[發明專利]基于局部加權非相似性度量的三維關鍵點檢測方法

無效

• 申請號: 201410008590.2
• 申請日: 2014-01-08
• 公開（公告）號: CN103714576A
• 公開（公告）日: 2014-04-09
• 發明（設計）人: 曾慧;張瑞;穆志純;張保慶;黃明明
• 申請（專利權）人: 北京科技大學
• 主分類號: G06T17/00
• 分類號: G06T17/00
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 皋吉甫

?

技術領域

本發明涉及計算機視覺技術領域，尤其涉及一種三維模型關鍵點檢測方法。

?

背景技術

隨著三維模型采集技術的飛速發展,?三維模型在身份識別、視頻監控、虛擬現實、電子商務、古建筑保護，醫療診斷和智能機器人等領域中獲得了廣泛地應用。三維模型被公認為是繼音頻、圖像和視頻之后的第四代多媒體數據類型，因此對于三維模型的處理和分析的研究受到越來越多研究者的重視。與其他的多媒體數據類型相比，三維模型的數據量一般都比較大，因此直接對每個點或者網格進行分析和描述的計算量會比較大，這已經成為阻礙三維模型相關技術不斷發展和應用的瓶頸之一。

針對這一問題，通常采用的解決方法是在三維模型表面進行稀疏采樣，以減少計算的復雜度。這種方法雖然有效地減少了計算量，但是可能對后續的特征提取和識別步驟造成信息損失。為了能有效地表示三維模型，研究者提出從三維模型中檢測出一些具有典型性特征的點、線或面來進行表達的方法。這種思想與人類感知目標物體的機制是相一致的，即人對目標的識別過程，總是優選考慮最顯著、能最大限度與其他非目標區分的特征，然后依次使用次顯著特征，是一種動態的、序貫性的認知過程。因此，在保證有效鑒別信息完整性的前提下，利用從三維模型中檢測出的關鍵點進行特征提取和識別，會大大提高算法的運算效率。但是如果檢測方法選擇不合適，會降低后續特征描述子的辨別能力，導致其不能唯一刻畫該物體。目前有關三維模型特征點檢測的研究成果還不是很多，在理論上還不成熟，尚處于起步階段。因此，對三維模型特征點檢測算法進行研究具有重要的理論意義和實際應用價值。

Castellani等提出了一種基于顯著度的關鍵點檢測方法（U.?Castellani,?M.?Cristani,?S.?Fantoni,?V.?Murino.?Sparse?Points?Matching?by?Combining?3D?Mesh?Saliency?with?Statistical?Descriptors.?Eurographics,?Vol.?27,?No.2,?pp.?643-652,?2008.）。該方法首先對三維網格進行一系列的高斯濾波，然后根據三維點的顯著度來檢測關鍵點。如果一個三維點的顯著度是局部最大值且大于最大顯著度的30%，那么該點被標記為關鍵點。這里顯著度是根據三維點在垂直局部表面方向上的位置變化量來進行定義的。Galfand等提出了一種用來進行三維形狀自動對齊的關鍵點選擇算法（N.?Gelfand,?N.?Mitra,?L.?Guibas,?H.?Pottmann,?Robust?Global?Registration,?Eurographics?Symposium?on?Geometry?Processing,?2005.）。首先，計算每個點的積分量描述子，然后根據描述子的可區分性來選擇關鍵點。Ho和Gibbins提出了一種基于局部曲率的關鍵點檢測算法（Huy?Tho?Ho?and?Danny?Gibbins,?Multi-scale?Feature?Extraction?for?3D?Models?using?Local?Surface?Curvature,?Digital?Image?Computing:?Techniques?and?Applications,?pp.?16-23,?2008.）。該方法將具有局部最大曲率的點定義為三維點。這種方法在局部曲率分布比較均勻的區域也有可能檢測出關鍵點，這顯然是不合理的。為了解決這一問題，Ho和Gibbins還提出了一種基于局部形狀變化的特征點檢測方法（Huy?Tho?ho?and?Danny?Gibbins,?Multi-scale?Feature?Extraction?for?3D?Surface?Registration?using?Local?Shape?Variation,?International?Conference?on?Image?and?Vision?Computing,?pp.?1-6,?2008.）。該方法將三維點對應形狀索引值的方差定義為非相似性度量，將具有局部最大相似性度量的三維點標記為關鍵點。與Galfand、Ho和Gibbins等人提出的三維關鍵點檢測方法相比，這種方法能夠更有效、更合理地表達三維模型。鑒于此，本發明提出了一種基于局部加權非相似性度量的三維關鍵點檢測方法，在計算相似性度量的過程中根據三維點與其鄰域點的距離對形狀索引值的變化量進行高斯加權。與基于局部形狀索引值方差的非相似性度量方法相比，本發明提出的非相似性度量方法可以更好地描述局部形狀的變化信息。此外，為了進一步提高關鍵點檢測算法的性能，本發明還提出了多尺度關鍵點檢測的方案。