針對三維CAD模型檢索中的語義鴻溝問題，提出一種基于局部形狀分布及語義概率統(tǒng)計(jì)的三維CAD模型自動語義標(biāo)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(jì)算不同模型之間的形狀相似度;根據(jù)模型樣本庫中已知的語義分類信息，構(gòu)建一個基于概率的標(biāo)注框架對CAD模型進(jìn)行語義標(biāo)注，以建立模型形狀信息和語義信息之間的聯(lián)系。實(shí)驗(yàn)結(jié)果表明，該算法能夠有效提高三維CAD模型檢索的準(zhǔn)確率，檢索性能優(yōu)于僅使用形狀信息時的檢索結(jié)果。

　　引言

　　隨著三維建模技術(shù)的日益成熟，三維計(jì)算機(jī)輔助設(shè)計(jì)(Computer　Aided　Design，CAD)模型憑借其可視化、數(shù)字化和虛擬化等優(yōu)點(diǎn)，已經(jīng)逐步取代傳統(tǒng)的二維工程圖，成為產(chǎn)品設(shè)計(jì)和制造領(lǐng)域中不可或缺的信息載體。面對企業(yè)在產(chǎn)品開發(fā)過程中積累的大量三維模型，如何幫助使用者快速、準(zhǔn)確地檢索到目標(biāo)模型，實(shí)現(xiàn)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(shè)計(jì)效率、縮短產(chǎn)品研發(fā)周期，已經(jīng)成為當(dāng)前產(chǎn)品設(shè)計(jì)和制造領(lǐng)域的研究熱點(diǎn)。

　　基于內(nèi)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?fù)浣Y(jié)構(gòu)和投影輪廓等，來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(tǒng)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(shù)來表示三維模型的形狀信息，并以基函數(shù)的系數(shù)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程比較復(fù)雜，運(yùn)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隨機(jī)采樣點(diǎn)之間的歐式距離作為模型的形狀函數(shù)，通過統(tǒng)計(jì)距離數(shù)值的分布情況，將三維模型表示為相應(yīng)的形狀函數(shù)分布直方圖。形狀分布算法具有原理簡單、計(jì)算高效、所提取的形狀特征與模型的姿態(tài)無關(guān)等優(yōu)勢，但是由于統(tǒng)計(jì)樣本的單一化，該算法對外形復(fù)雜的三維模型區(qū)分效果欠佳。IP等對形狀分布算法進(jìn)行了改進(jìn)，將隨機(jī)采樣點(diǎn)對依據(jù)其連線與模型表面的位置關(guān)系進(jìn)行分類，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的形狀分布算法，該算法利用模型表面采樣點(diǎn)的法線方向?qū)⒉蓸狱c(diǎn)分為三類，并用相應(yīng)的三個形狀分布曲線來表示模型，以提高對模型形狀信息的描述能力。

　　隨著對基于內(nèi)容的三維模型檢索技術(shù)研究的深入，研究人員發(fā)現(xiàn)：在工程領(lǐng)域，由于模型自身的形狀信息和設(shè)計(jì)人員所理解的模型語義信息(如功能、用途等)之間往往存在語義鴻溝，僅憑借模型的形狀信息并不能有效地支持工程應(yīng)用過程中的檢索需求。雖然相關(guān)反饋技術(shù)通過在檢索過程中對用戶意圖的記錄能夠在一定程度上緩和上述語義鴻溝問題，但因該技術(shù)需要進(jìn)行頻繁的人機(jī)交互而增加了使用者的負(fù)擔(dān)。Goldfeder與ZHANG等采用主動學(xué)習(xí)的模式，利用模型樣本庫中的語義分類計(jì)算相似模型共享語義標(biāo)簽的概率，建立起模型形狀信息和語義信息之間的聯(lián)系，該方法的準(zhǔn)確度依賴于對語義標(biāo)簽先驗(yàn)概率的設(shè)置。Ohbuchi等基于流形排序算法對三維模型進(jìn)行語義標(biāo)注，由于流形排序的計(jì)算效率較低，該方法只適用于小規(guī)模的模型數(shù)據(jù)庫。WANG等提出一種基于差異特征協(xié)同語義標(biāo)注的三維模型檢索算法。由于使用支持向量機(jī)對模型進(jìn)行分類以獲取模型的語義信息，該算法依賴于對支持向量機(jī)相關(guān)參數(shù)(如核函數(shù))的選取與學(xué)習(xí)。針對目前三維模型檢索研究存在的這些問題，本文提出一種基于局部形狀分布及語義概率統(tǒng)計(jì)的三維CAD模型自動語義標(biāo)注算法，通過賦予模型相應(yīng)的語義標(biāo)簽，建立起模型形狀信息和語義信息之間的聯(lián)系，以提高三維模型檢索的準(zhǔn)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(jì)算CAD模型之間的形狀相似度;然后依據(jù)樣本集中的語義分類信息，利用概率統(tǒng)計(jì)的方法對模型進(jìn)行自動標(biāo)注。

1、三維CAD模型的特征提取

　　從使用效果來看，文獻(xiàn)中的形狀分布算法所提取的模型特征更側(cè)重于三維CAD模型的整體形狀信息，而對模型的局部細(xì)節(jié)描述不足。但在工程應(yīng)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(jié)果能夠反映模型局部細(xì)節(jié)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。基于此，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，通過構(gòu)建模型在其不同尺度子區(qū)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(jié)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(jī)選取固定數(shù)目的采樣點(diǎn)，對于每一個采樣點(diǎn)，計(jì)算該點(diǎn)與其他各點(diǎn)之間的歐式距離。根據(jù)計(jì)算結(jié)果，找出所有位于該采樣點(diǎn)鄰域內(nèi)的其他點(diǎn)，并統(tǒng)計(jì)該區(qū)域內(nèi)中心與其余各點(diǎn)距離數(shù)值的分布情況，構(gòu)建模型在該區(qū)域內(nèi)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(qū)域內(nèi)的局部形狀信息。最后，通過在不同尺度下匹配模型各自對應(yīng)的局部形狀分布直方圖，獲得CAD模型之間的相似性評價。

4、結(jié)束語

　　本文提出一種基于局部形狀分布及語義概率統(tǒng)計(jì)的三維CAD模型自動語義標(biāo)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(tǒng)的形狀分布算法相比，能夠更完整地體現(xiàn)模型之間的形狀相似性差異。在對模型進(jìn)行語義標(biāo)注時，該算法根據(jù)樣本庫中已有的語義信息，構(gòu)建了一個基于概率統(tǒng)計(jì)的標(biāo)注框架，較好地解決了形狀信息和語義信息間的關(guān)聯(lián)問題。實(shí)驗(yàn)結(jié)果顯示，本文算法能夠有效提高三維CAD模型檢索的準(zhǔn)確率，檢索性能優(yōu)于僅使用形狀信息時的檢索結(jié)果。本文算法的不足在于所使用的語義信息僅來自于三維模型在數(shù)據(jù)庫中的分類情況，對用戶查詢意圖的支持仍是有限的;如何利用更深層次的語義信息(如設(shè)計(jì)知識、相關(guān)屬性等)實(shí)現(xiàn)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，如何實(shí)現(xiàn)局部尺度的自適應(yīng)設(shè)置，以更準(zhǔn)確地記錄模型的形狀信息，也是今后需要考慮的問題。