特征提取方法、网格复用方法、设备以及计算机存储介质与流程

1.本技术涉及有限元应用领域，特别是涉及一种特征提取方法、网格复用方法、设备以及计算机存储介质。


背景技术：

2.随着几次工业革命的兴起，各种工业相关的产品技术高速发展，人们在社会生产与社会生活各个领域中都需要各种各样的产品。由于这些产品中涉及的结构的过于复杂，因此需要对结构进行拆分，划分为有限个且容易分析的一定大小的小单元即网格，继而对每个网格进行分析，为其附加相应的材料属性、约束与载荷来模拟实际工作情况，以此来解决工作中出现的问题。这种方法被称为有限元分析。
3.通常，由于产品结构设计日趋标准化，在网格划分的过程中，可以提取不同产品中相似的结构，从而实现网格复用，以减少产品分析过程的工作量。
4.在现有技术中，只能通过采集产品外表面的像素获取产品的特征信息。而当产品存在如中空齿轮等内部特征的结构时，无法得到准确的特征信息，从而造成网格复用的准确率很低。


技术实现要素：

5.本技术主要解决的技术问题是如何提取工件模型的内部特征，对此，本技术提供一种特征提取方法、网格复用方法、设备以及计算机存储介质。
6.为解决上述技术问题，本技术采用的一个技术方案是：提供一种特征提取方法，该方法包括：获取工件模型的若干张剖视图；计算若干张剖视图中的内轮廓长度，并基于相邻两张剖视图中的内轮廓长度计算内轮廓长度变化率；将内轮廓长度变化率大于预设阈值对应的剖视图中的内轮廓作为工件模型的内部特征，生成内部特征集合。
7.其中，在计算若干张剖视图中的内轮廓长度之前，包括：对若干张剖视图进行二值化处理，得到若干张黑白图；计算若干张剖视图中的内轮廓长度，包括：获取若干张黑白图中每个像素点对应的灰度值；将灰度值等于第一预设值的像素作为轮廓，构成轮廓集合；对轮廓集合中的轮廓进行筛选，得到内轮廓集合；计算内轮廓集合中像素点距离得到内轮廓长度。
8.其中，在将灰度值等于第一预设值的像素作为轮廓之前，还包括：将灰度值等于第二预设值的像素排除。
9.其中，对轮廓集合中的轮廓进行筛选，得到内轮廓集合，包括：对每张黑白图进行提取，得到外轮廓集合；基于外轮廓集合对轮廓集合进行筛选，得到内轮廓集合。
10.其中，基于相邻两张剖视图中的内轮廓长度计算内轮廓长度变化率，包括：获取相邻两张剖视图中第一剖视图的第一内轮廓长度与第二剖视图的第二内轮廓长度；计算第一内轮廓长度和第二内轮廓长度的比值作为第一剖视图的内轮廓长度变化率。
11.为解决上述技术问题，本技术采用的另一个技术方案是：提供一种网格复用方法，
该方法包括：获取待匹配的工件模型；使用如上述的特征提取方法对工件模型进行特征提取得到工件模型的内部特征集合；将内部特征集合中的若干内部特征与网格模型库中的若干网格模型的特征进行比较，得到可以复用的网格模型。
12.具体地，将内部特征集合中的若干内部特征与网格模型库中的若干网格模型的特征进行比较，得到可以复用的网格模型，包括：对内部特征集合中的若干内部特征与网格模型库中的若干网格模型的特征值一一进行比较，每次比较筛选出一半网格模型，直至筛选出与工件模型最接近的网格模型。
13.具体地，在筛选出与工件模型最接近的网格模型之后，还包括：计算网格模型的特征值与工件模型的内部特征之间的特征距离；若特征距离小于预设阈值，则认为网格模型为可以复用的网格模型；若特征距离大于等于预设阈值，则基于工件模型的内部特征构建新的网格模型，并将新的网格模型保存至网格模型库中。
14.为解决上述技术问题，本技术采用的另一个技术方案是：提供一种电子设备，该电子设备包括处理器和存储器，存储器与处理器耦接，存储器存储有程序数据，处理器用于执行程序数据以实现如上述的特征提取方法和/或网格复用方法。
15.为解决上述技术问题，本技术采用的另一个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质存储有程序数据，程序数据在被执行时，用于实现上述的特征提取方法和/或网格复用方法。
16.本技术的有益效果是：区别于现有技术的情况，本技术提供的特征提取方法应用于电子设备，电子设备获取工件模型的若干张剖视图；计算若干张剖视图中的内轮廓长度，并基于相邻两张剖视图中的内轮廓长度计算内轮廓长度变化率；将内轮廓长度变化率大于预设阈值对应的剖视图中的内轮廓作为工件模型的内部特征，生成内部特征集合。通过上述方式，与常规的特征提取方法相比，本技术采用的利用电子设备对工件模型的剖视图进行分析，快速提取到工件模型的内轮廓线，并基于相邻剖视图之间内轮廓线的变化率得到准确的工件模型的内部特征。本技术提供的电子设备可以通过工件剖视图信息的变化率来确定内部特征所在位置，并以此提取反映内部特征的特征值，从而实现对工件模型的内部特征的快速提取。
附图说明
17.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.其中：
19.图1是本技术提供的特征提取方法第一实施例的流程示意图；
20.图2是本技术提供的电子设备中应用网格复用方法的流程示意图；
21.图3是本技术提供的特征提取方法中一工件模型及对应的剖视图；
22.图4是本技术提供的特征提取方法第二实施例的流程示意图；
23.图5是本技术提供的网格复用方法一实施例的流程示意图；
24.图6是本技术提供的电子设备第一实施例的结构示意图；
25.图7是本技术提供的电子设备第二实施例的结构示意图；
26.图8是本技术提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
27.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
28.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
29.本技术提供的特征提取方法主要应用于一种电子设备，其中，本技术的电子设备可以为服务器，也可以为由服务器和终端设备相互配合的系统。相应地，电子设备包括的各个部分，例如各个单元、子单元、模块、子模块可以全部设置于服务器中，也可以分别设置于服务器和终端设备中。
30.进一步地，上述服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块，例如用来提供分布式服务器的软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。在一些可能的实现方式中，本技术实施例的特征提取方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
31.本技术提供的特征提取方法主要应用于基于有限元技术对工件模型等工程中实际投入生产应用的产品的分析过程中。工件模型的结构复杂，因此需要将工件模型拆分为多个网格以简化分析步骤。然而对于一个复杂的工件模型对应的三维结构体来说，划分出每个工件模型的部分的网格模型是十分耗时且困难的。特别是对于一个重大工程来说，其中的工件模型的cad模型是十分复杂的，而网格的划分将会占据工程的大量时间。因此在存在相似的结构件的情况下，可以通过网格复用的方式来减少网格划分的工作量。
32.现有的特征提取方法通常通过采集工件模型的外表面像素点的方式来获取工件模型的特征信息，但由于工件模型的结构随着科技的发展以及用户的需求而变得日益复杂，因此计算量较大，且只能根据工件模型的外部特征与网格模型库中的三维网格模型进行匹配，导致在对存在内部结构的工件模型进行匹配时，不能很好的获取到工件模型的内部特征信息从而导致匹配结果不准确。基于此，本技术提供了一种特征提取方法，下面对本技术所采用的技术方案进行详细说明。
33.参阅图1和图2，图1是本技术提供的特征提取方法第一实施例的流程示意图；图2是本技术提供的电子设备中应用网格复用方法的流程示意图。
34.步骤11：获取工件模型的若干张剖视图。
35.随着计算机技术及数值分析技术的发展，有限元等数值分析方法已成为解决工程
实际问题的重要手段之一。有限元分析(fea，finite element analysis)利用数学近似的方法对真实物理系统(几何和载荷工况)进行模拟。利用简单而又相互作用的元素(即单元)，就可以用有限数量的未知量去逼近无限未知量的真实系统。
36.有限元分析是用较简单的问题代替复杂问题后再求解。它将求解域看成是由许多称为有限元的小的互连子域组成，对每一单元假定一个合适的(较简单的)近似解，然后推导求解这个域总的满足条件(如结构的平衡条件)，从而得到问题的解。因为实际问题被较简单的问题所代替，所以这个解不是准确解，而是近似解。由于大多数实际问题难以得到准确解，而有限元不仅计算精度高，而且能适应各种复杂形状，因而成为行之有效的工程分析手段。
37.而在有限元分析的过程中，网格质量直接决定分析精度，为输出高质量网格通常需要投入大量时间。但随着结构设计日趋标准化，不同产品中会存在相似的结构件，因此通过网格复用的方式可以显著减少工作量。
38.具体地，在电子设备获取工件模型的若干剖视图之前，会先将需要进行网格复用的工件模型对应的三维模型如stp文件等导入到电子设备中。
39.具体地，三维模型包括了多个用户想要进行网格复用的工件，获取三维模型的方式可以是通过用户输入或导入的方式实现或从数据库中提取得到。示例性地，三维模型可以是预先存储在数据库中的，电子设备通过调用该数据库就能够获取三维模型。当然，三维模型还可以是用户导入的，用户可以预先收集三维模型，然后导入至电子设备中。因此，关于具体如何获取三维模型的方式有很多，此处不做具体限定。
40.具体地，电子设备根据三维模型中工件导入的顺序，对每个工件模型进行分析，以判断每个工件模型是否能够进行网格复用。
41.在本技术一实施例中，电子设备获取剖视图的方式可以为沿着世界坐标系的x，y，z三个方向分别截取工件模型的三视图图片。
42.在本技术一实施例中，在获取剖视图之前，电子设备可以基于像素点之间距离，分别计算工件模型三视图外轮廓的长度，记为l1、l2、l3，确定最短轮廓对应的视图，记为l*，以及该视图下对应的工件厚度t。选择更短的轮廓意味着更小的截面积，为后续的特征提取进一步降低计算量。
43.具体地，电子设备以平行视图l*的方向、沿厚度t按最小特征长度l的距离截取[t/l-1]个剖视图，记为[s1，s2，s3，
…
，s
[t/l-1]
]。
[0044]
可选地，电子设备在获取到剖视图之后，可以对剖视图进行二值化处理，即将剖视图中的工件轮廓设置为黑色，工件本体设置为白色，以更好的识别工件的轮廓特征。
[0045]
步骤12：计算若干张剖视图中的内轮廓长度，并基于相邻两张剖视图中的内轮廓长度计算内轮廓长度变化率。
[0046]
在本技术一实施例中，电子设备在获取到二值化处理后的剖视图后，可以使用本技术提出的简化canny算法对剖视图中的轮廓进行识别提取。参阅图3和图4，图3是本技术提供的特征提取方法中一工件模型及对应的剖视图，图4是本技术提供的特征提取方法第二实施例的流程示意图。
[0047]
步骤41：获取若干张黑白图中每个像素点对应的灰度值。
[0048]
具体地，如图3所示，该工件模型中存在一中空的圆形结构。其中，以两条虚线对应
的剖面1和剖面2对工件模型进行切分得到的剖视图为例，在剖视图1中并未存在内部结构，而在剖视图2中，存在一空心圆作为该工件模型的内部结构特征。在现有技术中，通过对工件模型的外表面像素进行提取的方式并不能得到工件模型的内部特征，因此会造成在模型匹配、网格复用等后续步骤中造成匹配结果不准确的问题。
[0049]
具体地，工件模型的内部结构可以为中空叶盘、中空齿轮、中空球体及更复杂的结构组合体等任何存在于工件模型内部的结构，在此不做限定。
[0050]
具体地，传统的canny算法基于灰度图对图片进行轮廓识别，由于灰度图中存在明显噪声，因此需要对图片进行反复调用并比对其中的灰度梯度，导致计算量增加。即在应用传统canny算法判断轮廓的步骤中，将边缘像素点梯度值大于一较大阀值的点，认为是强边缘点。如果边缘梯度值小于一较大阀值，大于一较低阀值，则标记为弱边缘点。小于一较低阀值的点则被抑制掉。
[0051]
而在本技术中，由于电子设备对剖视图提前做了二值化处理得到了对应的黑白图，因此在对黑白图中轮廓进行识别时，只需要根据黑白图中像素点的灰度值即可得到轮廓所在位置，且无需对图片进行反复调用比较，减少了轮廓识别的计算复杂度以及计算量，从而提高了特征提取的整体效率。
[0052]
步骤42：将灰度值等于第一预设值的像素作为轮廓，构成轮廓集合。
[0053]
具体地，电子设备将获取到的黑白图中的像素点对应的灰度值一一进行判定，由于对剖视图进行了二值化处理，因此黑白图中的像素点只存在两个数值，电子设备只需将黑白图中灰度值等于第一预设值的像素作为轮廓，构成轮廓集合，并将灰度值等于第二预设值的像素排除。
[0054]
步骤43：对轮廓集合中的轮廓进行筛选，得到内轮廓集合。
[0055]
具体地，电子设备对每张黑白图进行提取，得到外轮廓集合；基于外轮廓集合对轮廓集合进行筛选，得到内轮廓集合。
[0056]
具体地，电子设备提取黑白图中外轮廓的方法可以使用findcontours函数对黑白图中所有轮廓进行检索，并返回工件模型最外部的轮廓以及与外部轮廓相连的轮廓线，从而组成外轮廓集合。
[0057]
步骤44：计算内轮廓集合中像素点距离得到内轮廓长度。
[0058]
具体地，电子设备可以通过计算像素点之间的距离来得到内轮廓集合中每条内部轮廓的长度，记为[e1，e2，e3，
…
，e[t/l-1]]。当工件模型中存在内部特征时，对应的剖视图中的内轮廓长度e就会出现变化。继续以图3为例，图3中的剖视图1中的内轮廓长度e1为0，剖视图2中的内轮廓长度为圆孔的周长，记为e2。
[0059]
具体地，像素点之间的距离可以通过欧氏距离、d4距离、d8距离等方法进行计算，在此不做限定。
[0060]
具体地，电子设备在得到所有剖视图中的内轮廓长度后，基于相邻两张剖视图中的内轮廓长度计算内轮廓长度变化率。电子设备获取相邻两张剖视图中第一剖视图的第一内轮廓长度与第二剖视图的第二内轮廓长度；计算第一内轮廓长度和第二内轮廓长度的比值作为第一剖视图的内轮廓长度变化率。
[0061]
步骤13：将内轮廓长度变化率大于预设阈值对应的剖视图中的内轮廓作为工件模型的内部特征，生成内部特征集合。
[0062]
具体地，继续以图3为例，剖视图1和剖视图2的内轮廓长度变化率为e2/e1，当这一比值大于一预设阈值t时，则认为剖视图2中的内轮廓为工件模型的内部特征。并将内轮廓长度作为该内部特征的特征值，记为c1。
[0063]
具体地，电子设备对获取的所有剖视图一一进行计算，得到工件模型的全部内部特征以及对应的特征值，将特征值集合记为[c]。
[0064]
在本技术一实施例中，在电子设备提取到工件模型的内部特征之后，还可以基于内部特征集合判断在网格复用的过程中已有的网格是否与工件模型匹配。参阅图2和图5，图5是本技术提供的网格复用方法一实施例的流程示意图。
[0065]
步骤51：获取待匹配的工件模型。
[0066]
具体地，电子设备对工件模型的预处理如上述步骤11所述，在此不做赘述。
[0067]
步骤52：使用如上述的特征提取方法对工件模型进行特征提取得到工件模型的内部特征集合。
[0068]
具体地，电子设备对工件模型的特征提取方法如上述步骤12～步骤13所述，在此不做赘述。
[0069]
步骤53：将内部特征集合中的若干内部特征与网格模型库中的若干网格模型的特征进行比较，得到可以复用的网格模型。
[0070]
具体地，电子设备对内部特征集合中的若干内部特征与网格模型库中的若干网格模型的特征值一一进行比较，每次比较筛选出一半网格模型，直至筛选出与工件模型最接近的网格模型。继续以上述例子为例，电子设备首先提取[c]的第一个特征值c1，与网格库中所有网格的第一个特征值对比，保留其中最接近的一半对象。然后提取第二个特征值c2，与这一半对象的第二个特征值对比，在此基础上继续保留最接近的一半对象直至选出与工件模型最接近的网格模型。通过这种比较方式，每次比较都会剔除一半的候选对象，能够进一步减少网格复用过程中的计算量，提高网格匹配的效率。
[0071]
具体地，在筛选出与工件模型最接近的网格模型之后，电子设备计算网格模型的特征值与工件模型的内部特征之间的特征距离；若特征距离小于预设阈值，则认为网格模型为可以复用的网格模型；若特征距离大于等于预设阈值，则基于工件模型的内部特征构建新的网格模型，并将新的网格模型保存至网格模型库中。
[0072]
具体地，新的网格模型在经过电子设备进行网格质量审核后，若质量合格，则将该网格模型更新至网格模型库中，若审核不通过，则重新基于工件模型的内部特征进行划分网格。
[0073]
具体地，特征距离是指在机器学习或模式识别中，用于评估样本之间相似度或差异性的一种度量方式。特征距离可以使用欧氏距离、曼哈顿距离、范式距离、切比雪夫距离等公式进行计算，在此不做限定。
[0074]
区别于现有技术的情况，本技术提供的特征提取方法应用于电子设备，电子设备获取工件模型的若干张剖视图；计算若干张剖视图中的内轮廓长度，并基于相邻两张剖视图中的内轮廓长度计算内轮廓长度变化率；将内轮廓长度变化率大于预设阈值对应的剖视图中的内轮廓作为工件模型的内部特征，生成内部特征集合。通过上述方式，与常规的特征提取方法相比，本技术采用的利用电子设备对工件模型的剖视图进行分析，快速提取到工件模型的内轮廓线，并基于相邻剖视图之间内轮廓线的变化率得到准确的工件模型的内部
特征。本技术提供的电子设备可以通过工件剖视图信息的变化率来确定内部特征所在位置，并以此提取反映内部特征的特征值，从而实现对工件模型的内部特征的快速提取。
[0075]
上述实施例的方法，可以利用一电子设备来实现，下面结合图6进行描述，图6是本技术提供的电子设备第一实施例的结构示意图。
[0076]
如图6所示，本技术实施例的电子设备60包括获取模块61、计算模块62和特征提取模块63。
[0077]
其中，获取模块61，用于获取工件模型的若干张剖视图。
[0078]
计算模块62，用于计算若干张剖视图中的内轮廓长度，并基于相邻两张剖视图中的内轮廓长度计算内轮廓长度变化率。
[0079]
特征提取模块63，用于将内轮廓长度变化率大于预设阈值对应的剖视图中的内轮廓作为工件模型的内部特征，生成内部特征集合。
[0080]
上述实施例的方法，可以利用一电子设备来实现，下面结合图7，图7是本技术提供的电子设备第二实施例的结构示意图，该电子设备70包括存储器71和处理器72，存储器71用于存储程序数据，处理器72用于执行程序数据以实现如下的方法：
[0081]
获取工件模型的若干张剖视图；计算若干张剖视图中的内轮廓长度，并基于相邻两张剖视图中的内轮廓长度计算内轮廓长度变化率；将内轮廓长度变化率大于预设阈值对应的剖视图中的内轮廓作为工件模型的内部特征，生成内部特征集合。
[0082]
参阅图8，图8是本技术提供的计算机可读存储介质一实施例的结构示意图，该计算机可读存储介质80存储有程序数据81，程序数据81在被处理器执行时，用于实现如下的方法：
[0083]
获取工件模型的若干张剖视图；计算若干张剖视图中的内轮廓长度，并基于相邻两张剖视图中的内轮廓长度计算内轮廓长度变化率；将内轮廓长度变化率大于预设阈值对应的剖视图中的内轮廓作为工件模型的内部特征，生成内部特征集合。
[0084]
本技术的实施例以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0085]
以上所述仅为本技术的实施方式，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。

技术特征：
1.一种特征提取方法，其特征在于，所述特征提取方法包括：获取工件模型的若干张剖视图；计算若干张所述剖视图中的内轮廓长度，并基于相邻两张所述剖视图中的内轮廓长度计算内轮廓长度变化率；将所述内轮廓长度变化率大于预设阈值对应的所述剖视图中的内轮廓作为所述工件模型的内部特征，生成内部特征集合。2.根据权利要求1所述的特征提取方法，其特征在于，在所述计算若干张所述剖视图中的内轮廓长度之前，包括：对若干张所述剖视图进行二值化处理，得到若干张黑白图；所述计算若干张所述剖视图中的内轮廓长度，包括：获取若干张所述黑白图中每个像素点对应的灰度值；将所述灰度值等于第一预设值的像素作为轮廓，构成轮廓集合；对所述轮廓集合中的所述轮廓进行筛选，得到内轮廓集合；计算所述内轮廓集合中像素点距离得到所述内轮廓长度。3.根据权利要求2所述的特征提取方法，其特征在于，在所述将所述灰度值等于第一预设值的像素作为轮廓之前，还包括：将所述灰度值等于第二预设值的像素排除。4.根据权利要求2所述的特征提取方法，其特征在于，所述对所述轮廓集合中的所述轮廓进行筛选，得到内轮廓集合，包括：对每张所述黑白图进行提取，得到外轮廓集合；基于所述外轮廓集合对所述轮廓集合进行筛选，得到内轮廓集合。5.根据权利要求1所述的特征提取方法，其特征在于，所述基于相邻两张所述剖视图中的内轮廓长度计算内轮廓长度变化率，包括：获取所述相邻两张所述剖视图中第一剖视图的第一内轮廓长度与第二剖视图的第二内轮廓长度；计算所述第一内轮廓长度和所述第二内轮廓长度的比值作为所述第一剖视图的所述内轮廓长度变化率。6.一种网格复用方法，其特征在于，所述网格复用方法包括：获取待匹配的工件模型；使用如权利要求1至5任一项所述的特征提取方法对所述工件模型进行特征提取得到所述工件模型的内部特征集合；将所述内部特征集合中的若干内部特征与网格模型库中的若干网格模型的特征进行比较，得到可以复用的网格模型。7.根据权利要求6所述的网格复用方法，其特征在于，所述将所述内部特征集合中的若干内部特征与网格模型库中的若干网格模型的特征进行比较，得到可以复用的网格模型，包括：对所述内部特征集合中的若干内部特征与网格模型库中的若干网格模型的特征值一一进行比较，每次比较筛选出一半所述网格模型，直至筛选出与所述工件模型最接近的所述网格模型。
8.根据权利要求7所述的网格复用方法，其特征在于，在所述筛选出与所述工件模型最接近的所述网格模型之后，还包括：计算所述网格模型的特征值与所述工件模型的内部特征之间的特征距离；若所述特征距离小于预设阈值，则认为所述网格模型为所述可以复用的网格模型；若所述特征距离大于等于所述预设阈值，则基于所述工件模型的内部特征构建新的网格模型，并将所述新的网格模型保存至所述网格模型库中。9.一种电子设备，其特征在于，所述电子设备包括存储器以及与所述存储器耦接的处理器；其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1至5任一项所述的特征提取方法和/或如权利要求6至8任一项所述的网格复用方法。10.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现如权利要求1至5任一项所述的特征提取方法和/或如权利要求6至8任一项所述的网格复用方法。

技术总结
本申请公开了一种特征提取方法、网格复用方法、设备以及计算机存储介质，该特征提取方法包括：获取工件模型的若干张剖视图；计算若干张剖视图中的内轮廓长度，并基于相邻两张剖视图中的内轮廓长度计算内轮廓长度变化率；将内轮廓长度变化率大于预设阈值对应的剖视图中的内轮廓作为工件模型的内部特征，生成内部特征集合。通过上述方式，本申请能够通过获取工件模型的剖视图，比较相邻剖视图中内轮廓长度的变化率得到工件模型的内部轮廓作为工件模型的内部特征，从而实现对工件模型的内部特征的提取。征的提取。征的提取。


技术研发人员：徐杨 孙杭其 楼晓景 邓志吉 纪国伟 范娟刚 帅树新 王慧 朱超 叶建辉
受保护的技术使用者：浙江大华技术股份有限公司
技术研发日：2023.04.07
技术公布日：2023/8/5