一、选题背景和意义：
在过去的十年中，在线三维模型的数量有了很大的增长，此类存储库提供了数百万个三维多边形网格模型，涵盖了数千个对象和场景类别。这些三维模型数据集对于科研社区是非常有用的资源：一方面，三维模型数据集有助于我们进行数据驱动研究，可以帮助计算机图形学研究紧跟着视觉和自然语言处理的最新发展，朝数据驱动的方向发展。另一方面，可以对系统进行大规模的定量分析，以此发现特定方法对各种三维模型数据处理的优势。此外，三维模型数据集通过提供一个大规模、 注释丰富的数据集，推广一类新出现的机器学习和神经网络方法，为处理几何数据提供一种新的解决途径。因此，构建可共享的三维模型数据集一直是计算机图形学等领域的重要问题之一。
现有的数据集例如最有名的princeton shape benchmark(PSB)，包含1814个从万维网上收集的多边形模型，由人类根据功能和形式进行分类。还有Toyohashi Shape Benchmark(TSB)，Architecture Shape Benchmark(ASB)等数据集。为了构建这些模型数据集，首先需要从网络上爬取数据，然后对这些数据进行标注处理，比如人工修改模型的各种标注错误，或对模型缺失的标注信息进行重标注，为保证模型标注的准确性，需要花费很大的人力物力，因此构建上述数据集成本昂贵且效率地下。为解决这一问题，本毕设建立一个新的数据集，与已有数据集不同，这些数据集无需人工标注，而直接使用互联网上现有的标注信息，虽然标注可能会有一定错误，但相比现有的模型库，其构建成本较低。该数据集的建立可以推动该领域的研究人员关注如何在噪音标注的条件实现对几何数据的鲁棒处理，从而可降低目前数据驱动的数字几何处理的算法实现成本，并可作为此类基于标注噪音的数据驱动方法的基准测试集。因此，构建一个具有噪音标注的三维模型数据集对数字几何处理和计算机图形学等领域的发展具有十分重要的研究价值和意义。
文献综述（或调研报告）：
1.前言
如今的技术发展导致我们可以生成和存储的3D数据量激增。通过网络上3D内容的聚合， 3D CAD模型的存储库正在不断扩展，这样的存储库提供了数百万个三维多边形模型，涵盖了数千个对象和场景类别。一个有具体注释并且有组织的三维模型数据集可以帮助计算机图形学研究朝着数据驱动的方向发展，用于完成一些评估任务和定量分析。甚至可以用数据集推广一类新出现的机器学习和神经网络方法，用于处理几何数据。这里介绍几个迄今比较常用的3D模型数据集
2.3D模型数据集
（1）Princeton Shape Benchmark(PSB)
该数据库包含1814个从万维网上收集的多边形模型，由人类根据功能和形式进行分类。它包括一组分层分类、单独的训练和测试集、每个模型的注释，以及一套用于生成、分析和可视化形状匹配结果的软件工具。
它提供了定义多个分类和查询集的机制，这些机制可用于区分形状匹配算法的属性。我们的基本分类组合了语义和形状层次。例如，表示桌子的模型可以是“单腿圆形桌子”类的一部分，也可以是语义更简略的“圆桌”、“桌子”、“家具”和“人造”类的一部分。基准测试还包括几个查询集，用于区分匹配算法在具有特定属性（例如，高度复杂度）的模型上的工作方式。
以上是文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
