[發(fā)明專利]一種融合多尺度鄰域信息的三維幾何模型形狀映射方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010155747.X
• 申請(qǐng)日: 2020-03-09
• 公開（公告）號(hào): CN111340930A
• 公開（公告）日: 2020-06-26
• 發(fā)明（設(shè)計(jì)）人: 孔德慧;孫文勝;王少帆;王立春;尹寶才
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G06T15/10
• 分類號(hào): G06T15/10;G06T17/10;G06K9/62
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 張慧

一種融合多尺度鄰域信息的三維幾何模型形狀映射方法，通過以下技術(shù)方案實(shí)現(xiàn)。輸入為源形狀和目標(biāo)形狀的網(wǎng)格模型。首先分別提取源形狀和目標(biāo)形狀的拉普拉斯矩陣的特征向量作為特征函數(shù)。接下來對(duì)三維模型的頂點(diǎn)提取鄰域特征。在多個(gè)尺度的鄰域范圍內(nèi)，可以得到多個(gè)不同的鄰域特征，并使用求解得到不同尺度下的基函數(shù)空間下的映射矩陣，然后進(jìn)行融合。最后還原得到源形狀與目標(biāo)形狀的點(diǎn)對(duì)點(diǎn)映射關(guān)系。相比于現(xiàn)有技術(shù)，本發(fā)明首先使對(duì)頂點(diǎn)提取鄰域特征，鄰域特征對(duì)形狀間的非剛體映射有更強(qiáng)的魯棒性。形狀映射過程中，能夠有效保持局部不變性。其次，本發(fā)明能夠?qū)Σ煌叨鹊泥徲蛐畔⑦M(jìn)行融合，使得不同尺度的特征進(jìn)行互補(bǔ)。

技術(shù)領(lǐng)域

本發(fā)明涉及三維幾何模型形狀映射技術(shù)領(lǐng)域,具體涉及一種融合多尺度鄰域信息的三維幾何模型形狀映射方法。

背景技術(shù)

形狀映射是幾何處理、計(jì)算機(jī)視覺和計(jì)算機(jī)圖形學(xué)中許多任務(wù)的核心技術(shù)，在幾何模型的形狀分析、語義分割等方面有重要應(yīng)用，形狀映射通過綜合運(yùn)用計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺等領(lǐng)域的知識(shí)來計(jì)算三維幾何模型形狀之間的相似性及映射關(guān)系。雖然目前形狀映射的研究已經(jīng)取得了一定的成果，但仍存在一系列有待于進(jìn)一步解決的基礎(chǔ)性理論和關(guān)鍵技術(shù)問題，如特征空間的選擇、非剛性形狀匹配、形狀分析、協(xié)同分割等。目前，形狀映射算法按照計(jì)算方式的不同大致分為兩類：基于點(diǎn)對(duì)點(diǎn)的形狀映射和基于基函數(shù)的形狀映射。

(1)基于點(diǎn)對(duì)點(diǎn)的形狀映射方法

基于點(diǎn)對(duì)點(diǎn)的形狀映射方法通過對(duì)形狀采樣稀疏的點(diǎn)，并計(jì)算他們的映射關(guān)系，再將其擴(kuò)展到整體。由于稀疏的點(diǎn)的對(duì)應(yīng)關(guān)系是離散的，所以一個(gè)通用方法是增加全局一致性的限制來保持點(diǎn)對(duì)或者點(diǎn)集之間的各種距離，包括歐氏距離、測(cè)地距離等，或結(jié)合多種幾何和拓?fù)潢P(guān)系。

經(jīng)典的點(diǎn)對(duì)點(diǎn)形狀映射方法包括迭代最近鄰(Iterative closest point,ICP)算法，混合內(nèi)在映射(Blended Intrinsic Maps,BIM)算法等。迭代最近鄰算法的基本思想是基于最小二乘法的最優(yōu)配準(zhǔn)方法。該算法通過重復(fù)選擇不同的點(diǎn)對(duì)，計(jì)算其剛體變換矩陣，直到收斂，從而找到源形狀與目標(biāo)形狀的最優(yōu)變換?；旌蟽?nèi)在映射算法的基本思想是先找到兩個(gè)形狀上的局部關(guān)鍵點(diǎn)，計(jì)算多組局部關(guān)鍵點(diǎn)之間的映射，然后通過加權(quán)組合多個(gè)局部映射，作為整體的形狀映射。

基于點(diǎn)對(duì)點(diǎn)的形狀映射方法，在剛體之間的映射上表現(xiàn)較好，在非剛體上效果一般較差。

(2)基于基函數(shù)的形狀映射方法

基于基函數(shù)的形狀映射方法通常是將形狀嵌入到基函數(shù)空間中，通過求解在基函數(shù)空間中的映射關(guān)系，來還原形狀之間的點(diǎn)對(duì)點(diǎn)映射。經(jīng)典的方法有函數(shù)映射(FunctionalMap,FM)，函數(shù)映射網(wǎng)絡(luò)(Functional Map Network,FMN)等。

Ovsjanikov等人提出的FM算法將形狀嵌入到由Laplace-Beltrami特征向量組成的基函數(shù)空間中，然后計(jì)算嵌入后特征的對(duì)應(yīng)關(guān)系。由于基函數(shù)空間的尺度遠(yuǎn)遠(yuǎn)小于形狀的點(diǎn)的數(shù)量，因此相比點(diǎn)對(duì)點(diǎn)的形狀映射，能夠減少大量的計(jì)算。

Huang等人提出的FMN算法假定輸入的集合中的形狀是相似的，可以計(jì)算得到點(diǎn)對(duì)點(diǎn)級(jí)別或區(qū)域級(jí)別的形狀對(duì)應(yīng)關(guān)系。FMN算法提出循環(huán)一致性約束來限制映射矩陣，即同一個(gè)形狀經(jīng)過多次有效的映射，能夠映射回到自身，整個(gè)映射路徑構(gòu)成回環(huán)。FMN算法首先通過幾何通用描述符結(jié)合KNN算法生成一個(gè)圖，圖中頂點(diǎn)為一個(gè)幾何模型，兩個(gè)頂點(diǎn)之間存在邊表示兩個(gè)幾何模型足夠相似，可以視為同一類幾何模型。沿著圖中存在的邊計(jì)算兩個(gè)幾何模型的形狀映射，對(duì)所有的映射矩陣構(gòu)成的矩陣進(jìn)行秩的約束，即可實(shí)現(xiàn)循環(huán)一致性約束，有效提高了映射矩陣的魯棒性。

基于基函數(shù)方法的形狀映射的優(yōu)點(diǎn)是計(jì)算量較小，并且對(duì)于非剛體映射也有較好的效果。但是現(xiàn)存的方法不能很好的將多種特征結(jié)合。

發(fā)明內(nèi)容