三维模型特征识别中的神经网络方法.pdf

《三维模型特征识别中的神经网络方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第8卷第ll期计算机集成制造系统—CIMSVOI.8NO.ll2002年ll月COmputerIntegratedManufacturingSystemsNOv.2002!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!文章编号：l006-59l（l2002）ll-09l2-07三维模型特征识别中的神经网络方法陶品，张钹，叶榛（清华大学计算机科学与技术系智能技术与系统国家重点实验室，北京l00084）摘要：将神经网络方法运用到三维模型的特征识别问题是一种新的尝试，对于用神经网络解决拓扑性的、不易

2、被形式化的这类问题具有积极意义。本文综述了近l0年来各种基于神经网络的三维模型特征识别技术，介绍并分析了三维模型拓扑数据的矢量化方法、不同神经网络模型的识别算法，以及基于层分解技术的特征自组织识别等，可帮助相关领域的研究人员较为完整地了解该领域的研究成果和发展方向。关键词：神经网络；三维模型；特征识别中图分类号：TP39l.73；TPl83文献标识码：A多方法，主流是拓扑图匹配方法，此外，还有形式化描!引言述法、基于规则集的推理法、基于线索的证据验证法、本文侧重于阐述以B-rep（边界表示方法，对应神经网络法等［2，3］。该领域的研究从时间

3、上可以分于实体表示方法）方式描述的三维CAD模型的特征为三个阶段：第一阶段，从70年代末到80年代中，主识别问题［l］，重点介绍神经网络方法在该领域中的应要以形式化描述和各种规则通过推理的办法来实现用。特征的识别；第二阶段，从80年代中到90年代初，一对于特征的定义，目前大多数研究者将它定义为些研究人员提出并发展了图论的特征识别思想，即通三维模型中具有一定加工意义的区域，该区域由一系过构造描述整个零件的顶点、边、面及其邻接关系的列的面、边和顶点组成。也有一些研究人员提出在模拓扑结构图，经过子图划分和子图匹配来寻找特征；型设计时就将特征信息加

4、入的做法，即所谓特征建第三阶段，是90年代，研究人员逐渐跳出基于图论的模。特征建模可以在特定领域降低特征识别的难度，研究方法，将以前的算法经过改良和优化，提出了许但是也存在一些弱点。所以现在大部分研究人员已多新的思想和方法，试图解决特征交叉问题，使特征经将特征建模与特征识别方法结合起来，互补所长，识别技术朝着实用化的方向发展。形成一种综合型的方法。本文侧重于讨论特征识别形式化描述方法的基本思想认为，任何一种模式问题，并且主要讨论基于B-rep表示的三维模型特都可以递归分解为一些最基本的元模式，并可形式化征识别研究。地表示成这些元模式的组合，

5、就像我们日常所使用的语法一样，字可以组词、词可以合成句子。该方法曾"各种三维模型特征识别技术经成功的应用在二维图形识别中，80年代初Fu［4］开针对B-rep描述形式的特征识别领域中存在许始运用该方法对三维模型的剖面进行识别，ChO［i5］也收稿日期：2002-02-27；修订日期：2002-05-27。基金项目：国家自然科学基金资助项目（60l350l0）；“973”计划资助项目（Gl998030509）。作者简介：陶品（l974-），男，安徽芜湖人，清华大学计算机科学与技术系博士研究生，主要从事神经网络、机器学习、模式识别、虚拟现实和遥

6、控操作等研究。E-maiI：taOpin97@maiIs.tsinghua.edu.cn。第11期陶品等：三维模型特征识别中的神经网络方法913运用该方法解决了回转体及多面体的识别。后来神经网络算法在三维模型的特征识别领域的运用始于90年代后期，Prabhaka［r25］在1992年提出以特Kyprianou提出了一种直接对三维模型的面和边进行形式化描述的方法，跳出了对剖面进行识别的思路。征邻接图为基础，通过神经网络对样本集的训练来实Falcidieno和Giannini又对Kyprianou的方法作了扩现特征识别。该方法为解决特征识别问题

7、开拓了一展，增加了表示顶点的节点。个新的思路。1997年Nezis［26］提出了一种新的神经基于规则的方法在专家系统中被经常采用，80网络模型，更有实际价值，并且对交叉特征也表现出年代中，该方法被运用到三维模型特征识别领域中，了较好的识别效果。试图将特征以一组规则集合来描述，识别过程就是一Regli在1997年对采用多处理器并行识别也做个规则匹配的过程。Henderson等人［6，7］对该方法做了一些实验［27］，通过局域网上6台计算机的并行计了一些研究，他们一般将三维模型的几何和拓扑属性算，极大地提高了识别算法的效率，获得了2~6倍的首先

8、翻译成一些事实描述，然后逐个对这些事实集合加速比。根据规则进行检查，直到发现特征。虽然基于规则的!神经网络识别研究方法较为简单，能识别大多数分离特征和简单交叉特征，但是规则的数量