[發明專利]一種基于圖像空間的三維動態數據壓縮和平滑方法

有效

• 申請號: 201310023762.9
• 申請日: 2013-01-22
• 公開（公告）號: CN103116897A
• 公開（公告）日: 2013-05-22
• 發明（設計）人: 趙沁平;馬志強;王莉莉;張鑫維
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T9/00
• 分類號: G06T9/00;H04N7/26
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明

技術領域

本發明涉及三維動態數據處理的技術領域，具體涉及一種基于圖像空間的三維動態數據壓縮和平滑方法。

背景技術

隨著網絡時代的到來，遠程可視化成為可視化技術發展的新趨勢，使網絡上的數據資源得到合理有效的利用。由于觀測和模擬所獲取數據量的增長速度遠大于網絡帶寬傳輸速度的增長，同時隨著移動計算平臺，如筆記本電腦、平板電腦和智能手機的計算能力的提升，遠程可視化技術將變得越來越重要，具有廣闊的應用前景。

目前，服務器端一般都配備具有強大的圖形處能力的超級計算機或工作站，客戶端個人計算機的性能也在逐步提升，具有一定的計算能力，因而網絡帶寬成為制約遠程可視化重要瓶頸。在給定網絡帶寬條件下,要提高數據的網絡傳輸速度,關鍵是尋求一種高效的數據壓縮方法，能夠實現對大量數據的快速壓縮，并達到較高的壓縮比。且在獲得較高壓縮比數據以后，能夠保證客戶端重繪場景的質量。

1）三維動態數據的壓縮

在傳統遠程可視化方法中，網絡帶寬的限制會降低傳輸的數據質量。為了能快快速獲取遠程數據，遠程可視化最重要的工作之一就是在服務器端對大量可視化數據進行快速緊密壓縮，并保證在客戶端重構時沒有圖像的扭曲。

目前有少量的方法可實現考慮時間的動態數據的簡單壓縮。Sattler等和Shlafman等提出的自動網格分割以及Alexa等用于剛體和Karni等用于柔性物體的主成分分析，可有效實現包含時間的動畫序列的壓縮。許多非網格分割方法，如：Guskov等提出的小波和Woodring等提出的傅里葉壓縮，通過頂點周圍點在上一幀和當前幀的空間位置預測頂點的新空間位置，從而實現對隨時間變化的數據的壓縮，但壓縮比有待提高。Liao等和Rosen等可實現對采樣點運動軌跡的簡單壓縮，但壓縮效率較慢。為了實現考慮時空連續性的動態數據的快速緊密壓縮，本發明提出一種基于屏幕空間的動態數據的壓縮方法，同時考慮壓縮時的壓縮效率和壓縮比。

2）三維網格的平滑處理方法

現階段，用多邊形網格來描述場景中幾何形體的技術己日漸成熟。并且隨著多媒體技術的日益進步，人們能夠方便地獲得上百萬的海量數據點，但同時人們對于三維圖形可視化質量的要求也越來越高。通過這些海量數據點得到的三角網格模型不可避免的存在各種噪音和擾動，這些噪音和擾動可能來源于原始模型的一些尖銳特征，小洞或是高曲率等因素。這種不規則的網格模型十分不利于顯示，傳輸等后續操作。為了能夠更加準確和有效地處理三維離散采樣數據，必須對其進行平滑處理。因此，如何在既保持模型本身的幾何結構特征又滿足一定的去噪要求的條件下，對三維網格模型進行平滑己成為目前計算機圖形學中的一個重要問題。

目前，網格模型平滑算法主要分為兩大類：Field等和Li?Guangming等提出的拉普拉斯平滑法和Desbrun等提出的平均曲率平滑法。Field等和Li?Guangming等提出拉普拉斯平滑算法通過將網格頂點移動到其鄰域頂點的平均處進行平滑操作，能夠有效地調整所有的網格至規則形狀，但對于網格分布不均勻和含有大量不規則三角片的模型，這種均一化的調整往往會導致原始模型的大范圍變形。Desbrun等提出的平均曲率平滑法將網格上每點的法矢方向按照該點平均曲率大小移動來調整網格頂點，取得了較好的平滑效果，但是調整后的模型卻無法控制網格形狀，極易產生大量的不規則三角片。二維圖像中的去噪技術，如Yagou等提出的均值濾波、Fleishman等提出的雙向濾波和Zhang等提出的基于偏微分方程的思想也被應用到三維網格平滑方法中，取得了不錯效果。以上方法均是對靜態模型的平滑處理方法，本發明提出一種對相鄰剛體過渡區域的平滑處理方法，實現對動態數據的平滑。

發明內容

本發明要解決的技術問題是：基于圖像空間的動態數據的快速緊密壓縮，降低網絡帶寬的限制，提高大量動態數據的網絡傳輸速度。對相鄰剛體過渡區域的平滑處理方法，消除壓縮比過大時相鄰剛體之間的裂縫，保證客戶端重構場景的繪制質量，使得服務器端可以傳輸較大壓縮比時的動態數據。

本發明解決上述技術問題采用的技術方案為：一種基于圖像空間的三維動態數據壓縮和平滑方法，該方法包括如下步驟：

步驟（1）、基于圖像空間的三維動態數據壓縮：

計算圖像中采樣點在一定時間間隔內的運動軌跡的空間位置，然后對采樣點的運動軌跡進行聚類壓縮，將具體有相似運動軌跡的采樣點聚為一類；