趙秀艷,張亞雷,張開興,2,劉賢喜*

1.山東農(nóng)業(yè)大學機械與電子工程學院,山東泰安271018

2.山東省園藝機械與裝備重點實驗室,山東泰安271018

基于視覺特征的農(nóng)業(yè)機械三維模型相似性評價

趙秀艷1,張亞雷1,張開興1,2,劉賢喜1*

1.山東農(nóng)業(yè)大學機械與電子工程學院,山東泰安271018

2.山東省園藝機械與裝備重點實驗室,山東泰安271018

目前已有多種理論、方法應用到三維模型的相似性評價中，但是通過對三維模型進行投影，將其轉(zhuǎn)化為二維圖像，然后通過圖像匹配方式間接實現(xiàn)對模型的評價在農(nóng)機產(chǎn)品CAD模型領(lǐng)域卻少有應用。因此，本文以農(nóng)業(yè)機械零件三維模型的投影視圖為研究對象，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圖像邊緣特征提取比較，進行初期匹配，之后以極半徑不變矩對圖像的整體區(qū)域進行二次精確評價，分別計算圖像描述子的距離，最終實現(xiàn)農(nóng)業(yè)機械模型的相似性評價。結(jié)果表明，算法檢索性能取得了良好的檢索效果，能夠滿足實際要求。

農(nóng)業(yè)機械;三維模型;視覺特征提取

我國現(xiàn)階段農(nóng)業(yè)裝備產(chǎn)品在設(shè)計過程中普遍采用傳統(tǒng)設(shè)計方法，產(chǎn)品開發(fā)周期長、重復性設(shè)計多、設(shè)計資源難以重用，在產(chǎn)品型號、標準化程度和產(chǎn)品質(zhì)量上同國外農(nóng)機發(fā)展強國存在較大差距；同時中國農(nóng)機行業(yè)的基本國情使得中國農(nóng)機的設(shè)計任務(wù)與歐美發(fā)達國家相比要嚴峻得多，更加先進的設(shè)計方法[1,2]在農(nóng)業(yè)機械的設(shè)計中進行普及是一個迫切的要求。統(tǒng)計分析表明，盡管農(nóng)業(yè)機械產(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，快速查找出與目標模型相似相關(guān)的可重用模型是縮短研發(fā)周期、響應快速制造的一個重要的途徑。圖像匹配中的形狀描述子通常需要具備獨特性、完備性、特征不變性、靈敏性、抽象性等特點才能對圖形特征進行準確描述。形狀特征描述法主要有兩類，基于邊緣和基于區(qū)域?；谶吘壭螤钐卣魈崛∈怯妹娣e、周長、偏心率、角點、鏈碼、興趣點、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?；趨^(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]較為詳細地總結(jié)了數(shù)學形態(tài)學方法在醫(yī)學圖像處理方面的具體應用，但是以圖像的邊緣處理以及局部檢測匹配為主。楊少博等[5]提出了計算投影圖像輪廓邊緣上的每個點的輪廓夾角，統(tǒng)計夾角信息后進行傅里葉變換從而實現(xiàn)對邊緣輪廓特征的提取。

基于視圖方式對三維模型進行評價的方法主要有兩種，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等對模型進行“拍照”，獲取模型多視角透視圖之后對它們進行匹配實現(xiàn)模型相似性評價，但使用的圖像較多，對效率的影響較大?；谕队耙晥D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現(xiàn)模型的比較。盡管輸入的視圖較少會影響精度，但是本文依據(jù)零件的三維草圖已經(jīng)能夠?qū)δＰ瓦M行充分描述，最終決定以投影視圖為研究對象。經(jīng)實際觀察發(fā)現(xiàn)，農(nóng)業(yè)機械零件三視圖具有如下特點：(1)相比較于一般二維圖像，由于零件視圖的獲取方法相當標準化，因此零件與周邊區(qū)域進行區(qū)分較為容易，邊緣特征以及區(qū)域特征方便進行提?。煌瑫r零件幾乎沒有顏色特征、紋理特征，基于顏色、紋理的方法對農(nóng)業(yè)機械零件不適用；(2)投影特征的規(guī)則化。由于機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)域特征相互交錯現(xiàn)象較為嚴重，難以進行區(qū)分?；谝陨咸攸c，常規(guī)視圖特征提取、視圖比較方法對機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價方法。

1 算法實現(xiàn)原理

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

本文算法的實現(xiàn)步驟如下：

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

第二步：對存儲像素數(shù)組的容器進行處理，提取圖像的輪廓邊緣數(shù)據(jù)并對像素數(shù)據(jù)點進行稀化處理，采用傅里葉描述子對輪廓特征進行計算，計算圖像描述子的距離。

第三步：利用極半徑不變矩對三幅二值化圖像進行整體區(qū)域特征提取，依據(jù)三視圖的權(quán)重計算圖像加權(quán)值。

第四步：經(jīng)過兩次篩選之后，返回數(shù)據(jù)庫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動點的坐標變化是一個以形狀邊界周長為周期的函數(shù)，這個周期函數(shù)可以展開成傅立葉級數(shù)形式表示。傅立葉級數(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。當系數(shù)項取到足夠階次時，他可以將物體的形狀信息完全提取并恢復出來。根據(jù)傅里葉變換的性質(zhì)，必須對傅里葉描述子進行歸一化，使其具備平移、旋轉(zhuǎn)和尺度不變性之后才能對物體形狀進行識別。

下圖所示的是農(nóng)業(yè)機械的一個典型零件變速箱，為了減少像素的處理數(shù)量，提高算法的時間效率，我們對圖像輪廓邊緣像素點進行稀釋處理。在任意一點(x1,y1)處開始，沿邊界逆時針方向存儲記錄一系列出現(xiàn)的坐標對，便于后續(xù)計算使用。

傅里葉描述子中的高頻分量決定細節(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檢索部分，只是對圖像進行第一次過濾區(qū)分，雖然高頻分量越多，檢索結(jié)果越精確，這里暫時取10個分量。

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為邊界像素的個數(shù)，則圖像重心的計算公式為：

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

令f作為歸一化描述子:

假定計算得到的兩幅圖像的描述子分別是f1，f2，則兩個描述子距離公式為：

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，能同時識別連續(xù)、分離的區(qū)域特征以及封閉、開放的邊緣特征，同時具有平移、旋轉(zhuǎn)、尺度不變性等優(yōu)良實用特性，對圖像處理時可以省略歸一化、標準化等處理，相比較于HU矩優(yōu)勢較為突出。

對于一個二值化圖像，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個極半徑矩描述量，每一幅圖像采用4個描述子，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。

則此時極半徑不變矩描述子的計算公式為是:

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。原型系統(tǒng)主要功能有新建模型庫、模型入庫以及模型檢索。針對不同領(lǐng)域模型分別建立專門領(lǐng)域模型庫，入庫操作主要是對模型進行特征提取，然后以文本文件的方式進行特征保存，模型檢索又分為視圖檢索以及整體檢索，本文對視圖檢索進行演示，整體檢索采用的是經(jīng)典形狀分布算法，為了對本文算法的性能、效率進行展示，我們將與整體檢索的結(jié)果進行對比展示。圖6是視圖檢索的主要界面，采用的模型是收獲機械中的撥禾輪，圖7是進行視圖檢索之后的結(jié)果展示。

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

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)果進行展示Fig.7Demonstrationoftheretrievalresults

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

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

圖9 裝配體設(shè)計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入到專業(yè)的CAD軟件中，因而便可以進行快速設(shè)計，圖8、圖9分別展示的是傳動系裝配體以及撥禾輪裝配體的設(shè)計。

為對檢索效果進行量化評價，我們引入經(jīng)典的查全-查準曲線。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)庫中經(jīng)過專家組認定的與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。

假定對于檢索模型q，專家組判定的在模型庫中相似、相關(guān)模型集合Rq={d3、d5、d9、d25、d39、d44、d56、d71、d89、d123}，數(shù)量為10個，檢索算法對查詢q，返回的檢索結(jié)果數(shù)量為15個，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)計算得到查全率Recall=5/10，查準率Precision=5/15，得到的數(shù)據(jù)對(查全率，查準率)=(0.500， 0.333)。選取模型庫中典型零件進行測試，分別計算每一個零件的查全率與查準率，選取20個數(shù)據(jù)對，以查全率為橫坐標，查準率作為縱坐標，在坐標系中確定它們位置，形成曲線。

理想情況下查準率應該恒定為1，實際試驗情況下，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，本文的光場算法檢索效果要優(yōu)于經(jīng)典形狀算法。

圖10 查全查準曲線對比Fig.10 Comparison of Recall-Precision

4 結(jié)束語

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

[1]王樹才,鄧在京,文友先.我國農(nóng)業(yè)機械CAD的發(fā)展思路[J].農(nóng)業(yè)機械學報,2004,35(1):160-169

[2]閻楚良,楊方飛.農(nóng)業(yè)機械產(chǎn)品數(shù)字化設(shè)計技術(shù)及展望[J].中國工程科學,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,2005

[4]趙于前.基于數(shù)學形態(tài)學的醫(yī)學圖像處理理論與方法研究[D].長沙:中南大學,2006

[5]楊少博.基于視覺圖像的三維模型檢索與語義標注技術(shù)研究[D].西安:西北大學,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形狀識別[D].上海:上海交通大學,2009

[8]曹茂永,孫農(nóng)亮,郁道銀.用于模式識別的極半徑不變矩[J].計算機學報,2004,27(6):860-864

[9]張淵.基于Open CASCADE的虛擬三維建模平臺的開發(fā)[D].濟南:山東大學,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

山東省自然科學基金資助項目(ZR2015EL022);十二五國家科技支撐計劃資助項目(2011BAD20B01)

趙秀艷(1977-),女,講師,博士,從事計算機輔助設(shè)計/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