[發明專利]表達幾何細節和復雜拓撲的三維模型表示方法和系統

有效

• 申請號: 201911021492.1
• 申請日: 2019-10-25
• 公開（公告）號: CN110889893B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 高林;楊潔;吳桐;袁宇杰
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06T9/00
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 祁建國;張燕華

本發明提出一種表達幾何細節和復雜拓撲的三維模型表示方法和系統，包括：輸入一組部件具有語義標簽的相同種類三維幾何模型，為模型的每個部件計算包圍盒；將包圍盒注冊到對應的部件上，得到相應的變形梯度，進而得到部件的變形梯度向量；通過部件變分自編碼器，以該部件變形梯度向量獲得該部件形變的分布向量；以支撐關系為主對模型的全局結構進行分析，構建每個部件的表示向量；將一個模型所有部件的表示向量串聯在一起作為輸入，通過結構化部件變分自編碼器聯合編碼模型的全局結構和幾何細節；通過訓練好的結構化部件變分自編碼器，隨機生成新模型，或在兩個模型之間插值生成新模型；在結構約束和穩定支撐約束下對生成模型進行全局結構優化。

技術領域

本發明涉及計算機圖形學和深度學習領域，并特別涉及一種可表達幾何細節和復雜拓撲結構的三維模型表示生成方法和系統。

背景技術

隨著虛擬現實技術的發展，工業界對三維幾何模型的需求日益提高。傳統的幾何建模方法需要用戶有相應的專業技能，并使用專業軟件如AutoDesk等進行建模。這提高了三維建模的成本，并限制了能進行幾何建模的群體，進而限制了用戶在虛擬現實中添加模型的能力與3D打印的多樣性。本發明主要涉及到三維幾何模型的表示學習領域，最近的研究嘗試使用深度學習的方法對三維幾何模型進行表示學習，但這些方法利用體素、點云或網格片段來作為表示的手段，無法對模型的幾何細節進行精細刻畫。

Jiajun Wu等人的“Learning a Probabilistic Latent Space of ObjectShapes via 3D Generative-Adversarial Modeling”提出了基于規則體素的表示方法，該表示方法是從二維圖像直接擴展到三維空間，但是由于立方級的空間復雜度因此無法精確的刻畫三維模型的幾何細節也無法刻畫三維幾何模型的拓撲結構。Pengshuai Wang等人的“Adaptive O-CNN:A Patch-based Deep Representation of 3D Shapes”提出自適應的八叉樹(Adaptive O-CNN)來提高局部空間內體素的采樣密度，同時通過面片來對模型的表面進行逼近，但是仍然具有無法表示連續曲面和分辨率低的問題。Haoqiang Fan等人的“APoint Set Generation Network for 3D Object Reconstruction from a SingleImage”通過點云對三維幾何模型進行表示，但由于點云是在空間中離散分布的采樣，因此也無法精確的刻畫三維幾何模型的細節和拓撲。點云和基于體素的方法都無法直接生成多邊形網格，而在實際應用場景中，多邊形網格是最基本的三維幾何模型的數據表現形式。Thibault Groueix等人的“AtlasNet:AApproach to Learning 3DSurface Generation”通過使用多片網格組合的方式來對三維幾何模型進行表示學習，這種表示方法產生的結果不連續同時不能精確的刻畫幾何模型的細節。

發明內容

本發明的目的是解決上述現有技術不能精確刻畫幾何模型細節的問題，提出了一種高質量的三維模型表示和生成方法，基于包圍盒變形的方法來刻畫網格模型的細節，使用部件變分自編碼器編碼形變信息和兩級變分自編碼器架構來描述三維幾何模型的幾何和拓撲。

針對現有技術的不足，本發明提出一種表達幾何細節和復雜拓撲的三維模型表示方法，其中包括：

步驟1、獲取一組相同種類的三維幾何模型，且構成該三維幾何模型的模型部件具有基于語義的分類標簽；

步驟2、為該三維幾何模型的每個模型部件分配一個坐標軸對齊的標準包圍盒，確定該標準包圍盒與模型部件之間的最近點，根據該最近點將該標準包圍盒注冊到該模型部件上，得到該模型部件每個頂點的變形梯度，并將每個頂點的變形梯度進行矩陣拉直，得到該模型部件的變形梯度向量；

步驟3、使用卷積神經網絡構建屬于各分類標簽的部件變分自編碼器，使用部件變分自編碼器對該變形梯度向量進行壓縮，得到該模型部件形變的分布向量；