面向设计重用的特征CAD模型检索及曲线/曲面重建方法研究

Design reuse is of great significance for fast product development. CAD model retrieval is a key technology to achieve design reuse, and obtaining the required model by modifying the retrieved model is a typical way of design reuse. For one thing, the retrieval for CAD model should not only based on the geometric similarity but also with the consideration of modeling semantic similarity, while it is hard to get the modeling semantic from a geometric model which does not consist of design features. For another, during the model reuse, it is hard to reconstruct the curve/surface shape of the reference model with high geometric similarity in feature-based modeling. This project aims at these problems above. Firstly, the deep neural network for direct point cloud model processing is constructed to achieve the model classification and design feature composition analyzing. And then, according to the class, design feature composition and geometrical shape of the model, the CAD model retrieval based on both geometric information and modeling semantic is achieved. Secondly, this project researches on the curve/surface reconstruction method for feature-based model. The method builds the optimization model based on estimation of distribution algorithm and then obtains the optimal modeling parameters for the curve/surface reconstruction of high geometric similarity in feature-based modeling. This project resolves practical problems of CAD model reuse and is of important theoretical significance and practical values for the development of design reuse technology.

设计重用对快速产品开发至关重要。CAD模型检索是实现设计重用的关键技术，而通过对检索结果模型的修改获得所需模型是典型的设计重用方式。一方面，对CAD模型的检索不应仅依据其几何相似性，还需考虑建模语义的相似性，但从不含设计特征的几何模型中无法有效获取其建模语义。另一方面，在重用模型的过程中，对于参考模型中的曲线/曲面形状，难以实现特征建模下的高相似度重建。本课题拟对以上问题提出解决方案。首先，构建直接处理点云模型的深度神经网络，实现对任意类型三维模型的分类及设计特征组成分析，进而结合模型类别、设计特征组成及几何形状，实现基于几何信息和建模语义的特征CAD模型检索。然后，研究一种特征模型的曲线/曲面重建方法，基于分布估计算法构建优化模型，寻求最优曲线/曲面建模参数，实现特征建模中曲线/曲面的高相似度重建。本课题可解决CAD模型重用中的实际问题，对设计重用技术的发展具有理论意义和应用价值。

为有效实现设计重用中的CAD模型检索，本项目以三维点云为研究对象，使用深度神经网络学习点云全局形状特征和局部区域结构关联信息，从而实现基于几何形状信息和建模语义信息的高精度CAD模型分类和部件分割。首先，通过多层采样分组方法对点云进行降采样，使得采样后点云中各点含有原点云中的局部信息;随后设计一种基于空间填充曲线原理的点云采样方法，进一步获得具有几何关联信息的采样点云；提出一种信息融合方法，将局部信息与结构信息进行融合，从而获取点云的全局形状特征和局部区域结构关联信息；最后，实现一种基于通道-空间注意力机制的点云特征学习方法，对点云特征的表达能力进行增强。实验证明上述方法可以实现三维点云的高精度分类及部件分割，从而可有效实现对CAD模型形状的描述和设计特征组成的分析，为CAD模型的精确检索提供有效支持。项目在原计划研究内容的基础上，延伸开展了一系列关于三维人体手部姿态估计的研究，包括使用胶囊网络提取手部点云的空间结构信息，实现高精度三维手部姿态估计等。此外，针对设计重用中模型敏感信息安全保护问题，提出了一种协同设计环境下基于网格变形的安全CAD模型数据交换方法，实现在协同环境下异构及同构CAD系统间对模型中敏感建模特征的设计参数进行保护。项目严格按照计划执行，完成了计划的研究任务，取得了预期的研究成果。