三维模型空间复合特征描述方法

融合三维模型的多种空间特征信息,提出一种三雏模型空间复合信息的特征描述方法,在一次三维模型面片遍历过程中,可以同时提取模型在一系列同心球球面映射上的距离、法向和面积分布函数,然后对分布函数作球面调和变换,提取球面调和系数作为模型特征向量,降低了特征表示维数,节约了存储空间.在多个三维模型库的实验结果表明本文提出的空间复合信息特征描述方法具有优越的检索效果,优于基于图像的光场描述方法这一被认为目前检索效果最好的描述方法,同时具有提取速度快的优势.     

三维网格模型增量式聚类检索

针对大规模三维网格模型库中的形状检索问题,提出了基于增量式聚类的三维形状描述和检索方法。首先根据三维模型的曲率分布直方图提取特征点得到特征向量;然后根据特征向量描述建立模型库的关键词词典;在特征 匹配阶段基于增量聚类方法判断目标模型的特征向量是否属于某一个关键词,并根据增量聚类的结果更新检索关键词词典;最后匹配特征向量检索模型库中与目标模型形状相同和相近的三维网格模型。相关实验结果证明了该方法快速有效,具有较高的准确性。     

基于多特征融合的三维模型检索算法

针对三维模型检索中单一特征检索效果差的难题,首先提出了三维模型的3类特征向量提取算法,即刻画模型表面特性的扩展高斯球面特征向量、反映模型内部结构的Radon变换球面分布特征向量、代表模型投影层次的视图分层压缩感知特征向量。其次,以样本模型的查询结果分类信息熵作为指标并结合监督学习过程,给出了一种多特征融合的加权系数估算方法。最后,设计了融合多特征的模型间相似度度量,完成基于查询示例的模型检索过程。仿真实验表明,提出的3类特征向量具有较好的可区分性,多特征融合检索算法的查全率与查准率有明显提升。     

基于多模态融合的三维模型检索算法研究

为了获得更好的三维模型检索分类性能,基于深度学习模型研究了多模态信息融合对三维模型的特征描述,在训练步骤提出相关性损失函数来指导不同模态之间的训练,提取更稳健的特征向量;最后将融合特征应用于三维模型的检索和分类,在ModelNet40数据集上进行了三维模型分类任务和检索任务评估。实验结果及与现有方法进行的对比证明了该方法的优越性,为三维模型检索分类领域提供了一种新的思路。     

车祸再现中三维车辆模型准确检索方法研究

研究交通事故再现中根据三维模型的车辆检索问题。为解决事故责任的确定,需要根据视频记录通过车辆三维模型的检索结果再现交通事故过程。交通事故发生过程中,车辆因事故碰撞发生车体旋转,使得车辆三维特征不明显,传统的基于骨架特征的三维车辆检索方法由于车体的旋转,不能有效获取车辆特征,造成车辆三维模型检索的准确率不高。为解决此难题,提出基于同心球特征提取的三维车辆模型检索方法,选取车辆的质心作为模型球心,依据最大半径均分原则得到多个同心球,选取与球心最远的凸点为特征点,这样选取的特征点与空间坐标位置无关,避免了车体旋转对特征点的影响,通过匹配完成检索。实验表明,同心球特征提取方法能够提高三维车辆模型的检索准确性。     

基于权重能量自适应分布的三维形状分割算法

针对三维形状分割问题,提出一种引入权重能量自适应分布参与深度神经网络训练的全监督分割算法.首先对三维形状表面进行过分割得到若干小块,提取每一个小块的特征描述符向量作为神经网络的输入,计算权重能量自适应分布,将经过加权后的分割标签作为神经网络的输出,训练深度神经网络.对于新的未分割的三维模型,提取模型表面三角面片的特征向量后输入到神经网络中进行预测分割后,对预测分割的边缘进行修整得到分割结果,实现三维模型的自动分割.在普林斯顿三维模型分割数据集上的实验结果表明,算法通过在训练过程中引入权重能量自适应分布,可以大幅降低神经网络训练时的均方误差,提高神经网络预测结果的准确率;与传统算法相比,该算法具有高准确率、强鲁棒性、强学习扩展能力等优点.     

一种基于球面调和分析的三维模型检索算法

提取关于坐标旋转不变的特征描述符以及提高特征描述符对噪声的鲁棒性是基于内容三维模型检索技术中有待进一步研究解决的问题之一。将三维模型表面离散成三维点数据,然后使用球面调和方法对得到的点数据进行调和分析得到三维模型旋转不变的特征向量,并且能够增加算法对模型表面噪声的鲁棒性提高检索准确度。实验证明该算法在检索准确度和对噪声的鲁棒性上都有所提高。     

一种基于交互式分割的部分模型检索方法

如何在三维模型库中,从相似或不同种类的模型中得到模型的局部匹配,实现部分模型的检索,已经成为一个具有挑战性的研究工作.目前,基于特征统计的方法虽实现较好的检索结果,但是不满足局部匹配,因而无法实现部分模型的检索;基于骨架提取和Reeb图的方法,虽满足局部的匹配,但是对三维模型的结构要求比较严格.为此,提出基于交互式分割的部分模型检索方法.首先采用交互式的分割方法,得到满足用户需求的部分模型,然后对于部分模型,利用形状分布方法提取部分模型的形状特征,利用PDF-L1标准得到部分模型的匹配度,从而实现部分模型的检索.实验结果表明,可得到较好的检索结果.     

基于拓扑特征的建筑信息模型检索方法

检索相关设计方案以复用是提高建筑设计效率的有效手段。针对传统的三维形状检索方法对建筑模型空间结构表达能力不足的问题,提出一种基于拓扑特征的建筑信息模型检索方法。首先利用Revit API开发插件提取建筑信息模型房间连接拓扑图（Room Connectivity Topology Graphs,RCTG）,然后结合空间句法理论构造建筑空间构形节点深度值表（Node Depth Value Table,NDVT）并过滤出候选模型,进而将检索模型和候选模型的NDVT转换为标准化的邻接矩阵并提取相应的特征向量,最后通过相似性度量得到检索结果。实验结果表明,该方法能够有效实现建筑模型局部结构的检索,与单一考虑形状特征的传统三维检索方法相比,检索精准度较高,能够实现建筑模型的高效再利用,具有广泛的应用前景。     

基于正交主平面投影的三维模型检索算法

主平面分析是一种新颖的快速有效的三维模型检索算法,但单个主平面对三维模型的信息描述能力不够强,影响了检索的准确度.本文通过分析主平面分析的基本原理,在单个主平面的基础上提出三个正交主平面的方法,将三维模型分别在三个正交主平面上投影,然后对投影图像提取旋转不变的矩,形成三雏模型的特征向量进行特征匹配,从而更充分的描述了三维模型的特征.试验表明提高了检索性能.