Point2CAD：从 3D 点云到 CAD 模型的逆向工程

Dec, 2023

Point2CAD：从 3D 点云到 CAD 模型的逆向工程

Point2CAD: Reverse Engineering CAD Models from 3D Point Clouds

Yujia Liu, Anton Obukhov, Jan Dirk Wegner, Konrad Schindler

TL;DR从点云重建计算机辅助设计（CAD）模型，结合计算机视觉、图形学和机器学习的重要问题。通过分析当前艺术状态并提出混合分析 - 神经重建方案，桥接分割的点云和结构化的 CAD 模型，借助新颖的隐式神经表示法提高表面拟合阶段的性能，达到了新的与该数据集的最新技术水平。

Abstract

computer-aided design (CAD) model reconstruction from point clouds is an important problem at the intersection of computer vision, graphics, and machine learning; it saves the designer significant time when itera

computer-aided design cad model reconstruction point clouds semantic segmentation implicit neural representation

发现论文，激发创造

自动反向工程：从多视图图像创建计算机辅助设计 (CAD) 模型

计算机辅助设计（CAD）模型生成是一项重要任务，提出了一种利用卷积神经网络、多视角池化和基于转换器的 CAD 序列生成器的网络架构，通过大量的模拟输入图片进行训练和优化，成功地从测试图像数据重建有效的 CAD 模型，并表明该网络的一些能力可以迁移到实际照片领域，然而目前可行的模型复杂度仍然受限于基本形状。

Sep, 2023

P2CADNet：用于点云参数化三维 CAD 模型的端到端重建网络

该研究提出了一种从点云中重建特征 CAD 模型的端到端网络 (P2CADNet)，通过结合点云特征提取器、CAD 序列重构器和参数优化器等模块来实现 CAD 模型的精确重建。实验结果表明 P2CADNet 具有出色的重建质量和准确性，并且是首个从点云重建特征 CAD 模型的端到端网络，可作为未来研究的基线。

Oct, 2023

准确灵活的实例重建的 CAD 先验

提出一种自动高效的 3D 目标重建方法，利用先验 CAD 模型，通过本文贡献的局部隐式形状模型（LISM）的对象检测方法，可从小型或大型（125m³）物体上高精度重建。

May, 2017

Point2Cyl：从点云中逆向工程三维物体为挤压圆柱体

使用 Point2Cyl 算法，通过神经网络将原始三维点云转化为一组挤压圆柱，从而实现了对三维数据的反向工程和 CAD 模型的制作及编辑。

Dec, 2021

PS-CAD: 基于提示和选择的 CAD 重建中的局部几何引导

通过将几何指导引入重建网络中，我们提出了一种名为 PS-CAD 的模型，它逐步重建 CAD 建模序列，并通过提供几何表面的几何信息和平面提示来改进重建的效果。在 DeepCAD 数据集上，PS-CAD 在所有度量指标上都有明显的改进，减少了几何错误（CD 和 HD）约 10%，结构错误（ECD 度量）约 15%。

May, 2024

CAD-SIGNet: 使用逐层草图实例引导的注意力从点云中推理 CAD 语言

给定一个三维扫描的物理对象，CAD-SIGNet 模型通过层间交叉注意力和新的 SGA 模块，能够恢复 CAD 模型的设计历史，并提供多种可能的设计选择，从而实现交互式逆向工程。在公开的 CAD 数据集上进行的实验表明，该方法在完整设计历史恢复和条件自动完成两个方面的效果优于现有的基准模型。

Feb, 2024

NeurCADRecon：通过强制零高斯曲率重建 CAD 曲面的神经表示

基于观察到 CAD 模型表面通常由分段曲面补丁组成，每个补丁都大致可展平，我们提出了一种名为 NeurCADRecon 的自我监督方法，其损失函数包括一个促进高斯曲率趋近于 0 且保持输入点一致性的可展平项。我们的方法能够从神经 SDF 中清晰地提取尖锐特征点 / 线，并将其分解为光滑曲面补丁，极大地降低了恢复参数化 CAD 设计的难度。与现有的最先进方法进行了全面比较，证明了我们方法在重建忠实的 CAD 形状方面的显著优势。

Apr, 2024

Point2Building：从航空 LiDAR 点云重建建筑物

基于学习的方法，从空中激光雷达点云中重构建筑物为 3D 多边形网格，通过引入生成模型来适应各种建筑形状和结构，通过直接从点云数据中学习，减少误差传播并提高重构的准确性，在苏黎世、柏林和塔林的空中激光雷达数据上进行实验证明了方法的良好泛化能力。

Mar, 2024

点卷积神经网络

本文介绍了一个使用 3D 点云进行语义分割和对象识别的卷积神经网络，其中核心是点卷积，这是一种可以在点云的每个点上应用的新型卷积算子，并且网络设计简单且能在语义分割和对象识别任务中获得可比较的准确性。

Dec, 2017

Mask2CAD：通过学习分割和检索实现 3D 形状预测

本文提出了一种基于 CAD 模型的方法，结合现有的大规模三维模型数据集，构建了一种可以检测现实世界图像中物体的 CAD 模型表示方法，并且证明了与现有技术相比，该方法在真实世界图像中有着优势。

Jul, 2020