项目名称: 基于智能特征的手绘组装建模的关键问题研究

项目编号: No.61502263

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 计算机科学学科

项目作者: 曾龙

作者单位: 清华大学

项目金额: 21万元

中文摘要: 手绘组装建模(ABMS)是指通过手写笔或手指输入数据,把模型单元按一定关系组装成复杂三维产品模型的技术。用户只需构思模型单元之间的关系,即可轻易创建具有高度几何细节的三维模型,然而,目前该技术所创建的模型单元之间的组合关系比较松散,难以体现准确的设计意图。因此,本项目提出基于智能特征的ABMS技术。智能特征是语义特征的扩展,拥有事实性、过程性和控制性等形式化知识,能很好地支持搜索意图和设计意图的推导。对于智能特征的重用,由于手绘输入数据的不完整性,提出基于搜索意图的特征检索技术,能动态检视相似特征;而针对特征实例间相对位置的不准确性,计划研究基于设计意图的智能特征图的创建方法。该图描述了智能特征间严谨的配合关系和行为间的关联关系,能够在设计的各个阶段保留设计意图,便于之后的定制设计等。因此,基于智能特征的ABMS技术将为智能设计系统的研究开发奠定基础,并具有广阔的市场应用前景。

中文关键词: 几何造型;参数化;NURBS曲线曲面;参数曲线曲面;网格曲面

英文摘要: Assembly-Based Modeling with Sketch (ABMS) means that a complex product model is assembled from model units with sketch or thumb inputs. By using this technique, users can easily create 3D model with highly detailed geometry, only caring about the assembly relations among model units. However, the relations among units created by state-of-the-art ABMS techniques are not precise, i.e. no design intents. Thus, this project proposes intelligent feature for engineering product which requires precise relations. Intelligent feature is an extension of semantic feature, having formalized knowledge of fact, procedure, and control. It can support the derivation mechanism for search and design intents well. For the reuse of an intelligent feature, feature retrieval with search intent technique is proposed to overcome the incomplete data of sketch input. For the problem of imprecise location among intelligent features, we plan to study a method to create intelligent feature graph based on design intent. An intelligent feature graph describes the mate- and method- relations among intelligent features, which can keep design intents in various design phases. Therefore, the ABMS based on intelligent feature will make a solid base for the intelligent design system research and have a broad application market.

英文关键词: Geometric Modeling;Parameterization;NURBS curve and surface;parametric curve and surface;mesh surface

成为VIP会员查看完整内容
0

相关内容

数字孪生模型构建理论及应用
专知会员服务
221+阅读 · 2022年4月19日
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
专知会员服务
13+阅读 · 2021年10月3日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
11+阅读 · 2021年5月25日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
69+阅读 · 2020年11月30日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
下一代对话系统中的关键技术(下篇)
PaperWeekly
2+阅读 · 2022年4月1日
目标检测正负样本区分策略和平衡策略总结
极市平台
0+阅读 · 2022年3月1日
特征工程在实际业务中的应用!
专知
0+阅读 · 2022年2月3日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
从模型到应用,一文读懂因子分解机
AI100
10+阅读 · 2019年9月6日
【数字孪生】九论数字孪生
产业智能官
57+阅读 · 2019年7月6日
图卷积在基于骨架的动作识别中的应用
极市平台
24+阅读 · 2019年6月4日
一种关键字提取新方法
1号机器人网
21+阅读 · 2018年11月15日
一文读懂智能对话系统
数据派THU
16+阅读 · 2018年1月27日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
37+阅读 · 2021年9月28日
Arxiv
56+阅读 · 2021年5月3日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
11+阅读 · 2018年5月21日
小贴士
相关VIP内容
数字孪生模型构建理论及应用
专知会员服务
221+阅读 · 2022年4月19日
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
专知会员服务
13+阅读 · 2021年10月3日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
11+阅读 · 2021年5月25日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
69+阅读 · 2020年11月30日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关资讯
下一代对话系统中的关键技术(下篇)
PaperWeekly
2+阅读 · 2022年4月1日
目标检测正负样本区分策略和平衡策略总结
极市平台
0+阅读 · 2022年3月1日
特征工程在实际业务中的应用!
专知
0+阅读 · 2022年2月3日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
从模型到应用,一文读懂因子分解机
AI100
10+阅读 · 2019年9月6日
【数字孪生】九论数字孪生
产业智能官
57+阅读 · 2019年7月6日
图卷积在基于骨架的动作识别中的应用
极市平台
24+阅读 · 2019年6月4日
一种关键字提取新方法
1号机器人网
21+阅读 · 2018年11月15日
一文读懂智能对话系统
数据派THU
16+阅读 · 2018年1月27日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
37+阅读 · 2021年9月28日
Arxiv
56+阅读 · 2021年5月3日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
11+阅读 · 2018年5月21日
微信扫码咨询专知VIP会员