[發(fā)明專利]一種三維模型構(gòu)件類別的自動(dòng)標(biāo)注方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310019194.5
• 申請(qǐng)日: 2013-01-18
• 公開（公告）號(hào): CN103021029A
• 公開（公告）日: 2013-04-03
• 發(fā)明（設(shè)計(jì)）人: 孫正興;章菲倩;宋沫飛;郎許鋒
• 申請(qǐng)（專利權(quán)）人: 南京大學(xué)
• 主分類號(hào): G06T19/00
• 分類號(hào): G06T19/00
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 胡建華

1.一種三維模型構(gòu)件類別的自動(dòng)標(biāo)注方法，其特征在于，包括以下步驟：

步驟一，條件隨機(jī)場(chǎng)CRF標(biāo)注模型的訓(xùn)練：對(duì)三維模型標(biāo)注訓(xùn)練集進(jìn)行訓(xùn)練學(xué)習(xí)，獲得CRF標(biāo)注模型，所述三維模型為網(wǎng)格面片化的三維模型：三維模型標(biāo)注訓(xùn)練集中的三維模型為屬于同種類型且具有相同部件構(gòu)成的已標(biāo)注三維模型，其中標(biāo)注信息為三維模型構(gòu)成部件的所屬類別，并附加在三維模型的每個(gè)網(wǎng)格面片上；三維模型標(biāo)注訓(xùn)練集的學(xué)習(xí)過程將三維模型標(biāo)注訓(xùn)練集按照所含三維模型數(shù)量4:1的比例劃分為實(shí)例集和驗(yàn)證集，進(jìn)行實(shí)例集的分類訓(xùn)練和利用驗(yàn)證集的參數(shù)搜索兩個(gè)步驟：

分類訓(xùn)練過程對(duì)實(shí)例集中三維模型進(jìn)行預(yù)處理，進(jìn)而分類訓(xùn)練出CRF標(biāo)注模型的一元項(xiàng)和二元項(xiàng)；

參數(shù)搜索過程搜索最準(zhǔn)確的CRF標(biāo)注模型的二面角參數(shù)λ、二元概率參數(shù)κ、邊長參數(shù)μ；

步驟二，目標(biāo)三維模型的標(biāo)注：利用三維模型標(biāo)注訓(xùn)練集的學(xué)習(xí)過程所得CRF標(biāo)注模型對(duì)目標(biāo)三維模型進(jìn)行分割與標(biāo)注，從而獲得目標(biāo)三維模型構(gòu)成部件的類別標(biāo)注，該目標(biāo)三維模型為與訓(xùn)練集中模型從屬于同種類型且具有相同部件構(gòu)成，但尚未分割與標(biāo)注的三維模型；

包含兩個(gè)步驟：首先，對(duì)目標(biāo)三維模型進(jìn)行預(yù)處理，獲得篩選面片集，以及篩選面片集中每個(gè)網(wǎng)格面片的一元特征向量x和相鄰網(wǎng)格面片的二元特征向量y；然后，利用步驟1中獲得的CRF標(biāo)注模型，采用面片標(biāo)注過程對(duì)目標(biāo)三維模型的篩選面片集進(jìn)行標(biāo)注，進(jìn)而根據(jù)對(duì)稱關(guān)系獲得目標(biāo)三維模型所有網(wǎng)格面片的標(biāo)注。

2.根據(jù)權(quán)利要求1所述的一種三維模型構(gòu)件類別的自動(dòng)標(biāo)注方法，其特征在于，步驟一與步驟二中所述預(yù)處理部分包括特征提取和對(duì)稱篩選兩個(gè)步驟：

特征提取過程對(duì)輸入三維模型進(jìn)行分析，計(jì)算每個(gè)網(wǎng)格面片的一元特征，與相鄰網(wǎng)格面片的二元特征，所述相鄰網(wǎng)格面片是指三維模型上具有公共邊的兩個(gè)網(wǎng)格面片；

對(duì)稱篩選過程根據(jù)三維模型的對(duì)稱性，刪除三維模型中的冗余網(wǎng)格面片，從而獲取三維模型的篩選面片集。

3.根據(jù)權(quán)利要求2所述的一種三維模型構(gòu)件類別的自動(dòng)標(biāo)注方法，其特征在于，特征提取部分包括以下步驟：

步驟11，對(duì)輸入三維模型進(jìn)行規(guī)范化操作：將三維模型的中心點(diǎn)移動(dòng)到坐標(biāo)原點(diǎn)，三維模型的中心點(diǎn)通過計(jì)算模型上所有點(diǎn)的坐標(biāo)平均值獲得；計(jì)算三維模型上任意兩個(gè)網(wǎng)格面片間的測(cè)地距離；選取三維模型任意兩個(gè)網(wǎng)格面片間測(cè)地距離值大小排序在第30%的測(cè)地距離值作為規(guī)范項(xiàng)，將三維模型上各點(diǎn)的坐標(biāo)除以該測(cè)地距離值，從而完成三維模型的規(guī)范化；

步驟12，提取輸入三維模型每個(gè)網(wǎng)格面片的一元特征向量，包括曲率特征、PCA特征、形狀直徑函數(shù)SDF、體形狀圖像VSI、平均測(cè)地距離AGD、形狀上下文SC、旋轉(zhuǎn)圖像特征；

步驟13，提取每個(gè)三維模型每組相鄰網(wǎng)格面片的二元特征向量，包括二面角特征、曲率二元特征、形狀直徑函數(shù)差值特征、體形狀圖像差值特征。

4.根據(jù)權(quán)利要求3所述的一種三維模型構(gòu)件類別的自動(dòng)標(biāo)注方法，其特征在于，對(duì)稱篩選包括以下步驟：

步驟21，采用投票方法檢測(cè)三維模型的反射對(duì)稱變換，提取三維模型中最顯著的對(duì)稱模式，并獲得面片間的對(duì)稱關(guān)系，所述對(duì)稱關(guān)系是指三維模型中任意兩個(gè)網(wǎng)格面片是否對(duì)稱；

步驟22，將三維模型中的所有面片放入備選面片集中，并將篩選面片集設(shè)置為空集；遍歷備選面片集中的所有面片，將遍歷到的面片放入篩選面片集中，并將所有與之對(duì)稱的面片從備選面片集中刪除，最終獲得所需篩選面片集。

5.根據(jù)權(quán)利要求4所述的一種三維模型構(gòu)件類別的自動(dòng)標(biāo)注方法，其特征在于，步驟一中所述實(shí)例集的分類訓(xùn)練包括以下步驟：

步驟111，對(duì)實(shí)例集中所有三維模型進(jìn)行預(yù)處理，獲得篩選面片集，以及篩選面片集中每個(gè)網(wǎng)格面片的一元特征向量x和相鄰網(wǎng)格面片的二元特征向量y；

步驟112，采用JointBoost分類器對(duì)篩選面片集中每個(gè)網(wǎng)格面片的一元特征向量x及其標(biāo)注進(jìn)行訓(xùn)練學(xué)習(xí)，從而獲得CRF標(biāo)注模型的一元項(xiàng)；

步驟113，采用JointBoost分類器對(duì)篩選面片集中相鄰網(wǎng)格面片的二元特征向量y及其標(biāo)注進(jìn)行訓(xùn)練學(xué)習(xí)，計(jì)算相鄰網(wǎng)格的局部幾何特征，獲得CRF標(biāo)注模型二元項(xiàng)中度量相鄰網(wǎng)格面片存在標(biāo)注差異可能性的幾何依賴項(xiàng)G(y)；在實(shí)例集中計(jì)算任意兩個(gè)標(biāo)注c和c′相鄰的概率，計(jì)算CRF標(biāo)注模型二元項(xiàng)中的標(biāo)注相容性項(xiàng)L(c,c′)，最終獲得CRF標(biāo)注模型的二元項(xiàng)。