АНАЛІЗ ОСНОВНИХ МЕТОДІВ РОЗПІЗНАВАННЯ КРЕСЛЕНЬ ТА МОЖЛИВОСТЕЙ ТРАНСФОРМАЦІЇ З 2D У 3D

2022

Кібербезпека: освіта, наука, техніка, Vol 4, Iss 16, Pp 185-193 (2022)

У статті викладено аналіз основних методів для розпізнавання креслень та можливостей трансформації двовимірних моделей (2D) у тривимірні моделі (3D). Незважаючи на швидкий розвиток ІТ все ж питання точності та швидкості перетворення двовимірних моделей у тривимірні залишається відкритим. В міру розвитку технологій машинного проектування та відповідних систем автоматизованого прийняття рішень (САПР) кількість методів і моделей, які можуть бути потенційно використані в задачі розпізнавання креслень та трансформації стрімко зростає. На сьогоднішній день існує достатньо велика кількість методів розпізнавання креслень та їх перетворення у тривимірну модель, проте кожен із них має певну кількість недоліків. Тому є потреба проведення комплексного аналізу даних методів, які потенційно можуть бути застосовані у контексті вирішення завдань розпізнавання креслень та трансформації . Слід зазначити, що існує суперечність між традиційною процедурою підготовки креслярської документації на паперових носіях до 80-90-х років 20-го століття та новими методами 3D моделювання, що отримали розвиток із середини 90-х років. Це дає дійсно безмежні можливості конструкторам готувати проектно-технічну документацію, не зациклюючись на проблемі підготовки креслярсько-конструкторської документації та особливостях введення вихідних даних. Істотно полегшує цей процес застосування прикладного програмного забезпечення. Зауважимо, що в більшості систем 3D (наприклад, програмні продукти Autodesk TinkerCAD, DesignSpark Mechanical, FreeCAD, Autodesk AutoCAD, ZBrush, Blender та ін.) застосовуються підходи, які дозволяють синтезувати каркасне або граничне уявлення об’єкта, що моделюється в просторі. У професійних системах (наприклад Autodesk 3ds Max, Autodesk Maya) використовують узагальнені моделі просторових об’єктів. Таке уявлення передбачає наявність у проектувальників відповідних інформаційних масивів, які апріорі повинні відповідати всім проекціям об’єкта у трьох основних площинах.

article

English
Ukrainian

Borys Grinchenko Kyiv University, 2022.

2d, 3d, розпізнавання, штучні нейронні мережі, креслення, двовимірні моделі, тривимірні моделі, Information technology, T58.5-58.64