一种三维CAD模型自动语义标注算法

　　针对三维CAD模型检索中的语义鸿沟问题，提出一种基于局部形状分布及语义概率统计的三维CAD模型自动语义标注算法。采用基于局部形状分布的多尺度特征提取方法获取CAD模型的形状信息，并计算不同模型之间的形状相似度;根据模型样本库中已知的语义分类信息，构建一个基于概率的标注框架对CAD模型进行语义标注，以建立模型形状信息和语义信息之间的联系。实验结果表明，该算法能够有效提高三维CAD模型检索的准确率，检索性能优于仅使用形状信息时的检索结果。

　　引言

　　随着三维建模技术的日益成熟，三维计算机辅助设计(Computer　Aided　Design，CAD)模型凭借其可视化、数字化和虚拟化等优点，已经逐步取代传统的二维工程图，成为产品设计和制造领域中不可或缺的信息载体。面对企业在产品开发过程中积累的大量三维模型，如何帮助使用者快速、准确地检索到目标模型，实现对企业模型资源的有效管理和重用，进而帮助企业提高设计效率、缩短产品研发周期，已经成为当前产品设计和制造领域的研究热点。

　　基于内容的三维模型检索技术借助模型的形状信息，如几何属性、拓扑结构和投影轮廓等，来直接建立模型的索引并进行检索，该技术突破了关键词和编码等传统检索方式的局限，因此倍受研究人员的关注。由Kazhdan等提出的球面谐波算法利用一组球面谐波基函数来表示三维模型的形状信息，并以基函数的系数集合作为模型的特征向量。球面谐波算法对模型的噪声和退化具有较好的鲁棒性，但该算法对模型的处理过程比较复杂，运算量较大。Osada等提出的形状分布算法，将三维模型表面任意两个随机采样点之间的欧式距离作为模型的形状函数，通过统计距离数值的分布情况，将三维模型表示为相应的形状函数分布直方图。形状分布算法具有原理简单、计算高效、所提取的形状特征与模型的姿态无关等优势，但是由于统计样本的单一化，该算法对外形复杂的三维模型区分效果欠佳。IP等对形状分布算法进行了改进，将随机采样点对依据其连线与模型表面的位置关系进行分类，以反映三维模型表面的凹凸信息。WANG等提出一种基于法向分类的形状分布算法，该算法利用模型表面采样点的法线方向将采样点分为三类，并用相应的三个形状分布曲线来表示模型，以提高对模型形状信息的描述能力。

　　随着对基于内容的三维模型检索技术研究的深入，研究人员发现：在工程领域，由于模型自身的形状信息和设计人员所理解的模型语义信息(如功能、用途等)之间往往存在语义鸿沟，仅凭借模型的形状信息并不能有效地支持工程应用过程中的检索需求。虽然相关反馈技术通过在检索过程中对用户意图的记录能够在一定程度上缓和上述语义鸿沟问题，但因该技术需要进行频繁的人机交互而增加了使用者的负担。Goldfeder与ZHANG等采用主动学习的模式，利用模型样本库中的语义分类计算相似模型共享语义标签的概率，建立起模型形状信息和语义信息之间的联系，该方法的准确度依赖于对语义标签先验概率的设置。Ohbuchi等基于流形排序算法对三维模型进行语义标注，由于流形排序的计算效率较低，该方法只适用于小规模的模型数据库。WANG等提出一种基于差异特征协同语义标注的三维模型检索算法。由于使用支持向量机对模型进行分类以获取模型的语义信息，该算法依赖于对支持向量机相关参数(如核函数)的选取与学习。针对目前三维模型检索研究存在的这些问题，本文提出一种基于局部形状分布及语义概率统计的三维CAD模型自动语义标注算法，通过赋予模型相应的语义标签，建立起模型形状信息和语义信息之间的联系，以提高三维模型检索的准确率。本文以STL文件格式表示的多边形网格CAD模型作为研究对象，首先使用局部形状分布算法提取CAD模型的形状特征信息，并计算CAD模型之间的形状相似度;然后依据样本集中的语义分类信息，利用概率统计的方法对模型进行自动标注。

1、三维CAD模型的特征提取

　　从使用效果来看，文献中的形状分布算法所提取的模型特征更侧重于三维CAD模型的整体形状信息，而对模型的局部细节描述不足。但在工程应用中，使用者往往不仅需要找到整体外形相似的CAD模型，还要求检索结果能够反映模型局部细节之间的相似性，以便更好地支持对已有模型资源的参考和重用。基于此，本文提出一种基于局部形状分布的三维CAD模型多尺度特征提取方法，通过构建模型在其不同尺度子区域上的局部形状分布直方图并用于模型间的相似性比较，使检索结果能够更完整地反映模型之间的相似性差异。总体思路如图1所示。首先在三维CAD模型表面随机选取固定数目的采样点，对于每一个采样点，计算该点与其他各点之间的欧式距离。根据计算结果，找出所有位于该采样点邻域内的其他点，并统计该区域内中心与其余各点距离数值的分布情况，构建模型在该区域内的局部形状分布直方图。该局部形状分布直方图反映了CAD模型在以采样点为中心的子区域内的局部形状信息。最后，通过在不同尺度下匹配模型各自对应的局部形状分布直方图，获得CAD模型之间的相似性评价。

4、结束语

　　本文提出一种基于局部形状分布及语义概率统计的三维CAD模型自动语义标注算法。该算法对CAD模型采用基于局部形状分布的多尺度特征提取方法，与传统的形状分布算法相比，能够更完整地体现模型之间的形状相似性差异。在对模型进行语义标注时，该算法根据样本库中已有的语义信息，构建了一个基于概率统计的标注框架，较好地解决了形状信息和语义信息间的关联问题。实验结果显示，本文算法能够有效提高三维CAD模型检索的准确率，检索性能优于仅使用形状信息时的检索结果。本文算法的不足在于所使用的语义信息仅来自于三维模型在数据库中的分类情况，对用户查询意图的支持仍是有限的;如何利用更深层次的语义信息(如设计知识、相关属性等)实现模型资源的重用，将是下一步研究的重点。此外，在提取模型局部形状分布信息时，如何实现局部尺度的自适应设置，以更准确地记录模型的形状信息，也是今后需要考虑的问题。