基于視覺特征的農(nóng)業(yè)機(jī)械三維模型相似性評(píng)價(jià)

趙秀艷,張亞雷,張開興,2,劉賢喜*

1.山東農(nóng)業(yè)大學(xué)機(jī)械與電子工程學(xué)院,山東泰安271018

2.山東省園藝機(jī)械與裝備重點(diǎn)實(shí)驗(yàn)室,山東泰安271018

基于視覺特征的農(nóng)業(yè)機(jī)械三維模型相似性評(píng)價(jià)

趙秀艷1,張亞雷1,張開興1,2,劉賢喜1*

1.山東農(nóng)業(yè)大學(xué)機(jī)械與電子工程學(xué)院,山東泰安271018

2.山東省園藝機(jī)械與裝備重點(diǎn)實(shí)驗(yàn)室,山東泰安271018

目前已有多種理論、方法應(yīng)用到三維模型的相似性評(píng)價(jià)中，但是通過對(duì)三維模型進(jìn)行投影，將其轉(zhuǎn)化為二維圖像，然后通過圖像匹配方式間接實(shí)現(xiàn)對(duì)模型的評(píng)價(jià)在農(nóng)機(jī)產(chǎn)品CAD模型領(lǐng)域卻少有應(yīng)用。因此，本文以農(nóng)業(yè)機(jī)械零件三維模型的投影視圖為研究對(duì)象，提出了一種兩階段檢索方法，首先以傅里葉描述子作為過濾方法對(duì)圖像邊緣特征提取比較，進(jìn)行初期匹配，之后以極半徑不變矩對(duì)圖像的整體區(qū)域進(jìn)行二次精確評(píng)價(jià)，分別計(jì)算圖像描述子的距離，最終實(shí)現(xiàn)農(nóng)業(yè)機(jī)械模型的相似性評(píng)價(jià)。結(jié)果表明，算法檢索性能取得了良好的檢索效果，能夠滿足實(shí)際要求。

農(nóng)業(yè)機(jī)械;三維模型;視覺特征提取

我國(guó)現(xiàn)階段農(nóng)業(yè)裝備產(chǎn)品在設(shè)計(jì)過程中普遍采用傳統(tǒng)設(shè)計(jì)方法，產(chǎn)品開發(fā)周期長(zhǎng)、重復(fù)性設(shè)計(jì)多、設(shè)計(jì)資源難以重用，在產(chǎn)品型號(hào)、標(biāo)準(zhǔn)化程度和產(chǎn)品質(zhì)量上同國(guó)外農(nóng)機(jī)發(fā)展強(qiáng)國(guó)存在較大差距；同時(shí)中國(guó)農(nóng)機(jī)行業(yè)的基本國(guó)情使得中國(guó)農(nóng)機(jī)的設(shè)計(jì)任務(wù)與歐美發(fā)達(dá)國(guó)家相比要嚴(yán)峻得多，更加先進(jìn)的設(shè)計(jì)方法[1,2]在農(nóng)業(yè)機(jī)械的設(shè)計(jì)中進(jìn)行普及是一個(gè)迫切的要求。統(tǒng)計(jì)分析表明，盡管農(nóng)業(yè)機(jī)械產(chǎn)品一直在不斷地更新?lián)Q代，但是只有約20%的零部件屬于全新的功能、結(jié)構(gòu)。因此，在新產(chǎn)品的研發(fā)過程中，快速查找出與目標(biāo)模型相似相關(guān)的可重用模型是縮短研發(fā)周期、響應(yīng)快速制造的一個(gè)重要的途徑。圖像匹配中的形狀描述子通常需要具備獨(dú)特性、完備性、特征不變性、靈敏性、抽象性等特點(diǎn)才能對(duì)圖形特征進(jìn)行準(zhǔn)確描述。形狀特征描述法主要有兩類，基于邊緣和基于區(qū)域。基于邊緣形狀特征提取是用面積、周長(zhǎng)、偏心率、角點(diǎn)、鏈碼、興趣點(diǎn)、傅里葉描述子、矩描述子等特征來描述物體的形狀，適用于圖像邊緣較為清晰、容易獲取的圖像。基于區(qū)域的形狀特征提取的主要思路是通過圖像分割技術(shù)提取出圖像中感興趣的物體，依靠區(qū)域內(nèi)像素的顏色分布信息提取圖像特征，適合于區(qū)域能夠較為準(zhǔn)確地分割出來、區(qū)域內(nèi)顏色分布較為均勻的圖像。白翔等[3]將基于骨架圖的形狀匹配方法應(yīng)用于自然物體的圖像匹配，雖取得較好效果，但是此方法大多適用于生物圖像類檢索；趙于前等[4]較為詳細(xì)地總結(jié)了數(shù)學(xué)形態(tài)學(xué)方法在醫(yī)學(xué)圖像處理方面的具體應(yīng)用，但是以圖像的邊緣處理以及局部檢測(cè)匹配為主。楊少博等[5]提出了計(jì)算投影圖像輪廓邊緣上的每個(gè)點(diǎn)的輪廓夾角，統(tǒng)計(jì)夾角信息后進(jìn)行傅里葉變換從而實(shí)現(xiàn)對(duì)邊緣輪廓特征的提取。

基于視圖方式對(duì)三維模型進(jìn)行評(píng)價(jià)的方法主要有兩種，基于透視圖方法以及基于投影視圖方法。基于透視圖[6]的方式是用一種正多面體將模型包圍，然后通過正多面體的頂點(diǎn)等對(duì)模型進(jìn)行“拍照”，獲取模型多視角透視圖之后對(duì)它們進(jìn)行匹配實(shí)現(xiàn)模型相似性評(píng)價(jià)，但使用的圖像較多，對(duì)效率的影響較大。基于投影視圖是利用三視圖的原理，輸入模型的主視圖、左視圖、俯視圖，然后從中提取特征實(shí)現(xiàn)模型的比較。盡管輸入的視圖較少會(huì)影響精度，但是本文依據(jù)零件的三維草圖已經(jīng)能夠?qū)δＰ瓦M(jìn)行充分描述，最終決定以投影視圖為研究對(duì)象。經(jīng)實(shí)際觀察發(fā)現(xiàn)，農(nóng)業(yè)機(jī)械零件三視圖具有如下特點(diǎn)：(1)相比較于一般二維圖像，由于零件視圖的獲取方法相當(dāng)標(biāo)準(zhǔn)化，因此零件與周邊區(qū)域進(jìn)行區(qū)分較為容易，邊緣特征以及區(qū)域特征方便進(jìn)行提取；同時(shí)零件幾乎沒有顏色特征、紋理特征，基于顏色、紋理的方法對(duì)農(nóng)業(yè)機(jī)械零件不適用；(2)投影特征的規(guī)則化。由于機(jī)械零件大多是由大量的基本幾何特征以及少數(shù)的不規(guī)則特征、特殊特征組成，這也就決定了零件的視圖中二維常見幾何形狀較多，不規(guī)則曲線、曲面較少；(3)正交視圖的特性決定了主視圖、俯視圖、左視圖的內(nèi)容“重疊性”較高，觀察三視圖的線框表示可以得出，正交視圖使得模型的區(qū)域特征相互交錯(cuò)現(xiàn)象較為嚴(yán)重，難以進(jìn)行區(qū)分。基于以上特點(diǎn)，常規(guī)視圖特征提取、視圖比較方法對(duì)機(jī)械零件不能完全適用。基于此，本文提出了一種新的基于視圖的模型相似性評(píng)價(jià)方法。

1 算法實(shí)現(xiàn)原理

圖1 算法實(shí)現(xiàn)技術(shù)路線圖Fig.1 The technical processes of algorithm

本文算法的實(shí)現(xiàn)步驟如下：

第一步：利用通用CAD系統(tǒng)獲取模型的三視圖，并對(duì)視圖進(jìn)行二值化處理，對(duì)視圖數(shù)據(jù)像素點(diǎn)位置進(jìn)行存儲(chǔ)。

第二步：對(duì)存儲(chǔ)像素?cái)?shù)組的容器進(jìn)行處理，提取圖像的輪廓邊緣數(shù)據(jù)并對(duì)像素?cái)?shù)據(jù)點(diǎn)進(jìn)行稀化處理，采用傅里葉描述子對(duì)輪廓特征進(jìn)行計(jì)算，計(jì)算圖像描述子的距離。

第三步：利用極半徑不變矩對(duì)三幅二值化圖像進(jìn)行整體區(qū)域特征提取，依據(jù)三視圖的權(quán)重計(jì)算圖像加權(quán)值。

第四步：經(jīng)過兩次篩選之后，返回?cái)?shù)據(jù)庫(kù)中與輸入圖像相似的三維模型數(shù)據(jù)。

2 算法描述子介紹

2.1 傅里葉描述子

傅立葉描述子[7]的基本思想：假定物體的形狀是一條封閉的曲線，沿邊界曲線上的一個(gè)動(dòng)點(diǎn)的坐標(biāo)變化是一個(gè)以形狀邊界周長(zhǎng)為周期的函數(shù)，這個(gè)周期函數(shù)可以展開成傅立葉級(jí)數(shù)形式表示。傅立葉級(jí)數(shù)中的一系列系數(shù)是直接與邊界曲線的形狀有關(guān)的，稱為傅立葉描述子。當(dāng)系數(shù)項(xiàng)取到足夠階次時(shí)，他可以將物體的形狀信息完全提取并恢復(fù)出來。根據(jù)傅里葉變換的性質(zhì)，必須對(duì)傅里葉描述子進(jìn)行歸一化，使其具備平移、旋轉(zhuǎn)和尺度不變性之后才能對(duì)物體形狀進(jìn)行識(shí)別。

下圖所示的是農(nóng)業(yè)機(jī)械的一個(gè)典型零件變速箱，為了減少像素的處理數(shù)量，提高算法的時(shí)間效率，我們對(duì)圖像輪廓邊緣像素點(diǎn)進(jìn)行稀釋處理。在任意一點(diǎn)(x1,y1)處開始，沿邊界逆時(shí)針方向存儲(chǔ)記錄一系列出現(xiàn)的坐標(biāo)對(duì)，便于后續(xù)計(jì)算使用。

傅里葉描述子中的高頻分量決定細(xì)節(jié)部分，低頻分量決定總體形狀。本文采取傅里葉方法作為檢索的預(yù)檢索部分，只是對(duì)圖像進(jìn)行第一次過濾區(qū)分，雖然高頻分量越多，檢索結(jié)果越精確，這里暫時(shí)取10個(gè)分量。

圖2 變速箱輪廓圖Fig.2 The profiles of transmission

圖3 視圖輪廓與重心的距離Fig.3 The distance between outline view and the focus

設(shè)(xc，yc)為圖像重心，N為邊界像素的個(gè)數(shù)，則圖像重心的計(jì)算公式為：

定義r(t)=([x(t)-xc]2+[y(t)-yc]2)1/2為邊界點(diǎn)與重心的距離，圖3展示的是三幅視圖輪廓與重心的距離情況。此時(shí)傅里葉系數(shù):

令f作為歸一化描述子:

假定計(jì)算得到的兩幅圖像的描述子分別是f1，f2，則兩個(gè)描述子距離公式為：

2.2 極半徑不變矩

圖4 俯視圖Fig.4 The vertical view

曹茂永等[8]提出的極半徑矩，能同時(shí)識(shí)別連續(xù)、分離的區(qū)域特征以及封閉、開放的邊緣特征，同時(shí)具有平移、旋轉(zhuǎn)、尺度不變性等優(yōu)良實(shí)用特性，對(duì)圖像處理時(shí)可以省略歸一化、標(biāo)準(zhǔn)化等處理，相比較于HU矩優(yōu)勢(shì)較為突出。

對(duì)于一個(gè)二值化圖像，定義該圖像的第p階極半徑矩定義為:

其中，ds=rdrdθ為極坐標(biāo)下(r,θ)處的單元面積，r=[(x-xc)2+(y-yc)2]1/2為極半徑；區(qū)域的形心為(xc,yc)；其中，

本文取p為1，2，3，4得到4個(gè)極半徑矩描述量，每一幅圖像采用4個(gè)描述子，共3幅圖像，如果主視圖，左視圖，俯視圖的權(quán)重分別是0.4,0.3,0.3。

則此時(shí)極半徑不變矩描述子的計(jì)算公式為是:

表1 視圖的極半徑矩值Table 1 Values of polar radius

3 結(jié)果演示

如圖5所示是軟件的主要實(shí)現(xiàn)界面。系統(tǒng)以Microsoft Visual Studio 2008為集成開發(fā)環(huán)境，以O(shè)pen Cascade[9]為幾何內(nèi)核開發(fā)平臺(tái)。原型系統(tǒng)主要功能有新建模型庫(kù)、模型入庫(kù)以及模型檢索。針對(duì)不同領(lǐng)域模型分別建立專門領(lǐng)域模型庫(kù)，入庫(kù)操作主要是對(duì)模型進(jìn)行特征提取，然后以文本文件的方式進(jìn)行特征保存，模型檢索又分為視圖檢索以及整體檢索，本文對(duì)視圖檢索進(jìn)行演示，整體檢索采用的是經(jīng)典形狀分布算法，為了對(duì)本文算法的性能、效率進(jìn)行展示，我們將與整體檢索的結(jié)果進(jìn)行對(duì)比展示。圖6是視圖檢索的主要界面，采用的模型是收獲機(jī)械中的撥禾輪，圖7是進(jìn)行視圖檢索之后的結(jié)果展示。

本文在實(shí)現(xiàn)經(jīng)典形狀分布算法[10]之后，與光場(chǎng)方法的檢索性能之一進(jìn)行了對(duì)比展示，結(jié)果如表2所示。表中的數(shù)字1代表光場(chǎng)算法，2代表形狀分布算法。我們選取前6個(gè)檢索結(jié)果。采取的檢索模型分別是農(nóng)業(yè)機(jī)械中的撥禾輪、軸瓦、鏈輪、齒輪、變速箱以及存糧裝置。對(duì)于檢索的模型，算法1、2分別檢索到的較為準(zhǔn)確的模型數(shù)目分別是4、3個(gè)，3、3個(gè)，6、4個(gè)，5、4，4、3，5、4個(gè)。對(duì)檢索結(jié)果進(jìn)行對(duì)比分析可以發(fā)現(xiàn)，同形狀分布算法相比較，光場(chǎng)算法得到的結(jié)果在較為穩(wěn)定的同時(shí)，準(zhǔn)確率較高。

圖5 軟件主界面Fig.5Maininterfaceofthesoftware

圖6 視圖檢索主要界面Fig.6Maininterfaceoftheretrievalview

圖7 檢索結(jié)果進(jìn)行展示Fig.7Demonstrationoftheretrievalresults

表2 算法檢索結(jié)果對(duì)比Table 2 Comparison of two algorithms

圖8 裝配體設(shè)計(jì)1Fig.8 Design for assembly 1

圖9 裝配體設(shè)計(jì)2Fig.9 Design for assembly 2

通過本文的算法檢索到零件后，我們便可以將模型導(dǎo)入到專業(yè)的CAD軟件中，因而便可以進(jìn)行快速設(shè)計(jì)，圖8、圖9分別展示的是傳動(dòng)系裝配體以及撥禾輪裝配體的設(shè)計(jì)。

為對(duì)檢索效果進(jìn)行量化評(píng)價(jià)，我們引入經(jīng)典的查全-查準(zhǔn)曲線。假設(shè)用戶提交的需要查詢的三維模型是q，而M是數(shù)據(jù)庫(kù)中經(jīng)過專家組認(rèn)定的與q相關(guān)的三維模型的集合，R是檢索算法返回的結(jié)果集，則兩者的計(jì)算公式分別是：

查全率表示返回的正確檢索模型占與q相近、相關(guān)模型的比例，反映了系統(tǒng)返回正確檢索結(jié)果的數(shù)量方面能力，而查準(zhǔn)率表示返回的檢索結(jié)果中，相似模型占所有返回結(jié)果的比例，反映了系統(tǒng)返回結(jié)果的精確性能力。

假定對(duì)于檢索模型q，專家組判定的在模型庫(kù)中相似、相關(guān)模型集合Rq={d3、d5、d9、d25、d39、d44、d56、d71、d89、d123}，數(shù)量為10個(gè)，檢索算法對(duì)查詢q，返回的檢索結(jié)果數(shù)量為15個(gè)，返回模型分別是{d123*、d84、d56*、d6、d8、d9*、d511、d129、d187、d25*、d38、d48、d250、d113、d3*}，根據(jù)公式(5)、(6)計(jì)算得到查全率Recall=5/10，查準(zhǔn)率Precision=5/15，得到的數(shù)據(jù)對(duì)(查全率，查準(zhǔn)率)=(0.500， 0.333)。選取模型庫(kù)中典型零件進(jìn)行測(cè)試，分別計(jì)算每一個(gè)零件的查全率與查準(zhǔn)率，選取20個(gè)數(shù)據(jù)對(duì)，以查全率為橫坐標(biāo)，查準(zhǔn)率作為縱坐標(biāo)，在坐標(biāo)系中確定它們位置，形成曲線。

理想情況下查準(zhǔn)率應(yīng)該恒定為1，實(shí)際試驗(yàn)情況下，曲線越靠上，表征該算法的執(zhí)行效果越好。從圖10可以看出，本文的光場(chǎng)算法檢索效果要優(yōu)于經(jīng)典形狀算法。

圖10 查全查準(zhǔn)曲線對(duì)比Fig.10 Comparison of Recall-Precision

4 結(jié)束語

針對(duì)產(chǎn)品三維CAD模型三視圖的特點(diǎn)，提出了一種兩階段過濾檢索的視圖檢索方法。考慮到機(jī)械零件視圖外形總體較為規(guī)整，同時(shí)也包含一定量不規(guī)則形狀的特點(diǎn)，首先使用傅里葉描述子對(duì)圖像的邊緣特征進(jìn)行了初次描述，之后考慮到了模型視圖中區(qū)域特征相互交錯(cuò)、難以區(qū)分的特點(diǎn)，使用極半徑不變矩對(duì)視圖進(jìn)行整體性描述。試驗(yàn)結(jié)果表明，結(jié)果良好，能滿足實(shí)際檢索的需要。

[1]王樹才,鄧在京,文友先.我國(guó)農(nóng)業(yè)機(jī)械CAD的發(fā)展思路[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2004,35(1):160-169

[2]閻楚良,楊方飛.農(nóng)業(yè)機(jī)械產(chǎn)品數(shù)字化設(shè)計(jì)技術(shù)及展望[J].中國(guó)工程科學(xué),2006,8(9):14-18

[3]白翔.基于骨架的形狀匹配中若干問題的研究[D].武漢:華中科技大學(xué),2005

[4]趙于前.基于數(shù)學(xué)形態(tài)學(xué)的醫(yī)學(xué)圖像處理理論與方法研究[D].長(zhǎng)沙:中南大學(xué),2006

[5]楊少博.基于視覺圖像的三維模型檢索與語義標(biāo)注技術(shù)研究[D].西安:西北大學(xué),2007

[6]Chen Ding-yun,Tian Xiao-pei,Shen Yu-te,et al.On Visual Similarity Based 3D Model Retrieval[M].Taipei:National Taiwan University,2003

[7]張金華.基于矩特征傅里葉描述的目標(biāo)形狀識(shí)別[D].上海:上海交通大學(xué),2009

[8]曹茂永,孫農(nóng)亮,郁道銀.用于模式識(shí)別的極半徑不變矩[J].計(jì)算機(jī)學(xué)報(bào),2004,27(6):860-864

[9]張淵.基于Open CASCADE的虛擬三維建模平臺(tái)的開發(fā)[D].濟(jì)南:山東大學(xué),2007

[10]Osada R,Funkhouser T,Chazelle B.Shape distributions[J].ACM Transactions on Graphics,2002,21(4):807-832

The Similar Evaluation on the 3D Model of Agricultural Machinery Based onVisualFeature

ZHAO Xiu-yan1,ZHANG Ya-lei1,ZHANG Kai-xing1,2,LIU Xian-xi1*
1.College of Mechanical and Electronic Engineering/Shandong Agricultural University,Tai’an 271018,China
2.Shandong Provincial Key Laboratory of Horticultural Machineries and Equipments,Tai’an 271018,China

There are various theories and methods applied to evaluate the similarity of 3D models until now.However, converting them into 2D images and achieving matching of image to realize the assessment are hardly adopted in specific CAD fields.This paper proposed a two-phases retrieval method based on agricultural mechanical parts’projection views aimed at the situation.Firstly,we adopted Fourier descriptor to extract edge information as initial matching and then calculate features of whole area by the use of polar radius of invariant moment for accurate evaluation after computing the difference between image descriptors,finally,we realized the similarity evaluation of agricultural mechanical parts.Test results showed that our algorithm had good retrieval performance and achieved great efficiency,so it could satisfy the actual requirements.

Agricultural machinery;3D model;visual feature extraction

TP391.72

A

1000-2324(2016)06-0879-06

2015-11-13俢回日期:2016-04-15

山東省自然科學(xué)基金資助項(xiàng)目(ZR2015EL022);十二五國(guó)家科技支撐計(jì)劃資助項(xiàng)目(2011BAD20B01)

趙秀艷(1977-),女,講師,博士,從事計(jì)算機(jī)輔助設(shè)計(jì)/農(nóng)業(yè)信息化的研究.E-mail:sdauzhaoxiuyan@163.com

*通訊作者:Author for correspondence.E-mail:wjbliu@sdau.edu.cn