АНАЛІЗ ОСНОВНИХ МЕТОДІВ РОЗПІЗНАВАННЯ КРЕСЛЕНЬ ТА МОЖЛИВОСТЕЙ ТРАНСФОРМАЦІЇ З 2D У 3D
DOI:
https://doi.org/10.28925/2663-4023.2022.16.185193Ключові слова:
2D; 3D; розпізнавання; штучні нейронні мережі; креслення; двовимірні моделі; тривимірні моделіАнотація
У статті викладено аналіз основних методів для розпізнавання креслень та можливостей трансформації двовимірних моделей (2D) у тривимірні моделі (3D). Незважаючи на швидкий розвиток ІТ все ж питання точності та швидкості перетворення двовимірних моделей у тривимірні залишається відкритим. В міру розвитку технологій машинного проектування та відповідних систем автоматизованого прийняття рішень (САПР) кількість методів і моделей, які можуть бути потенційно використані в задачі розпізнавання креслень та трансформації стрімко зростає. На сьогоднішній день існує достатньо велика кількість методів розпізнавання креслень та їх перетворення у тривимірну модель, проте кожен із них має певну кількість недоліків. Тому є потреба проведення комплексного аналізу даних методів, які потенційно можуть бути застосовані у контексті вирішення завдань розпізнавання креслень та трансформації .
Слід зазначити, що існує суперечність між традиційною процедурою підготовки креслярської документації на паперових носіях до 80-90-х років 20-го століття та новими методами 3D моделювання, що отримали розвиток із середини 90-х років. Це дає дійсно безмежні можливості конструкторам готувати проектно-технічну документацію, не зациклюючись на проблемі підготовки креслярсько-конструкторської документації та особливостях введення вихідних даних. Істотно полегшує цей процес застосування прикладного програмного забезпечення. Зауважимо, що в більшості систем 3D (наприклад, програмні продукти Autodesk TinkerCAD, DesignSpark Mechanical, FreeCAD, Autodesk AutoCAD, ZBrush, Blender та ін.) застосовуються підходи, які дозволяють синтезувати каркасне або граничне уявлення об’єкта, що моделюється в просторі. У професійних системах (наприклад Autodesk 3ds Max, Autodesk Maya) використовують узагальнені моделі просторових об’єктів. Таке уявлення передбачає наявність у проектувальників відповідних інформаційних масивів, які апріорі повинні відповідати всім проекціям об’єкта у трьох основних площинах.
Завантаження
Посилання
Sutherland, I.E. (1963). SCETCHPAD: A Man-Machine Graphical Communication System. Proc. SJCC 23.
Thornton, R.W. (1978). Interactive Modelling in Three Dimensions through Two-Dimensional Windows. Third International Conference and Exhibition on Computer in Engineering and Building Design.
Idesawa, M. (1973). A system to generate a solid figure from three view. Bulletin of JSME, 16(92), 216–225. https://doi.org/10.1299/jsme1958.16.216.
Woo, T.C., Hammer, J.M. (1977) Recognition of Three Dimensional designs from orthographic projections. In Proc. 9th CIRP Conference: Cranfield Institute of Technology, (pp. 247 – 255)
Preiss, K. (1980). Constructing the 3D representation of a plane-faced object from a digitized engineering drawing. Computer-Aided Design, 12(2), 83. https://doi.org/10.1016/0010-4485(80)90481-9.
Preiss, K. (1984) Constructing the Solid representation from engineering projections. Computer & Graphics,8(4), 381 –389.
Haralick, R.M., Queeney, D. (1982) Understanding engineering drawings. Comp. Graphics and Image Processing, 20(3), 244 – 258.
Markowsky, G., Wesley, M.A. (1981). Fleshing out projections. IBM J. Res& Develop, 25(6), 934 – 954.
G Markowsky, G., Wesley, M.A. (1980). Fleshing out wire frames. IBM J. Res.& Develop, 24(5), 582 – 587.
Markowsky, G., Wesley, M.A. (1986). Generation of solid models from two-dimensional and three-dimensional data. In Pickett, MS and Boyse, J M (eds). Solid modelling by computer: from theory to application: Plenum, 23 – 51.
Sakurai, H., Gossard, D.C. (1983) Solid Model Input Through Orthographic Views. Computer Graphics, 17(3), 243 – 252.
Wang, Z., Tsumura, K., Saito, Y. (1994). Recognition of hand-written mechanical drawing by multi-level neural network (MLNN). In Advancement of intelligent production (pp. 1–6). Elsevier. https://doi.org/10.1016/b978-0-444-81901-7.50015-3
Elyan, E., Jamieson, L., Ali-Gombe, A. (2020). Deep learning for symbols detection and classification in engineering drawings. Neural Networks, 129, 91-102. https://doi.org/10.1016/j.neunet.2020.05.025.
Zehtaban, L., Elazhary, O., Roller, D. (2016). A framework for similarity recognition of CAD models. Journal of Computational Design and Engineering, 3, 274-285. https://doi.org/10.1016/j.jcde.2016.04.002.
Wang, Z., Latif, M. (2007). Reconstruction of 3D Solid Models Using Fuzzy Logic Recognition. Proceedings of the World Congress on Engineering, 1, 37-42.
Kargas, A., Cooley, P., Richards, T. H. E. (1988). Interpretation of engineering drawings as solid models. Computer-Aided Engineering Journal, 5(2), 67. https://doi.org/10.1049/cae.1988.0016.
(1988). EUCLID. Technical Report. MATRA Datavision.
Omura, G. (2012). Mastering AutoCAD 2013 and AutoCAD LT 2013. John Wiley & Sons.
Avetisyan, A., Dahnert, M., Dai, A., Savva, M., Chang, A. X., Nießner, M. (2019). Scan2cad: Learning cad model alignment in rgb-d scans. In Proceedings of the IEEE/CVF Conference on computer vision and pattern recognition (pp. 2614-2623).
https://doi.org/10.48550/arXiv.1811.11187
Yuan, S., Chan, H. C. S., Filipek, S., Vogel, H. (2016). PyMOL and inkscape bridge the data and the data visualization. Structure, 24(12), 2041–2042. https://doi.org/10.1016/j.str.2016.11.012
