已阅读5页,还剩114页未读, 继续免费阅读
(计算机软件与理论专业论文)数字几何模型特征检测与建模方法研究.pdf.pdf 免费下载
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
数字几何模型特征检测与建模方法研究 摘要 论文题目:数字几何模型特征检测与建模方法研究 专业:计算机软件与理论 博士生:卫维恕 指导教师:罗笑南教授 摘要 特征匹配问题是计算机视觉、对象识别和机器人技术的核心问题。在传统的 模式识别中,图像与视频的识别在过去的十年中发展了很多方法。近来,匹配算 法由二维图像扩展到三维图形。许多新概念和技术相继出现,诸如形状恢复、三 维物体配准和网格显著度等。直到现时为止,在三维匹配领域有许多研究关注于 全局匹配问题,此类方法着力于整个三维模型的整体相似度的测量与评价。然而, 全局匹配在三维模型局部相似性比较的应用中确实存在弱势。三维模型的局部匹 配技术可以很好的解决上述问题。局部匹配的任务是通过对比模型的局部或特定 区域,制定模型的相似程度评价。两个三维物体待匹配的子部分不需要预先指定, 可以是任意的形状、朝向和尺寸。三维对象局部匹配相对于全局匹配是一个难得 多的问题。原因之一在于它必须寻找相似的子部分,并给出相似度评价。 本文着力于讨论三维表面网格模型的特征匹配及基于特征的建模算法。首先 对该领域的历史背景和研究内容进行系统的回顾。并以其新的研究发展方向 局部特征匹配的研究作为切入点,在此基础之上引出本文的研究课题。本论文在 以下几个方面进行了深入的研究,其主要贡献可概括如下: 在特征匹配的问题上,寻找与位置和方向无关的特征表述方法是问题研究的 关键。受s c a l ei n v a r i a n tf e a t u r et r a n s f o r m ( s i f t ) 算法启发,提出一种三 维几何网格上的特征部分匹配方法。该方法分析了曲面曲率的离散表示,通过对 二维流形尺度空间极值的检测,寻找相对稳定且有代表性的关键点作为网格局部 几何特征。本文进一步分析了特征稳定性与尺度检测深度的关系,并建立局部特 征描述器集合。描述器是具有尺度与旋转不变性的独立标架,允许处理大面积的 无语义的复杂网格。本方法适用于三维网格模型的少许变形,并可通过调整阀值 三维几何模型特征匹配及数字人体建模研究摘要 来调整模型匹配的相似程度。 在真实性建模问题上,本文通过预先建立的语义特征对三维数字人体模型作 重建以及参数化处理。本文提出基于水平集的扫描点简化算法,对高密度的扫描 点模型作简化处理,并能解决扫描点模型中普遍存在的重影与空洞问题。该方法 具有自动排序特点,并且使简化结果保留原扫描点模型按层划分的特性。通过指 定不同的简化半径,该算法自动生成多分辨率的层次细节模型。实验结果显示, 本方法在高简化精度下具有好的保形性。简化所得的点模型可通过多边形或曲 线、曲面重建。 总之,本文针对特征在匹配与建模的研究和应用方面,做了认真和有益的探 索。本文提出的特征匹配方法在三维对象的识别、检索以及无语义的网格特征搜 索有一定的参考价值。在散乱点建模方面,不仅在计算机图形学角度提出自己的 研究思路与见解,而且结合数字人体建模与参数化模型,并将其应用到功能性服 装c a d 中。 关键词:数字几何模型、特征检测、尺度空间、局部极值、点云简化、模型重建、 参数化设计 r e s e a r c h e so i ld i g i t a lg c o m 砌c a f 髓t u md e t e c t i o na n dm o d e l i n gm e t h o d sa b s t r a c t t i t l e :r e s e a r c ho n d i g i t a l g e o m e t r i c a l f e a t u r ed e t e c t i o na n d m a j o r : n a m e : m o d e lin gm e t h o d s c o m p u t e rs o f t w a r ea n dt h e o r y w e i s h uw e i s u p e r v i s o r :p r o f x i a o n a nl u o a b s t r a c t f e a t u r em a t c h i n gi sac o r ep r o b l e mi nc o m p u t e rv i s i o n , o b j e c tr e c o g n i t i o na n d r o b o tt e c h n o l o g y i nt r a d i t i o n a lp a t t e r nr e c o g n i t i o n , l o t so fm e t h o d sh a v eb e e n d e v e l o p e di nt h ep a s td e c a d e r e c e n t l y ,t h er e s e a r c ho fm a t c h i n ga l g o r i t h mh a sb e e n e x t e n d e df r o mi m a g et og r a p h i c s m a n yn o v e lc o n c e p t sa n dt e c h n i q u ea p p e a r s ,s u c h 嬲s h a p er e t r i e v a lo b j e c ta l i g n m e n ta n dm e s hs a l i e n c y n o w , m a n yr e s e a r c h e sf o c u s e s o ng l o b a lm a t c h i n gi n3 ds c o p e s ,t h e yp a yt h e i re f f o r t so nm o d e l sg l o b a ls i m i l a r i t y m e a s u r e m e n ta n de s t i m a t i o n h o w e v e r , g l o b a lm a t c h i n gh a si t ss h o r t c o m i n gi nl o c a l s i m i l a r i t yc o m p a r i s o n p a r t i a lm a t c h i n gc a ns o l v et h ea b o v e m e n t i o n e dp r o b l e m t h e t a s ko fp a r t i a lm a t c h i n gi st oe s t a b l i s hs i m i l a r i t ya p p r a i s a lb yc o m p a r i n gt h e c o r r e s p o n d i n gr e g i o n si nm o d e l s t h ec o r r e s p o n d i n gr e g i o n sn e e dn o tb ea s s i g n e di n a d v a n c e t h e yc a nb eo fa r b i t r a r ys h a p e s ,o r i e n t a t i o na n ds i z e s p a r t i a lm a t c h i n go f 3 do b j e c t si sf a rm o r ed i f f i c u l tt h a ng l o b a lm a t c h i n g ,b e c a u s ei tm u s tf i n do u tt h e s i m i l a rp a r t si no b j e c t s ,a n ds e td o w ns i m i l a r i t ye s t i m a t i o n t h i st h e s i sf o c u s e so nt h ed i s c u s s i o no n3 dm e s h e sf e a t u r em a t c h i n ga n d f e a t u r e - b a s e dm o d e l i n gm e t h o d s f i r s t l y , i tr e v i e w st h er e s e a r c hb a c k g r o u n da n d r e l a t e dl i t e r a t u r e s f u r t h e r m o r e ,i tt a k e st h ec u r r e n tn e wr e s e a r c hd i r e c t i o n - - - - - p a r t i a l f e a t u r em a t c h i n ga sac u t i np o 缸t oi n t r o d u c et h er e s e a r c ht o p i c t h i st h e s i s o u t p r e a d si t sr e s e a r c h e si nt h ef o l l o w i n ga s p e c t s ;t h em a i nc o n t r i b u t i o n sc a r lb e i nf e a t u r em a t c h i n g ,t of i n do u tp o s i t i o na n do r i e n t a t i o n - i n v a r i a n tr e p r e s e n t a t i o ni s 1 1 i r e s e a r c h e so i ld i g i t a lg e o m e t r i c a lf e a t u r ed e t e c t i o nm a dm o d e l i n gm e t h o d sa b s t r a c t t h ek e yp r o b l e m i n s p i r e db ys c a l ei n v a r i a n tf e a t u r et r a n s f o r m ( s i f t ) a l g o r i t h m , t h i s t h e s i sp r e s e n t saf e a t u r ep a r t i a lm a t c h i n gm e t h o do n3 dm e s h e s t h ep r o p o s e d m e t h o da n a l y s i z e st h ed i s c r e t ec u r v a t u r eo ns u r f a c e ,a n ds e e k st h er e p r e s e n t a t i v ea n d s t a b l ek e y p o i n t sa sm e s hl o c a lg e o m e t r i c a lf e a t u r e sb yd e t e c t i n ge x t r e m ai ns c a l e s p a c eo f2 - m a n i f o l d s f u r t h e r m o r e , t h i st h e s i sa n a l y z e st h er e l a t i o n s h i pb e t w e e n f e a t u r es t a b i l i t ya n ds c a l ed e p t l l s ,a n de s t a b l i s h e sl o c a lf e a t u r ed e s c r i p t o r st h o s ea r e s c a l ea n dr o t a t i o ni n v a r i a n tf r a m e sa n dc a nb eu s e dt o p r o c e s sl a r g e s c a l eo f n o n s e m a n t i ca n dc o m p l i c a t e dm e s h e s t h ep r o p o s e dm e t h o di ss u i t a b l et op r o c e s s s o m e w h a td e f o r m e do rd i s t o r t e dm e s h e s ,a n dc a nb eu s e dt oa d j u s tt h em a t c h i n g s i m i l a r i t yb yc h a n g i n gt h et h r e s h o l d i na u t h e n t i cm o d e l i n g ,t h i st h e s i sr e c o n s t r u c t sa n dp a r a m e t e r i z e st h ed i g i t a l m a n n e q u i n sb yt h ep r e - e s t a b l i s h e d s e m a n t i cf e a t u r e s i no r d e rt oe l i m i n a t e m u l t i - s i l h o u e t t ea n dh o l e su b i q u i t o u s l yi ns c a n n e dp o 缸c l o u d ,t h i st h e s i sp r e s e n t s l a y e r - b a s e dp o 硫c l o u ds i m p l i f i c a t i o nm e t h o dt or e f i n eh i g hd e n s ep o i n tc l o u d t h e m e t h o dc a no r d e rp o i n t s ,a n dm a k et h er e s u l t p o i n t s c l o u dt o k e e p t h e s e p a r a t e b y - l a y e rp r o p e r t y b ya s s i g n i n g v a r i o u sr a d i u s e s ,i tc a n g e n e r a t e m u l t i r e s o l u t i o nm o d e l sa u t o m a t i c a l l y t h ee x p e r i m e n tr e s u l t sh a v es h o w nt h a ti th a s t h ea b i l i t yt h a tc a nk e e pt h eo r i g i n a ls h a p ew e l lu n d e rt h eh i g h - p r e c i s es i m p l i f i c a t i o n t h es i m p l i f i e dp o i n t sc a nb er e c o n s t r u c t e db yp o l y g o n , c a l v eo rs u r f a c e i nb r i e f ;t h i st h e s i se x p l o r e sf e a t u r em a t c h i n ga n dm o d e l i n gp r o b l e m sa n dt h e i r a p p l i c a t i o n s t h ep r o p o s e df e a t u r em a t c h i n gm e t h o dh a si t sr e f e r e n c ev a l u ei n3 d o b j e c t r e c o n i t i o na n dn o n s e m a n t i c sf e a t u r e s e a r c h i n g i nm a s sp o i n t c l o u d r e c o n s t r u c t i o na s p e c t ,t h i st h e s i sn o to n l yp r e s e n t st h ev i e w p o i n t sf r o mc g a s p e c t ,b u t a l s oa p p l i e st h ep a r a m t e r i z e dd i g i t a lm a n n e q u i n st o3 dg a r m e n td e s i g n k e yw o r d s :d i g i t a lg e o m e t r i c a lm o d e l ,f e a t u r ed e t e c t i o n , s c a l es p a c e ,l o c a le x t r e m u m , p o i n t c l o u ds i m p l i f i c a t i o n , m o d e lr e c o n s l r u c t i o n , p a r a m e t e r i z e dd e s i g n i v 论文原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独 立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论 文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文 的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本 人完全意识到本声明的法律结果由本人承担。 学位论文作者签名:曼塑造 e t 期:鲨墨:! :兰 学位论文使用授权声明 本人完全了解中山大学有关保留、使用学位论文的规定,即:学 校有权保留学位论文并向国家主管部门或其指定机构送交论文的电 子版和纸质版,有权将学位论文用于非赢利目的的少量复制并允许论 文进入学校图书馆、院系资料室被查阅,有权将学位论文的内容编入 有关数据库进行检索,可以采用复印、缩印或其他方法保存学位论文。 学位论文作者签名:z 研纺 日期:沙带c 谰莎e t 数字几何模型特征检测与建模方法研究 第1 章三维形状特征检测与匹配方法综述 第1 章三维数字几何图形特征检测综述 特征问题是计算机图形学【l 】、计算机视觉、模式识别和图像处理等众多学 科共同涉及的基本问题。特征的识别问题在图形图像检索与识别方面显得尤为 关键。当今互联网的发展使得网络积攒了大量、甚至海量的资源,对有用的数 据资源进行挖掘是相当有必要的。其中很重要的一部分是图形图像数据。而特 征的选择是数据预处理中一种重要而且经常采用的方法,无论是在数据挖掘【2 】 还是在图形图像的检索【3 】方面。 在此背景下出现了三维模型仓库,在线提供大量的三维几何模型下载,并 且模型的存量正在快速扩大。其中比较出名的三维模型库有:分子生物方面的 蛋白质数据库( p r o t e i nd a t ab a n k ) 【4 】,存储了将近2 9 ,0 0 0 个蛋白质模型;c a d 方面的国家设计仓库( n a t i o n a ld e s i g nr e p o s i t o r y ) 【5 1 ,储存大约1 万个c a d 及 机械零件模型;普林斯顿形状数据库( p r i n c e t o ns h a p ed a t a b a s e ) 【6 】,存储多边 形表面模型3 6 ,0 0 0 个,并且每天从互联网上收集模型。随着图形硬件速度变得 越来越快和三维扫描仪的价格越来越便宜,很有理由相信将来三维模型的供求 关系会快速的增长起来。现今在互联网上3 d 模型就像图像、视频和音频文件 一样普遍了。 含有大量3 d 模型的数据仓库促进了模型搜索的需求。三维搜索引擎可以 查找感兴趣的模型数据,或者通过利用数据挖掘得到的数据,并发现数据之间 的关系。文本标注( t e x ta n n o t a t i o n ) 搜索方法作为传统的搜索方法,在过去的 几十年中一直扮演者重要的角色,并且在今后发展中依然有其存在的价值,并 且也是一种不可取代的搜索手段。新出现的基于内容的( c o n t e n t b a s e d ) 【7 ,8 】搜 索方法通常需要发现模型数据中的几何联系。例如,机械设计工程师可以利用 搜索引擎找出指定的c a d 模型通过三维形状特征分类;医生可以使用自动分类 系统去协助诊断病人病情通过比较正常对比病变与正常器官的区别;古生物学 家可以使用形状分析建立从扫描得到的相似3 d 骨骼或化石模型的联系,并将 它们归类到不同的种属。这些问题是相当普遍的,有如其它媒体数据,声音、 图像、视频一样重要。 数字几何模型特征检测与建模方法研究第l 章三维形状特征检测与匹配方法综述 然而三维模型数据一些有意思的特性,直接影响着形状分析和检索 ( s h a p e b a s e da n a l y s i sa n dr e t r i e v a l ) 1 9 ,1 0 】方法。不同于传统媒体数据类型,大 多数3 d 模型是不依赖于传感器、发射器和周围环境的对象,以致3 d 模型并不 包含投影、反射和阴影等影响的问题,大大简化了相同类型模型间的匹配与识 别问题。例如,在搜索三维“马”模型的时候可以将模型粗略的看成含有4 条 腿的大概的相等模型。相反,在图像检索中,由于草或者身体的遮挡,相同的 马模型却很少能看到全部的4 条腿,那条缺少的“腿 ,有时候会由阴影或附近 有反射的池塘而得到;或者因为透视变形的原因,有时候某条腿会显得比其它 的腿要小。此类问题都是图像识别【1 1 】存在却又难以解决的问题。 图形检索不会存在以上的困扰。但另一方面,表示和处理三维模型要比其 他的媒体类型复杂。主要的困难在于三维表面很少能用简单的参数化形式来表 示。因为三维模型有任意的拓扑结构,许多用于分析其它媒体的有效方法( 例 如傅立叶和小波分析) 都不能直接应用在三维表面模型的处理上。更甚的是: 特征对应、姿势配准和模型参数等问题会随着维数的增加变得越来越难以处理, 导致相似性退化相当严重。同样地,对于三维模型的检索,指定集合或限定范 围的形状分析方法也是相当有必要的。 下一节将讨论图形图像中的特征分类与相关的问题。 1 1 数字几何图形特征分类 本论文所谈及的是图形图像方面的特征。特征在计算机图形学和图像处理 中并没有明确的定义,常用的特征包括颜色特征、纹理特征、形状特征、空间 关系特征。 1 1 1 颜色特征 颜色特征是一种全局特征,描述了图像或图形区域所对应的景物的表面性 质。在位图或体素模型中,颜色特征是直接表示图像中物体表面像素或三维模 型表面体素,在渲染过程中每个像素( p i x e l ) 或体素( v o x e l ) 都有各自的贡献。 在矢量图中,颜色特征是会反映在向量始末的渐变中。山于颜色对图像或图形 2 数字几何模型特征检测与建模方法研究第l 章三维形状特征检测与匹配方法综述 区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像图形中对 象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多 不需要的图像或图形也检索出来。颜色直方图 1 2 l 是最常用的表达颜色特征的方 法,其优点是不受图像图形旋转和平移变化的影响,进一步借助归一化可不受 图像图形尺度变化的影响,基缺点是没有表达出颜色空间分布的信息。最常用 的颜色空间有r g b 和h s v 颜色空间。 1 1 2 纹理特征 纹理特征也是一种全局特征,它也描述了图像或图形区域所对应景物的表 面性质。但由于纹理只是一种物体表面的特性,并不能完全反映出物体的本质 属性,所以仅仅利用纹理特征是无法获得高层次图像或图形对象内容。与颜色 特征不同,纹理特征不是基于像素或体素的特征,它需要在包含多个像素或体 素点的区域中进行统计计算。在模式匹配中,这种区域性的特征具有较大的优 越性,不会由于局部的偏差而无法匹配成功。作为一种统计特征,纹理特征常 具有旋转不变性,并且对于噪声有较强的抵抗能力。但是,纹理特征也有其缺 点,一个很明显的缺点是当图像的分辨率变化的时候,所计算出来的纹理可能 会有较大偏差。另外,由于有可能受到光照、反射情况的影响,从二维图像中 反映出来的纹理不一定是三维物体表面真实的纹理。 纹理特征受某些因素影响,如光线的高亮反射造成问题本身的明暗变化。 由于这些不是物体本身的特性,因而将纹理信息应用于检索时,有时这些虚假 的纹理会对检索造成“误导 。在检索具有粗细、疏密等方面较大差别的纹理图 像时,利用纹理特征是一种有效的方法。但当纹理之间的粗细、疏密等易于分 辨的信息之间相差不大的时候,通常的纹理特征很难准确地反映出人的视觉感 觉不同的纹理之间的差别。通常纹理特征描述方法有统计方法、几何方法、模 型方法等。 3 数字n 何模型特征检;建模方法研r第1 章= 维形状特征检测与e 配方法综述 盈圈蕤 黧豳蔗 燃隧管留 1 1 3 形状特征 ( a ) 纹理特征“( b ) 纹理特征转移图。 图1 1 :纹理特征图 形状特征通常是二维或三维对象的几何形状特征,它可以是全局的或者局 部的特征。在例像和图形的检索中可以比较有效地利用图像中感兴趣的目标来 进行检索。但它们有一些其同的问题,包括:1 、目前基于形状的检索方法还缺 乏比较完善的数学模型:2 、如果目标有变形时检索结果往往不太可靠:3 、许 多形状特征仅描述了目标局部的性质,要全面描述目标常对计算时间和存储量 ;,;! 黔l c 曲”“叩舻t 3 瑚”1 。n “1 曲”“”。3 “”“”“g g r 叩“2 0 。5 ,0 6 2 “却_ 1 自自0 i v f c b v t e i th o p ! 。a p p e :w 、i t e x t u r e ) n t h e s l s , a c ms i g g r a p h2 0 0 6 ,】“12 5 ( 3 ) 5 4 l - 5 4 9 数字几何模型特征检测与建模方法研究第1 章三维形状特征检测与匹配方法综述 有较高的要求;4 、许多形状特征所反映的目标形状信息与人的直观感觉不完全 一致,或者说,特征空间的相似性与人视觉系统感受到的相似性有差别。另外, 从二维图像中表现的三维物体实际上只是物体在空间某一平面的投影,从二维 图像中反映出来的形状通常不是三维物体真实的形状,由于视点的变化,可能 会产生各种各样的失真。 常用的形状特征表示方法有两类,一类是轮廓特征、另一类是区域特征。 而形状特征的描述方法有:边界特征方法、频率转换方法、几何参数方法、有 限元方法等。 1 1 4 空间关系特征 空间关系是指图像或图形中分割出来的多个目标之间的相互的空间位置或 相对方向关系,这些关系也可分为邻接关系、重叠关系和包含关系等。通常空 间位置信息可以分为两类:相对空间位置信息和绝对空间位置信息。前一种关 系强调的是目标之间的相对情况,如上下左右关系等,后一种关系强调的是目 标之间的距离大小以及方位。显而易见,由绝对空间位置可推出相对空间位置, 但表达相对空间位置信息通常比较简单。 空间关系特征的使用可加强对图像内容的描述区分能力,但空间关系特征 常对图像或目标的旋转、反转、尺度变化等比较敏感。另外,实际应用中,仅 仅利用空间信息往往是不够的,不能有效准确地表达场景信息。为了检索,除 使用空间关系特征外,还需要其它特征来配合。常用的提取图像空间关系特征 可以有两种方法:一种方法是首先对图像进行自动分割,划分出图像中所包含 的对象或颜色区域,然后根据这些区域提取图像特征,并建立索引;另一种方 法则简单地将图像均匀地划分为若干规则子块,然后对每个图像子块提取特征, 并建立索引。 1 2 三维特征识别的应用 特征的识别问题对于多个应用领域是相当重要的,包括分子生物学、化学、 机械c a d 、军方目标识别、古生物学、计算机图形、计算机视觉艺术等。在这 5 数字几何模型特征检测与建模方法研究第l 章三维形状特征检测与匹配方法综述 些不同的领域,有很多与特征相关的挑战和问题,可以将其分类成以下的基本 问题: 配准问题( r e g i s t r a t i o n ) :给出两个图形( 图像) ,将其尽可能最优对齐, 例如医学图像里面两幅c t 或m r i 图像的配准,或者是考古学里面的多片扫描 古物碎片的位置对齐和拼接,以三维模型方式复原古物的形状。 匹配问题( m a t c h i n g ) :计算两个3 d 模型的几何相似性。例如医生可以通 过m r i 图像来对比病人治疗过程中的肿瘤变化情况。 检索问题( r e t r i e v a l ) :给出3 d 模型数据库,找出最佳的匹配模型。例如 室内装修设计者,通过找出各种的家具及装修材料的组合来得到大厅与房间装 修的整体效果。 识别问题( r e c o g n i t i o n ) :给出3 d 数据库来查询模型,决定模型是否在数 据库里面,或者找出最佳匹配的模型。 验证问题( v e r i f i c a t i o n ) :给出3 d 模型和一个指定的模型,判定他们是否 能满足一定范围内的误差容忍程度。例如车间生产机械零件,用生产出来的零 件与模板零件比较,用以验证次品。 聚类问题( c l u s t e r i n g ) :给出3 d 模型数据库,自动将模型分类。例如古生 物学考究物种的起源问题,将众多的化石3 d 模型里面将它们分类成不同的种 类。 分类问题( c l a s s i f i c a t i o n ) - 给出模型集合和指定的待查询模型,决定待查 询模型属于哪一类。例如将一种新发现的蛋白质分子,通过对其几何特征和相 关已知函数的比较,将其分类。 分割问题( s e g m e n t a t i o n ) :将模型分割成相对“有意义 独立的部分。例 如将动物模型分割成头、身体等部分。 语义标签( s e m a n t i cl a b e l i n g ) :根据给出的3 d 模型的目标函数推断语义 信息。例如在网格处理过程中要识别并保留重要的3 d 模型语义特征,避免当 模型行作简化或压缩处理后丢失。 合成问题( s y n t h e s i s ) - 自动合成新的模型通过给出模型的分类。例如通过 检测多个椅子3 d 表面模型,根据需要通过重新安排各个椅子的不同部分,帮 摘自t f u n k h o u s e r , m k a z h d mpm i n 。ps h i l a n e , s h a p e - b a s e dr e t r i e v a la n da n a l y s i so f 3 dm o d e l s , c o m m u n i c a t i o n so f t h ea c m ,4 8 ( 6 ) :5 8 - 6 4 ,2 0 0 5 6 数字几何模型特征检测与建模方法研究第l 章三维形状特征检测与匹配方法综述 助自动构建一个新的椅子模型。 1 3 特征与相似性检测的主要方法 基于内容( c o n t e n t b a s e d ) 1 3 1 的媒体检索系统是解决当今大量数字媒体信 息的一个重要课题。在二维数据获取设备出现后,数字图像和视频的信息量在 快速增长。如今在图形领域出现了相似的发展,三维数据获取技术的出现与不 断更新,三维模型的变成一种重要媒体数据类型并有着许多相当有前途的应用 可能性。如何定义三维对象之间的相似性度量以及这样的相似性实现算法是一 个困难的问题。在最近年,许多学者对于三维模型相似性问题产生浓厚兴趣, 并发展出一些评价模型相似性的方法,用以作三维模型修补等方面的应用。我 们回顾这些方法,并对其作分类。 当不知道如何去直接比较两个对象的时候,使用特征向量( f e a t u r ev e c t o r s , f v s ) 作为媒体检索【1 4 】是一种常用的方法。基于特征的方法一般可以被应用到 任意媒体的数据库搜索,此时,我们主要分析特征向量方法在三维对象数据库 的应用。在三维对象的特征提取中,通常会用高维的特征向量去描述三维对象 特征。所得到的特征向量( f v s ) 结果通常会被用作索引或检索( r e t r i e v a l ) 目 的。特征向量所描述的三维对象特征一般情况下是用比较自然的方法提取出来 的。对于各种的三维对象,在过往的十几年中曾提出过多种的提取算法,范围 从一些简单的、基本的方法,如对象包围盒( b o u n d i n gb o x ) 方法【1 5 】,到较为 复杂的方法,如法向量与曲率的分布、球面函数傅立叶变换【1 6 j 等等。我们并不 能找到一种通用的特征提取方法能提取三维模型上所有的特征,每个特征提取 算法都有各自的优点,用不同的算法去提取不同的特征是相当必要的。从理想 出发,一个系统可能会实现一系列的基础算法,那么总会有一些适当的特征可 根据用户意愿被选择。当某个方法被选定计算出所有对象特征并存储到数据库 中,利用距离函数计算查询点对数据库中所有对象的评分值( r a n k i n g ) ,并且 将这些评分值按降序排序。从而得到一系列相似的对象。 7 数字n 何横特征柱剽与建模方法研究第1 章三维状特征植与b e 方法综述 一 莲卜蚕 h i g hd i m e n s i o n a l 图1 - 2 :基于十t 征的相似性搜索原理。 h i g hd i l n e , 1 5 i e n a l 罔i 2 显示了基于特征的相似性搜索原理。从三维模型中抽取特征向量, 指定的特征向量类型雨】给定的参数决定特征抽取过程和结果向量维数。一般情 况,允许不同精度的特征向量。更优化的描述器能获得更高匹配的精度。神特 征向量抽取后,利用相似性搜索查找数据库或者年恫索引结构来检索模型。 通常相似性测量是函数为非负实数。一般地,两个三维对蒙相似度测量的 公式可表述如下: 6 :o 皂,0 可一月j ( 11 ) 其中o q 表示特定三维对象空问,6 表示三维对象的相似程度,值越小表 示相似程度越高。 。: 。蒜。专一一= i 一 三j 一兰一 0 1 1 ! l 兰! ! 塑兰! 竺 ! ! ! l jo 口= 二 ! 一i i = ,= 讪虬l ! 纠 !:一: 圈i3 三维描述器的抽取过程。 在三维榆素方面,有基于特征向量的方法和非特征向量方法。三维描述利 用不同的标准分成不同的类型,一个流行的区分方法是根据区域形状分析函数 1 1 7 1 。 描述器根据不同三维模型所蕴台的信息的特定区分。例如几何、颜色、纹 理、集中分布和材质属性等等。通常对于三维对象来说,几何属忖! 是最重要的。 摘自bb m t o s dk ds a u p c ts e h r e c ka n dd 肌nf c a m r e - b a s e ds i m i l a r i t y h i n3 do 目c d d m a b o a c mc e m p l | i i n g 轧“科s ,2 0 0 53 7 ( 4 - 3 4 5 8 7 摘自bb t , s t hnk e mdo 蚶ts c l c c k 州d 圳c ,卜,i u r e b n “s m i ! 一- g i t y t h i n3 de b j e c t d 4 1 a b a c mc 。酬gs 、“s2 0 0 53 7 ( 4 r3 4 5 - 3 8 7 。念筮 数字几何模型特征检测与建模方法研究 第l 章三维形状特征检测与匹配方法综述 因此综述部分所提及的描述器全部是几何类型的特征描述器。并且因为几何描 述器通常在三维模型中指定的,而其他类型的描述器并不具备太强的应用独立 性,且不能用于表示任意形状的三维模型。 此外,一个有高区分度的形状描述器集成了模型的约束,例如固体形状属 性、朝向的一致性,输入类型的假设( 多边形网格、体素、c s g 集合等) 等多 种灵活的表示方法。当然,描述的适应能力依赖于模型假设,额外更多的信息 选项可以加入到描述器的设计中。b u s t o s 等人【l8 】提出一种三维检索新的分类思 路。在此分类方法中,抽取形状描述器分开多个步骤,如图1 3 所示。在此过 程中,给出的三维模型能够用三角网格表示,首先通过预处理去使得模型具有 某些不变和强壮的特性,接着抽取模型的表面、体积特性,或者获取单个或多 个二维图像。接着对抽取的结果是数字分析和变换,最终提取特征向量( f v s ) 。 在基于特征向量的相似性搜索方面,可以分成以下几种类型:统计型方法、 基于范围的方法、基于体积的方法、表面几何方法、基于图像的方法。 1 3 1 统计型特征描述方法 统计型描述器反映对象的基本属性,例如顶点和特征点数、曲面区域、体 积、边界值等的一些统计要素。有不同类型的统计型描述器用于三维对象的检 索。在一些应用领域,简单的空间扩展和体积的测量就可以检索感兴趣的三维 对象了。 边界体积、模型朝向和模型体积可能是最基本的形状描述器,这种描述器 在初期广泛应用在c a d 领域。p a q u e t 等人【1 9 】回顾几种简单统计型( s i m p l e s t a t i s t i c s ) 的形状描述器。边界体积( b o u n d i n gv o l u m e ) 是能完全包裹三维物 体的最小长方体包围盒。这个体积包围盒通常为指定平行坐标轴或主轴的独立 对象,并且根据包围盒里对象的占有情况给出对象的信息,描述器可能集成主 轴方向,相关主轴给出了对象的世界坐标。此处会考虑到边界盒的中心轴与世 界坐标的主轴对齐。如果仅考虑边界体积,描述器具有平移不变的特性。如果 边界体积与对象的主轴边界平行,有类似旋转不变性的性质,而对于不同三维 对象的尺寸,边界体积并不具备以上的不变性。 o h b u c h i 等人【2 0 】提出这样一种参数化统计型( p a r a m e t e r i z e ds a t a t i s t i c s ) 描 述器,将模型切分为n 个部分,相邻两个部分为一组,共可分为n - 1 组,每_ 9 数字几何模型特征检测与建模方法研究 第l 章三维形状特征检测与匹配方法综述 组分别分解到互相正交三个主轴的分量,并将这三个分量的测量组合在一起形 成特征描述器。特征向量由3 3 ( n - 1 ) 个分量组成,n 是切片的片数。测量使用 表面点的惯性力矩,表面点的平均距离与主轴有偏移的,利用p c a 算法统计测 量每一个分组的点分布。保持区域内每个面上的点大概成比例。敏感度的分析 实验指出:当给出一定数量的取样点,对窗口方案存在优化的选择方案。 另外一种统计型的特征描述方法是利用几何三维要素( g e o m e t r i c3 d m o m e n t s ) 作为图像图形获取和分类的手段。当几何要素被用于定义特征向量 并用作三维对象检索,统计参数u 是描述分布,的标量值。通过调整不同的顺序, 统计要素表示给出分布的从粗糙到精细的变化过程【1 9 】。在三维对象统计描述中, 三维特征要素描述方法的连续形式如下: p u j = e e e 厂( x ,y , z ) x t y j z k 蚴 ( 1 2 ) 其中,对象被看作某种分布f ( x ,y ,z ) r 3 ,i l 是要素值。特征要素的全集 ( 无限情况) 能唯一描述一个分布,反之亦然。在离散情况下,对象被看成三 维情况下的有限点集。三维特征要素可表述如下:“= :。x ;y ;z :,因为特 征要素对于分布有平移、旋转和缩放不变性。在特征要素计算前采取适当的正 规化。当给出多边形网格,候选输入的特征要素有网格顶点,大量三角形的中 心和通过其它方案选取的一些对象点等。可以通过串联多个特征要素来构造特 征向量。 形状分布特征描述器( s h a p ed i s t r i b u t i o n ) 是由o s a d a 等人f 2 1 】提出,把三 维对象描述成一个由形状函数得到的概率分布取样,反映对象的几何属性。算 法通过测量两模型的分布距离( 如m i n k o w s k i 2 2 1 距离) 来计算形状分布和两模 型的相似度,并绘制形状分布柱状图。通过依靠使用形状函数,形状分布函数 拥有网格变换不变性、抗模型小量变形、模型独立表示和模型有效计算的特性。 作者研究的形状函数包括三维模型表面的三个随机点间的角度和一固定点到模 型表面任意随机点的欧氏距离的分布。此外,他们提议用模型表面任意两点的 欧氏距离,模型表面随机点形成的三角形区面积的平方根,或模型表面任意四 个随机点形成四面体体积的立方根作为特征描述器。并利用正规化步骤处理在 不同尺寸下的情况。通常情况,分析计算分布并不切实可行,因此作者通过对 1 0 数字几何模型特征检测与建模方法研究第1 章三维形状特征检测与匹配方法综述 象的随机点取样去构造柱状图用以表示形状分布。模型检索实验显示最佳的结 果是使用d 2 距离函数( 模型表面一对点的距离) 。o s a d a 等人【2 1 i 使用概率密度 柱状图的l 1 范式去作为统计特征比较;i p 等人【2 3 ,2 4 1 和o h b u c h i 等人【2 0 】也对三 维形状特征描述器作了类似的研究。 还有一种是基于主轴的描述器( c o r d s - b a s e dd e s c r i p t o r ) 。p a q u c t 1 9 】等人提 出一个组合了三维对象空间扩展和朝向信息的描述器。作者将主轴定义成一个 从对象中心到对象各个面质心的向量。对于所有三维模型的表面都构造相同的 条主轴。描述器由三个柱状图组成
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 江苏泰州市泰兴市实验初中教育集团2026-2027学年八年级上学期10月阶段检测英语试题(含答案)
- 湖北武汉市黄陂区2026-2027学年八年级上学期11月期中道德与法治试题(含答案)
- 2027届新疆喀什市高三上9月阶段检测历史试卷含答案
- 2026及未来5年民用厢式车项目可行性研究报告(市场调查与数据分析)
- 2026事业单位工勤技能-广西-广西经济岗位工一级(高级技师)历年参考题库含答案详解
- 2026事业单位工勤技能-广西-广西保育员一级(高级技师)历年参考题库含答案详解
- 2026事业单位工勤技能-广东-广东中式面点师四级(中级工)历年参考题库含答案详解
- 2026事业单位工勤技能-山西-山西水工监测工四级(中级工)历年参考题库含答案详解
- 2026事业单位工勤技能-山西-山西下水道养护工三级(高级工)历年参考题库含答案详解
- 2026事业单位工勤技能-山东-山东水利机械运行维护工一级(高级技师)历年参考题库含答案详解
- 抖音直播运营中心薪酬绩效考核实施管理方案
- 2026年学生入团考试题库及参考答案
- 2027届河南省部分城市联考高三上学期11月阶段检测历史试题(含答案)
- 2026年宁夏水务投资集团有限公司招聘笔试参考题库附带答案详解析版
- 2026秋北师大版选择性必修第一册Unit 1-3 句子语法填空练习(备考期中)
- 智能体电脑行业王伟东白皮书
- 秦皇岛市建设现代有轨电车项目调研报告
- 2026秋新教材苏教版五年级上册数学第七单元 用字母表示数量关系(一) 教案(共7课时)
- 《中药炮制技术》教案-13模块十三 其他炮制技术
- 2026年辅警笔试的题库及答案
- 多模式镇痛在加速康复外科中的应用现状
评论
0/150
提交评论