第 1 章 緒論

1.1 課題研究的目的和意義

隨著計(jì)算機(jī)軟件的發(fā)展，硬件的性能提升，進(jìn)一步推動(dòng)了計(jì)算機(jī)技術(shù)的進(jìn)步。工業(yè)加工和零件制造技術(shù)也得到了很多進(jìn)步，計(jì)算機(jī)能夠快速地處理海量的 CAD 模型。隨著我國(guó)傳統(tǒng)工業(yè)制造業(yè)的發(fā)展，三維零件模型的種類和數(shù)量急劇增加，涉及到各個(gè)領(lǐng)域，包括航天航空制造，航海船艦制造、交通運(yùn)輸?shù)�。�?jù)目前統(tǒng)計(jì)全世界現(xiàn)存模型庫(kù)已經(jīng)到達(dá)了幾百億個(gè)。三維模型結(jié)構(gòu)復(fù)雜，種類多樣，如何從模型庫(kù)中精確地找出所需要的模型是尤為重要的。同時(shí)，國(guó)內(nèi)外專家也致力于研究三維 CAD 模型檢索技術(shù)。

...............

1.2 CAD 模型檢索的研究狀況

三維模型檢索研究始于80年代初，其檢索方式從基于關(guān)鍵字的檢索，到基于內(nèi)容的檢索，發(fā)生了很大的變化。隨著三維模型檢索技術(shù)的不斷發(fā)展，歐美等發(fā)達(dá)國(guó)家從2000年開(kāi)始對(duì)基于內(nèi)容的檢索進(jìn)行立項(xiàng)研究，取得了很多科研成果。加拿大國(guó)家研究院的Paquet[1]等人在1997-1998年開(kāi)發(fā)了第一個(gè)通用的三維模型檢索系統(tǒng)Nefertiti，此系統(tǒng)提取了模型的形狀和顏色兩種的特征，以此為基礎(chǔ)來(lái)檢索模型。

...............

第 2 章 CAD 模型的檢索優(yōu)化方法

2.1 CAD 模型常用檢索方法

隨著對(duì)三維模型檢索方法的深入研究，越來(lái)越多的人開(kāi)始關(guān)注 CAD 模型的發(fā)展，有關(guān)三維 CAD 模型的檢索方法也越來(lái)越多。隨著時(shí)間的積累，不少學(xué)者和專家也在探索和研究模型檢索的優(yōu)化方法。在探索新方法的同時(shí)，也在不斷的優(yōu)化舊方法�，F(xiàn)有的三維模型檢索方法主要是基于模型的結(jié)構(gòu)特性進(jìn)行檢索，包括模型的幾何特征，拓?fù)浣Y(jié)構(gòu)等。CAD 模型檢索優(yōu)化方法主要是在模型檢索過(guò)程中使用一些優(yōu)化算法和優(yōu)化模型來(lái)提高檢索的精確度。

...............

2.2 CAD 模型檢索面臨的問(wèn)題及解決辦法

隨著工業(yè)制造和零件加工產(chǎn)業(yè)的發(fā)展，越來(lái)越來(lái)的專家和學(xué)者投入到 CAD模型的研究中，在三維模型的檢索系統(tǒng)和檢方法上取得了很大的成就。有些知名的院校專門建立了模型檢索實(shí)驗(yàn)室。致力于研究模型檢索系統(tǒng)，完善模型檢索方方法，提高模型檢索性能，為工業(yè)零件制造和加工企業(yè)帶來(lái)了高效的收益，縮短了生產(chǎn)周期。盡管三維模型檢索經(jīng)歷了數(shù)十年的發(fā)展但是仍然存在一些不足之處，這就需要研究者要善于發(fā)現(xiàn)新問(wèn)題，創(chuàng)造新方法來(lái)適應(yīng)不斷發(fā)展的三維模型檢索技術(shù)。

...............

第 3 章 CAD 模型相似性度量...............19

3.1 CAD 模型相似性論述...............19

3.2 CAD 模型的表示方法...............21

第 4 章 基于貪心算法的 CAD 模型面匹配方法.................28

4.1 貪心算法概述................28

4.2 基于貪心算法的模型面相似性計(jì)算............... 28

第 5 章 基于蟻群算法的 CAD 模型面匹配方法...............37

5.1 蟻群算法的原理分析...............37

5.2 基于蟻群算法的面匹配方案...............37

第 5 章 基于蟻群算法的 CAD 模型面匹配方法

5.1 蟻群算法的原理分析

蟻群算法模擬了自然界中螞蟻尋覓食物的規(guī)律，總結(jié)出一種尋找最優(yōu)路徑的優(yōu)化算法算法。螞蟻覓食時(shí)在其經(jīng)過(guò)的路徑上會(huì)留下一種叫做信息素的物質(zhì)。并能夠感知信息素的濃度，并在覓食過(guò)程中能夠感知這種物質(zhì)的強(qiáng)度，并指導(dǎo)自己行動(dòng)方向，它們總是朝著該物質(zhì)強(qiáng)度高的方向移動(dòng)，因此大量螞蟻組成的集體覓食就表現(xiàn)為一種對(duì)信息素的正反饋現(xiàn)象。某一條路徑越短，路徑上經(jīng)過(guò)的螞蟻越多，其信息素遺留的也就越多，信息素的濃度也就越高，螞蟻選擇這條路徑的幾率也就越高，由此構(gòu)成的正反饋過(guò)程，從而逐漸的逼近最優(yōu)路徑，找到最優(yōu)路徑。

...............

5.2 基于蟻群算法的面匹配方案

隨著越來(lái)越多的學(xué)者對(duì) CAD 模型檢索方法的不斷研究， CAD 模型檢索方法也多種多樣，目前，較為適用的有遺傳算法、模擬退火算法和向量空間模型等。研究表明：在 CAD 模型檢索方法中，為了避免局部最優(yōu)的的情況，國(guó)內(nèi)外的許多學(xué)者和專家對(duì)類似蟻群算法這樣的全局最優(yōu)求解方法也進(jìn)行了深入的研究。這說(shuō)明了蟻群算法不僅在 NP 難題上有其適用性，同時(shí)，也適用于 CAD 模型檢索問(wèn)題。

...............

結(jié)論

本文研究了國(guó)內(nèi)外 CAD 模型檢索技術(shù)的發(fā)展概況，把貪心策略和蟻群算法應(yīng)用到模型檢索過(guò)程中。由三維模型的點(diǎn)，線、面等特征作為描述符，構(gòu)建了模型的屬性鄰接圖。根據(jù)屬性鄰接圖建立了鄰接關(guān)系矩陣，計(jì)算了模型面的形狀相似性，構(gòu)建了面相似度矩陣并用于模型檢索中。本文的主要研究成果包含以下幾個(gè)方面：1. 對(duì) CAD 模型檢索方法進(jìn)行了研究，，同時(shí)簡(jiǎn)要地介紹了幾種常用的模型檢索方法。分析了模型檢索的幾種優(yōu)化算法和優(yōu)化模型。闡述了當(dāng)前 CAD 模型檢索遇到的問(wèn)題和不足。

參考文獻(xiàn)（略）