[發明專利]基于草圖的三維模型檢索方法

有效

• 申請號: 201810597066.1
• 申請日: 2018-06-11
• 公開（公告）號: CN109033144B
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 姚俊峰;劉笑寒;代誠朋
• 申請（專利權）人: 廈門大學
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06F16/55;G06K9/00;G06K9/46;G06K9/62
• 代理公司: 泉州市文華專利代理有限公司 35205
• 代理人: 戴中生

本發明一種基于草圖的三維模型檢索方法，將三維模型處理成多張視角截圖的形式，再使用不同的輪廓提取算子將其處理成不同樣式的草圖，得到草圖數據集，將數據集設置好標簽后用于訓練和測試過程；在卷積神經網絡的基礎上加入了層次網絡方法，1個大分類網絡用于訓練大的分類，將輸入的草圖分類到40個大類中，40個小分類網絡分別訓練每一類模型中的具體差異，將輸入的草圖分類到某個大類中一個具體的三維模型上，可以較高準確度地檢索出三維模型，信息冗余小，本發明使用采樣輪廓點計算出的角度矩陣作為卷積神經網絡的輸入，更加符合草圖的特性，檢索精確度高。

技術領域

本發明涉及一種基于草圖的三維模型檢索方法。

背景技術

現有的結合深度學習的基于草圖的模型檢索技術都是將草圖直接分類到每一個模型上，這在檢索與匹配的流程中會出現大量的信息冗余。而且大多與圖像檢索相同，直接采用圖片像素輸入，沒有考慮到草圖像素較稀疏的特性，因此精確度較差。

發明內容

本發明的目的在于提供一種基于草圖的三維模型檢索方法，實現了基于草圖的三維模型檢索，用戶手繪草圖輸入，可以快速檢索出相似的三維模型，并將相似度高的至少一個模型輸出給用戶。

本發明基于草圖的三維模型檢索方法，將三維模型處理成多張視角截圖的形式，再使用不同的輪廓提取算子將其處理成不同樣式的草圖，在草圖輪廓上采樣點計算出維度相同的角度矩陣，設置好標簽后得到數據集，將數據集用于訓練和測試過程；

基于層次網絡劃分數據集，將整個數據集劃分為41個網絡，其中，1個大分類網絡用于訓練大的分類，將輸入的草圖分類到40個大類中，40個小分類網絡分別訓練每一類模型中的具體差異，將輸入的草圖分類到某個大類中一個具體的三維模型上；

訓練時，使用GoogleNet卷積神經網絡框架，結合1+40分類網絡進行特征提取，首先，輸入訓練樣本至卷積神經網絡中進行自動的特征選取和特征表示；然后，這些特征以及權重會被送入每次迭代后生成的.mat文件中作為分類模型；在分類模型建立的同時系統會抽取測試樣本中的各個草圖進行檢索，來驗證分類模型的預測結果準確度，并根據這些預測結果的準確度來修改卷積神經網絡的參數，然后再輸入訓練樣本提取特征，送入上次生成的.mat文件中作為分類模型，驗證分類模型的預測結果準確度，并根據這些預測結果的準確度來修改卷積神經網絡的參數，如此迭代，直至準確度和訓練效率符合閾值條件；

輸入需要檢索和匹配的草圖至大分類網絡的分類模型中，得到草圖所屬的大類；取得該大類下小分類網絡的分類模型；再次輸入草圖，匹配輸出草圖所屬的三維模型編號；根據該編號從三維模型庫調取對應三維模型輸出給用戶。

進一步，先從三維模型庫選取任一三維模型作為訓練樣本，將該三維模型渲染生成若干個視角的二維截圖；使用不同的輪廓提取算子對每張二維截圖分別進行輪廓提取，生成若干張類草圖；對所有生成的類草圖，在其輪廓上采樣點計算出維度相同的角度矩陣，該角度矩陣作為訓練的數據集。

進一步，將匹配出的三維模型輸出給用戶時，以增強現實方式呈現給用戶。

采用本發明的技術方案后，從功能上實現了基于草圖的三維模型檢索，信息利用率和精確度高，快捷高效；從結構上定義了1+40網絡結構，信息冗余小。本發明使用采樣輪廓點計算出的角度矩陣作為卷積神經網絡的輸入，更加符合草圖的特性，檢索精確度高。

附圖說明

圖1為本發明的三維模型搜索引擎整體框架示意圖；

圖2為本發明訓練的流程示意圖；

圖3為本發明檢索與匹配流程示意圖。

以下結合實施例對本發明做進一步詳述。

具體實施方式