交互标记跟踪的三维动态数据对齐

针对三维动态数据特征点匹配所导致的错误对齐问题,采用交互标记和运动跟踪来提高特征点匹配的可靠性和稳定性。首先,对三维动态数据特定帧交互标定特征点;然后,通过运动跟踪和最优预测窗口得到标定特征点在其他帧上的位置;最后,以跟踪匹配的特征点为约束条件来构造等距二分图,得到三维动态数据紧密对齐结果。实验结果表明,所提算法的对齐准确率高于已有算法。     

基于核密度估计的三维非等距模型簇的对应关系计算方法

针对三维非等距模型簇的一致对应关系计算问题,提出了一种基于核密度估计的三维非等距模型簇对应关系计算方法.首先引入离散时间演化过程描述符(DEP)提取三维模型表面的特征描述符,得到不同区域的不同分布特征;其次通过核密度估计建立非等距模型间的映射关系;最后利用弹性网罚函数对非等距模型簇映射关系进行凸优化,从而得到更准确的三维非等距模型簇点到点对应关系.实验结果表明,利用时变描述符与核密度估计相结合的方法计算非等距模型簇的对应关系,在一定程度上减小了模型簇一致对应的测地错误,与Aubry的算法比较,测地错误平均下降至0.054.该基于核密度估计的匹配算法与使用函数映射或随机森林函数的方法相比,能构建出更为准确的非等距模型簇一致对应关系.     

基于格林函数表示的近似等距网格之间稀疏对应

基于全局点签名(GPS)和格林函数表示,提出了一种由粗到细的近似等距网格曲面模型间的稀疏点对应算法.针对构建点GPS表示的对应基向量间的符号不定问题,利用Morse理论和修改的层次聚类算法,提取源网格和近似等距目标网格上的关键点作为锚点,并结合符号的组合搜索策略,提出了一种基于GPS的锚点对应鲁棒算法;针对由于网格分辨率不同导致的高维GPS坐标不一致问题,结合前面确定的锚点对,定义了一种点的格林函数表示,并在此基础上提出一种增量式稀疏点对应算法.实验结果表明,与已有网格点对应算法相比,文中算法具有更高的计算效率和准确度,可应用于刚体和非刚体对齐以及三维变形、形状匹配等.     

二分图顶点配对模型下的英汉句子对齐研究

英汉平行文本句子对齐可以视为一个二分图顶点配对模型。利用完全基于英汉词典的双语句子相关性评价函数,能够对二分图的“顶点对”进行加权。该文提出的顶点配对句子对齐方法首先获取二分图全局最大权重顶点配对作为临时锚点;在此基础上,根据句子先后顺序,局部最大权重顶点配对和英汉句长比的值域范围,纠正临时锚点中的错误,补充锚点序列未覆盖的合法顶点对,同时划分句对,实现句子对齐处理。在对比实验中该句子对齐方法优于Champollion句子对齐系统。从实验对比结果和实践效果看,该句子对齐方法可行。
     

面向自动扫描的三维形状多层次局部匹配算法

为了让机器人在对未知场景的扫描与重建过程中同时获得对该场景的理解,需要基于目前已有的部分信息进行物体分割与识别,解决基于不完整点云的局部匹配问题.针对已有的局部匹配方法面临着匹配准确度低、计算复杂度高等问题,提出三维形状的多层次局部匹配算法.在粗层次上,通过使用改进的词袋方法进行降维加速;在细层次上,通过精细地筛选三维特征点对之间的对应关系提升精度.首先使用基于深度学习描述子的多尺度SVM方法对数据库中模型上的特征点进行聚类,然后采用基于空间关系的视觉词袋方法在数据库中检索候选模型,最后基于全局和局部等距性对不完整点云与候选模型间的特征点对对应关系进行筛选.文中对于各部分算法分别进行验证,并与相关算法进行对比和评估,实验结果表明,该算法显著提高了局部匹配的准确性,为机器人在线场景扫描、分析、重建等相关工作提供了十分有意义的参考和支持.     

结合谱变换和马尔可夫模型的三维形状对齐

针对大尺度变形下的三维形状对齐问题,提出根据三维形状的等距性构造马尔可夫能量最小化模型,得到最优对齐结果。算法对三维模型进行谱变换,在变换空间中对三维模型进行初始化对齐。以谱距离和测地距离分别定义马尔可夫模型的单点势能函数和点对势能函数,形成可用于形状对齐的能量最小化模型。通过Alpha扩展算法对模型进行求解,得到最终的对齐结果。实验结果表明,算法在大尺度变形和拓扑变化等情况都能够输出很好的对齐结果。     

改进的统计模型三维人脸特征点标定算法框架

自动三维人脸特征点标定是计算机视觉领域的研究热点,其广泛应用于人脸识别,人脸模型配准,表情识别,脸部动画等领域。通过对三维人脸样本统计建模,采用遗传算法对待匹配模型的生成数目进行参数优化,利用模型相似性匹配方法及其映射关系对三维人脸特征点进行自动标定。首先,对三维人脸数据预处理,然后对其统计建模并通过模型形变得到有映射关系的基准模型和待匹配模型。利用遗传算法对待匹配模型中的待匹配模型生成数目参数进行优化,生成与之对应的待匹配模型数;接着计算待测模型与待匹配模型的相似度。最后,利用模型相似度和模型映射关系,间接得到待测模型的特征点。实验结果表明,提出的算法是可行的,能够在一定程度上提高原有算法的效率。该算法可以自动标定三维人脸模型的特征点,当距离阈值为10像素时,39个三维人脸特征点定位的准确率都可以达到100%,并有效解决了传统方法中三维人脸模型平滑区域特征点精度不高的问题。     

基于聚类的模型数据集可视化与检索

为解决模型数据集可视化的问题,提出一种基于聚类结果的簇代表模型可视化方案.首先以等距特征映射算法作为模型特征数据的降维方法,将高维特征数据降至三维,并以该三维数据作为簇代表模型的空间位置坐标;然后采用粒子群优化算法得到模型簇的几何中值点,以距几何中值点最近的模型作为该模型簇的代表模型;最后结合模型的对齐方法来确定簇代表模型的姿态,从而实现模型数据集的可视化.另外,根据查询模型与簇代表模型之间的相似性,提出一个基于聚类结果的模型检索流程.该检索流程首先寻找与查询模型最相似的簇代表模型,然后将查询范围限制在这些簇代表模型对应的模型簇中,从而减少备选模型的数量.检索实验结果表明,在合适的参数组合下,该检索流程可以在保证检索精度的同时大幅提高检索效率.     

三维图匹配算法

目的 现有的图匹配算法大多应用于二维图像,对三维图像的特征点匹配存在匹配准确率低和计算速度慢等问题。为解决这些问题,本文将分解图匹配算法扩展应用在了三维图像上。方法 首先将需要匹配的两个三维图像的特征点作为图的节点集;再通过Delaunay三角剖分算法,将三维特征点相连,则相连得到的边就作为图的边集,从而建立有向图;然后,根据三维图像的特征点构建相应的三维有向图及其邻接矩阵;再根据有向图中的节点特征和边特征分别构建节点特征相似矩阵和边特征相似矩阵;最后根据这两个特征矩阵将节点匹配问题转化为求极值问题并求解。结果 实验表明,在手工选取特征点的情况下,本文算法对相同三维图像的特征点匹配有97.56%的平均准确率;对不同三维图像特征点匹配有76.39%的平均准确率;在三维图像有旋转的情况下,有90%以上的平均准确率;在特征点部分缺失的情况下,平均匹配准确率也能达到80%。在通过三维尺度不变特征变换（SIFT）算法得到特征点的情况下,本文算法对9个三维模型的特征点的平均匹配准确率为98.78%。结论 本文提出的基于图论的三维图像特征点匹配算法,经实验结果验证,可以取得较好的匹配效果。     

一个三维人脸真实感模型重建算法

从多幅照片恢复三维人脸模型的难点在于如何自动求取脸部的特征点以及获得逼真的模型.本文提出了从人的头部运动来求取脸部结构的方法,首先使用改进的图像金字塔LK算法匹配对应照片的特征,再由局部向量调整,得到了精确的匹配结果,然后通过相机定标、运动分析、通用模型匹配、纹理映射算法重构出真实感的人脸模型.实验结果及算法分析表明,本文提出的特征匹配算法的精确度较高,实现特定人脸重建方法切实可行,生成的模型可视效果较好.