基于結(jié)構(gòu)特征的海量三維模型管理方法

陳充澤， 蔡鴻明， 姜麗紅

(上海交通大學(xué)軟件學(xué)院，上海 200240)

基于結(jié)構(gòu)特征的海量三維模型管理方法

陳充澤， 蔡鴻明， 姜麗紅

(上海交通大學(xué)軟件學(xué)院，上海 200240)

虛擬現(xiàn)實(shí)和 3D可視化技術(shù)的發(fā)展帶來三維模型的海量增長，傳統(tǒng)方法采用關(guān)鍵字匹配方式檢索和管理海量模型數(shù)據(jù)，不能滿足語義級(jí)別的模型檢索和管理要求。提出一種基于結(jié)構(gòu)特征的海量三維模型管理方法。使用該方法的思路框架，分析海量模型實(shí)例，通過聚類與分類的方法進(jìn)行概念發(fā)現(xiàn)，構(gòu)建管理特定領(lǐng)域的本體庫，基于本體庫設(shè)計(jì)并實(shí)現(xiàn)基于結(jié)構(gòu)特征的三維模型管理系統(tǒng)，最后對(duì)系統(tǒng)進(jìn)行應(yīng)用和驗(yàn)證。結(jié)果表明該方法很好地解決了傳統(tǒng)三維模型管理從單一維度管理模型的低效、冗余和難以重用，實(shí)現(xiàn)了三維模型的多維度高效檢索和管理。

虛擬現(xiàn)實(shí)；三維模型；本體；語義

虛擬現(xiàn)實(shí)和3D可視化技術(shù)的飛速發(fā)展，促進(jìn)了三維模型的廣泛應(yīng)用。由此帶來的海量模型管理成為一個(gè)比較大的難題。傳統(tǒng)方法是通過基于關(guān)鍵字或者模型簡單幾何特征的方式進(jìn)行管理，都存在一定的局限性。但通過領(lǐng)域本體模型可以很好的從多個(gè)維度描述一個(gè)模型，實(shí)現(xiàn)語義層次的檢索，使得模型數(shù)據(jù)管理的性能有很大地提高。另一方面，越來越多的虛擬現(xiàn)實(shí)環(huán)境也對(duì)三維技術(shù)與其他技術(shù)產(chǎn)生了需求，比如三維形體的語義檢索，三維物體的結(jié)構(gòu)信息表述，三維物體的重用等。如果沒有良好的軟件支持，將極大地限制三維模型在設(shè)計(jì)和應(yīng)用中所起到的作用。因此，針對(duì)海量三維模型的管理對(duì)底層的軟件提出了更高的需求。

目前基于內(nèi)容和關(guān)鍵字的模型管理研究，在學(xué)術(shù)界和產(chǎn)業(yè)界的應(yīng)用已較為成熟。普林斯頓大學(xué)形狀檢索與分析小組開發(fā)的三維模型搜索引擎 3D Model Search Engine和谷歌公司開發(fā)的基于三維建模軟件 SketchUp的模型檢索和管理系統(tǒng) 3D Warehouse采取傳統(tǒng)的關(guān)鍵字匹配方法，由于不同用戶對(duì)關(guān)鍵字的理解不相同，所以這種方法存在耗時(shí)費(fèi)力，結(jié)果不準(zhǔn)確等諸多問題。由于關(guān)鍵字很難描述三維形體表示出來的所有信息，因此很難保證查準(zhǔn)率和查全率[1-2]。國內(nèi)的一些研究已經(jīng)在嘗試使用本體語義規(guī)則來進(jìn)行三維模型的檢索和管理，但對(duì)于幾何結(jié)構(gòu)特征的分析還不完全。翁承志[3]在其論文中提出了一種方法：利用本體給三維形體添加語義信息，利用本體的推理功能，最后調(diào)用相關(guān)程序，利用現(xiàn)有模型引導(dǎo)出相關(guān)的三維場景動(dòng)畫，并在計(jì)算機(jī)上顯示出來，以滿足初學(xué)者實(shí)現(xiàn)三維場景的智能交互的功能需求。該方法的不足在于必須事先構(gòu)建相關(guān)領(lǐng)域的本體庫，并且所實(shí)現(xiàn)的檢索主要是內(nèi)容和關(guān)鍵字檢索。阮佳彬等[4]提出了基于本體詞匯的三維模型語義檢索的方法。首先對(duì)一個(gè)三維模型庫的詞匯進(jìn)行語義上擴(kuò)充，然后基于關(guān)鍵詞進(jìn)行檢索，而不是做簡單的文字匹配。能有效地將一個(gè)分類不夠豐富的模型庫的詞匯做較大的擴(kuò)充，使其覆蓋的范圍擴(kuò)大，同時(shí)保證擴(kuò)充的詞匯和原有詞匯在語義上的相關(guān)性，從而提高基于語義關(guān)鍵詞檢索三維模型的有效性。不足在于沒有挖掘自身結(jié)構(gòu)方面的語義關(guān)系，導(dǎo)致檢索能力不強(qiáng)。

本文將基于 X3D模型技術(shù)——專為萬維網(wǎng)而設(shè)計(jì)的三維圖像標(biāo)記語言，提出一種利用本體技術(shù)基于結(jié)構(gòu)特征來進(jìn)行三維模型管理的方法(a massive three-dimensional model management approach based on structural features, 提出TMMA框架)，輸入海量模型文件生成實(shí)例，通過分析實(shí)例的結(jié)構(gòu)特征進(jìn)行聚類和分類并提取結(jié)構(gòu)間關(guān)系，通過概念發(fā)現(xiàn)算法生成相關(guān)領(lǐng)域本體庫，基于本體庫設(shè)計(jì)三維模型管理系統(tǒng)，很好地解決了傳統(tǒng)三維模型管理從單一維度管理模型的低效、冗余和難以重用，實(shí)現(xiàn)三維模型的多維度高效檢索和管理。這一問題的解決將給三維模型應(yīng)用環(huán)境提供極大的便利。

1 語義本體的構(gòu)建與進(jìn)化

在知識(shí)管理領(lǐng)域，本體的研究具有重要的意義，本體論的出發(fā)點(diǎn)在于知識(shí)的共享和重用[5-6]。為了讓計(jì)算機(jī)能理解本體，通常采用具有推理能力的形式化描述語言來表示本體。本文將采用基于語義網(wǎng)絡(luò)的本體描述語言O(shè)WL。OWL建立在XML/RDF等已有標(biāo)準(zhǔn)的基礎(chǔ)上，通過添加大量的語義描述元語支持本體的描述和使用。

本體的構(gòu)建(ontology building)[7]主要有以下三種方式。人工構(gòu)建本體(主要有普林斯頓大學(xué)開發(fā)的WordNet[8]，斯坦福大學(xué)開發(fā)的Protégé[9])，半自動(dòng)本體構(gòu)建和自動(dòng)本體構(gòu)建。人工構(gòu)建并開發(fā)本體的方法費(fèi)時(shí)、費(fèi)力、成本很高，導(dǎo)致本體的構(gòu)建成為一項(xiàng)艱巨的任務(wù)。半自動(dòng)和自動(dòng)化本體構(gòu)建中的數(shù)據(jù)源大多來自領(lǐng)域文檔，或者來自于互聯(lián)網(wǎng)信息，利用機(jī)器學(xué)習(xí)和統(tǒng)計(jì)等技術(shù)，從這些文檔和互聯(lián)網(wǎng)信息中將相關(guān)領(lǐng)域概念中抽取出來，再根據(jù)聚類、分類等方法建立起概念之間的關(guān)系，獲取期望的本體。本文通過對(duì)海量三維模型進(jìn)行聚類與分類，對(duì)機(jī)器學(xué)習(xí)獲取的概念進(jìn)行定義(賦予名稱)，以準(zhǔn)自動(dòng)化的方式完成本體構(gòu)建。

本體進(jìn)化(ontology evolution)，又稱作本體演化，就是在現(xiàn)有領(lǐng)域本體基礎(chǔ)上，依據(jù)一定的理論、方法和標(biāo)準(zhǔn)，根據(jù)應(yīng)用的需要，對(duì)本體概念結(jié)構(gòu)、概念及關(guān)系不斷進(jìn)行豐富、完善、改進(jìn)、更新和評(píng)估的過程與方法[10-11]。這一界定主要強(qiáng)調(diào)兩點(diǎn)：①本體概念的不斷豐富；②本體概念的更新。本文運(yùn)用本體進(jìn)化技術(shù)，處理可能出現(xiàn)的新模型類帶來的本體概念更新以及舊模型類的淘汰。

2 基于結(jié)構(gòu)特征的三維模型管理

本文的研究主要圍繞基于結(jié)構(gòu)特征的三維模型管理方法(three-dimensional model management approach，TMMA)的框架研究。通過初期的海量X3D三維模型輸入，建立和完善初始本體；本體建立后，后期的模型輸入，可使用本體推理自動(dòng)分類管理，并在模型輸入過程中繼續(xù)完善和進(jìn)化本體。通過本體管理三維模型，可以提高檢索效率，消除二義性，提高一致性。研究框架如圖1所示。

圖1 三維模型管理方法框架

本文將以家具領(lǐng)域 X3D模型管理為例，介紹TMMA框架的實(shí)現(xiàn)思路。系統(tǒng)的關(guān)鍵算法(X3D模型→模型實(shí)例→初始本體)為：首先，模型按照基本形狀，形狀間拼接形式，通用屬性等進(jìn)行實(shí)例化；然后對(duì)實(shí)例化后的大量模型進(jìn)行概念發(fā)現(xiàn)(如聚類、分類算法等)；最后在有監(jiān)督的學(xué)習(xí)過程中進(jìn)行本體概念生成，生成初始本體庫。利用初始本體庫進(jìn)行模型管理，利用本體進(jìn)化維護(hù)概念的更新和完善。

3 基于結(jié)構(gòu)特征的模型管理算法

3.1 模型“骨架”抽取

模型文件分析與預(yù)處理：家具正常擺放在地面上，從機(jī)器的角度說就是相對(duì)于地面沒有經(jīng)過任何角度的旋轉(zhuǎn)和倒置。在計(jì)算機(jī)驗(yàn)證碼圖像識(shí)別技術(shù)中，顧翼和武妍[12]提到的基于細(xì)化的算法先用基于點(diǎn)像素的細(xì)化算法獲得字符骨架，然后檢查叉點(diǎn)，再將叉點(diǎn)間的線段提取出來，最后根據(jù)一些預(yù)定義規(guī)則將這些線段進(jìn)行合并。借鑒這種處理思路，可以將三維模型進(jìn)行扁平化處理，將空間體轉(zhuǎn)化為線和面，提取三維模型的主要結(jié)構(gòu)特征，即“骨架”。處理過程中將涉及的主要類型是空間體→面，空間體→線，空間面→線等。

“骨架”抽取的主要規(guī)則涉及以下情況：

(1) 長方體→面或線

步驟 1. 給定長方體的邊長集合為 B = {l, d, h}，其中三條邊不完全相等。

步驟2. 取邊長集合中最短邊 s ={l, d, h}min，其中min表示取集合中最小數(shù)即最短邊。

步驟 3. 消去邊長集合B中的最短邊s得到新集合B′ = {l - s, d - s, h - s}，此時(shí)新邊長集合B′中有一條邊被消去，即邊長為0，得到面；有兩條邊被消去時(shí)，得到線；特殊情況處理：產(chǎn)生面時(shí)，若剩余的兩邊比例(短邊∶長邊)小于設(shè)定閾值0.2，則將短邊消去，歸約為線。圖2(a)為長方體到線的歸約。

(2) 圓柱體→長方體

步驟 1. 給定圓柱體參數(shù)集合 C = {r, h}，其中r為圓柱體底面半徑，h為圓柱體側(cè)面高度。

步驟 2. 作圓柱體底面圓的外切正方形，邊長d = 2× r，側(cè)面高度h保持不變，與底面正方形一起作一個(gè)長方體。

步驟 3. 得到長方體之后使用(1)的歸約方法。由于底面是正方形，故通常最終被歸約為線，見圖2(b)。

(3) 復(fù)雜情形

如圖2(c)為某家具的背，由幾條縱橫交錯(cuò)的柱體組成。分析思路是將所有柱面歸約為平面長方體，再使用(1)的歸約方法。分析步驟如下。

步驟 1. 假設(shè)組成背面的柱體集合為V，得到集合中的任意柱體 vi∈ V, i = 1,2,… ,n 。

步驟 2. 對(duì)于V中任意三個(gè)平行柱體 vi, vj, vk∈V，其中vi∥ vj∥ vk，與 va∈ V均相交，可以判斷這四個(gè)柱體共面。

步驟 3. 由步驟(2)證得所有柱體共面，將V中柱面歸約為輪廓組成的最小包圍長方體M，見圖2(c)。

圖2 “骨架”抽取的主要規(guī)則

定義如表1，若將三維模型“骨架”與地面H做參照。其中與地面H水平的面叫做面(plane，P)，每一個(gè)面都有長邊(long edge，LE)與短邊(short edge，SE)，與地面垂直的面叫做背(back，B)，與地面垂直的線叫做腿(leg，L)。

表1 “骨架”參數(shù)定義

同時(shí)將“骨架”分層處理，按幾何結(jié)構(gòu)分層，一個(gè)(組)B，P，L為一層。分層的基準(zhǔn)按照拼接方式的改變，此處的改變主要為垂直拼接(真實(shí)環(huán)境中碰到分層的接口處，需用螺絲等加以固定，分層的核心就是找出這些螺絲固定處)。由下至上，如圖3(a)常見的椅子層次結(jié)構(gòu)為椅子腿，椅子面，椅子背三層結(jié)構(gòu)。

圖3 椅子的分層結(jié)構(gòu)

3.2 “模型→實(shí)例”映射

經(jīng)過抽取得到模型“骨架”后，將模型文件實(shí)例化，映射集M定義如下：

其中，T是三維模型“骨架”集，D是映射后的模型實(shí)例集，P是模型結(jié)構(gòu)間對(duì)應(yīng)的屬性關(guān)系集。實(shí)例di∈ D對(duì)應(yīng)結(jié)構(gòu)連通圖 Fi。

算法1. 模型實(shí)例的批量映射

輸入：模型“骨架”集 T={t1, t2, t3, … , tn}

屬性關(guān)系集合 P={ p1, p2, p3, … , pn}

輸出：模型實(shí)例集合 D={d1,d2, d3, … , dn}

FOREACH ti∈ T DO

FOR由下至上遍歷“骨架”結(jié)構(gòu)

IF發(fā)現(xiàn)結(jié)構(gòu)拼接點(diǎn) THEN

掃描當(dāng)前所在層結(jié)構(gòu)形狀作連通圖 Fi頂點(diǎn)；

END IF

若頂點(diǎn)中有面，計(jì)算邊長比 r = l/ s；

END FOR

連接 di連通圖 Fi的頂點(diǎn)間屬性關(guān)系 pj∈ P；

END FOREACH

以圖 3(a)中椅子模型“骨架”ta為例分析層次結(jié)構(gòu)，得到各層的拼接關(guān)系，生成結(jié)構(gòu)連通圖 Fa為實(shí)例 ia，如圖3(b)。

3.3 本體概念發(fā)現(xiàn)過程

得到模型實(shí)例后，進(jìn)入領(lǐng)域本體構(gòu)建階段，概念發(fā)現(xiàn)集B定義如下：

其中，D是算法1中得到的實(shí)例集，C是本體概念集。經(jīng)過三維模型到實(shí)例的映射之后，需輸入大量實(shí)例，可達(dá)數(shù)百個(gè)以上的規(guī)模，被稱為訓(xùn)練集，對(duì)相似實(shí)例進(jìn)行聚類和分類，完成監(jiān)督學(xué)習(xí)過程，識(shí)別出各個(gè)簇的家具概念，如，沙發(fā)、桌子、櫥柜、椅子、床等，構(gòu)建初始的家具本體庫。

算法2. 模型概念發(fā)現(xiàn)

輸入：模型實(shí)例訓(xùn)練集 D={d1, d2, d3, … , dn}

輸出：領(lǐng)域本體概念集合 C={c1, c2, c3, … , cn}

FOREACH di∈ D DO

LET 層次數(shù)相同的連通圖 Fi聚集，得到簇集K END FOREACH

FOREACH ki∈ K DO

匹配 Fij頂點(diǎn)，完全匹配的再次細(xì)分簇集 K1END FOREACH

FOREACH k1i∈ K1DO

IF F1ij有邊長比 r = l/ s THEN

根據(jù)r的范圍[1,1.5) ∩ [1.5,+ ∞)細(xì)分概念集C END IF

END FOREACH

由此算法可以得到構(gòu)建的初始家具本體樣例如圖4所示。

圖4 家具本體樣例

三維模型實(shí)例中還包含一些通用屬性，如顏色(color)，紋理(texture)，材質(zhì)(material)等，而這些屬性往往無法反應(yīng)在結(jié)構(gòu)特征中，需要單獨(dú)提取出這些屬性特征。首先創(chuàng)建本體中相應(yīng)的通用屬性概念color，texture，material，然后提取模型的通用屬性。需要注意的是，模型的通用屬性不影響模型結(jié)構(gòu)特征和模型本質(zhì)，即不影響概念發(fā)現(xiàn)過程。

3.4 實(shí)例自動(dòng)匹配過程

按照本體語義網(wǎng)中所定義的本體類和屬性，建立類的實(shí)例，這一過程稱為語義標(biāo)注[13]?？梢灾苯右允止さ姆绞蕉x類實(shí)例，也可以通過信息抽取的方法自動(dòng)、批量地從數(shù)據(jù)庫和其他數(shù)據(jù)源中獲取實(shí)例數(shù)據(jù)。若仍以手工方式進(jìn)行語義標(biāo)注，則失去了研究的意義，因此本文給出了一種自動(dòng)化實(shí)例匹配的方案。在原始的家具本體建立之后，根據(jù)TMMA框架，新的三維模型文件可以由本體推理自動(dòng)匹配進(jìn)行歸類。自動(dòng)匹配的過程以圖5為例。

步驟 1. 給定未知模型實(shí)例家具a和原始家具本體庫C={c1, c2, c3, … , cn}。

步驟 2. 分析家具a結(jié)構(gòu)可知家具a“有”面a，且面a“垂直拼接”腿a。

步驟3. 遍歷本體庫 C={c1,c2, c3, … , cn}中概念，找到概念 ci∈ C為桌子， ci“有”桌面，且桌面“垂直拼接”桌腿，腿a是桌腿是一個(gè)實(shí)例，面a是桌面的一個(gè)實(shí)例，且實(shí)例內(nèi)部關(guān)系匹配概念 ci內(nèi)部關(guān)系，由此得到推理結(jié)果家具a屬于概念 ci，即桌子類。

圖5 本體推理家具a屬于桌子類

若自動(dòng)匹配的過程中找不到合適的本體概念進(jìn)行歸類，那么原始家具本體語義網(wǎng)絡(luò)將進(jìn)行進(jìn)化。進(jìn)化的原因可能是科學(xué)技術(shù)的進(jìn)步導(dǎo)致出現(xiàn)新型家具，因此該過程往往需要人工參與，識(shí)別新型家具類型并定義與之相關(guān)的本體概念。

4 三維模型管理系統(tǒng)的設(shè)計(jì)

4.1 系統(tǒng)概要設(shè)計(jì)

本文設(shè)計(jì)的三維模型管理系統(tǒng)采用現(xiàn)今流行的B/S架構(gòu)。前臺(tái)用bootstrap+jquery+x3dom實(shí)現(xiàn)交互，其中x3dom是一個(gè)開源項(xiàng)目，對(duì)瀏覽器中的WebGL接口進(jìn)行了封裝，供用戶調(diào)用顯示 x3d文件。服務(wù)器端主要使用java語言進(jìn)行編寫，后臺(tái)采用SSH2框架，數(shù)據(jù)庫采用輕量級(jí)的MySql。本體部分使用OWL本體語言和jena API。

4.2 系統(tǒng)體系結(jié)構(gòu)

針對(duì)海量三維模型管理的需求，本文設(shè)計(jì)開發(fā)了一種基于結(jié)構(gòu)特征的海量 X3D模型管理系統(tǒng)，以支持對(duì)X3D模型文件的語義檢索與管理的支持。為方便協(xié)作和開發(fā)，系統(tǒng)采用三層架構(gòu)，從人-機(jī)交互開始，依次為界面層、應(yīng)用層和后臺(tái)服務(wù)層，其體系結(jié)構(gòu)如圖6所示。

圖6 系統(tǒng)體系結(jié)構(gòu)圖

(1) 界面層。用戶通過設(shè)計(jì)良好的人-機(jī)交互界面，包括上傳模型，檢索與管理模型等接口。上傳界面支持選中多文件批量上傳處理。檢索與管理界面提供基于關(guān)鍵字與語義的檢索。

(2) 應(yīng)用層。系統(tǒng)的核心設(shè)計(jì)層，主要包括模型解析模塊和模型管理模塊。模型解析模塊對(duì)用戶批量上傳的大量模型文件進(jìn)行實(shí)例化和“骨架”抽取，獲得模型的結(jié)構(gòu)特征。通過概念發(fā)現(xiàn)算法，構(gòu)建三維模型基礎(chǔ)本體庫。本體管理模塊主要包括模型的檢索、模型實(shí)例的語義標(biāo)注、實(shí)例不匹配現(xiàn)有本體庫時(shí)進(jìn)行本體進(jìn)化。

(3) 服務(wù)層。系統(tǒng)的底層技術(shù)基礎(chǔ)，包括所運(yùn)行的環(huán)境，應(yīng)用的模型解析工具、網(wǎng)絡(luò)通信協(xié)議和數(shù)據(jù)庫技術(shù)等。

5 三維模型管理系統(tǒng)的應(yīng)用

隨著社會(huì)進(jìn)步，人類生活水平的提高，對(duì)于家裝的要求也越來越高。虛擬現(xiàn)實(shí)的應(yīng)用使得人們可以足不出戶，就看到各種以現(xiàn)實(shí)生活家具為原型的三維立體模型。這樣的變化無論對(duì)于業(yè)內(nèi)專家、設(shè)計(jì)人員和客戶來說都是全新的體驗(yàn)。隨著三維模型的增加，模型數(shù)據(jù)變得更加臃腫，帶來的問題是模型數(shù)據(jù)的檢索與管理越來越困難。本文以家具的設(shè)計(jì)和展示為例對(duì)基于結(jié)構(gòu)特征的三維模型管理系統(tǒng)進(jìn)行應(yīng)用和驗(yàn)證。家具管理本體和系統(tǒng)的建立流程如圖7所示。

圖7 家具領(lǐng)域本體和管理系統(tǒng)的建立流程

5.1 模型分析

這個(gè)過程往往需要業(yè)內(nèi)專家和系統(tǒng)管理員參與，對(duì)于導(dǎo)入的海量家具三維模型進(jìn)行分析，提取模型的結(jié)構(gòu)化信息。如圖8，家具A具有3層結(jié)構(gòu)由上至下分別為B、P、L三層結(jié)構(gòu)，且面的長寬比(AspectRatio)為 1.00。在右邊窗體可看到模型的可視化信息以及三維模型的源碼信息。

圖8 家具A模型分析示例

5.2 模型檢索

系統(tǒng)提供了兩種檢索的模式，一種是傳統(tǒng)的基于名稱的檢索模型，輸入名稱并搜索模型；另一種則是語義檢索模式，用戶可以根據(jù)條件檢索，例如有靠背的家具，藍(lán)色的家具等等。圖9是一種有腿家具(hasLeg)的檢索結(jié)果。

5.3 模型重用

用戶在檢索模型的同時(shí)，可以根據(jù)需要獲取所需模型進(jìn)行重用。所有的模型實(shí)例都將存儲(chǔ)于實(shí)例數(shù)據(jù)庫中，方便存儲(chǔ)與管理。

圖9 “有腿的”家具檢索結(jié)果

5.4 與現(xiàn)有其他系統(tǒng)的比較

表2列舉了從初始本體依賴、本體建立的自動(dòng)性和可進(jìn)化性、物體關(guān)系抽取、查詢接口、模型規(guī)模以及模型重用等多個(gè)方面對(duì)本文系統(tǒng)與第2節(jié)中提到的另外兩個(gè)同樣基于本體技術(shù)，與本文系統(tǒng)功能接近的三維模型檢索與管理系統(tǒng)的比較。

表2 三種基于本體的模型管理系統(tǒng)比較

相比翁承志[3]和阮佳彬[4]的系統(tǒng)，本文系統(tǒng)的優(yōu)勢有：無需事先召集業(yè)內(nèi)專家與技術(shù)人員共同構(gòu)建初始本體；支持海量模型的輸入，通過模型“骨架”抽取，基于模型的幾何特征進(jìn)行聚類和分類；分析過程中系統(tǒng)自動(dòng)學(xué)習(xí)與構(gòu)建本體，且具備本體進(jìn)化的能力；檢索模型時(shí)，系統(tǒng)可以進(jìn)行實(shí)例自動(dòng)匹配；能支持模型重用，具有良好的適應(yīng)性和可擴(kuò)展性。

6 結(jié)論與展望

虛擬現(xiàn)實(shí)和3D可視化技術(shù)的飛速發(fā)展，三維模型大規(guī)模應(yīng)用，針對(duì)海量三維模型管理難題，提出一種基于結(jié)構(gòu)特征的模型管理方法。將海量的三維模型進(jìn)行實(shí)例化，通過概念發(fā)現(xiàn)與機(jī)器學(xué)習(xí)的方法建立相關(guān)領(lǐng)域的管理本體，設(shè)計(jì)并實(shí)現(xiàn)基于該方法的模型檢索與管理系統(tǒng)，并以家具領(lǐng)域?yàn)槔M(jìn)行系統(tǒng)的應(yīng)用。在本體語義網(wǎng)的幫助下，可以實(shí)現(xiàn)語義級(jí)別的檢索與管理，以彌補(bǔ)傳統(tǒng)方法簡單的基于關(guān)鍵字搜索的不足。給設(shè)計(jì)人員和普通用戶帶來極大的便利和啟發(fā)。后續(xù)的研究將在模型重用部分再進(jìn)行擴(kuò)展，希望可以進(jìn)行同類型模型的重組，例如模型A的部分模塊和模型B的部分模塊組成模型C。另外，本體庫的建立也將繼續(xù)優(yōu)化和完善，以支持更通用和更復(fù)雜領(lǐng)域的模型管理。

[1]Li Zongmin, Wu Zijian, Kuang Zhenzhong, et al. Evidence-based SVM fusion for 3D model retrieval [J]. Multimedia Tools and Applications, 2013, 72： 1-19.

[2]Gao Yanli, Hu Bailin, Jia Yonghua. 3D GIS model building based on sketchUp [J]. Applied Mechanics and Materials, 2013, 353： 3507-3510.

[3]翁承志. 基于本體的三維場景智能交互應(yīng)用研究[D].汕頭： 汕頭大學(xué), 2010.

[4]阮佳彬, 楊育彬, 林金杰, 等. 基于本體詞匯的三維模型語義檢索[J]. 計(jì)算機(jī)科學(xué), 2009, 36(2)： 152-154.

[5]Alves H, Santanche A. Folksonomized ontology and the 3E steps technique to support ontology evolvement [J]. Web Semantics： Science, Services and Agents on the World Wide Web, 2013, 18(1)： 19-30.

[6]Nardi J C, Almeida Falbo R D, Almeida J P A, et al. Towards a commitment-based reference ontology for services [C]//Enterprise Distributed Object Computing Conference (EDOC) of 17th IEEE International, 2013：175-184.

[7]Ludovici V, Smith F, Taglino F. Collaborative ontology building in virtual innovation factories [C]//Collaboration Technologies and Systems (CTS), International Conference on. IEEE, 2013： 443-450.

[8]Fellbaum C. Wordnet [M]//Roberto P, Healy M, Kameas A. Theory and applications of ontology： computer applications. Springer Netherlands, 2010： 231-243.

[9]Zhao Huiqun, Zhang Shikan, Zhao Junbao. Research of using protégé to build ontology [C]//Proceedings of the IEEE/ACIS 11th International Conference on Computer and Information Science. IEEE Computer Society, 2012：697-700.

[10]Hartung M, Terwilliger J, Rahm E. Recent advances in schema and ontology evolution [M]//Bellahsene Z, Bonifati A, Rahm E. Schema matching and mapping. Springer Berlin Heidelberg, 2011： 149-190.

[11]Rodríguez-García M á, Valencia-García R, García-Sánchez F, et al. Creating a semantically-enhanced cloud services environment through ontology evolution [J]. Future Generation Computer Systems, 2014, 32： 295-306.

[12]顧 翼, 武 妍. 基于結(jié)構(gòu)知識(shí)的手寫體漢字合成方法[J]. 計(jì)算機(jī)工程, 2011, 37(3)： 266-268.

[13]Shi Mengwei, Cai Hongming, Jiang Lihong. An approach to semi-automatic semantic annotation on Web3D scenes based on an ontology framework [C]//Intelligent Systems Design and Applications (ISDA) of 12th International Conference on, 2012： 574-579.

A Massive 3D Model Management Approach Based on Structural Features

Chen Chongze, Cai Hongming, Jiang Lihong
(School of Software, Shanghai Jiao Tong University, Shanghai 200240, China)

The development of virtual reality and 3D virtualization technology leads to massive growth of 3D models, and the traditional method focuses on keyword matching to retrieve and manage models, which cannot meet the requirement of semantic retrieval and management of 3D models. To solve this problem, a massive 3D model management approach is proposed based on structural features. According to the core framework of the method, the massive model instances for concept discovery is analyzed by clustering and classification, the ontology is built in any specific field, and a 3D model management system design and implemented based on structural features, the system applied and validated at last. The experiment results show that the proposed method can solve the problems of inefficiency, redundancy, difficult to reuse in traditional method, and achieve the goal of multi-dimension retrieval and management of 3D models.

virtual reality; 3D models; ontology; semantics

TP 391

A

2095-302X(2015)01-0095-07

2014-08-11；定稿日期：2014-08-20

國家自然科學(xué)基金資助項(xiàng)目(61373030，71171132)

陳充澤(1988-)，男，浙江平陽人，碩士研究生。主要研究方向?yàn)樾畔⒖梢暬夹g(shù)、協(xié)同建模。E-mail：ccz217@sjtu.edu.cn

蔡鴻明(1975-)，男，貴州盤縣人，副教授，博士。主要研究方向?yàn)镃AD/CG、信息集成技術(shù)。E-mail：hmcai@sjtu.edu.cn