TPCT: Topology-aware Point Cloud Transformer for Geometrically Complex Feature Recognition
本文提出了 TPCT，一种新型的拓扑感知 Transformer 框架，该框架通过将几何与对偶图拓扑特征与面积自适应采样相结合，在识别 B-rep CAD 模型中复杂的几何特征方面达到了最先进的精度。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在工程师们设计从飞机机翼到智能手机外壳等各种产品的数字车间里，计算机看到的并不是人类所理解的那种实体对象。相反，它看到的是一个由平面和曲面缝合而成的数学骨架，这种格式被称为边界表示法（boundary representation）。对于机器而言，一个复杂的零件仅仅是这些表面的集合，每个表面都有其自身的形状和朝向。几十年来，软件已经能够识别诸如孔洞或平面的简单形状，但当设计变得复杂——充满了交错的曲线、复杂的角度和重叠的结构时——计算机往往会迷失方向。它难以理解这些独立的表面是如何协同工作以构成一个单一且具有意义的特征的。这种局限性减缓了制造业的自动化进程，并使得机器难以自主“阅读”和修改复杂的设计。
西北工业大学的一个研究小组开发了一种新方法，通过教计算机同时观察几何形状和结构，来帮助它们理解这些复杂形状。他们创建了一个名为 TPCT 的系统，该系统不将 3D 模型视为刚性的线框，而是将其视为由数百万个微小点组成的云团，就像光束中漂浮的尘埃一样。然而，与以往仅观察这些点之形状的方法不同，这种新方法还构建了一张关于这些表面如何相互连接的地图。通过将物体的视觉形状与对其内部连接的深度理解相结合，该系统能够以一种此前无法实现的精度来识别复杂的特征。
这项工作的核心在于研究人员如何将实心的 3D 模型转化为计算机可以处理的数据。他们首先将数字设计拆解，将其表面分解为密集的点云。为了确保计算机不会遗漏设计的细微部分，他们使用了一种智能采样方法，在大型、复杂的表面上放置更多的点，而在简单、小的表面上放置较少的点。至关重要的是，他们不仅记录了每个点的位置，还为每一个点都贴上了关于其所属特定表面的信息标签，例如该点是属于圆柱体、平面还是球面的部分。这为计算机提供了一个关于物体几何形状的丰富且详细的视角。
为了解决理解这些表面如何契合的问题，研究人员构建了两张用于引导计算机学习的连接“地图”或图谱（graphs）。第一张地图遵循设计的物理规则，仅在表面实际接触或共享边缘的地方进行连接。这捕捉了物体的即时局部结构。第二张地图则更为抽象；它连接了那些虽然距离较远但共享共同功能或对齐方式的表面，例如位于大箱子两侧的两面平行墙壁，或者沿同一轴线排列的一系列孔洞。通过创建这两类不同的物体结构视图，系统既能推理出表面的直接邻居关系，也能理解其在整个机器零件中的广泛角色。
随后，研究人员将这些数据输入到一个强大的学习引擎中，该引擎可以同时处理点云和这两张结构图。该系统并没有等到最后阶段才合并这些不同类型的信息，而是在每一步学习过程中都将结构图编织进学习过程之中。当计算机尝试识别每个点的属性时，它会不断地咨询结构图，询问：“考虑到物体的其余部分是如何连接的，这个形状是否合理？”这种不断的交叉检查使系统能够纠正自身的错误，并保持对物体边界的一致理解。
在针对两万个复杂 3D 模型的测试中，该系统展现出了识别复杂特征的卓越能力。它几乎能正确识别模型中每一个面的具体表面类型，准确率达到了 99.91%。这一表现显著高于以往的方法，后者在处理现实工业零件中复杂的形状组合时往往显得力不从心。该系统还通过在包含数千个真实加工特征（如凹槽和凸台）的不同数据集上的出色表现，证明了其多功能性。
研究还通过测试移除系统部分组件后的情况，揭示了为什么这种方法如此有效。当研究人员移除结构图时，系统的复杂特征识别能力大幅下降，证实了仅靠形状不足以理解复杂的工程设计。同样，当他们尝试使用一种仅在最后阶段才合并数据的简化方法时，结果的准确性也远低于前者。这证实了成功的关键在于将结构上下文在整个学习过程中进行深度且持续的整合。
尽管成功率很高，但该系统并非完美无缺。研究人员指出，当训练数据包含错误，或者机器的不同部件排列得过于紧密导致边界模糊时，系统有时会遇到困难。这些局限性表明，用于教导系统的模型数据的质量与系统本身同样重要。然而，研究结果展示了一条清晰的前进路径：通过教导计算机同时理解设计的形状与结构逻辑，工程师可以创造出具备人类水平洞察力的工具来理解复杂的 CAD 模型，从而为更自动化、更智能的制造流程铺平道路。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。