基于深度信息局部二值模式特征的室内场景边缘检测EI北大核心CSCD

针对室内场景深度图像,检测场景中的面片边缘信息并确定场景中的完整面信息是实现室内场景分析和理解的基础.基于深度信息局部二值模式特征,提出一种室内场景深度图像边缘检测的方法.首先对场景深度信息图分别求X方向和Y方向的梯度信息,结合2个梯度图找到深度信息图的基本边缘信息;然后计算基本边缘附近的局部二值模式特征信息,并计算深度图每个点的法线信息;最后利用深度信息局部二值模式特征和法线信息对边缘信息进行判断和矫正,以提取深度图像的面片边缘信息.实验结果表明,该方法能够高效、准确地检测室内场景深度图像的边缘信息,避免边缘信息的过检测和欠检测.     

基于单幅RGB-D扫描数据的室内场景解析

随着消费级RGB-D设备的普遍使用,室内场景三维扫描数据更易获取,但通过此类低分辨率设备获取的点云数据通常带有噪声且缺失严重.为此,基于单幅RGB-D扫描点云数据,提出一种室内场景基元提取与自动分割方法.首先对RGB-D扫描数据进行预处理,自动检测场景中的墙面、天花板、地板等结构,并对点云进行降采样和离群点滤波处理;然后利用几何基元对剩余点云进行抽象,通过几何基元的组合来鲁棒地表示室内物体和部件,有效地减少大规模扫描数据处理的计算量;最后根据每个基元的几何和颜色特征描述符以及基元之间的几何关系,采用基于图的分割算法对基元进行组合实现室内场景物体的自动分割和提取.实验结果表明,该方法可以有效、鲁棒地抽象并分割杂乱的室内场景.     

结合分类卷积神经网络和形状上下文的线画图检索

传统线画图检索中仅仅利用线画图形状特征信息导致检索准确率不高,为了高效、准确地从线画图数据集中检索相似的线画图,提出一种结合分类卷积神经网络和形状上下文的线画图检索方法.首先利用大卷积核的分类卷积神经网络对线画图像数据集进行分类训练任务得到神经网络权值参数,使用该网络结构提取数据集中每张线画图的卷积特征信息;然后根据用户在画图板上绘制得到的简单线画图输入,利用卷积神经网络进行二次分类得到前15种最相似的分类,并结合形状上下文算法对15种分类匹配相似度并取前8种分类;最后使用卷积神经网络提取用户输入的线画图特征信息并与8种分类中的线画图特征信息进行匹配,根据相似度大小排序得到线画图匹配结果.基于Caffe卷积神经网络开发框架,采用TU-Berlinsketchbenchmark线画图数据集进行实验的结果表明,该方法能高效、准确地从数据集中检索得到相似线画图,同时能保证检索结果集中于最相似的几种类别且同类型中能有更多的选择.     

基于类别-实例分割的室内点云场景修复补全

三维室内场景修复补全是计算机图形学、数字几何处理、3D计算机视觉中的重要问题.针对室内场景修复补全中难以处理大规模点云数据的问题,本文提出了一种基于类别-实例分割的室内点云场景修复补全框架.该框架包括点云场景分割模块和点云形状补全模块,前者由基于PointNet的类别分割网络和基于聚类的实例分割模块完成,后者由基于编码器-解码器结构的点云补全网络实现.本文框架以缺失的室内场景点云数据为输入,首先根据"类别-实例"分割策略,采用PointNet对室内场景进行类别分割,并利用基于欧式距离的聚类方法进行实例分割得到室内各家具点云,然后借助点云补全网络将分割出的缺失家具点云逐一进行形状补全并融合进原始场景,最终实现室内点云场景的修复.其中,为了实现缺失家具点云形状的补全,本文提出了一种基于编码器-解码器结构的点云补全网络,首先通过输入变换和特征变换对齐缺失的家具点云数据采样点位置与特征信息;然后借助权共享多层感知器和PointSIFT特征提取模块对各采样点提取形状特征和近邻点特征信息,并利用最大池化层与多层感知器编码提取出采样点的特征码字;最后将采样点特征码字加上网格坐标数据作为解码器的输入,解码器使用两个连续的三层感知器折叠操作将网格数据转变成完整的点云补全数据.实验结果表明,本文提出的点云补全网络能够较好地补全室内场景中缺失的家具结构形状,同时基于该网络的场景修复补全框架能够有效修复大型室内点云场景.     

基于全局配准累积误差极小的人体RGB-D数据三维重建

针对RGB-D扫描数据获取和人体三维重建过程中存在扫描数据分辨率不高、噪声干扰影响较大、配准误差较大等问题,提出一种基于累积误差极小的RGB-D扫描数据全局配准的人体模型三维重建方法.首先采集人体扫描数据并进行预处理,去除噪声和背景;然后利用基于三维点特征描述符匹配求解局部扫描数据的粗略配准,并通过最近点迭代的方法进行精细配准;再构建局部配准数据加权图,通过最小生成树方法合并局部相邻帧数据来减少全局误差传播的影响,利用环闭合的方法解决累积误差问题并得到全局刚体配准结果;通过对全局刚体配准后的数据依次进行非刚体变换并不断融合配准后数据,解决扫描过程中的移动问题,进一步减少全局累积误差;最后利用全局配准结果和扫描数据中的颜色信息生成融合颜色信息的人体三维重建模型.利用2台Kinect设备扫描获取的人体全方位扫描数据进行实验的结果表明,该方法能够方便、高效地重建具有高度真实感的三维人体,而且重建生成的三维人体测量尺寸与真实人体尺寸之间的误差较小.     

基于最大内切球拟合的网格模型骨架提取

作为三维模型的一维表示方式,模型骨架表示和提取技术在计算机图形学和计算机视觉领域具有广泛的应用.为了有效地从输入网格模型中提取高质量的骨架,提出了一种新的基于最大内切球拟合的骨架提取方法.首先,用户分别交互选取模型主干内任意一点以及各分枝末端任意一点作为骨架提取的初始点;其次,根据选取的初始点利用最大内切球拟合和提取算法得到初始最大内切球,取球心为模型骨架点,并利用该最大内切球沿模型主干迭代扩散,寻找其余的模型最大内切球和相应的模型骨架点,同时将主干骨架周围区域设为影响域;然后,根据交互选取得到的分枝末端点,以类似方法沿末端到主干影响域寻找分枝骨架点;最后,基于距离优先算法选取合适的骨架汇合点生成完整的模型骨架.针对AIM@SHAPE提供的实验用模型,利用该方法提取的模型骨架点能准确地位于模型的中轴位置,同时通过调整参数值能保证提取的模型各分枝骨架的平滑性.     

基于散乱点云的三维人体自动测量

为解决Kinect深度相机三维人体扫描重建中人体特征尺寸提取的问题,提出一种基于散乱点云的三维人体自动测量方案。首先,对采集三维点云数据进行预处理,经点云降采样、离群点滤波和表面重建,以及点云坐标转换,进而识别出人体正背面;然后,利用人体几何形状分析法,自动提取人体特征点和特征截面点云;最后,对得到的特征截面点云提取特征边界点,再通过基于凸壳的轮廓线提取算法得到特征边界线,通过三次B样条曲线拟合计算围度、弧长尺寸,利用坐标差值和欧氏距离计算长度尺寸,从而完成对三维人体点云模型的特征尺寸测量。结果表明,该方案受人体体型因素影响较小,所提出的尺寸信息的自动提取方案有效,并符合相关标准中测量精度的要求。