用于从网格提取特征树的计算机实现的方法。该方法包括提供网格;计算所提供的网格的几何和邻接图;基于所述区域的所识别的图元类型和参数,针对所述图的每个节点实例化表面;对于所述图的每个节点:计算一个外部相交环和可能的一个或多个内部相交环;从所述外部相交环计算至少一个草图,并分别从实例化表面的可能的一个或多个内部相交环计算可能的一个或多个草图;将扫掠操作应用于每个计算出的草图,从而针对每个草图生成实体,计算所获得的实体之间的添加或移除操作的所有可能的组合,并且针对每个计算的组合获得最终的实体,计算每个最终实体与输入网格的相似度分数,并且基于所述相似度分数,识别与所述输入网格最相似的最终实体。