基于特征点检测的三维模型最佳视点选择

针对三维模型最佳视点选择问题,提出了一种基表面特征点检测的视点选择算法。首先引入一种基于局部平均形心距离差的顶点显著性度量方法,认为三维网格模型表面某顶点的显著性是由该顶点与形心之间距离和该顶点邻域内的顶点与形心之间距离的平均差值来刻画,而不是该点所在位置的弯曲程度所决定;然后根据顶点的显著性大小进行三维模型表面特征点检测;最后针对视点球体上的每个候选视点分析该视点下可见特征点的几何分布和显著度大小计算视点质量,提取出最佳视点。实验结果验证了基于三维模型特征点的视点选择方法的有效性,在能够选择出质量较优的视点的同时保证算法的效率。     

浮雕显著性信息熵驱动的三维模型最优视点选择

在三维模型最优视点选择中,将模型的浮雕显著性信息度量引入模型视点互信息的信息熵分析,提出一种结合视觉显著性的模型视见描述子刻画方法.针对模型视点球的各个视点计算模型可见面片浮雕显著性信息熵驱动的视见描述子,并从中选择视见描述子值最大的视点作为模型的最优观察视点.实验结果表明,由该方法获取的最优视点得到的视图能够反映和展示三维模型的视觉显著特征.     

结合视觉感知与信息量的视点评分方法

随着数字3D内容的不断丰富,对其进行有效展示和索引的需求变得十分迫切,而通过视点评分选择合适的观察视点对解决这一问题具有重要的作用.针对传统的视点评分方法计算时间冗长、结果很难符合人类观察习惯的问题,提出一种基于视觉感知信息量的快速视点评分方法.首先计算相对简单的平均曲率作为代表3D物体视觉特征的要素,随后结合信息熵理论对视点进行评分,使那些能看到尽可能多重要特征且所见特征分布较广的视点分数较高;之后,将这种评分策略应用于最优视点集计算中,利用信息理论对视点集获取信息进行量化,确保利用最少数目的视点有效地认知3D物体.实验结果表明,该方法得到的视点分数及最优视点集质量与目前最好的方法相当,但计算速度更快,无需人工交互.     

基于形状分布的三维骨骼的相似性度量

文中应用形状分布算法度量由CT数据重建出的三维骨骼的相似度,并提出了改进.基本步骤是:在模型表面选择随机点,计算每两点间的距离,以形状分布函数来构建形状分布直方图,通过比较形状分布直方图来给出不同骨骼间的相似度.实验表明,该方法能够准确度量骨骼的相似性.     

基于视平面上特征计算的视点选择

提出一种能高效观察三维模型的视点选择方法.该方法基于视平面定义一种曲率特征,以度量模型的三维几何特征在视平面上的分布和体现状况,并由此计算与视点相关的一种熵值;然后对各个视点相关的这种熵值进行比较,可得到熵值最大的视点.实验结果表明,采用该方法找到的视点能观察到模型尽可能多的显著特征,与人眼的观察习惯比较接近.与已有方法相比,文中方法计算简单、不需要语义计算、有较高的工作效率.     

保特征的单幅图像三维网格重建EI北大核心CSCD

针对图像重建三维物体方法中存在无法保持物体尖锐特征的问题,基于深度神经网络,对输入单幅图像提出一种有效的保特征三维网格生成方法.对单幅输入图像使用VGG-16提取图像特征,并特别设计了图像边缘检测层获取物体的尖锐特征;将三维网格(初始为椭球)的顶点投影到特征图和边缘检测图上,以获得顶点局部特征,并判断其是否为尖锐特征点;然后,将局部特征和顶点位置串联输入到改进的图卷积神经网络(graph convolutional neural network, GCNN),对于非尖锐特征点采用普通GCNN,对于检测到的尖锐特征点采用0邻域图卷积神经网络(0-neighborhood GCNN, 0N-GCNN),以期其尽量不被邻域顶点过度光滑;GCNN的输出预测了顶点的新位置和三维特征;最后,对网格的顶点及特征用Loop细分上采样.执行3次上述变形(二维特征投影、尖锐特征检测、GCNN变形、上采样)后,初始椭球最终变形为输入图像中物体模样.实验使用ShapeNet数据集,在PyTorch框架下实现,从定性和定量两方面与现有方法进行了比较.实验结果表明,在Chamfer距离和F-score两类定量指标上均优于大部分现有方法,而Chamfer距离和F-score(2τ)的均值表现为最优.视觉比较也表明,文中方法可有效地提升特征保持性能.     

特征自适应的三维模型最优视点提取

针对目前采用不同几何特征度量的视点优化算法在普适性方面的局限性,提出一种与三维模型特征相适应的视点优化算法.首先提取三维模型混合特征,采用AdaBoost分类器对三维模型混合特征与相适应的视点计算算法进行匹配关系训练学习,构造最优视点分类器以提取最优视点,即将最优视点提取问题转化为分类问题;对于查询模型,通过训练后的最优视点分类器获得适应模型特征的视点优化算法,并计算模型的最优视点.实验结果表明:该算法有效反映三维模型的结构特征和细节,结果优于单一度量视点提取算法.     

一种具有自终止特性的视点规划方法

提出了一种具有自终止特性的对未知物体模型自动3维测量的视点规划方法。首先在寻找最优视点阶段，利用群矢量链方法获得视觉传感器在下一个视点的观测方向，而视觉传感器在空间的确切位置参数是通过计算矢量场内的边界积分获得，其中获得最大边界积分的空间位置被定为下一个最优视点。同时为了保证对未知物体模型自动3维测量过程具有自终止特性，根据高斯定理，提出由测量所得的点云直接计算出物体体积的方法，并将连续两个视点下物体体积的变化量作为终止测量的依据来判断规划过程是否需要终止或继续。实验结果表明，该具有自终止特性的视点规划方法是可行而且有效的。     

基于特征点检测的最佳视点选择方法

针对三维模型视点选择问题,提出了基于特征点检测的最佳视点选择方法。算法首先根据三维网格模型的顶点邻接区域信息计算顶点的局部高度,即顶点的显著度大小;然后基于顶点的局部高度值大小,结合非极大值抑制算法进行三维模型表面特征点检测;最后针对视点球体上的每个候选视点分析该视点下可见特征点的几何分布信息,计算视点质量,从而筛选出最佳视点。实验结果验证了基于特征点检测的三维模型视点选择方法的合理性和优越性,所选择的最佳视点能够提供三维模型较多的几何结构和视觉特征信息。     

多视点距离图像的对准算法

提出一种多视点距离图像的对准算法.该算法将有拒绝的随机抽样和迭代最近点 (ICP: Iterative Closest Point)算法结合起来,采用粗、精对准时不同的评价函数,利用最小二 乘进行多视点之间运动参数的估计.为了快速进行3D点到物体表面的最近距离和最近点的 计算,采用了物体表面的八叉树样条表示.实验结果表明,该对准算法收敛速度较快,抗噪声 能力较强,并且有较高的对准精度.