家居布局的层次化约束及其粒子群优化

家居布局作为虚拟场景设计的重要内容,在虚拟现实、三维游戏以及室内家居设计中都有应用.针对现有的家居自动布局方法存在约束冲突容易导致局部最优,以及由于全局优化方法收敛速度慢而达不到实时要求的问题,提出层次优化的思想化解约束冲突并采用粒子群优化算法解决布局优化问题.首先引入层次树对家具之间的约束关系进行结构化组织,避免约束冲突;然后引入粒子群优化算法进行优化求解,由于粒子群优化算法有着良好的并行结构,便于GPU加速,从而提高算法效率.通过多样化的实例对算法的有效性进行了验证,并对运行效率进行细致分析,结果表明,文中方法提升了家居布局的质量和效率.     

融合RGB图像特征的多尺度深度图像补全方法

针对目前因缺少配对的"缺失-完整"RGB-D数据集而不能直接训练端对端深度图像补全模型的问题,提出基于随机掩码构造对应的缺失-完整数据,结合真实数据集与合成数据集交替训练模型的策略.基于随机掩码生成不同缺失比例的深度图像,并且利用合成数据集构造具有可靠真值的深度图像缺失数据,从而得到具有可靠数据的缺失-完整RGB-D数据集.以此策略为基础,搭建融合对应RGB图像特征的多尺度深度图像补全网络,该网络分别从RGB图像特征提取分支和深度图像特征提取分支提取不同尺度的RGB图像特征和深度图像特征,再经过特征融合分支在不同尺度上对RGB图像特征和深度图像特征进行融合,进而能够充分地学习RGB图像丰富的语义信息和深度图像的信息补全缺失深度.在NYU-Depth V2数据集的实验表明,该方法在不同缺失比例的深度图像补全任务中,阈值精度平均值为0.98,平均相对误差约为0.061,与现有基于神经网络和优化稀疏方程组的方法相比,其在阈值精度上平均提升了0.02,平均相对误差平均下降了0.027.     

室内3D点云模型的门窗检测

为了检测室内3D场景中的门窗信息,提出一种3D-2D-3D的门窗检测算法.首先在3D室内场景点云模型中多角度旋转拍照,获取点云的2D图像;然后对2D图像进行门窗目标的粗检测,得到门窗在图像中的大致范围,并将此2D信息返回到3D点云数据中,得到包含门窗的局部点云数据;最后提取局部点云数据的轮廓线及其交点,通过优化得到门窗特征角点的位置信息.实验结果表明,采用这种"整体-局部"策略的算法能有效地检测出3D室内场景中门窗的位置信息.     

多尺度特征融合的透明物体深度图像快速修复方法

透明物体是日常生活中常见的事物,具有独特的视觉特性,这些特性使得标准的视觉3D传感器较难对其进行准确的深度估计.在大多数情况下,视觉3D传感器捕获的深度信息表现为透明物体后面的背景的深度值或大面积的深度缺失.为了对深度图像中透明物体的深度缺失进行快速修复,提出一种基于语义分割和多尺度融合的透明物体深度图像快速修复的方法,使用轻量级实时语义分割预测出透明物体的遮罩,剔除深度场景图像中该部分的错误深度信息,对彩色图像和剔除错误信息后的深度图像进行多尺度的特征提取和特征融合,完成对透明物体的深度图像快速修复.本文在Clear Grasp数据集上算法进行了效果验证.该数据集包含了5万多组RGB-D图像.实验结果表明,文中方法对透明物体深度的修复在度量指标MAE, δ_1.05和δ_1.25上,分别取得了0.027, 72.98和98.04的结果,均优于现有方法,并且在效率上有较好的提升.