[发明专利]一种网格曲面的元素分类方法、装置及存储介质

权利要求书

1.一种网格曲面的元素分类方法，其特征在于，包括：

获取网格曲面的每个元素的属性值，所述元素为顶点或面；

基于每个元素的邻域内各元素的属性值对所述元素的属性值进行迭代更新，并将迭代结束时得到的所述元素的属性值作为所述元素的特征；

基于每个元素的特征，利用分类器对所述元素进行分类。

2.根据权利要求1所述的网格曲面的元素分类方法，其特征在于，所述基于每个元素的邻域内各元素的属性值对所述元素的属性值进行迭代更新，包括：

确定每个元素的多环邻域，对每环邻域中的元素的每种属性值分别进行统计，获得每环邻域的属性统计值矩阵；其中，任一元素的第0环邻域为所述元素自身，第1环邻域为与所述元素直接相邻的元素构成的集合，第k环邻域为与第k-1环邻域直接相邻的元素构成的集合除去第k-1环邻域以及第k-2环邻域中的元素构成的集合，k1；与一个顶点直接相邻的顶点是指与该顶点通过边直接相连的顶点，与一个面直接相邻的面是指与该面具有共同顶点的面；

基于每个元素的每环邻域的属性统计值矩阵形成扩展属性矩阵；

根据所述扩展属性矩阵计算每个元素的新属性值，并利用所述新属性值对所述元素的属性值进行更新；

通过属性扩展的方式迭代更新每个元素的属性值。

3.根据权利要求2所述的网格曲面的元素分类方法，其特征在于，所述根据所述扩展属性矩阵计算每个元素的新属性值，包括：

利用预训练的网络层对所述扩展属性矩阵进行处理，得到每个元素的新属性值；其中，所述网络层为卷积层或全连接层。

4.根据权利要求3所述的网格曲面的元素分类方法，其特征在于，在通过属性扩展的方式迭代更新每个元素的属性值的过程中，每次迭代使用的网络层相互独立，各次迭代使用的网络层构成一个预训练的神经网络。

5.根据权利要求2所述的网格曲面的元素分类方法，其特征在于，所述确定每个元素的多环邻域，包括：

从每个元素的全部环邻域中连续地选取多环邻域，或者，从每个元素的全部环邻域中间断地选取多环邻域。

6.根据权利要求2所述的网格曲面的元素分类方法，其特征在于，属性值统计方式包括以下至少一种：取最大值、取最小值、取均值、取中位数、取上四分位数以及取下四分位数。

7.根据权利要求1所述的元素分类方法，其特征在于，若所述元素为顶点，则顶点的属性值包括以下至少一种：顶点的坐标、曲率以及法向；若所述元素为面，则面的属性值包括以下至少一种：面顶点的坐标、面中心的坐标以及面法向。