CN101908072A - 一种三维模型检索算法的评价方法和*** - Google Patents
一种三维模型检索算法的评价方法和*** Download PDFInfo
- Publication number
- CN101908072A CN101908072A CN2010102509215A CN201010250921A CN101908072A CN 101908072 A CN101908072 A CN 101908072A CN 2010102509215 A CN2010102509215 A CN 2010102509215A CN 201010250921 A CN201010250921 A CN 201010250921A CN 101908072 A CN101908072 A CN 101908072A
- Authority
- CN
- China
- Prior art keywords
- model
- dimensional model
- accuracy rate
- searching algorithm
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 230000009466 transformation Effects 0.000 claims description 6
- 230000008676 import Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000008901 benefit Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001494479 Pecora Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 241000239290 Araneae Species 0.000 description 1
- 241000282461 Canis lupus Species 0.000 description 1
- 241000272194 Ciconiiformes Species 0.000 description 1
- 241001481833 Coryphaena hippurus Species 0.000 description 1
- 241000086550 Dinosauria Species 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 241000238413 Octopus Species 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种三维模型检索算法的评价方法和***,其中的方法具体包括:获取三维模型库,并对所述三维模型库进行分类;输入待评价三维模型检索算法的可执行文件;分别以所述三维模型库中的每个模型作为待检索模型,调用所述待评价三维模型检索算法的可执行文件在所述三维模型库中进行检索得到对应的检索序列;依据所述检索序列,获取查全率参数和对应的准确率参数;针对所述待评价三维模型检索算法,综合所述三维模型库中各模型的查全率参数和对应的准确率参数,绘制评价曲线。本发明产生的评价曲线单调下降,能够更利于评价三维模型检索算法性能的好坏。
Description
技术领域
本发明涉及多媒体信息检索技术领域,特别是涉及一种三维模型检索算法的评价方法和***。
背景技术
目前随着互联网和多媒体技术的快速发展,各种三维模型不断出现,并应用于社会生产生活的各个方面。尤其是最近一段时间,游戏产业及3D电影的蓬勃兴起,使得三维模型得到越来越多的关注。
面对网络上每天海量增加的三维数据,如何快速准确地找到满足自己要求的三维模型成为科学研究的又一热点问题,故各种各样的三维模型检索算法应运而生,例如,形状分布(D2,Shape Distributions)检索算法、扩展高斯图像(EGI,Extended Gaussian Images)检索算法等等。
传统评价方法生成的评价曲线会存在上下波动的问题,而且不同三维模型检索算法的评价曲线之间会存在相交的问题,从而增加了三维模型检索算法评价的难度。
总之,需要本领域技术人员迫切解决的一个技术问题就是:如何能够更好地进行三维模型检索算法的评价。
发明内容
本发明所要解决的技术问题是提供一种三维模型检索算法的评价方法和***,其产生的评价曲线单调下降,能够更利于评价三维模型检索算法性能的好坏。
为了解决上述问题,本发明公开了一种三维模型检索算法的评价方法,包括:
获取三维模型库,并对所述三维模型库进行分类;
输入待评价三维模型检索算法的可执行文件;
分别以所述三维模型库中的每个模型作为待检索模型,调用所述待评价三维模型检索算法的可执行文件在所述三维模型库中进行检索得到对应的检索序列;
依据所述检索序列,获取查全率参数和对应的准确率参数;
针对所述待评价三维模型检索算法,综合所述三维模型库中各模型的查全率参数和对应的准确率参数,绘制评价曲线。
优选的,所述获取查全率参数和对应的准确率参数的步骤,包括:
从所述检索序列中查找待检索模型的同类模型;
统计所述同类模型的编号c,以及,其在所述检索序列中的位置pc,其中,c=1,2,3,...,Nc;
其中,R表示查全率参数,0<R≤1,Nc表示所述三维模型库中待检索模型所属类别的模型总数;
其中:P表示准确率参数,0<P≤1,N表示所述三维模型库中的模型总数。
优选的,所述方法还包括:
依据所述评价曲线,为该待评价三维模型检索算法生成性能指数。
优选的,所述评价曲线为二维平面曲线,其坐标轴包括查全率参数坐标轴和准确率参数坐标轴;
通过如下公式生成性能指数:
PI=α*A+β*SoA
其中,PI为性能指数,A为所述评价曲线下方的面积,SoA为评价曲线上各段与查全率参数坐标轴所成的角度之和,α、β分别为A、SoA的系数,0<α<1,0<β<1,且α+β=1。
优选的,所述绘制评价曲线的步骤,包括:
根据三维模型库中各类别模型的数量,将[0,1]区间划分为M个槽;
针对查全率参数所在的槽,放入对应的准确率参数,并统计该槽中的准确率参数,将其均值作为该槽所对应的准确率参数;
连接各槽的准确率参数,得到三维模型检索算法的评价曲线。
优选的,所述获取三维模型库的步骤,包括:
收集现有三维模型,和/或,通过三维模型扫描设备对部分实物模型进行扫描,得到三维模型;
针对已收集和/或扫描得到的三维模型,进行几何变换,并保存至三维模型库。
另一方面,本发明还公开了一种三维模型检索算法的评价***,包括:
模型库获取模块,用于获取三维模型库,并对所述三维模型库进行分类;
输入模块,用于输入待评价三维模型检索算法的可执行文件;
检索模块,用于分别以所述三维模型库中的每个模型作为待检索模型,调用所述待评价三维模型检索算法的可执行文件在所述三维模型库中进行检索,得到对应的检索序列;
参数获取模块,用于依据所述检索序列,获取查全率参数和对应的准确率参数;
绘制模块,用于针对所述待评价三维模型检索算法,综合所述三维模型库中各模型的查全率参数和对应的准确率参数,绘制评价曲线。
优选的,所述参数获取模块包括:
查找单元,用于从所述检索序列中查找待检索模型的同类模型;
统计单元,用于统计所述同类模型的编号c,以及,其在所述检索序列中的位置pc,其中,c=1,2,3,...,Nc;
其中,R表示查全率参数,0<R≤1,Nc表示所述三维模型库中待检索模型所属类别的模型总数;
第二计算单元,用于针对所述同类模型,计算准确率参数:
其中:P表示准确率参数,0<P≤1,N表示所述三维模型库中的模型总数。
优选的,所述***还包括:
生成模块,用于依据所述评价曲线,为该待评价三维模型检索算法生成性能指数。
优选的,所述评价曲线为二维平面曲线,其坐标轴包括查全率参数坐标轴和准确率参数坐标轴;
所述生成模块,具体用于通过如下公式生成性能指数:
PI=α*A+β*SoA
其中,Pi为性能指数,A为所述评价曲线下方的面积,SoA为评价曲线上各段与查全率参数坐标轴所成的角度之和,α、β分别为A、SoA的系数,0<α<1,0<β<1,且α+β=1。
优选的,所述绘制模块包括:
划分单元,用于根据三维模型库中各类别模型的数量,将[0,1]区间划分为M个槽;
槽处理单元,用于针对查全率参数所在的槽,放入对应的准确率参数,并统计该槽中的准确率参数,将其均值作为该槽所对应的准确率参数;
连接单元,用于连接各槽的准确率参数,得到三维模型检索算法的评价曲线。
优选的,所述模型库获取模块包括:
收集单元,用于收集现有三维模型;
和/或,扫描单元,用于通过三维模型扫描设备对部分实物模型进行扫描,得到三维模型;
变换保存模块,用于针对已收集和/或扫描得到的三维模型,进行几何变换,并保存至三维模型库。
与现有技术相比,本发明具有以下优点:
首先,对于三维模型库中任意一个待检索模型,其针对三维模型检索算法产生查全率参数和对应的准确率参数,而所述参数对构成的评价曲线具有单调下降特性;由于所述三维模型检索算法的评价曲线可以看作是所有待检索模型对应的评价曲线的平均,故三维模型检索算法的评价曲线也是单调下降的。因此,相比于传统的评价曲线,本发明得到的评价曲线更有利于评价三维模型检索算法性能的好坏,能够避免传统评价曲线上下波动或不同算法之间的评价曲线相交而难以评价好坏的问题。
其次,本发明还可以依据所述评价曲线,为该待评价三维模型检索算法生成性能指数,用于不同三维模型检索算法性能的比较;例如,可以将所述评价曲线下方的面积A作为性能指数,又如,还可以将评价曲线上各段与查全率参数坐标轴所成的角度之和SoA作为性能指数,或者,利用A和SoA的线性组合充分反映检索算法的性能好坏,
再者,对于用户而言,只需输入三维模型检索算法生成的可执行文件,这将本发明实施例的评价方法和三维模型检索算法完全解耦,使得用户能够方便地使用本发明来评价不同的三维模型检索算法。
附图说明
图1是本发明一种三维模型检索算法的评价方法实施例的流程图;
图2是本发明一种评价曲线的示例;
图3是本发明一种评价曲线下方的面积A的示例;
图4是本发明一种三维模型检索算法的评价***实施例的结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明一种三维模型检索算法的评价方法实施例的流程图,具体可以包括:
步骤101、获取三维模型库,并对所述三维模型库进行分类;
本发明实施例可以用于评价D2、EGI等各种检索算法,用于更好地进行三维模型检索算法的评价。
在实际中,可以直接使用已有的三维模型库;为提高模型库的完整性,在本发明的一种优选实施例中,可以构建三维模型库,所述构建过程具体可以包括:
首先,收集现有三维模型,和/或,通过三维模型扫描设备对部分实物模型进行扫描,得到三维模型;
然后,针对已收集和/或扫描得到的三维模型,进行几何变换,并保存至三维模型库。
在具体实现中,三维模型库中的模型可以采用obj(object)格式,其作为一种标准三维模型文件格式,很适合用于三维软件模型之间的互导;目前几乎所有三维软件都支持OBJ格式文件的读写。
另外,可以通过人机交互的方式对所述三维模型中的模型进行分类,确定各类模型数量及模型总数。
表1示出了一种分类后三维模型库的示例,其具体可以包括牛、青蛙、...、羊、桌子等19类,总计476个模型。
表1
类名 | 模型数量 | 类名 | 模型数量 |
牛 | 32 | 飞机 | 24 |
青蛙 | 28 | 鸟 | 21 |
手 | 19 | 椅子 | 26 |
人类 | 31 | 杯子 | 25 |
章鱼 | 24 | 恐龙 | 20 |
钳子 | 20 | 海豚 | 23 |
蛇 | 29 | 狼 | 20 |
企鹅 | 25 | 羊 | 28 |
蜘蛛 | 37 | 桌子 | 22 |
大象 | 22 | 总计 | 476 |
步骤102、输入待评价三维模型检索算法的可执行文件;
对于用户而言,只需输入三维模型检索算法生成的可执行文件,这将本发明实施例的评价方法和三维模型检索算法完全解耦,使得用户能够方便地使用本发明来评价不同的三维模型检索算法。
步骤103、分别以所述三维模型库中的每个模型作为待检索模型,调用所述待评价三维模型检索算法的可执行文件在所述三维模型库中进行检索得到对应的检索序列;
所述检索过程主要为,调用所述待评价三维模型检索算法的可执行文件,根据与待检索模型的相似程度对三维模型库中的模型进行排序,得到检索序列。对于检索序列中的模型,排序越靠前,则表示其与待检索模型的相似度越高。
步骤104、依据所述检索序列,获取查全率参数和对应的准确率参数;
在实际中,所述步骤104具体可以包括:
子步骤R1、从所述检索序列中查找待检索模型的同类模型;
子步骤R2、统计所述同类模型的编号c,以及,其在所述检索序列中的位置pc,其中,c=1,2,3,...,Nc;
例如,当前三维模型库中有A、B、C三类模型,数量分别为5、7、6,总数量为18,待检索模型为A1;假设所述检索序列中前10个模型为A1A2B1A4B3C1C3A3B2C2,其中,下标表示类中不同的模型。
这样,待检索模型A1的同类模型为A1、A2、A4、A3,编号c分别为1、2、3、4,在所述检索序列中的位置pc分别为1、2、4、8。
子步骤R3、针对所述同类模型,计算查全率参数:
其中,R表示查全率参数,0<R≤1,Nc表示所述三维模型库中待检索模型所属类别的模型总数;
子步骤R4、针对所述同类模型,计算准确率参数:
其中:P表示准确率参数,0<P≤1,N表示所述三维模型库中的模型总数。
以A3为例,
对三维模型库中的每个模型检索完毕后,得到一系列的R-P键值对,其中,这些键值对可用于评价曲线的绘制。
步骤105、针对所述待评价三维模型检索算法,综合所述三维模型库中各模型的查全率参数和对应的准确率参数,绘制评价曲线。
本步骤的实现过程可以包括:
子步骤S1、根据三维模型库中各类别模型的数量,将[0,1]区间划分为M个槽;
子步骤S2、针对查全率参数所在的槽,放入对应的准确率参数,并统计该槽中的准确率参数,将其均值作为该槽所对应的准确率参数;
子步骤S3、连接各槽的准确率参数,得到三维模型检索算法的评价曲线。
在实际中,M可以为任意自然数,优选的,M为各类模型数量的均值,对于上例中的A、B、C三类模型,M=18/3=6。
对任意一个待检索模型,Nc都为固定值,由式(2)得知P关于c单调下降,而根据式(1)c与R成正比,所以针对三维模型检索算法产生的R-P键值对所构成的评价曲线单调下降;由于三维模型检索算法的评价曲线可以看作是所有待检索模型对应的评价曲线的平均,因此,三维模型检索算法的评价曲线也是单调下降的。
因此,相比于传统的评价曲线,本发明得到的评价曲线更有利于评价三维模型检索算法性能的好坏,能够避免传统评价曲线上下波动或不同算法之间的评价曲线相交而难以评价好坏的问题。
参照图2,示出了分别以D2、EGI作为待评价三维模型检索算法,得到评价曲线的示例,该评价曲线为二维平面曲线,横轴为R轴,纵轴为P轴,曲线的定义域和值域都为[0,1]。可以看出,EGI的性能优于D2。
虽然所述评价曲线具有单调下降的优点,但还需用户肉眼去观察比较性能;在本发明的一种优选实施例中,所述评价方法还可以依据所述评价曲线,为该待评价三维模型检索算法生成性能指数。
例如,可以将所述评价曲线下方的面积A作为性能指数,参考图3,示出了本发明一种评价曲线下方的面积A的示例,A的大小能够反映评价曲线与R轴的偏离程度,偏离程度越大表示检索算法的准确率越高。
又如,可以将评价曲线上各段与查全率参数坐标轴所成的角度之和SoA作为性能指数,SoA的大小能够反映评价曲线的下降幅度,SoA值越大,评价曲线的下降幅度越小,检索算法越稳定。
在本发明实施例中,优选地,利用A和SoA的线性组合充分反映检索算法的性能好坏,其性能指数越大,表示检索算法的性能越好。
具体地,所述评价曲线为二维平面曲线,其坐标轴可以包括查全率参数坐标轴和准确率参数坐标轴;
通过如下公式生成性能指数:
PI=α*A+β*SoA (3)
其中,PI为性能指数,A为所述评价曲线与坐标轴围成的封闭图形的面积,SoA为评价曲线上各段与查全率参数坐标轴所成的角度之和,α、β分别为A、SoA的系数,0<α<1,0<β<1,且α+β=1。
特别地,在α取值为0.98,β取值为0.02,PI能够起到好的评价效果。以图2中的评价为例,D2的性能指数为0.288、EGI的性能指数,因此,EGI的性能优于D2。
与前述方法实施例相应,本发明还公开了一种三维模型检索算法的评价***,参照图4,具体可以包括:
模型库获取模块401,用于获取三维模型库,并对所述三维模型库进行分类;
输入模块402,用于输入待评价三维模型检索算法的可执行文件;
检索模块403,用于分别以所述三维模型库中的每个模型作为待检索模型,调用所述待评价三维模型检索算法的可执行文件在所述三维模型库中进行检索,得到对应的检索序列;
参数获取模块404,用于依据所述检索序列,获取查全率参数和对应的准确率参数;
绘制模块405,用于针对所述待评价三维模型检索算法,综合所述三维模型库中各模型的查全率参数和对应的准确率参数,绘制评价曲线。
模型库获取模块401、
在实际中,可以直接使用已有的三维模型库;为提高模型库的完整性,在本发明的一种优选实施例中,可以构建三维模型库,相应地,所述模型库获取模块401具体可以包括:
收集单元A1,用于收集现有三维模型;
和/或,扫描单元A2,用于通过三维模型扫描设备对部分实物模型进行扫描,得到三维模型;
变换保存模块A3,用于针对已收集和/或扫描得到的三维模型,进行几何变换,并保存至三维模型库。
检索模块403、
在实际中,所述检索模块403,可具体用于调用所述待评价三维模型检索算法的可执行文件,根据与待检索模型的相似程度对三维模型库中的模型进行排序,得到检索序列。对于检索序列中的模型,排序越靠前,则表示其与待检索模型的相似度越高。
参数获取模块404、
在本发明的一种优选实施例中,所述参数获取模块404具体可以包括:
查找单元B1,用于从所述检索序列中查找待检索模型的同类模型;
统计单元B2,用于统计所述同类模型的编号c,以及,其在所述检索序列中的位置pc,其中,c=1,2,3,...,Nc;
其中,R表示查全率参数,0<R≤1,Nc表示所述三维模型库中待检索模型所属类别的模型总数;
其中:P表示准确率参数,0<P≤1,N表示所述三维模型库中的模型总数。
绘制模块405、
可依据所述查全率参数和准确率参数,在所述绘制模块505中设计如下单元结构:
划分单元C1,用于根据三维模型库中各类别模型的数量,将[0,1]区间划分为M个槽;
槽处理单元C2,用于针对查全率参数所在的槽,放入对应的准确率参数,并统计该槽中的准确率参数,将其均值作为该槽所对应的准确率参数;
连接单元C3,用于连接各槽的准确率参数,得到三维模型检索算法的评价曲线。
在本发明的一种优选实施例中,所述评价方法还可以包括:生成模块D,用于依据所述评价曲线,为该待评价三维模型检索算法生成性能指数。
例如,生成模块D可以将所述评价曲线下方的面积A作为性能指数;又如,生成模块D可以将评价曲线上各段与查全率参数坐标轴所成的角度之和SoA作为性能指数,。
在本发明实施例中,优选的是,利用A和SoA的线性组合充分反映检索算法的性能好坏,其性能指数越大,表示检索算法的性能越好。
具体地,所述评价曲线为二维平面曲线,其坐标轴可以包括查全率参数坐标轴和准确率参数坐标轴;
所述生成模块D,可具体用于通过如下公式生成性能指数:
PI=α*A+β*SoA
其中,PI为性能指数,A为所述评价曲线下方的面积,SoA为评价曲线上各段与查全率参数坐标轴所成的角度之和,α、β分别为A、SoA的系数,0<α<1,0<β<1,且α+β=1。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于***实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上对本发明所提供的一种三维模型检索算法的评价方法和***,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (12)
1.一种三维模型检索算法的评价方法,其特征在于,包括:
获取三维模型库,并对所述三维模型库进行分类;
输入待评价三维模型检索算法的可执行文件;
分别以所述三维模型库中的每个模型作为待检索模型,调用所述待评价三维模型检索算法的可执行文件在所述三维模型库中进行检索得到对应的检索序列;
依据所述检索序列,获取查全率参数和对应的准确率参数;
针对所述待评价三维模型检索算法,综合所述三维模型库中各模型的查全率参数和对应的准确率参数,绘制评价曲线。
3.根据权利要求1或2所述的方法,其特征在于,还包括:
依据所述评价曲线,为该待评价三维模型检索算法生成性能指数。
4.根据权利要求3所述的方法,其特征在于,所述评价曲线为二维平面曲线,其坐标轴包括查全率参数坐标轴和准确率参数坐标轴;
通过如下公式生成性能指数:
PI=α*A+β*SoA
其中,PI为性能指数,A为所述评价曲线下方的面积,SoA为评价曲线上各段与查全率参数坐标轴所成的角度之和,α、β分别为A、SoA的系数,0<α<1,0<β<1,且α+β=1。
5.根据权利要求1或2所述的方法,其特征在于,所述绘制评价曲线的步骤,包括:
根据三维模型库中各类别模型的数量,将[0,1]区间划分为M个槽;
针对查全率参数所在的槽,放入对应的准确率参数,并统计该槽中的准确率参数,将其均值作为该槽所对应的准确率参数;
连接各槽的准确率参数,得到三维模型检索算法的评价曲线。
6.根据权利要求1或2所述的方法,其特征在于,所述获取三维模型库的步骤,包括:
收集现有三维模型,和/或,通过三维模型扫描设备对部分实物模型进行扫描,得到三维模型;
针对已收集和/或扫描得到的三维模型,进行几何变换,并保存至三维模型库。
7.一种三维模型检索算法的评价***,其特征在于,包括:
模型库获取模块,用于获取三维模型库,并对所述三维模型库进行分类;
输入模块,用于输入待评价三维模型检索算法的可执行文件;
检索模块,用于分别以所述三维模型库中的每个模型作为待检索模型,调用所述待评价三维模型检索算法的可执行文件在所述三维模型库中进行检索,得到对应的检索序列;
参数获取模块,用于依据所述检索序列,获取查全率参数和对应的准确率参数;
绘制模块,用于针对所述待评价三维模型检索算法,综合所述三维模型库中各模型的查全率参数和对应的准确率参数,绘制评价曲线。
9.根据权利要求7或8所述的***,其特征在于,还包括:
生成模块,用于依据所述评价曲线,为该待评价三维模型检索算法生成性能指数。
10.根据权利要求9所述的***,其特征在于,所述评价曲线为二维平面曲线,其坐标轴包括查全率参数坐标轴和准确率参数坐标轴;
所述生成模块,具体用于通过如下公式生成性能指数:
PI=α*A+β*SoA
其中,PI为性能指数,A为所述评价曲线下方的面积,SoA为评价曲线上各段与查全率参数坐标轴所成的角度之和,α、β分别为A、SoA的系数,0<α<1,0<β<1,且α+β=1。
11.根据权利要求7或8所述的***,其特征在于,所述绘制模块包括:
划分单元,用于根据三维模型库中各类别模型的数量,将[0,1]区间划分为M个槽;
槽处理单元,用于针对查全率参数所在的槽,放入对应的准确率参数,并统计该槽中的准确率参数,将其均值作为该槽所对应的准确率参数;
连接单元,用于连接各槽的准确率参数,得到三维模型检索算法的评价曲线。
12.根据权利要求7或8所述的***,其特征在于,所述模型库获取模块包括:
收集单元,用于收集现有三维模型;
和/或,扫描单元,用于通过三维模型扫描设备对部分实物模型进行扫描,得到三维模型;
变换保存模块,用于针对已收集和/或扫描得到的三维模型,进行几何变换,并保存至三维模型库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102509215A CN101908072A (zh) | 2010-08-11 | 2010-08-11 | 一种三维模型检索算法的评价方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102509215A CN101908072A (zh) | 2010-08-11 | 2010-08-11 | 一种三维模型检索算法的评价方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101908072A true CN101908072A (zh) | 2010-12-08 |
Family
ID=43263531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102509215A Pending CN101908072A (zh) | 2010-08-11 | 2010-08-11 | 一种三维模型检索算法的评价方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101908072A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077555A (zh) * | 2013-03-29 | 2014-10-01 | 百度在线网络技术(北京)有限公司 | 一种识别图片搜索中坏例的方法和装置 |
CN104699733A (zh) * | 2014-10-28 | 2015-06-10 | 电信科学技术第十研究所 | 一种计算全文检索查全率的方法及装置 |
CN115423947A (zh) * | 2022-11-03 | 2022-12-02 | 成都飞机工业(集团)有限责任公司 | 三维模型检索方法、装置、设备及介质 |
-
2010
- 2010-08-11 CN CN2010102509215A patent/CN101908072A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077555A (zh) * | 2013-03-29 | 2014-10-01 | 百度在线网络技术(北京)有限公司 | 一种识别图片搜索中坏例的方法和装置 |
CN104077555B (zh) * | 2013-03-29 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 一种识别图片搜索中坏例的方法和装置 |
CN104699733A (zh) * | 2014-10-28 | 2015-06-10 | 电信科学技术第十研究所 | 一种计算全文检索查全率的方法及装置 |
CN104699733B (zh) * | 2014-10-28 | 2018-07-24 | 电信科学技术第十研究所 | 一种计算全文检索查全率的方法及装置 |
CN115423947A (zh) * | 2022-11-03 | 2022-12-02 | 成都飞机工业(集团)有限责任公司 | 三维模型检索方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107256265B (zh) | 一种搜索引擎结果数据可视化展示方法及*** | |
Chang et al. | Shapenet: An information-rich 3d model repository | |
CN107193967A (zh) | 一种多源异构行业领域大数据处理全链路解决方案 | |
CN103984714B (zh) | 一种基于本体语义的云制造服务供需智能匹配方法 | |
CN101477529B (zh) | 一种三维对象的检索方法和装置 | |
CN104598569A (zh) | 一种基于关联规则的mbd数据集完整性检查方法 | |
CN101430695A (zh) | 利用单词相关度的本体自动生成 | |
CN102571485A (zh) | 一种在微博平台上识别机器人用户的方法 | |
CN109254909B (zh) | 一种测试用大图生成方法和*** | |
CN111159184A (zh) | 元数据追溯方法、装置及服务器 | |
CN105320764A (zh) | 一种基于增量慢特征的3d模型检索方法及其检索装置 | |
CN112100506B (zh) | 信息推送方法、***、设备及存储介质 | |
CN105787662A (zh) | 基于属性的移动应用软件性能预测方法 | |
CN109949174A (zh) | 一种异构社交网络用户实体锚链接识别方法 | |
CN104036051A (zh) | 一种基于标签传播的数据库模式摘要生成方法 | |
CN103106313B (zh) | 轧后件顺序重构方法 | |
CN105574265B (zh) | 面向模型检索的装配体模型定量描述方法 | |
CN101908072A (zh) | 一种三维模型检索算法的评价方法和*** | |
CN115099315A (zh) | 基于CityGML的多源异构地理信息数据语义融合转换方法 | |
CN102402540A (zh) | 基于多层优化平衡树的数值与文本混合倒排索引算法 | |
CN112925994B (zh) | 基于局部和全局信息融合的群组推荐方法、***及设备 | |
CN102024029A (zh) | 基于局部视觉关注的彩色图像检索方法 | |
CN111881578B (zh) | 基于图数据库的机械产品数字孪生模型分层建模方法 | |
CN106815320B (zh) | 基于拓展三维直方图的调研大数据可视化建模方法及*** | |
Sen et al. | Representing tuple and attribute uncertainty in probabilistic databases |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20101208 |