一、基于子块的三维网格模型检索（论文文献综述）
胡海龙,李重,秦胜伟,马利庄[1]（2021）在《三维点云模型特征张量描述符的构造及自相似性分析》文中研究说明三维模型局部自相似性是物体形状分析中的一个基本问题,其中,局部形状描述符的构建对自相似性分析的最终结果至关重要.针对此问题,提出了一种基于张量融合特征描述符的自相似性分析方法.首先利用相关面和反向点对点云模型进行形状直径函数（shapediameterfunction,SDF）的近似计算;然后利用谱聚类对模型进行过分割成模型子块,由K近邻（K-nearest neighbor, KNN）邻域点的SDF、形状指数（shape index, SI）和高斯曲率（Gauss curvature,GS）矩阵构造三维特征张量;最后利用张量范数构造映射得到形状描述符,并定义相似性度量分析模型子块之间的自相似性.对几种最新的方法（包括部分匹配和显着性检测）进行了实验,无论是直观视觉效果,还是相似性测度和相对误差上的评价指标,结果均表明,该方法可有效地对形状进行描述,提高了点云模型相似子块的识别精度.
王林云[2]（2020）在《多分辨率海陆一体化三维地形建模》文中研究表明海陆地形是自然资源监测的重要内容,是进行海岸带城市规划、生态环境保护必不可少的基础地理要素。实现海陆一体化三维地形建模,对于陆海统筹的自然资源监测监管和国土空间规划具有重要意义。目前对于地形的建模主要采用不规则三角网（TIN）进行实现,但是传统基于TIN的多分辨率表达方法存在许多问题,比如数据存储的冗余、尺度变换的跳跃等。为了解决这些问题,本文提出了基于细节增量模型的多分辨率三维建模方法,应用于海陆一体化数据的地形模型构建与可视化。本文的主要工作如下:（1）海陆数据融合和并行构网。本文先对水上激光点云数据和水下多波束测深数据进行格式、基准和数据结构的合并统一,然后采用自适应四叉树方法对合并后的最终点云进行分割,使各个分割后的子块尺寸与点数在需求范围内,实现基于点群密度的自适应分块。同时借助OpenMP的CPU并行技术对子块内的点数据按照各自的凸壳边界进行三角网的构建,以提升整体构网的效率,最后得到初始的海陆一体化地形模型;（2）基于细节增量模型的多分辨率地形构建。本文根据最小二次误差（QEM）对每一子块中的初始复杂地形网格进行细节增量的边折叠化简初始化,并将每次化简过程中变化的三角形存储为细节增量信息,最终化简的地形网格成为初始概略模型。借助初始概略模型和一系列的细节增量信息,实现地形网格任意尺度的简化与细化的重构,以此完成多分辨率地形结构构建;（3）多分辨率三维渐进式表达。本文通过将每一尺度的总体最小二次误差（MMQE）作为最小可辨识目标（SVO）,结合四叉树子块与细节增量模型的多分辨率结构,来实现模型尺度细节适应人眼辨识度的切换,完成海陆一体化多分辨率三维模型的渐进式表达。本文采用西沙甘泉岛的水上水下地形数据,基于C++语言和OpenGL、QT进行研发,对上述理论和方法进行了验证。实验结果显示,本文的构网算法相比传统方法可以提升一倍以上的效率,而在进行渐进式表达时的帧数都能保持在25帧以上,可以满足交互流畅度要求。并且相比传统静态多分辨率表达,本文方法拥有更低的数据冗余,更加细腻的层次细节变化以及更加准确的渐进式表达效果。本论文研究成果已经集成至海底地形地貌后处理系统中。
许晨旸[3]（2020）在《基于网格曲面参数化映射与变形补偿的曲面加工轨迹规划技术研究》文中研究表明高精度高表面质量的复杂自由曲面被广泛地应用于航空、汽车及医疗植入物等领域中。而对于复杂自由曲面的加工是制造业领域中一项重要且具有挑战性的任务。在对自由曲面的铣削与抛光加工中,加工轨迹是最为关键的影响因素之一。当面对复杂的等残高轨迹、多方向性的摆线轨迹等的规划需求时,利用传统方法往往存在计算过程复杂、精度控制与效率优化较困难等关键技术问题。对此,本文以网格曲面参数化映射理论为基础,采用将上述复杂轨迹规划问题从三维空间降维至二维参数域进行计算的新思路。但是,基于该降维思路的轨迹规划中存在一个关键问题,即参数化构建的映射存在几何变形进而会影响轨迹规划的精度,这一问题尚未被充分研究与解决。故此,本文首先研究面向轨迹规划的参数化映射变形及其补偿问题;然后,基于参数化映射变形补偿理论,针对面向三维网格曲面的铣削轨迹规划问题、曲面上单方向性与复杂多方向性抛光轨迹的生成问题及其材料去除分布的控制问题,进行相关的研究。论文的主要研究内容包括:（1）开展面向加工轨迹规划的网格曲面参数化映射特性研究。为能够解决参数化映射变形影响轨迹规划精度的问题,从连续到离散的角度对参数化映射变形进行分析,提出了参数化映射变形场的概念并给出了其特征,建立了面向映射变形补偿的理论基础。针对面向封闭全周网格曲面的轨迹规划需求,通过对比切割分块技术与割缝技术,探讨了最适用的切割策略,为进一步的轨迹规划奠定了理论基础。（2）针对参数化映射变形影响轨迹规划精度的问题,提出映射变形补偿（Mapping distortion compensation,MDC）的理论概念与计算方法。MDC方法包括补偿角度变形量的方向映射与补偿拉伸变形量的长度映射。在此基础上,再针对不同三角片具有不同映射变形量的问题提出了大跨度映射变形处理（Large span mapping distortion handling,LSMDH）策略。以MDC理论方法为基础,提出了基于网格曲面参数化技术的轨迹规划基本策略。这样在保证轨迹规划精度的前提下,可更充分可靠地发挥参数化技术降维的优势,进而挖掘利用二维域内丰富的技术资源以规划复杂的三维轨迹。（3）针对面向三维网格曲面的铣削轨迹规划问题,提出充分利用参数化技术降维优势的等参数线轨迹与等残高轨迹规划策略。基于对轨迹参数进行转换计算的思路并利用MDC理论方法,直接在参数化展平网格上规划了等参数线轨迹与等残高轨迹,在降低几何计算复杂度并提升鲁棒性的同时,使得轨迹曲线的自交问题可被降维至二维域内解决。针对轨迹曲线进行非均匀偏置的需求,提出了一种简单有效的基于追踪技术的二维非均匀偏置算法。针对网格曲面上加工轨迹的过切与欠切现象,提出了利用参数化降维技术的二维轨迹求交分段处理策略。（4）针对曲面抛光轨迹产生的材料去除均匀性问题,提出利用参数化降维技术的扫描线抛光轨迹规划方法。首先提出了一种简单有效的针对倾斜弹性抛光盘的材料去除模型建立方法。基于材料去除模型,给出了材料去除均匀叠加的原理。基于该原理并利用参数化降维技术,进一步提出了材料去除均匀叠加的扫描线抛光轨迹规划方法。其关键在于利用基于二分法的双重循环策略,以求解每个抛光轨迹点处的自适应最优行距。（5）针对三维网格曲面上的多方向性抛光轨迹生成问题及其材料去除分布的控制问题,提出基于参数化降维技术并利用MDC方法的摆线抛光轨迹规划策略。首先提出了沿着等参数线进给的摆线轨迹规划策略,其无需任何三维几何计算,充分发挥了参数化技术的降维优势。在此基础上,进一步利用LSMDH策略,提出了沿着三维等距线进给的摆线轨迹规划策略,其可保证三维摆线轨迹参数的精确性。为获得使用摆线轨迹抛光时更均匀的材料去除分布,提出了全局材料去除分布的控制方法。其首先求取最优的摆线轨迹参数,然后基于划分的局部区域优化抛光进给速度。
刘卓昊[4]（2020）在《大规模多视图三维重建计算与质量评价方法研究》文中进行了进一步梳理多视图三维重建技术的目标是从多视角照片中恢复重建物体的三维模型,该技术在遗产保护、地理测绘、城市规划等领域有着广泛的应用。随着拍照设备的快速发展与普及,获取照片变得越来越方便,重建问题的场景规模、照片数量,以及场景复杂度也随之不断提升。在实验室环境拍摄的Middlebury这一经典重建基准数据集上,多视图三维重建技术在精确度和完整度方面已能够接近激光扫描。但随着重建规模的增大,多视图三维重建方法面临着新的挑战,主要有以下几个方面:由于计算复杂度较高,重建算法很难直接进行整体计算,分治策略的应用能避免整体重建突破单机计算能力上限,但现有方法对重建子步骤的划分与融合处理不能保证重建质量;在弱纹理、遮挡等情况下,重建模型存在局部缺陷或缺失问题,其处理方法仍需进一步研究;对于相机参数和三维几何重建结果的量化评估,仍然缺乏相匹配的基准数据集。本文从重建方法和质量评价两个方面对大规模多视图三维重建问题进行研究。具体而言,本文的工作和创新包括:·针对重建流程的全局优化步骤—集束调整,提出了一种基于异步共识（asynchronous consensus）的分布计算方法,利用共识方法可以迭代融合不同子块间的重叠参数,使计算收敛于整体计算的最优解,而异步化则可以有效减少节点等待开销,得到更高的迭代速度,从而加快收敛。与融合方法相对应的,提出了一种基于场景概括（scene summarization）的块划分方法,以对大规模场景进行快速均匀的划分。在BAL数据集和CH数据集上的实验结果证明了该方法的有效性。·提出了一种数据驱动的局部重建修复方法。首先基于参考模型库进行点云补全,补全方法以局部三维描述符为基础,采用级联的方式快速过滤不相关的三维模型,然后通过带平滑形变的对齐实现无缝的形状补全。并且进一步提出利用补全的缺失区域形状信息提高局部重建质量,然后与原模型进行几何和纹理融合。在Model Net40数据集和多个重建数据集上的实验结果证明,我们的方法能快速、可靠的进行局部重建修复。·提出了一种基于仿真建立基准测试数据集的方法,该方法能够获得准确的真实值（ground truth）,利用真实场景的三维重建以及实地拍摄的图像提高仿真的真实度。每张仿真图像对应于一张真实图像,通过传递拍摄参数等属性信息使两张图像更加相似,并设计了验证步骤确定属性传递的效果。在此基础上,建立了用于大规模多视图三维重建基准测试的云冈石窟数据集,并对重建流程中的主要步骤进行了量化比较和分析。·提出了分布式计算框架Pickle RPC,该框架主要根据多视图三维重建问题的特点进行设计,通过将指令和数据编码成字节流在节点之间进行传输,实现了高效的远程过程调用,并且在主从式多计算节点的基础上,增加了额外的控制节点,用于图像数据和中间计算结果的备份,以及主节点故障的处理,从而保障顶层的重建算法能够高效、稳定地运行。本文将重建算法、分布式计算框架和局部重建修复方法相结合,构建了一个分布式多视图三维重建原型系统,并重点讨论了重建流程各个子步骤的分布计算方法。
胡海龙[5]（2020）在《面向机械数字化产品的点云模型骨架提取和形状分析研究》文中提出随着计算机技术的不断发展和提高,机械产品数字化设计广泛流行,即运用计算机辅助设计、CAD/CAM数字化仿真技术,对机械产品开发的全过程给予相应的技术支持,从而促进产品设计信息的更新以及设计技术的完善。随着逆向工程与产品创新设计的紧密结合,逆向工程技术在数字化产品设计中的应用也越来越广泛。其中,产品模型的数据采集和表示,特别是点云模型的获取和处理,已成为逆向工程中的重要研究内容和机械工程设计领域中的热点课题。本文以三维点云模型为研究对象,围绕机械产品数字化设计中的关键问题,分别从曲线骨架提取、形状描述符构建、相似性分析和模型分类与检索等内容进行深入研究,并开发了基于机械点云模型的检索系统应用。主要研究工作如下:曲线骨架是一种重要的物体形状描述符,在产品数字化设计、计算机辅助设计、计算机图形与可视化等领域有着广泛的应用。本文提出一种基于点云模型截面形心点集的曲线骨架表达形式,并给出相应的计算和提取方法。首先,根据二力平衡公理给出三维点云模型横截面形心点的近似计算方法。接着,给出一种三维点云模型距离场变换的近似算法,并将其与曲率相结合获取混合特征点。利用KNN和主成分分析法估计点云模型法向量,并构造二次能量函数优化法向方向,通过引入相关面和相关点的定义和计算方法,将这些混合特征点沿骨架引导的法向偏移,逼近局部形心。然后,构造出一种基于距离、法向和曲率的张量谱聚类算法,并结合区域增长聚类算法对形心点集进行简化,最终将它们连接成一个初始连通曲线骨架。此外,还通过整理、修剪和拉普拉斯平滑算法来优化初始骨架。将本文的结果与几种最先进的算法（包括ROSA和L1-中值方法等）,从正确性、中心性、组份可分性、不同姿势或变形下的不变性、拓扑一致性、通用性、鲁棒性和光顺性等骨架性质以及计算效率等方面进行比较,以评估本文方法的有效性和优越性。三维模型的局部自相似性是物体形状分析中的一个基本问题,已广泛应用于计算机图形学、可视化等相关领域的局部匹配和模型识别中。本文针对三维点云模型提出了一种基于三维特征张量的自相似性分析方法。首先,利用相关面和反向点对点云模型进行了形状直径函数（SDF）的近似计算。然后,使用谱聚类对模型进行过分割成模型子块,由KNN邻域点的形状直径函数、形状指数和高斯曲率矩阵构造三维特征张量。接着,利用张量范数及其分量范数和L1-中值映射构造了形状描述符,并定义了相似性度量,分析了模型子块之间的自相似性。最后,将本文方法与几种最新方法（包括部分匹配和显着性检测）进行了比较,实验结果表明,该方法提供了一种有效的形状描述方法,能够很好地识别点云模型的相似子块。三维模型相似性分析和检索分类研究是数字化产品逆向工程中的研究热点。传统的分类方法是基于人为设计的特征描述符,其结果和成效完全取决于形状特征的选择和提取。不同于传统的方法,深度学习算法可以让机器自动学习对象特征并分类,在图像处理领域已经比较成熟并且有突出的表现。但是三维点云模型数据处理方法不同于二维图像,三维数据处理上更加复杂。本文提出了一种基于卷积神经网络（Convolutional Neural Network,CNN）距离测定下（CNN-distance）的三维点云模型相似性分析方法。首先,对于（稀疏）点云模型进行坐标变换和稠密化等预处理,接着利用视点轨迹球和三维模型的测地线距离,对模型进行着色处理并得到三维模型的二维投影着色图像数据集。然后,通过训练阶段提取模型特征并利用softmax函数构建基准向量,通过深度学习测试阶段得到概率向量,再计算概率向量与基准向量间的欧式距离,得到最终分类。CNN-distance的训练和测试数据集来源于点云模型上的测地线距离对三维点云模型着色后不同视角下的二维彩色图像,同时基于距离判定来找到具备相似性的三维点云模型。实验表明,本文提出的着色数据集构建算法使得数据处理更简易,加入距离判别使得分类精度更高,且相对其它算法能够得到更好的检索准确率结果。基于以上的研究方法和成果,开发了一个面向机械数字化产品的三维点云机械（零部件）模型的检索系统 ZSTU-MMRS（Zhejiang Sci-Tech University Mechanics Model Retrieval System）,可以选择三种方式进行检索:基于全局特征—曲线骨架的模型检索,基于局部特征—张量描述符的模型检索和基于CNN距离测定下的模型检索。介绍了检索系统的体系结构,阐述了系统主要功能,并给出了相应的案例检索结果,验证本文提出的三维机械（零部件）模型检索的原理和方法的可行性和有效性。最后,本文对曲线骨架提取、形状相似性分析和模型分类与检索等研究内容和成果进行了总结,并对今后的研究工作进行了展望。
陆正杰[6]（2020）在《文物碎片特征提取与分类算法研究》文中研究表明随着近年来计算机图像处理技术与可视化技术的发展,对文物碎片进行数字化保护与复原,可以提升文物碎片修复的工作效率,推动计算机与考古学的学科融合发展。文物碎片数量庞大,同时还存在碎片原始面几何纹理结构复杂,断裂面信息不完整等特点,若在文物复原前不预先进行碎片部位分类,则会导致文物复原过程中邻接碎片搜索与匹配的复杂度提高,从而降低文物复原流程的整体效率。本文以秦始皇陵兵马俑碎片的三维模型作为研究对象,针对碎片分类的相关技术展开研究,具体研究内容如下:1.针对单一特征描述子的局限性,提出一种局部邻域信息与显着性多特征描述子。基于模型表面多尺度体积积分不变量定义凹凸度,对计算结果进行K-means聚类得到模型的显着特征点簇同时定义表面的显着连通点集,选取点集质心点作为特征点。在标定的特征点处建立局部参考坐标系,通过旋转投影生成二维图像并编码完成特征描述。该描述子可以同时描述碎片模型的局部邻域特征与表面显着特征,具有尺度不变性,在描述大小形状不规则、模型表面与空间结构复杂的文物碎片时具有较强的鲁棒性。2.基于三维模型分割算法,建立了兵马俑碎片特征模板库。提出一种基于体积积分不变量计算高斯曲率并建立多重约束的粗匹配方法,之后通过局部邻域信息与显着性多特征描述子的点对特征距离进行精细模板库匹配来完成相似度度量并判断碎片分类。实验结果表明,该算法在兵马俑碎片分类上具有较高的分类准确率,适用于已建立模板库、待分类碎片数量较少无法用于深度学习且待分类碎片结构相对完整的分类情况。3.针对文物碎片缺损导致点云模型几何特征丢失,采用传统方法易失效的问题,提出一种基于二维图像与三维点云相结合的分支多特征分类深度网络,首次用于兵马俑碎片分类。首先对数据进行均匀化选点与多视角二维图像投影的预处理,然后对MVCNN与Point Net网络结构进行改进,通过构建多分支网络结构完成图像信息与点云信息的特征融合,一方面通过二维图像特征弥补点云特征的不足,另一方面通过点云特征弥补二维图像多视角投影过程中的特征损失,形成特征互补。实验结果表明该算法在兵马俑数据集上的分类准确率可以达到85.11%,适用于待分类碎片数量较多且待分类碎片结构相对不完整的分类情况。
周凡[7]（2019）在《点云属性压缩算法研究》文中认为随着三维激光扫描技术的不断发展,点云数据的采集速度越来越快,模型精度也逐渐提高。点云作为三维场景的主要表示方式之一,在众多领域得到广泛应用,引起了学术界和工业界的一致关注。海量点云数据为用户提供了丰富逼真的沉浸式视觉体验,也对存储空间容量和网络传输带宽提出了更高的需求,因此针对点云压缩编码算法的研究具有重要意义。然而,当前主流的编码方案在压缩点云属性信息时不能合理利用数据之间的相关性,对编码性能具有显着的影响,如何有效提升点云属性压缩编码的效率已成为近年来研究的热点。本文针对点云属性预测编码中存在的问题,提出了一种基于曲线距离的径向基函数模型来对属性信息进行图变换,并给出一种基于LOD结构的点云属性预测编码方案,使用图变换处理预测残差,显着提高了点云属性压缩的编码性能。图变换是目前点云属性压缩领域的热门理论,备受研究人员的关注。本文针对现有图变换算法中点云子图构建、拉普拉斯矩阵各边权重值计算的问题展开讨论,分析现有算法在子图构建和权重计算方面的不合理性。在此基础上,本文改良了基于K-d树划分的子图构建方式,在构建子图时综合考虑点云空间分布和各子图维度均匀,并提出一种基于曲线距离的径向基函数模型来确定拉普拉斯矩阵各边的权重,充分结合点云数据的几何信息和属性信息参与编码。实验结果表明,相比于TMC13的编码方案,本文提出的基于图变换的点云属性压缩算法,BD-rate在YUV通道上平均下降了2.35%,4.44%,4.67%。同时,相比于欧式距离,基于曲线距离的径向基函数模型对算法性能也有一定程度的提高。针对点云属性预测编码中预测单元的划分方法不够合理,预测残差的处理方式也比较匮乏的问题,本文探讨了LOD空间结构,提出了一种基于LOD划分的点云属性预测算法。算法根据影响LOD划分的主要因素,结合八叉树结构实现点云数据的自适应LOD空间划分,以此为基础对点云属性进行层间预测,并基于LOD划分出的空间子层构建点云子图及其拉普拉斯矩阵,使用图变换处理属性预测残差。实验结果表明,本算法能够在不影响点云属性压缩性能的前提下自适应地进行LOD空间划分。相比于TMC13编码方案,面向预测残差的图变换方法具有明显的性能提升,BD-rate在YUV通道上平均下降了7.01%,11.66%,9.41%。
青珊[8]（2019）在《飞机零件三维模型检索算法研究与应用》文中提出航空制造业的快速发展使得航空产品的需求量飞速增长,同时对航空产品的质量提出了更高的要求。喷涂是航空产品生产过程中的一道重要工序,其质量的好坏严重影响产品的使用性能与寿命。目前的喷涂工艺主要是基于传统的手动、半自动生产方式,并没有针对零件的三维外形做出精准的喷涂轨迹,且喷涂精度差,效率低,浪费材料等问题。本文拟将计算机技术引入到航空制造的喷涂生产线中,针对重建的飞机零件三维模型并得到预先设计好的喷涂轨迹过程中,采用三维模型检索算法自主识别飞机零部件,从而实现高精度、高效率的航空零件喷涂。针对传统的三维模型检索技术,进行进一步的算法优化。依据飞机零件三维模型自身结构特点,在D2形状分布特征提取算法基础上进行改进,使其更加适用于飞机零件三维模型的检索。D2形状分布特征提取算法主要通过计算飞机零件三维模型表面上两个随机点之间的距离,可以实现一个良好的特征提取并与模型进行准确的匹配。相比与其他检索算法,该算法更加简便并且具有更快的检索速度。能够从飞机零件三维模型表面提取较少特征进行检索,适用于不同类别零件、每种大类别中有较少零件和没有孔、洞的飞机零件三维模型检索。通过引入对局部特征具有较好描述的模型分割方法,并以基于D2形状分布的全局特征提取算法为基础,结合各自的优点。本文提出一种基于D2形状分布和模型分割相融合的三维模型检索算法,该算法是将三维模型整体特征和局部特征相融合的三维模型检索算法,实现了对飞机零件三维模型更加准确地检索。实验结果表明,该方法的检索精度高于全局特征提取算法。在同一查全率下,可以得到更高的准确率,适用于同种类型零件之间的检索和零件整体差别不大细节不同的检索。基于以上两种检索算法,本文设计并实现了一款基于B/S架构的飞机零件三维模型检索系统,该系统具有良好的扩展性,主要包括离线计算模块、在线检索模块、三维模型管理模块和信息管理模块等四大模块,实现了对飞机零件三维模型进行高速、准确地检索功能。
杜文晓[9]（2019）在《古建筑BIM的存储与显示》文中指出将现实中的古建筑物以数字化扫描的形式进行存储,是一种重要的文物保护形式,对于古建筑的研究具有重要的指导意义。构建古建筑的BIM模型有效的促进了古建筑物数字化的实现,且有利于对古建筑保护的可视化分析、动态模拟及协同决策等。但无论在哪个终端对于大批量的原始BIM进行显示,都是一个耗时耗内存的操作,且通过数字化扫描仪获取的数据量庞大,随着对古建筑进行各种模型的构建,不止模型本身,模型的相关文件如文本、视频等的数据量也会不断的增加,因此对原始BIM进行预处理,并对庞大的不同类型的数据进行有效的存储具有重要作用。本文以某古建筑为例,分析BIM的剖分方法并构建不同LOD层次,对BIM进行预处理,并使用MongoDB存储BIM预处理后的数据、通过倾斜摄影技术获取的古建筑倾斜摄影三维模型数据及模型的其他文本、视频等数据,并在桌面端实现不同的相机距离下显示不同的模型及模型文本、视频数据的显示效果。本文的主要内容:（1）通过对构建的BIM进行预处理操作,即将构成整个BIM的11种构件进行分组,对每组中的构件分别进行八叉树剖分后采用不同的压缩方式存储模型,节省存储空间,并对剖分后的子块进行编码,便于根据编码推导模型剖分层级及子块在父节点中的位置,提高模型的检索速度,采用QEM三维网格简化算法将剖分后的子块模型生成多个LOD层级,并对预处理后的文件结构进行分析;（2）分析MongoDB的存储方式及表达不同集合、文档间关系的方式,结合对BIM进行预处理后的文件结构,存储古建筑的BIM模型、倾斜摄影三维模型、古建筑描述性文件及视频文件,完成MongoDB的概念设计、逻辑设计、物理设计;（3）针对构建的MongoDB设计数据的访问接口,包括数据库的访问接口、两种模型数据的访问接口、古建筑的文本及视频数据的访问接口,以从数据库中获取模型及相关数据,并通过数据的显示接口结合OpenGL接口实现在桌面端对不同模型数据及关于古建筑模型的文本及视频信息的显示。
贺柔冰[10]（2018）在《基于深度网络的三维模型检索方法》文中研究表明近年来,由于虚拟现实技术和互联网技术的快速发展,三维模型的数量显着增长,三维模型也逐渐成为一种新型的多媒体数据类型。这使得三维模型技术在虚拟现实（Virtual Reality,VR）、医学研究、计算机辅助设计（Computer Aided Design,CAD）、3D影视动画、工业产品设计、机械制造等领域的应用越来越广泛。互联网中的三维模型数量巨大且增长速度越来越快,如何能够快速精确的从互联网中检索出需要的目标模型,节省工作时间与资源消耗已经成为许多领域的迫切需求。现今应用最广泛的检索技术是基于内容的三维模型检索,该方法通过对模型提取特征后进行模型间的相似性度量来实现检索。尽管该方法的发展时间较短,技术上也存在提升的空间,但相比于基于文字的检索方式,该方法能够排除主观影响,具有很强的客观性和准确性。本文重点研究了基于视图的三维模型检索算法,并且在前人的研究基础上提出了两种算法:基于CNN-LSTM网络的三维模型检索和基于卷积递归神经网络的三维模型检索方式。首先进行三维模型预处理,提取二维视图序列,然后将该序列送入卷积网络进行底层特征提取,随后输入LSTM神经网络或递归神经网络进行特征优化学习,经过全连接层后进行相似性度量,作为每个三维模型的概率表示,得到输出结果。本文所提出的方法在四个流行的数据集上进行了评估:NTU、PSB、ETH-80和MV-RED。选择多种评价准则,将本文算法的实验结果与经典算法进行比较,表明了本方法的有效性。
二、基于子块的三维网格模型检索（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于子块的三维网格模型检索（论文提纲范文）
（2）多分辨率海陆一体化三维地形建模（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究思路及关键技术 |
| 1.4 论文的章节安排 |
| 2 海陆数据融合和并行构网 |
| 2.1 数据来源及预处理 |
| 2.2 海陆地理空间数据融合 |
| 2.3 基于自适应四叉树的并行构网 |
| 2.4 本章小结 |
| 3 基于细节增量模型的多分辨率地形建模 |
| 3.1 细节增量模型基础原理 |
| 3.2 细节增量化简 |
| 3.3 模型细节重构 |
| 3.4 基于SVO的渐进式可视化 |
| 3.5 本章小结 |
| 4 系统研发与方法评价 |
| 4.1 基于细节增量模型的多分辨率地形构建 |
| 4.2 海陆一体化三维模型渐进式表达 |
| 4.3 多分辨率海陆一体化三维建模应用 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（3）基于网格曲面参数化映射与变形补偿的曲面加工轨迹规划技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 网格曲面参数化算法相关研究 |
| 1.2.2 面向三维网格曲面的铣削轨迹规划相关研究 |
| 1.2.3 抛光轨迹规划及材料去除的均匀性问题相关研究 |
| 1.3 本文研究工作 |
| 第二章 网格曲面参数化算法及其映射变形场分析 |
| 2.1 引言 |
| 2.2 保角度与保长度参数化算法 |
| 2.2.1 凸组合参数化算法 |
| 2.2.2 ABF++保角参数化算法 |
| 2.2.3 ARAP保长度参数化算法 |
| 2.3 网格曲面参数化的映射变形场 |
| 2.3.1 网格曲面参数化映射变形分析 |
| 2.3.2 网格曲面参数化构建的映射变形场 |
| 2.4 面向轨迹规划的封闭全周网格曲面参数化 |
| 2.4.1 针对封闭全周网格曲面的切割技术 |
| 2.4.2 选择合适的切割策略 |
| 2.5 网格曲面参数化案例及其映射变形量分析 |
| 2.5.1 开曲面参数化案例分析 |
| 2.5.2 封闭全周曲面参数化案例分析 |
| 2.6 本章小结 |
| 第三章 参数化映射变形补偿及轨迹规划基本策略 |
| 3.1 引言 |
| 3.2 映射变形补偿计算方法 |
| 3.2.1 方向映射 |
| 3.2.2 长度映射 |
| 3.3 LSMDH策略 |
| 3.3.1 LSMDH策略的基本流程 |
| 3.3.2 在三角片边上或顶点处的处理策略 |
| 3.4 基于网格曲面参数化技术的轨迹规划基本策略 |
| 3.4.1 二维域至三维域的轨迹规划基本策略 |
| 3.4.2 基于网格曲面参数化进行轨迹规划的有效性问题 |
| 3.4.3 轨迹参数转换计算的不同变形补偿策略 |
| 3.5 案例分析 |
| 3.5.1 MDC方法验证分析 |
| 3.5.2 封闭全周网格曲面轨迹规划案例分析 |
| 3.6 本章小结 |
| 第四章 利用参数化映射变形补偿方法的铣削轨迹规划 |
| 4.1 引言 |
| 4.2 基于网格曲面参数化技术的铣削轨迹规划 |
| 4.2.1 利用映射变形补偿方法的等参数线轨迹规划策略 |
| 4.2.2 利用映射变形补偿方法的等残高轨迹规划策略 |
| 4.3 基于追踪技术的二维非均匀偏置算法 |
| 4.3.1 闭合偏置曲线有效环的提取 |
| 4.3.2 非均匀偏置算法相关后处理 |
| 4.3.3 开曲线的非均匀偏置 |
| 4.4 网格曲面上加工轨迹的过切与欠切处理策略 |
| 4.4.1 网格曲面上加工轨迹的过切与欠切现象 |
| 4.4.2 利用参数化降维技术的过切与欠切处理策略 |
| 4.5 案例分析 |
| 4.5.1 利用映射变形补偿方法的等参数线轨迹规划案例分析 |
| 4.5.2 利用映射变形补偿方法的等残高轨迹规划案例分析 |
| 4.5.3 过切与欠切处理策略的验证分析 |
| 4.6 本章小结 |
| 第五章 利用参数化降维技术的扫描线抛光轨迹规划 |
| 5.1 引言 |
| 5.2 基于赫兹接触理论的材料去除模型 |
| 5.2.1 赫兹接触的压强分布 |
| 5.2.2 利用路径积分形式的材料去除深度计算 |
| 5.3 针对倾斜弹性抛光盘的材料去除模型 |
| 5.3.1 倾斜弹性抛光盘的接触模型 |
| 5.3.2 倾斜弹性抛光盘的压强分布计算 |
| 5.3.3 倾斜弹性抛光盘的材料去除深度计算 |
| 5.4 利用参数化降维技术的扫描线抛光轨迹规划策略 |
| 5.4.1 材料去除均匀叠加的原理 |
| 5.4.2 材料去除均匀叠加的扫描线抛光轨迹规划策略 |
| 5.5 案例分析 |
| 5.5.1 倾斜弹性抛光盘的材料去除模型验证 |
| 5.5.2 材料去除均匀叠加原理的仿真与实抛验证 |
| 5.5.3 材料去除均匀叠加的扫描线抛光轨迹整体仿真验证 |
| 5.6 本章小结 |
| 第六章 基于网格曲面参数化的摆线抛光轨迹规划及材料去除分布控制 |
| 6.1 引言 |
| 6.2 基于网格曲面参数化的摆线抛光轨迹规划策略 |
| 6.2.1 沿着等参数线进给的摆线抛光轨迹规划策略 |
| 6.2.2 沿着三维等距线进给的摆线抛光轨迹规划策略 |
| 6.3 最优摆线轨迹参数的确定 |
| 6.3.1最优摆线轨迹参数决定条件1 |
| 6.3.2最优摆线轨迹参数决定条件2 |
| 6.3.3 基于两个决定条件的最优摆线轨迹参数确定流程 |
| 6.4 抛光进给速度优化策略 |
| 6.4.1 摆线轨迹划分局部区域 |
| 6.4.2 基于划分局部区域的进给速度优化 |
| 6.5 案例分析 |
| 6.5.1 摆线抛光轨迹规划案例分析 |
| 6.5.2 材料去除分布控制方法的验证分析 |
| 6.5.3 利用摆线轨迹及材料去除分布控制方法的镜面抛光案例 |
| 6.6 本章小结 |
| 总结与展望 |
| 1 主要工作和结论 |
| 2 主要创新点 |
| 3 展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（4）大规模多视图三维重建计算与质量评价方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 问题的提出 |
| 1.3 本文工作 |
| 1.3.1 研究内容与贡献 |
| 1.3.2 本文组织结构 |
| 第2章 多视图三维重建研究综述 |
| 2.1 运动恢复结构 |
| 2.1.1 图像局部特征 |
| 2.1.2 相机配准 |
| 2.1.3 集束调整 |
| 2.2 三维几何和纹理重建 |
| 2.2.1 多视图立体 |
| 2.2.2 网格化 |
| 2.2.3 纹理重建 |
| 2.3 基准测试数据集 |
| 2.3.1 输入图像集合 |
| 2.3.2 真实值获取 |
| 2.3.3 评价方法 |
| 2.4 本章小结 |
| 第3章 基于异步共识的分布式集束调整 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.2.1 分布式集束调整 |
| 3.2.2 多视图三维重建中的块划分 |
| 3.3 异步共识融合 |
| 3.3.1 方法框架 |
| 3.3.2 基于异步共识的集束调整 |
| 3.3.3 收敛分析 |
| 3.4 联合块划分 |
| 3.4.1 场景概括 |
| 3.4.2 联合块划分 |
| 3.5 实验与分析 |
| 3.5.1 实验环境 |
| 3.5.2 数据集 |
| 3.5.3 结果分析 |
| 3.6 本章小结 |
| 第4章 数据驱动的局部重建修复 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.2.1 基于自身性质的方法 |
| 4.2.2 数据驱动的方法 |
| 4.2.3 形状检索和对齐 |
| 4.3 数据驱动的点云补全 |
| 4.3.1 问题构造 |
| 4.3.2 对齐优化中的三个损失项 |
| 4.3.3 大规模形状集合的高效利用 |
| 4.4 实验及分析 |
| 4.4.1 数据集和量化评价 |
| 4.4.2 相似形状筛选 |
| 4.4.3 点云补全结果 |
| 4.4.4 重建修复案例 |
| 4.5 本章小结 |
| 第5章 基于仿真的基准测试方法 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.3 基准测试数据集的构建 |
| 5.3.1 方法框架 |
| 5.3.2 真实感渲染 |
| 5.3.3 利用真实照片的图像参数 |
| 5.3.4 与真实照片的相似度验证 |
| 5.3.5 基准测试 |
| 5.4 实验与分析 |
| 5.4.1 云冈石窟数据集 |
| 5.4.2 现有重建方法的评估 |
| 5.4.3 进一步分析 |
| 5.5 本章小结 |
| 第6章 分布式计算框架和重建原型系统 |
| 6.1 引言 |
| 6.2 基于PickleRPC的分布式计算框架 |
| 6.2.1 现有的分布式处理框架 |
| 6.2.2 PickleRPC |
| 6.2.3 控制节点和容错机制 |
| 6.2.4 其他问题 |
| 6.3 分布式多视图三维重建系统 |
| 6.3.1 系统架构 |
| 6.3.2 重建流程的分布式计算 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 攻读博士学位期间的主要研究成果 |
| 致谢 |
（5）面向机械数字化产品的点云模型骨架提取和形状分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 三维数字模型的表示方法 |
| 1.2.1 体素表示法 |
| 1.2.2 网格表示法 |
| 1.2.3 点云表示法 |
| 1.3 点云模型曲线骨架研究现状 |
| 1.3.1 点云模型曲线骨架提取方法研究现状 |
| 1.3.2 点云模型曲线骨架的性质 |
| 1.3.3 点云模型曲线骨架应用研究现状 |
| 1.4 点云模型局部相似性研究现状 |
| 1.5 深度学习卷积神经网络模型分类与检索研究现状 |
| 1.6 研究内容及章节安排 |
| 第2章 基于混合特征点和谱聚类的三维点云模型曲线骨架提取 |
| 2.1 引言 |
| 2.2 本文方法的预备知识和概述 |
| 2.3 初始骨架点创建 |
| 2.3.1 混合特征点的创建 |
| 2.3.2 法向量估计及其优化 |
| 2.3.3 相关面和相关点的计算 |
| 2.4 骨架点创建 |
| 2.4.1 基于张量的形心点谱聚类 |
| 2.4.2 同一组内形心点的区域增长聚类 |
| 2.5 骨架图的构建和优化 |
| 2.5.1 骨架修剪 |
| 2.5.2 关节点合并 |
| 2.5.3 曲线骨架光顺 |
| 2.5.4 非零亏格模型的环形生成 |
| 2.6 实验结果与讨论 |
| 2.6.1 结果讨论 |
| 2.6.2 本文HFPSC方法与其它方法比较 |
| 2.6.3 本文HFPSC方法的局限性 |
| 2.7 本章小结 |
| 第3章 三维点云模型特征张量描述符的构造及自相似性分析 |
| 3.1 引言 |
| 3.2 方法 |
| 3.2.1 算法概述 |
| 3.2.2 点云模型曲率估算 |
| 3.2.3 形状指数Shape index (SI)的计算 |
| 3.2.4 点云模型形状直径函数的计算 |
| 3.2.5 点云模型过分割 |
| 3.2.6 点云模型的特征张量构造 |
| 3.2.7 基于张量的点云模型相似块匹配 |
| 3.2.8 融合特征形状描述符和自相似性分析 |
| 3.3 结果与讨论 |
| 3.3.1 与其它描述符的比较 |
| 3.3.2 与其他方法比较 |
| 3.3.3 本文方法的局限性 |
| 3.4 本章小结 |
| 第4章 CNN距离测定下的三维点云模型相似性分析 |
| 4.1 前言 |
| 4.2 方法 |
| 4.2.1 数据预处理 |
| 4.2.2 数据集构建 |
| 4.2.3 网络训练及测试 |
| 4.3 实验设计与分析 |
| 4.4 本章小结 |
| 第5章 面向机械数字化产品的三维模型检索系统开发与实现 |
| 5.1 相关研究工作 |
| 5.2 面向机械数字化产品的三维模型检索系统的设计、开发与实现 |
| 5.2.1 系统简介 |
| 5.2.2 系统功能结构 |
| 5.2.3 模型数据库的构建 |
| 5.3 系统运行实例 |
| 5.3.1 检索实例 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
（6）文物碎片特征提取与分类算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 特征提取与描述 |
| 1.2.2 三维模型特征匹配研究现状 |
| 1.2.3 三维神经网络研究现状 |
| 1.2.4 实验室研究现状 |
| 1.3 本文研究内容与创新点 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文创新点 |
| 1.4 本文组织结构 |
| 第二章 文物碎片数字化与预处理流程 |
| 2.1 引言 |
| 2.2 三维模型数据采集 |
| 2.2.1 三维模型获取方式简介 |
| 2.2.2 数据采集步骤 |
| 2.3 文物碎片数据预处理流程 |
| 2.3.1 三维模型简化 |
| 2.3.2 三维模型去噪 |
| 2.4 文物碎片分类流程 |
| 2.4.1 传统流程介绍 |
| 2.4.2 本文分类方法流程 |
| 2.5 本章小结 |
| 第三章 基于局部邻域信息与显着性的多特征描述子 |
| 3.1 引言 |
| 3.2 局部显着特征描述 |
| 3.2.1 积分不变量定义 |
| 3.2.2 积分不变量计算 |
| 3.2.3 显着特征点簇 |
| 3.2.4 特征描述与特征点标定 |
| 3.3 邻域几何特征描述 |
| 3.3.1 旋转投影特征 |
| 3.3.2 局部参考坐标系 |
| 3.3.3 旋转投影 |
| 3.3.4 特征编码 |
| 3.4 局部邻域信息与显着性多特征描述子的特征表示 |
| 3.4.1 特征描述流程 |
| 3.4.2 特征表示 |
| 3.5 实验结果与分析 |
| 3.6 本章小结 |
| 第四章 基于先验模板匹配的碎片分类 |
| 4.1 引言 |
| 4.2 部位特征模板库 |
| 4.2.1 三维模型分割概述 |
| 4.2.2 兵马俑整俑分割 |
| 4.2.3 部位特征模板库建立 |
| 4.3 碎片粗匹配 |
| 4.3.1 基于高斯曲率的初始匹配 |
| 4.3.2 匹配约束建立 |
| 4.4 碎片精细匹配与相似度度量 |
| 4.4.1 最优匹配点对筛选 |
| 4.4.2 相似度度量与部位分类判别 |
| 4.5 实验结果与分析 |
| 4.6 本章小结 |
| 第五章 基于分支多特征网络的文物碎片分类 |
| 5.1 引言 |
| 5.2 神经网络特点与分析 |
| 5.3 数据预处理 |
| 5.3.1 图像数据预处理 |
| 5.3.2 点云数据预处理 |
| 5.4 网络模型建立 |
| 5.4.1 基于多视角分支的二维图像特征 |
| 5.4.2 基于改进PointNet的三维点云特征 |
| 5.4.3 算法描述 |
| 5.5 实验结果与分析 |
| 5.5.1 实验数据集 |
| 5.5.2 性能评估指标 |
| 5.5.3 实验结果 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 本文工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间取得的科研成果 |
（7）点云属性压缩算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究发展现状 |
| 1.3 论文研究内容 |
| 1.4 论文结构安排 |
| 第二章 点云属性压缩算法的相关技术 |
| 2.1 引言 |
| 2.2 点云数据的获取 |
| 2.3 点云数据的表示方法 |
| 2.4 点云数据的层次划分 |
| 2.5 点云数据属性信息的预测编码 |
| 2.5.1 帧内预测 |
| 2.5.2 帧间预测 |
| 2.6 点云数据属性信息的变换编码 |
| 2.6.1 DCT |
| 2.6.2 提升变换 |
| 2.6.3 图变换 |
| 2.7 小结 |
| 第三章 基于图变换的点云属性压缩算法 |
| 3.1 引言 |
| 3.2 基于图变换的点云属性压缩流程 |
| 3.3 基于K-d树的点云空间分割算法 |
| 3.3.1 K-d树结构分析 |
| 3.3.2 K-d树空间划分 |
| 3.4 拉普拉斯矩阵权重计算方案 |
| 3.4.1 基于曲线距离的径向基函数模型 |
| 3.4.2 基于拉普拉斯矩阵的点云属性压缩 |
| 3.5 实验结果与分析 |
| 3.5.1 TMC13和图变换的点云压缩性能比较 |
| 3.5.2 图变换中不同距离选择的性能比较 |
| 3.6 本章小结 |
| 第四章 基于LOD的点云属性压缩预测编码 |
| 4.1 引言 |
| 4.2 基于LOD划分的点云预测编码框架 |
| 4.3 基于LOD划分的点云空间分割算法 |
| 4.3.1 基于八叉树的参数生成算法 |
| 4.3.2 基于K-d树的LOD空间划分算法 |
| 4.4 基于LOD划分的预测算法 |
| 4.4.1 基于LOD划分的层间预测算法 |
| 4.4.2 面向预测残差的图变换算法 |
| 4.5 实验结果与分析 |
| 4.5.1 自适应LOD划分算法性能测试 |
| 4.5.2 残差图变换算法的性能测试 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）飞机零件三维模型检索算法研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容及组织结构 |
| 第2章 相关理论研究 |
| 2.1 三维模型检索 |
| 2.2 三维模型检索系统 |
| 2.3 三维模型预处理 |
| 2.3.1 平移归一化 |
| 2.3.2 比例归一化 |
| 2.3.3 旋转归一化 |
| 2.4 三维模型特征提取算法 |
| 2.4.1 三维模型特征提取算法概述 |
| 2.4.2 基于二维图像的特征提取算法 |
| 2.4.3 基于几何特征的特征提取算法 |
| 2.4.4 基于多特征融合的特征提取算法 |
| 2.4.5 特征提取算法对比 |
| 2.5 相似度计算 |
| 2.6 性能评价指标 |
| 2.7 本章小结 |
| 第3章 基于D2形状分布的飞机零件三维模型检索算法 |
| 3.1 飞机零件三维模型获取与存储 |
| 3.2 形状分布函数选择 |
| 3.3 飞机零件模型预处理 |
| 3.3.1 去噪处理 |
| 3.3.2 比例归一化 |
| 3.4 基于D2 形状分布的全局特征提取算法 |
| 3.4.1 样本点采集 |
| 3.4.2 提取D2 形状分布特征值 |
| 3.4.3 相似度计算 |
| 3.4.4 实验软硬件环境 |
| 3.4.5 实验结果及分析 |
| 3.5 本章小结 |
| 第4章 基于D2形状分布和模型分割相融合的三维模型检索算法 |
| 4.1 基于模型分割的局部特征提取算法 |
| 4.1.1 三维模型分割 |
| 4.1.2 基于模型分割的局部特征描述 |
| 4.1.3 基于模型分割的局部相似性匹配 |
| 4.2 基于D2 形状分布和模型分割相融合的三维模型检索算法 |
| 4.2.1 算法框架 |
| 4.2.2 实验软硬件环境 |
| 4.2.3 实验数据预处理 |
| 4.2.4 实验结果及分析 |
| 4.3 本章小结 |
| 第5章 飞机零件三维模型检索系统的设计与实现 |
| 5.1 需求分析 |
| 5.1.1 用户分析 |
| 5.1.2 系统设计目标 |
| 5.1.3 功能性需求 |
| 5.1.4 非功能性需求 |
| 5.2 系统概要设计 |
| 5.2.1 系统实现环境描述 |
| 5.2.2 系统架构设计 |
| 5.2.3 功能总体设计 |
| 5.3 系统数据库设计 |
| 5.3.1 数据库概念结构设计 |
| 5.3.2 数据库表设计 |
| 5.4 核心模块设计与实现 |
| 5.4.1 离线计算模块 |
| 5.4.2 在线模型检索模块 |
| 5.4.3 三维模型管理模块 |
| 5.4.4 信息管理模块 |
| 5.5 本章总结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（9）古建筑BIM的存储与显示（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 研究背景 |
| 1.2 研究现状及存在的问题 |
| 1.2.1 研究现状 |
| 1.2.2 存在问题 |
| 1.3 研究目的 |
| 1.4 研究内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.5 论文结构 |
| 2.基本理论 |
| 2.1 BIM剖分——八叉树剖分 |
| 2.1.1 八叉树的概念及特点 |
| 2.1.2 八叉树的逻辑结构 |
| 2.1.3 八叉树的存储结构 |
| 2.2 MongoDB的理论 |
| 2.2.1 NoSQL型数据库 |
| 2.2.2 MongoDB的存储结构 |
| 2.2.3 GridFS的存储方式 |
| 2.3 本章小结 |
| 3.模型的构建及预处理 |
| 3.1 BIM的构建 |
| 3.1.1 获取点云数据 |
| 3.1.2 绘制平立剖图 |
| 3.1.3 构建BIM |
| 3.2 BIM的预处理 |
| 3.2.1 模型剖分与命名 |
| 3.2.2 模型的细节层次 |
| 3.2.3 模型预处理后的文件结构 |
| 3.3 本章小结 |
| 4.MongoDB的构建 |
| 4.1 数据库中关系的创建 |
| 4.2 数据库设计 |
| 4.2.1 数据库的概念设计 |
| 4.2.2 数据库的逻辑设计 |
| 4.2.3 数据库的物理设计 |
| 4.3 本章小结 |
| 5.模型数据的显示 |
| 5.1 数据库访问机制 |
| 5.1.1 数据库的连接 |
| 5.1.2 数据的获取 |
| 5.1.3 数据的显示 |
| 5.2 模型数据的成果展示 |
| 6.总结与展望 |
| 6.1 总结 |
| 6.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）基于深度网络的三维模型检索方法（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 深度学习在分类与识别领域的应用 |
| 1.3 三维模型检索代表性研究 |
| 1.4 本文主要内容 |
| 1.5 本文组织结构 |
| 第2章 三维模型检索方法 |
| 2.1 三维模型特征提取方法 |
| 2.1.1 基于模型的三维模型检索 |
| 2.1.2 基于视图的三维模型检索 |
| 2.2 三维模型的相似度度量 |
| 2.2.1 基于距离的相似度度量 |
| 2.2.2 基于概率与图匹配的相似度度量 |
| 2.3 本章小结 |
| 第3章 基于卷积递归神经网络的三维模型检索 |
| 3.1 递归神经网络介绍 |
| 3.2 基于卷积递归神经网络的三维模型检索算法 |
| 3.2.1 三维模型预处理 |
| 3.2.2 卷积层提取底层特征 |
| 3.2.3 递归神经网络特征优化 |
| 3.2.4 相似性度量 |
| 3.3 本章小结 |
| 第4章 基于CNN-LSTM网络的三维模型检索 |
| 4.1 深度学习网络介绍 |
| 4.1.1 卷积神经网络 |
| 4.1.2 循环神经网络 |
| 4.2 基于CNN-LSTM网络的三维模型检索算法 |
| 4.2.1 三维模型预处理及二维视图序列提取 |
| 4.2.2 视图特征提取 |
| 4.2.3 LSTM循环神经网络 |
| 4.2.4 相似性度量 |
| 4.3 本章小结 |
| 第5章 实验结果及分析 |
| 5.1 三维模型数据库 |
| 5.2 实验方式及设置 |
| 5.2.1 数据库选取及设置 |
| 5.2.2 评价标准 |
| 5.2.3 现有主流算法介绍 |
| 5.2.4 本文实验设置 |
| 5.3 基于卷积递归神经网络的检索结果与分析 |
| 5.3.1 特征提取对比实验 |
| 5.3.2 与其他神经网络特征的对比实验 |
| 5.4 基于CNN-LSTM网络的检索结果与分析 |
| 5.4.1 CNN特征提取对比实验 |
| 5.4.2 LSTM循环神经网络特征优化对比实验 |
| 5.4.3 三维模型检索算法对比实验及分析 |
| 5.4.4 两种算法性能比较 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
四、基于子块的三维网格模型检索（论文参考文献）
- [1]三维点云模型特征张量描述符的构造及自相似性分析[J]. 胡海龙,李重,秦胜伟,马利庄. 计算机辅助设计与图形学学报, 2021(04)
- [2]多分辨率海陆一体化三维地形建模[D]. 王林云. 山东科技大学, 2020(06)
- [3]基于网格曲面参数化映射与变形补偿的曲面加工轨迹规划技术研究[D]. 许晨旸. 华南理工大学, 2020
- [4]大规模多视图三维重建计算与质量评价方法研究[D]. 刘卓昊. 浙江大学, 2020(08)
- [5]面向机械数字化产品的点云模型骨架提取和形状分析研究[D]. 胡海龙. 浙江理工大学, 2020
- [6]文物碎片特征提取与分类算法研究[D]. 陆正杰. 西北大学, 2020(02)
- [7]点云属性压缩算法研究[D]. 周凡. 西安电子科技大学, 2019(02)
- [8]飞机零件三维模型检索算法研究与应用[D]. 青珊. 北京工业大学, 2019(03)
- [9]古建筑BIM的存储与显示[D]. 杜文晓. 中国地质大学(北京), 2019(02)
- [10]基于深度网络的三维模型检索方法[D]. 贺柔冰. 天津大学, 2018(06)