[本站讯]数字孪生和混合现实作为智能制造的重要技术手段,正在引领制造业进入全新数字发展阶段。计算机科学与技术学院屠长河教授主持的国家重点研发计划“工业软件”重点专项“基于微服务架构的增强/混合现实应用开发引擎的研发和应用验证”项目自2023年4月1日启动以来,面向航空、轨道交通等工业CAD领域,在重大复杂装备的临场三维重建、轻量化表示、虚实融合交互等方面开展系列研究,产出一批高质量创新成果。
近日,SIGGRAPH 2024审稿结束,文章录用情况揭晓。屠长河教授、辛士庆教授团队共有2篇文章被长文接收(Conditionally Journal Accept),一篇关注面向CAD模型的三维重建,另一篇关注面向CAD模型的轻量化表示。两篇文章的第一作者和通讯作者单位均为山东大学。
成果一“DeepCADRecon: Deep Learning for Reconstructing CAD Surfaces by Enforcing Zero Gaussian Curvature”针对无法向的低质量点云数据,提出面向CAD模型的自监督深度重建网络。本研究基于CAD模型的普遍形状先验,即分片光滑、特征线两侧近似可展,在CAD模型重建任务中考虑高斯曲率为零这一几何约束。在实现上,以神经函数表达目标形状的符号距离场,并将“高斯曲率为零”转化为作用在符号距离场上的正则项,既达到恢复特征线的目的,也兼具抗噪的功能。大量实验结果表明,该研究所用方法能够恢复出尖锐的特征线,重建出高保真的CAD模型;即使在点云极其稀疏的情况下,也能还原出复杂的CAD模型。
文章第一作者是计算机学院博士研究生董秋杰,屠长河教授和辛士庆教授为指导教师,合作指导教师还包括美国德州农工大学教授王文平、中国科学院数学与系统科学研究院研究员贾晓红和青岛科技大学副教授陈双敏。硕士研究生徐瑞以及香港大学博士后王鹏飞也对该项研究作出了重要贡献。
成果二“CWF: Consolidating Weak Features in High-quality Mesh Simplification”关注CAD模型的轻量化表示。轻量化表示的基本需求包括:既要网格复杂度低,又要表示精度高;既要对齐特征线,又要高质量三角化;既要保留强特征,又要保留弱特征。已有方法很难同时满足上述需求,因而不能被应用于标准高、要求严的工业应用场合。本研究将“对齐特征线”与“高质量三角化”这两个核心需求分别转化为关于顶点位置的泛函,并将它们纳入基于质心Voronoi图(CVT)的统一优化框架。研究进一步提出了权重自动调节机制,使两个需求的相对强弱与形状本身的特点相适应。大量实验结果表明,本研究采用的方法不仅能够生成顶点数目少、表示精度高、三角化质量好、特征线对齐的简化网格表示,还能够有效地保留形状表面的弱特征信息。
文章共同一作是硕士研究生徐瑞和博士研究生刘隆都,屠长河教授和辛士庆教授为指导教师。合作者包括美国德州农工大学教授王文平、美国德州大学达拉斯分校教授郭小虎、香港大学教授Taku Komura、美国韦恩州立大学副教授钟子春、青岛科技大学副教授陈双敏和美国德州大学达拉斯分校博士研究生王宁娜。
ACM SIGGRAPH是迄今为止世界上影响最广、规模最大,也是最权威的集科学、技术、艺术、商业于一身的图形学技术展示和学术会议。SIGGRAPH制定了非常严格的论文评审流程,每篇文章需要至少5名相关专家提供详细评审意见。被录取的文章分为Journal Accept和Conference Accept两种类型,前者将同时刊登在图形学顶级期刊ACM Transactions on Graphics上;该期刊是中国计算机学会(CCF)推荐的计算机图形学与多媒体领域A类期刊,中科院分区为SCI 1区Top。SIGGRAPH 2024共有846篇有效投稿,其中121篇文章被录为Journal track,占比14.3%。