[发明专利]一种基于几何形状特征融合的三维模型分类方法

权利要求书

1.基于几何形状特征融合的三维模型分类方法，其特征在于，该方法包括以下步骤：

步骤1：读取三维模型文件，将三维模型进行“三角面化”；

步骤2：随机在三维模型表面上，选取若干点并计算点与某一固定点之间的距离，获得点的距离集合，根据点的距离集合，设计统计区间，统计点的距离集合中元素在各个区间中的数量，以此作为三维模型的D1形状分布特征；

步骤3：随机在三维模型表面上，选取若干点对并计算每一点对的两点之间的距离，获得点对距离集合，根据点对距离集合，设计统计区间，统计点对距离集合中元素在各个区间中的数量，以此作为三维模型的D2形状分布特征；

步骤4：获取三维模型的随机球型形状分布特征；

步骤5：计算三维模型每个面的中心点的SDF值，根据所有SDF值，设计统计区间，统计所有的SDF值在各个区间中的数量，以此作为三维模型的SDF形状分布特征；

步骤6：将D1、D2、随机球型和SDF形状分布特征拼接在一起作为输入和输出，训练降噪自编码器，同时，也完成卷积神经网络的训练；

步骤7：获取三维模型的融合的全局特征，利用三维模型的全局特征和类别标签，训练LightGBM分类器的权重；

步骤8：获取三维模型的4种形状分布特征，并利用训练好的卷积神经网络和LightGBM分类器对三维模型进行分类。

2.根据权利要求1所述的基于几何形状特征融合的三维模型分类方法，其特征在于，所述步骤1的具体步骤为：

步骤1-1利用文件解析工具对三维模型文件进行解析读取；

步骤1-2利用三角面化工具将模型数据三角面化，并用统一的数据结构保存。

3.根据权利要求1所述的基于几何形状特征融合的三维模型分类方法，其特征在于，所述步骤2中，获取三维模型的D1形状分布特征，具体步骤为：

步骤2-1根据取点公式，随机在三维模型表面选取若干点；

步骤2-2计算选取出来的点与某一固定点之间的欧式距离，构成点的距离集合；

步骤2-3确定统计区间的数量，同时，根据点的距离集合中元素的最大值和最小值，确定区间长度和每一个统计区间的范围；

步骤2-4统计在各个区间的点的距离集合中元素数量，将这些数量按照一定顺序排列，以此作为三维模型的D1形状分布特征。

4.根据权利要求1所述的基于几何形状特征融合的三维模型分类方法，其特征在于，所述步骤3中，获取三维模型的D2形状分布特征，具体步骤为：

步骤3-1根据取点公式，随机在三维模型表面选取若干点对；

步骤3-2计算每一点对的两点之间的欧式距离，构成点对距离集合；

步骤3-3确定统计区间的数量，同时，根据点对距离集合中元素的最大值和最小值，确定区间长度和每一个统计区间的范围；

步骤3-4统计在各个区间中的点对距离集合中的元素数量，将这些数量按照一定顺序排列，以此作为三维模型的D2形状分布特征。

5.根据权利要求1所述的基于几何形状特征融合的三维模型分类方法，其特征在于，所述步骤4中，获取三维模型的随机球型形状分布特征，具体步骤为：

步骤4-1用一个球面围住三维模型；

步骤4-2随机地在球内生成一个较小的球型区域；

步骤4-3计算球型区域内的D2函数值的平均数，以此作为一次随机球型函数的计算；

步骤4-4重复步骤4-2到步骤4-3若干次，获得随机球型函数值的集合；

步骤4-5确定统计区间的数量，同时，根据随机球型函数值的集合中元素的最大值和最小值，确定区间长度和每一个统计区间的范围；

步骤4-6统计在各个区间中的随机球型函数值的集合中元素数量，将这些数量按照一定顺序排列，以此作为三维模型的随机球型形状分布特征。