An autoregressive framework for reconstructing editable parametric computer-aided design models from point clouds

Jiaxing Lu

doi:10.1016/j.engappai.2025.113107

An autoregressive framework for reconstructing editable parametric computer-aided design models from point clouds

2025-11-13

0

PRE

AI

DOI：10.1016/j.engappai.2025.113107

原文链接

原文求助

摘要

En 中文

工业零件的三维（3D）点云逆向工程对于现代制造业和设计中的计算机辅助设计（CAD）工作流程至关重要。然而，点云的无序特性和其与序列化、参数化CAD建模之间显著的模态差距，使得精确且可编辑的重建尤为具有挑战性。现有方法通常难以同时解决这两个问题，导致形状保真度和实际可用性受限。本文介绍了一种端到端的基于自回归Transformer的框架RenCAD，该框架直接将点云表示映射到CAD建模序列，实现自动化参数化重建。RenCAD的主要人工智能（AI）贡献在于其整体自回归架构，该架构逐个标记生成CAD序列以捕捉命令间的依赖关系。这进一步通过带有可学习位置编码的基于组的标记化机制来增强，以有效处理无序点云，并通过比例重建损失来改进与几何精度相关的参数学习。从工程角度看，RenCAD减少了手动建模工作量，同时保留了可编辑性和精度。它输出的参数化操作完全兼容标准CAD软件，支持无缝集成到工业工作流程中。在公共基准测试上的大量实验表明，RenCAD在多个评估指标上优于类似方法，实现了更高的命令准确性、更低的无效率以及改进的几何保真度。这些结果证实了RenCAD的鲁棒性和可扩展性，通过紧密耦合原始点云数据与结构化建模逻辑，推动了AI驱动的CAD自动化。然而，RenCAD仅支持有限的建模操作集。未来的工作将扩展其建模能力和适应性，以适应更广泛的工业场景。

An autoregressive framework for reconstructing editable parametric computer-aided design models from point clouds

摘要

期刊

机构

引用论文