从AutoCAD跨越到Autodesk Inventor(中)--Autodesk Inventor全接触

(接上期)四、零件设计从草图开始 运用Autodesk Inventor设计零件的过程非常简单,包括以下几个步骤。☆ 选择一个绘制草图的平面;☆ 绘制草图;☆ 约束草图;☆ 对草图进行尺寸标注;☆ 将二维草图转换为三维零件。(1) 选择绘制草图的平面所有草图都必须在草图平面上绘制,这一点     

Pro/ENGINEER意图管理器的使用技巧

随着Pro/ENGINEER版本的不断更新，意图管理器( Intent Manager )的功能也朝着更人性化的方向发展，如自动标注尺寸、在修改尺寸时动态更新等等，使意图管理器在草图绘制中的作用日渐突出。一、意图管理器的特点(1) 草图绘制中的图形始终会自动标注完全定义的尺寸，既尺寸（Dimensions）和约束关系（Constraints）会自动建立，同时，使用者可以很容易地根据自己的要求修改尺寸和约束关系。　　(2) 在草图绘制过程中，有些约束关系会自动和几何体建立起来。并且，可以明确地加入和删除某些约束，如尽管绘制方法不同，我们可以很容易地…     

基于跨模态自蒸馏的零样本草图检索

零样本草图检索将未见类的草图作为查询样本,用于检索未见类的图像。因此,这个任务同时面临两个挑战：草图和图像之间的模态差异以及可见类和未见类的不一致性。过去的方法通过将草图和图像投射到一个公共空间来消除模态差异,还通过利用语义嵌入（如词向量和词相似度）来弥合可见类和未见类的语义不一致。在本文中,我们提出了跨模态自蒸馏方法,从知识蒸馏的角度研究可泛化的特征,无需语义嵌入参与训练。具体而言,我们首先通过传统的知识蒸馏将预训练的图像识别网络的知识迁移到学生网络。然后,通过草图和图像的跨模态相关性,跨模态自蒸馏将上述知识间接地迁移到草图模态的识别上,提升草图特征的判别性和泛化性。为了进一步提升知识在草图模态内的集成和传播,我们进一步地提出草图自蒸馏。通过为数据学习辨别性的且泛化的特征,学生网络消除了模态差异和语义不一致性。我们在三个基准数据集,即Sketchy、TU-Berlin和QuickDraw,进行了广泛的实验,证明了我们提出的跨模态自蒸馏方法与当前方法相比较的优越性。     

一种基于图匹配的复杂草图识别方法

复杂草图识别是手绘草图输入中的一个困难任务。现存的草图识别方法强调的是图形对象简单．但这不适合具有不同复杂性的复杂草图的识别。本文对具有不同复杂性的复杂图形对象提出一个基于图形的统一表示法，文中根据不同信息枉度将复杂图形分别转化为空间关系图(SRG)。文中提出了一个约束的部分枚举．以减小识别复杂草图时匹配SRG的状态空间。实验结果显示．我们的方法可适用于具有不同复杂度的各种复杂图形对象的识别。     

采用遗传算法的手绘草图关系模板生成方法

草图理解包含两个方面：草图图形识别和草图布局分析．但目前的研究大部分集中于一些特殊图形的草图识别上。实际上，草图布局分析对草图信息内容的发现，尤其是在获取其构思方面更为重要。本文为事实草图图形的布局分析提出了一种基于遗传算法的模板生成方法．在定义和描绘了布局模式的基础上．本方法能找出有潜在语义的图形对象间的模式。实验表明：遗传算法能够有效找出明显或是潜在的模式，并能很减轻手工标注模式的负担。     

笔输入草图的分层识别

针对计算机支持的草图设计技术中的草图识别这个核心问题，给出了一套分步逐层的识别方案：从原始笔划的在线识别与线元转换，到几何层基于上下文的草图规整，到语义层基于领域知识的草图理解．整个识别过程通过一个带有黑板的知识库系统实现，逐步有效地解决了草图的模糊性与不确定性，将原始草图转换为精确的几何图形．文中方法已经过原型草图工具系统ISID的验证，并取得良好效果．     

Inventor进阶教程 在草图创建中利用投影

对于绝大多数三维 C A D 软件来讲,其模型结构特征多是基于草图轮廓的,Inventor也是。基于草图的特征,必须先绘制好草图。在特征造型过程中,多次使用草图是很正常的现象;而新草图多与已有的结构相互关联。这种关联中包括尺寸驱动,也包括几何约束。但是,草图是二维的几何结构,而模型是三维结构,上述关联仅仅在当前草图所在面上讨论可能不行,因为相关几何要素可能不在同一个平面上。如图 1 所示,尺寸 5mm 是键槽的圆柱面与轴端面之间的距离。从草图的角度来说,就是圆弧的象限点到轴的端面(环形面)间的距离。点到面的距离,直接在草图所在上讨…     

技术论坛

河北读者 ？：在ＵＧ中我想选中一草图元素的端点，但是总选不中，这是为什么？ ：在用Ｂａｓｉｃ Ｃｕｒｖｅｓ构图时可用提供的Ｉｎｆｅｒｒｅｄ Ｐｏｉｎｔ或Ｅｎｄ Ｐｏｉｎｔ选取元素的端点。当然，如果草图已被用来建立特征，该草图即被锁定，除非删除这个特征，否则该草图是无法被修改的（当然也无法选中）。办法是先在同一草图中再作出你要求的形状，然后在Ｍｏｄｅｌ　Ｎｅｖｉｇａｔｏｒ中找到先前的特征，用鼠标右键单击该特征打开菜单，选择Ｅｄｉｔ Ｐａｒａｍｅｒｔｅｒｓ－＞Ｒｅｌａｃｅ Ｄｅｆｉｎｉｎｇ Ｓｔｒｉｎｇ，此…     

基于上下文的在线草图识别方法

支持用户自由连贯地绘制草图是在线草图识别研究的目标之一。本文提出一种使用空间关系等上下文和贝叶斯分类器进行草图识别的方法，其主要特点包括两个方面：第一，使用笔画空间关系进行自动笔画成组，可以在不打扰用户绘图的情况下完成候选符号的选取；第二，利用贝叶斯分类器实现在线草图识别，可以解决识别方法的领域相关性及画法敏感性问题。实验验证了方法的有效性。     

在线草图识别中用户手绘习惯建模方法

手绘草图是概念设计和思路外化的一种高效的表达方式。用户绘制草图时存在的多种形式，及其随意性和模糊性使得用户适应性问题逐渐成为草图识别的核心课题。本文提出了一种在线草图识别的用户建模方法来捕捉绘制草图时的用户习惯，主要包括两个方面的内容：一是基于SVM的主动式增量学习方法，二是基于动态用户建模的手绘复杂图形的识别方法。前者与传统的增量式学习方法相比，在识别精度相同的情况下所需的训练时间和训练数据集要少得多。后者则是基于笔划信息以及笔划间的顺序和空间关系信息，采用增量式决策树捕捉用户的输入习惯和过程信息。实验证明了本文方法在在线草图识别中的有效性和高效性。     

跟我学Inventor5第二课:从草图到三维模型

现在让我们把二维草图变成三维模型.为了更好地观察三维模型,我们可以改变视图的方向.目前我们是右视草图平面.现在希望变为等轴侧视图.等轴侧视图可以更好地表现三维模型.     

数据流复杂查询处理的研究

在连续的数据流上提供查询的应答对很多应用环境来说是一个极为重要的需求。本文主要探索了如何使用有限的内存在数据流上进行聚集SQL查询，以获得近似的结果。使用随机草图技术，计算非常小的数据流草图，以获得泉集查询的近似结果，并保证误差能在一定的范围之内。并讨论了．在草图方法中如何利用已有的直方图统计信息来提高应答的质量。其关键的思想就是对属性域进行智能化的划分，分解草图化问题，确保所获得查询的结果具有合适的近似精度。不论从理论还是实验上都可以证明草图提供的聚集查询结果比传统的直方图更有效、更精确。     

用RCR特征和NN识别实时手绘工程草图

针对实时手绘工程草图(简称手绘草图)的识别，引入草图重心、重径距和正规化重径(RCR)等图形特征概念，提出手绘草图的神经网识别方法．该方法以图素具有统计意义的正规化重径作为特征、以图素交叉方式组织正规化重径的值作为学习样本，应用弹力传播的Rprop算法训练BP神经网，一次训练即可得到能够识别任意倾角和位置手绘草图图素的识别器．从而达到了理想的识别效果．     

基于时序特征的草图识别方法

草图识别是一项很具有挑战性的工作。目前,大部分草图识别的工作都将草图当作普通的纹理图像,忽视了草图的时序性。因此,文中通过挖掘草图的时序性,将草图笔画按照时间分组。为进一步利用时序特征在草图识别过程中的作用,使用了循环神经网络将笔画分组按照时间序列作为输入,最后使用联合贝叶斯将各个时序下获得的草图特征进行整合,完成草图的识别工作。在公开标准数据集上对所提算法进行了测试,实验结果显示该算法的识别准确率明显高于其他算法。     

基于空间注意力下边缘图融合的草图图像检索

基于草图的图像检索任务根据用户提供的手绘草图,从图像数据库中检索得到与该草图对应的自然图像.与传统基于内容的图像检索不同,草图和自然图像间存在明显的域差异,这使得二者的特征难以直接进行比较.针对自然图像边缘图和草图的相似性,提出了空间注意力下的边缘图融合模型,将自然图像和对应的边缘图分别编码到各自的特征空间,再通过空间注意力掩膜进行加权融合,进而用于草图图像检索.所提模型可以更有效地编码物体边缘轮廓的特征,分别在Sketchy和Flickr15K数据集的草图图像检索任务上取得了比前人方法更高的Recall@1和MeanAP指标.     

基于深度学习的草图分割算法综述

草图一直是人类传递信息的重要工具之一.草图可以通过简单明了的形式更快地表达人类的一些复杂思想,因此,草图处理算法一直是计算机视觉领域的研究热点之一.目前,对草图的研究主要集中在识别、检索和补全等方面.随着研究者对于草图细粒度操作的重视,对草图分割方面的研究也得到越来越多的关注.近年来,随着深度学习与计算机视觉技术的发展,出现了大量基于深度学习的草图分割方法,草图分割的精确度和效率也都得到了较大提升.但是,由于草图自身的抽象性、稀疏性和多样性,草图分割仍然是一个非常具有挑战性的课题.对基于深度学习的草图分割算法进行整理、分类、分析和总结,首先阐述了3种基本的草图表示方法与常用的草图分割数据集,再按草图分割算法的预测结果分别介绍了草图语义分割、草图感知聚类与草图解析算法,然后在主要的数据集上收集与整理草图分割算法的评测结果并对结果进行分析,最后总结了草图分割相关的应用并探讨未来可能的发展方向.     

一种获取重复绘制草图单元识别特征数据的方法

提出了一种草图识别特征数据分析结合图像边缘提取算法的方法,以得到设计师重复绘制草图单元的识别特征数据,从而完成重复绘制草图单元的识别。首先通过记录设计师绘制的所有草图数据,然后通过图像边缘提取算法提取出目标草图,再根据目标草图分析所有原始草图数据得到构成目标草图的原始草图序列,最后通过数据分析计算,得到该目标草图的草图识别特征数据。     

二维手绘草图的非均匀α-B插值样条曲线表示的方法研究*

根据非均匀α-B插值样条曲线的一般形式,结合非均匀α-B插值样条曲线的形状调配方法,产生了一种新方法来解决二维手绘草图的表示问题。在二维草图中,研究了基于非均匀αB插值样条曲线的草图表示、草图生成、草图修改以及草图缩放的算法。这种表示方法模型统一,生成插值点的算法简单,适合分布式网络环境下的实时协作。表示后的草图缩放具有向量图缩放的优点,设计人员可以在缩放后的草图上进行形状调配。     

把真实处理成漫画

传统的漫画制作，在画好草图描好线条后，又需要进行网点的粘贴等细致谨慎的工作。在Photoshop中。我们不但可以节约下网点粘贴这样巨大的工作量，而且还可以直接把照片转换成漫画，让您轻轻松松地画出大作。     

从草图到模型——未来水上喷气式飞机建模攻略

从本回开始，我们介绍的建模不单局限于三面视图，也会用到设计草图，嗯，因为有现实的建模中，很多是从设计图纸开始着手的。不过有时候也可能回到三面视图。