一种基于学习的工程形状特征识别方法
计算机视觉与模式识别
2021-12-16 v1 机器学习
摘要
在本文中，我们提出一种机器学习方法，用于识别CAD网格模型中的孔、槽等工程形状特征。随着数字归档、3D打印、部件扫描与逆向工程等新型制造技术的出现，CAD数据以网格模型表示的形式大量扩散。由于网格模型中节点和边数量增大且可能存在噪声，直接应用基于图的方法不仅代价高昂，而且难以针对噪声数据调参。因此，这需要设计新的方法用于以网格形式表示的CAD模型的特征识别。在此，我们展示离散高斯映射可作为特征学习的签名。我们表明该方法不仅内存需求更少，而且训练时间相当短。由于不涉及网络架构，超参数数量大幅减少且可更快速地调优。识别精度也与使用3D卷积神经网络（CNN）所得非常接近，但运行时间与存储需求大幅降低。我们与其他非基于网络的机器学习方法进行了比较，表明我们的方法具有最高精度。我们还展示了来自公共基准的具有多特征及复杂/交互特征的CAD模型的识别结果。处理噪声数据的能力也得到了展示。
引用
@article{arxiv.2112.07962,
title = {A learning-based approach to feature recognition of Engineering shapes},
author = {Lakshmi Priya Muraleedharan and Ramanathan Muthuganapathy},
journal= {arXiv preprint arXiv:2112.07962},
year = {2021}
}