文档介绍：大连理工大学硕士学位论文
摘 要
随着科学技术的发展，逆向工程在机械产品设计和制造中得到了广泛的应用。从激
光点云获取的三维数字几何网格模型需要实体重构、特征识别和特征编辑等几何特征处
理才能有效地使用。复杂网格模型的特征智能识别是逆向工程领域的一个重要发展方向，
特征识别的基础是特征边界线的识别和提取，是复杂三角网格模型后续应用的基础，因
此如何高效的提取三角网格模型的特征边线具有重要研究意义。
传统特征边线提取采用单一阈值和判定规则很难识别并提取出符合实际要求的特
征边。通过对特征边界线的几何特征的深入分析，基于机器学****的方法，提出和实现一
个基于学****的三角网格模型特征边提取方法。该方法将特征边界线提取形式化为三角边
的分类问题；分析和构建了一个由三角边两面角、边顶点邻域曲率及形状直径等特征组
成的 17 维特征向量；通过人工标注获取特征向量训练数据集，训练通用 BP-AdaBoost
分类器，获得能够识别特征边界线的分类器；对待识别的三角网格模型进行特征边识别。
经过实例验证，识别结果符合预期。其次，对识别结果进行处理生成初始特征线，在对
初始特征线进行剪切和光顺，然后使用网格边权重连接法进行特征线闭合，并选择主轮
廓模型连接法对特征线进行优化得到特征线。最后，把本文所得特征线和软件所得特征
线进行对比分析。经实例测试，验证了本文提出方法的可行性和有效性。
本文算法中三角网格模型的几何特征计算、训练样本构建和识别结果处理是在
Visual C++软件开发平台和 Matlab 平台上进行编程实现的。该项工作为模型重构和设计
特征编辑奠定了基础。
关键词：三角网格模型；边界边；机器学****曲率；BP-AdaBoost 分类器
- I –
基于学****的网格特征线提取方法的研究
Study on Learning-Based Methods for Extracting
Feature Lines from Meshes
Abstract
With the development of science and technology, reverse engineering has been widely
used in the design and manufacture of mechanical 3d digital geometric mesh
model obtained from laser point cloud needs the geometric feature processing such as entity
reconstruction, feature recognition and feature editing to be used
characteristics of the complex grid model intelligent recognition is an important development
direction in the field of reverse engineering, the characteristic identification is the basis of
feature recognition and extraction of the border, is the basis of the subsequent application of
complex triangular mesh model, so how to efficiently extract the characteristics of triangular
mesh