一种基于图和点云神经网络的新型CAD模型特征识别方法

本发明公开一种基于图和点云神经网络的新型CAD模型特征识别方法，通过创建含有异构加工特征的数据集，并将B‑Rep模型转换为带有面‑边属性的面邻接图、表面UV网格和表面点云输入神经网络模型，神经网络模型集成图编码器、点编码器和多任务头，图编码器和点编码器分别从点、边和面不同尺度的形状原语中学习到可分类的嵌入向量；多任务头通过三个元学习器将所述嵌入向量转化为相应的语义分割、实例分割和底面分割结果。本发明能够从CAD模型的不同表示形式中提取洞见，并并行处理异构加工特征的语义分割、实例分割和底面分割任务，通过实验证明了G&PCNet在非异构与异构加工特征识别中的有效性和优越性，以及在真实工业场景中的应用潜力。