一种基于草图的三维模型局部检索方法、装置、终端设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110162655A(43)申请公布日2019.08.23(21)申请号201910358403.6G06N3/08(2006.01)(22)申请日2019.04.30G06T7/13(2017.01)(71)申请人厦门大学地址361005福建省厦门市思明南路422-37号(72)发明人姚俊峰刘笑寒(74)专利代理机构北京嘉科知识产权代理事务所(特殊普通合伙)11687代理人刘力(51)Int.Cl.G06F16/583(2019.01)G06F16/538(2019.01)G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书4页附图1页(54)发明名称一种基于草图的三维模型局部检索方法、装置、终端设备(57)摘要本发明提供一种基于草图的三维模型局部检索方法、装置、终端设备，该方法包括：输入二维草图；将三维模型进行投影，得到不同角度的二维视图；提取二维视图的外轮廓；对外轮廓上进行采样，采样时通过自适应的角点检测算法获得外轮廓关键的点；对采样得到的点，根据点之间的距离进行聚类，聚类将外轮廓划分为K部分，K>1；对划分后的每一部分计算角度特征，得到N×N维的角度矩阵；对二维草图同样计算得到对应的角度矩阵；将三维模型的角度矩阵与草图的角度矩阵组合输入卷积神经网络CNN进行训练；训练后得到一个一维向量，根据一维向量计算相似分数，相似分数代表三维模型与草图的相似分数；输出相似分数最高的前W个三维模型呈现给用户，完成模型的检索，其中W>1。本发明可以使得用户能方便直观地找到所需模型。CN110162655ACN110162655A权利要求书1/2页1.一种基于草图的三维模型局部检索方法，其特征在于，该方法包括：输入二维草图；将三维模型进行投影，得到不同角度的二维视图；提取二维视图的外轮廓；对外轮廓上进行采样，采样时通过自适应的角点检测算法获得外轮廓关键的点；对采样得到的点，根据点之间的距离进行聚类，聚类将外轮廓划分为K部分，K>1；对划分后的每一部分计算角度特征，得到N×N维的角度矩阵；对二维草图同样计算得到对应的角度矩阵；将三维模型的角度矩阵与草图的角度矩阵组合输入卷积神经网络CNN进行训练；训练后得到一个一维向量，根据一维向量计算相似分数，相似分数代表三维模型与草图的相似分数；输出相似分数最高的前W个三维模型呈现给用户，完成模型的检索，其中W>1。2.根据权利要求1所述的方法，其特征在于，矩阵中每个元素计算公式如下：其中，i、j代表采样点的序号，d代表采样点的间隔，取d＝2；qiqj代表第i个点与第j个点之间的连线向量，<l1,l2>代表向量l1、l2的夹角，θij代表矩阵中第i行第j列个元素。3.根据权利要求1所述的方法，其特征在于，卷积神经网络CNN是含有二层卷积层、二层池化层、二层全连接层的双通道卷积神经网络。4.一种基于草图的三维模型局部检索装置，其特征在于，该装置包括：输入模块，用于输入二维草图；角度特征提取模块，用于将三维模型进行投影，得到不同角度的二维视图；提取二维视图的外轮廓；对外轮廓上进行采样，采样时通过自适应的角点检测算法获得外轮廓关键的点；对采样得到的点，根据点之间的距离进行聚类，聚类将外轮廓划分为K部分，K>1；对划分后的每一部分计算角度特征，得到N×N维的角度矩阵；对二维草图同样计算得到对应的角度矩阵；训练模块，用于将三维模型的角度矩阵与草图的角度矩阵组合输入卷积神经网络CNN进行训练；训练后得到一个一维向量，根据一维向量计算相似分数，相似分数代表三维模型与草图的相似分数；输出模块，用于输出相似分数最高的前W个三维模型呈现给用户，完成模型的检索，其中W>1。5.根据权利要求4所述的装置，其特征在于，矩阵中每个元素计算公式如下：其中，i、j代表采样点的序号，d代表采样点的间隔，取d＝2；qiqj代表第i个点与第j个点之间的连线向量，<l1,l2>代表向量l1、l2的夹角，θij代表矩阵中第i行第j列个元素。6.根据权利要求4所述的装置，其特征在于，卷积神经网络CNN是含有二层卷积层、二层2CN110162655A权利要求书2/2页池化层、二层全连接层的双通道卷积神经网络。7.一种终端设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-3中任一所述的方法。8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-3中任一所述的方法。3CN110162655A说明书1/4页一种基于草图的三维模型局部检索方法、装置、终端设备技术领域[