一种基于神经网络的特征融合的三维模型网格简化方法

摘要

本发明公开了一种基于神经网络的特征融合的三维模型网格简化方法。首先提取工业三维网格模型的顶点坐标和几何拓扑结构，每条边进行折叠操作，得到简化后的三维网格模型。并通过Hausdorff距离计算简化网格模型和原始网格模型之间的近似误差。构造模型顶点结构特征数据、目标简化率和对应的最优简化参数训练集和测试集，构建卷积神经网络分类器，并进行训练和测试，输出层输出最优参数类别。最后采用ACC和损失的建模性能指标评估结果，使用混淆矩阵评估分类的准确性，实现三维模型网格简化的最优简化参数快速选定方法。本发明能够使三维网格模型在不同简化需求下快速选定最优简化参数，获得较好的特征维持效果和视觉观感。