View-based retrieval for similar 3D assembly models using 2D images

Abstract

CAD assembly models are the principal building blocks of designs made using computer aided design systems. Assembly models are used to build complex structures by means of the constituent sub-assemblies and part models. The design process is laborous and time-consuming stage in the product's lifecycle. Traditional methods for searching similar assembly models rely primarily on the models' properties which have been found insufficient in terms of efficiency and performance. To allow the users to reuse and find the existing assembly designs more efficiently, automatic methods need to be implemented. This thesis studies 3D CAD assembly model retrieval using view-based methods. View-based methods have been found to be succesful in classification and retrieval of 3D models.

The data was obtained from six orthogonal viewpoints around the CAD models. An edge detection algorithm was applied to the images to highlight the models' edges. View-based feature extractor was trained using the acquired set of 2D images. The feature extractor was used to reduce the dimensionality of the processed images so that they could be used to describe the models, both assemblies and parts. A database was created to simulate a PDM system that is typical document database used in conjunction with CAD systems. It was built using information extracted from the original CAD models and its extracted feature vectors. A novel method was developed to combine the parent assembly model's feature vectors with the feature vectors of its children by weighting them respectively. To reduce the number of comparisons clustering algorithm was applied on the assemblies' feature vectors. During the retrieval, only the clusters closest to query were investigated for similar similar assemblies.

The results suggest that view-based methods are potential in assembly model retrieval. Different experiments were conducted to retrieve one, two and five models that were similar to the query assembly model. Performance metrics used for the validation showed similar performance using Modified Hausdorff Distance and Averaged Bidirectional Minimum Distance for the model comparisons, regardless of the number of clusters. By changing the introduced weighting coefficient solution's performance was found to be inferior. The developed solution could not be benchmarked against any of the previously proposed studies' findings. For the solution to be usable in real environment the known issues related to building the weighted feature vectors should be rectified. In addition, much more data should be collected to train the feature extractor.

CAD -kokoonpanomallit ovat tietokoneavusteisten suunnittelujärjestelmien avulla tehtyjen mallinusten tärkeimpiä perusrakenteita. Kokoonpanomalleilla luodaan monimutkaisia rakenteita, käyttämällä hyväksi alikokoonpanoja sekä osamalleja. Suunnitteluprosessi on työläs sekä aikaa vievä vaihe tuotteen elinkaaressa. Perinteiset hakumenetelmät hyödyntävät pääasiassa mallien ominaisuuksia, joiden on todettu olevan riittämättömiä tehokkuuden ja suorituskyvyn suhteen. Tästä syystä tulee kehittää automatisoituja menetelmiä, jotta käyttäjä voisi uudelleenkäyttää ja löytää olemassa olevia malleja helpommin. Tässä opinnäytetyössä tutkitaan 3D CAD -kokoonpanomallien hakua käyttäen näkymäpohjaisia menetelmiä.

Tiedot kerättiin kuudesta eri ortogonaalisesta näkökulmasta CAD -mallien ympärillä. Mallien reunoviivojen korostamiseksi kuviin sovellettiin reunantunnistusalgoritmia. Kerättyjen 2D -kuvien avulla koulutettiin näkymäpohjainen ominaisuuksien erottelija. Käsiteltyjen kuvien ulottuvuutta pienennettiin käyttämällä ominaisuuksien erottelijaa, jotta niitä voitiin käyttää sekä kokoonpano- että osamallien kuvaamiseen. Tietokanta luotiin simuloimaan tuotetietohallintajärjestelmää, joka on tyypillinen tietokoneavusteisten suunnittelujärjestelmien yhteydessä käytettävä ohjelmistotuote. Se luotiin käyttämällä alkuperäisistä CAD -malleista peräisin olevia tietoja ja niistä eroteltuja ominaisuusvektoreita. Työssä kehitettiin uusi menetelmä, jolla yhdistettiin päätason kokoonpanomallin ominaisvektorit sen lasten ominaisuusvektorien kanssa painottamalla niitä. Kokoonpanojen ominaisuusvektoreihin sovellettiin klusterointialgoritmia vähentämään vertailujen lukumäärää. Etsintävaiheessa ainoastaan hakua vastaavat rykelmät käytiin läpi samankaltaisten kokoonpanojen etsinnässä.

Tutkimustulokset osoittavat, että näkymäpohjaiset menetelmät ovat potentiaalisia kokoonpanomallien etsinnässä. Erilaisissa kokeissa haettiin yksi, kaksi tai viisi mallia, jotka muistuttivat haussa käytettyä kokoonpanomallia. Ratkaisun validoinnissa käytetyt suorituskykymittarit osoittivat samanlaista suorituskykyä, kun mallien vertailussa käytettiin muokattua Hausdorffin etäisyyttä ja keskimääräistä kaksisuuntaista vähimmäisetäisyyttä, riippumatta klusterien lukumäärästä. Vaihtamalla esitettyä painotuskertointa, toteutuksen suorituskyky oli heikompi. Kehitettyä toteutusta ei pystytty vertailemaan mihinkään aiemmin tehdyn tutkimuksen menetelmään. Painotettujen ominaisuusvektorien rakentamiseen liittyvät ongelmat tulisi korjata, jotta toteutus olisi käyttökelpoinen oikeassa käyttöympäristössä. Lisäksi tietoa tulisi kerätä lisää ominaisuuksien erottelijan kouluttamista varten.