本發(fā)明專利技術(shù)公開了一種三維模型構(gòu)成的自動標(biāo)注方法，包括以下步驟：對輸入的同類三維模型集進(jìn)行聯(lián)合分割以獲得初始部件聚類；聯(lián)合分割過程包括對三維模型集中的每個三維模型進(jìn)行面片級特征提取，得到三維模型的面片級特征，利用面片級特征對三維模型集中的每個三維模型進(jìn)行單模型預(yù)分割，從而獲得三維模型集中的所有三維模型的初始部件集，以及對初始部件進(jìn)行部件級特征提取，以獲得初始部件的部件級特征，并在此基礎(chǔ)上采用譜聚類方法對初始部件進(jìn)行聚類，從而獲得多個初始部件聚類；對每個初始部件聚類構(gòu)建一個統(tǒng)計模型，利用此統(tǒng)計模型采用圖割優(yōu)化方法將待標(biāo)注的目標(biāo)模型面片進(jìn)行分割并獲得其標(biāo)注信息。
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及一種形狀分析的處理方法，屬于計算機(jī)圖形學(xué)
，具體地說是一種基于聯(lián)合分割的三維模型構(gòu)成的自動標(biāo)注方法。
技術(shù)介紹
將三維模型分割并獲取其構(gòu)成部件的標(biāo)注是形狀理解和處理的基礎(chǔ)，幾何建模、生產(chǎn)制造、三維模型動畫及紋理等領(lǐng)域的諸多任務(wù)都依賴于部件分割，其中許多問題更需進(jìn)一步對分割部件進(jìn)行標(biāo)注，即，將這些部件識別為已知部件類型的一個實例。這些應(yīng)用的大多數(shù)情況中，采用人工定義方式進(jìn)行輸入三維模型的分割與標(biāo)注。例如，人體網(wǎng)格紋理合成的應(yīng)用中，需由人工辨別網(wǎng)格中具有“胳膊”紋理的部分、或具有“腿”紋理的部分等等；另外，一些并不直接要求分割標(biāo)注的應(yīng)用，如，3D形狀匹配或檢索，也可從組成部件及標(biāo)注的信息中獲益。盡管大量工作針對圖像自動標(biāo)注展開研究，如文獻(xiàn)1:鮑泓，徐光美，馮松鶴，須德.自動圖像標(biāo)注技術(shù)研究進(jìn)展.計算機(jī)科學(xué)，2011，38 (7) :35-40.，然而，三維模型方面的工作多數(shù)僅針對三維模型的整體標(biāo)注進(jìn)行研究，如文獻(xiàn)2 :田楓，沈旭昆，劉賢梅，周凱，杜睿山.一種基于弱標(biāo)簽的三維模型語義自動標(biāo)注方法，系統(tǒng)仿真學(xué)報，2012，24(9) : 1873-1876，1881，而未涉及三維模型構(gòu)成部件的自動標(biāo)注；另外，與三維模型構(gòu)成標(biāo)注密不可分的模型分割如文獻(xiàn)3 Chen X. , Golovinskiy A. , Funkhouser T. ABenchmark for3D Mesh Segmentation. ACM Transactions on Graphics, 2009, 28(3).所述也仍為一個開放性研究問題，到目前為止，幾乎所有模型分割方法都僅考慮部件自身的幾何特征，而不考慮類別信息，難以滿足模型部件的后續(xù)標(biāo)注需求，文獻(xiàn)4 =KalogerakisE. , Hertzmann A. , Singh K. .Learning3D mesh segmentation and labeling. ACMTransactions on Graphics, 2010, 29 (4) Article No. 102.率先提出一種數(shù)據(jù)驅(qū)動的模型分割與標(biāo)注方法，他們通過對人工分割標(biāo)注的模型集進(jìn)行學(xué)習(xí)，將模型部件標(biāo)注問題表示為條件隨機(jī)場最優(yōu)化問題，從而實現(xiàn)對未知模型的分割與標(biāo)注，并驗證了人工標(biāo)注知識對三維模型分割的促進(jìn)作用，然而，方法依賴于大量人工標(biāo)注的三維模型集。另一方面，文獻(xiàn) 5 :Golovinskiy A. , Funkhouser T. Consistent segmentationof3D models. Computers and Graphics(Shape Modeling International09)2009, 33(3):262-269.、文獻(xiàn)6:徐凱.語義驅(qū)動的三維形狀分析及建模.[D]國防科學(xué)技術(shù)大學(xué)研究生院.2011.考慮到同類物體的三維模型比單個模型包含更豐富的語義信息，因此提出對同類模型集進(jìn)行分析，進(jìn)而獲得多個模型一致性分割的聯(lián)合分割方法，但其并未考慮未知三維模型的自動標(biāo)注問題。本專利在聯(lián)合分割的基礎(chǔ)上，利用同類模型具有類似部件組成結(jié)構(gòu)這一信息，對未知三維模型的組成部件進(jìn)行分割與標(biāo)注，進(jìn)而實現(xiàn)三維模型的自動標(biāo)注。
技術(shù)實現(xiàn)思路
專利技術(shù)目的本專利技術(shù)所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足，提供一種基于聯(lián)合分割的三維模型構(gòu)成的自動標(biāo)注方法，用于支持對三維模型的自動分割與標(biāo)注。為了解決上述技術(shù)問題，本專利技術(shù)公開了一種基于聯(lián)合分割的三維模型構(gòu)成的自動標(biāo)注方法，包括以下步驟:步驟一，三維模型集聯(lián)合分割:對輸入的同類三維模型集進(jìn)行聯(lián)合分割以獲得初始部件聚類，包括單模型預(yù)分割和部件譜聚類兩個步驟:單模型預(yù)分割將三維模型集中的每個三維模型進(jìn)行預(yù)分割為初始部件集；所述部件為相互連接的面片；部件譜聚類將單模型預(yù)分割過程獲得的初始部件集聚類為多個初始部件聚類，聚類數(shù)對應(yīng)于最終三維模型標(biāo)注部件的總個數(shù)，可以由用戶給定，也可以根據(jù)本專利技術(shù)自動計算；步驟二，三維模型分割標(biāo)注:在三維模型集聯(lián)合分割過程獲得的初始部件聚類幫助下，對待標(biāo)注目標(biāo)三維模型進(jìn)行分割與標(biāo)注，包括統(tǒng)計模型構(gòu)建和面片標(biāo)注兩個步驟:統(tǒng)計模型構(gòu)建將每個初始部件聚類中的部件面片級特征作為觀察值，構(gòu)建描述相應(yīng)初始部件聚類的混合高斯模型，并根據(jù)貝葉斯理論計算待標(biāo)注目標(biāo)三維模型每個面片的標(biāo)注概率；面片標(biāo)注則采用圖割優(yōu)化算法同時考慮該目標(biāo)三維模型每個面片的標(biāo)注概率以及目標(biāo)三維模型面片局部特征對目標(biāo)三維模型進(jìn)行分割與標(biāo)注。本專利技術(shù)步驟一中所述單模型預(yù)分割部分還包括以下步驟:步驟111提取三維模型每個面片處的平均測地距離、高斯曲率、形狀直徑函數(shù)、形狀上下文4維面片級特征，從而組成4維特征向量。所述三維模型是網(wǎng)格化的三維模型。步驟112將三維模型網(wǎng)格每個面片的上述四個面片級特征值組 成的4維特征向量作為面片級特征空間中的一個點坐標(biāo)，在此空間中采用mean-shift聚類算法進(jìn)行聚類，從而將三維模型網(wǎng)格上的面片聚類為更大的初始部件。步驟113采用圖割優(yōu)化算法平滑初始部件邊界，獲得初始部件集S=Is1,…，sn}，η為初始部件數(shù)。本專利技術(shù)步驟一中所述部件譜聚類部分還包括以下步驟:步驟121，提取三維模型初始部件集S=Is1,…，SnI中初始部件的部件級特征,包括初始部件Si的I維面積特征a1、3維幾何形狀特征gi和4維面片級特征直方圖特征，共8維部件級特征，I < i < η ;步驟122，計算三維模型初始部件集S=Is1,…，SnI中初始部件Si和初始部件Sj間的距離，I ^ j η ；1、j相等時距離定義為O。步驟123根據(jù)部件間的距離，用高斯核構(gòu)建親和度矩陣W，并通過對親和度矩陣W進(jìn)行特征分解，以計算初始部件集的擴(kuò)散映射(diffusionmap),從而將初始部件s映射到擴(kuò)散空間中一點Wt(S)。步驟124對由擴(kuò)散映射獲得的擴(kuò)散空間進(jìn)行聚類，若聚類數(shù)k由用戶給定，則采用k均值聚類算法進(jìn)行聚類；否則，采用mean-shift聚類算法，自動計算聚類數(shù)k，最終獲得初始部件聚類，并將每個聚類的類標(biāo)注為類C=Ic1, C2,…，ck}，k為聚類數(shù)量。本專利技術(shù)步驟二中所述統(tǒng)計模型構(gòu)建部分還包括以下步驟:步驟211對類標(biāo)注為Ci的聚類，將其中所有初始部件上面片的面片級特征作為觀察值，估計混合高斯模型(Gaussian mixture model,GMM)來建模該類，并計算類標(biāo)注Ci的后驗概率P(Ci)為類標(biāo)號Ci中初始部件面積之和與集合中所有初始部件的總面積之比。步驟212根據(jù)貝葉斯理論(Bayes’ Theorem)計算待標(biāo)注目標(biāo)三維模型網(wǎng)格面片f屬于類標(biāo)注Ci的概率p (Ci | f)。本專利技術(shù)步驟二中所述面片標(biāo)注部分將待標(biāo)注目標(biāo)三維模型網(wǎng)格面片f屬于類標(biāo)注Ci的概率作為圖割優(yōu)化算法的數(shù)據(jù)項，圖割優(yōu)化算法的圖邊權(quán)重以及平滑項按步驟113所述進(jìn)行設(shè)置，最終將待標(biāo)注目標(biāo)三維模型網(wǎng)格進(jìn)行分割并標(biāo)注。有益效果:本專利技術(shù)具有以下優(yōu)點:首先，本專利技術(shù)可對同種類型多個模型同時進(jìn)行一致性分割；其次，本專利技術(shù)可通過對同種類型多個模型的聯(lián)合分割，提取該類模型的部件形狀及其組成信息；最后，本專利技術(shù)可利用從模型集中獲取的部件形狀及其組成信息，對三維模型進(jìn)行分割，并實現(xiàn)自動標(biāo)注。附圖說本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
一種三維模型構(gòu)成的自動標(biāo)注方法，其特征在于，包括以下步驟：步驟一，三維模型集聯(lián)合分割：對輸入的同類三維模型集進(jìn)行聯(lián)合分割獲得初始部件聚類，包括單模型預(yù)分割和部件譜聚類兩個步驟：單模型預(yù)分割將三維模型集中的每個三維模型進(jìn)行預(yù)分割為初始部件集；所述部件為相互連接的面片；部件譜聚類將單模型預(yù)分割過程獲得的所有初始部件聚類為對應(yīng)初始部件聚類，聚類數(shù)對應(yīng)于最終三維模型標(biāo)注部件的總個數(shù)；步驟二，三維模型分割標(biāo)注：根據(jù)初始部件聚類，對待標(biāo)注目標(biāo)三維模型進(jìn)行分割與標(biāo)注，包括統(tǒng)計模型構(gòu)建和面片標(biāo)注兩個步驟：統(tǒng)計模型構(gòu)建步驟將每個初始部件聚類中的部件面片級特征作為觀察值，構(gòu)建描述相應(yīng)初始部件聚類的混合高斯模型，并根據(jù)貝葉斯算法計算待標(biāo)注目標(biāo)三維模型每個面片的標(biāo)注概率；面片標(biāo)注步驟采用圖割優(yōu)化算法同時基于目標(biāo)三維模型每個面片的標(biāo)注概率以及目標(biāo)三維模型面片局部特征對目標(biāo)三維模型進(jìn)行分割與標(biāo)注。
【技術(shù)特征摘要】
1.一種三維模型構(gòu)成的自動標(biāo)注方法，其特征在于，包括以下步驟: 步驟一，三維模型集聯(lián)合分割:對輸入的同類三維模型集進(jìn)行聯(lián)合分割獲得初始部件聚類，包括單模型預(yù)分割和部件譜聚類兩個步驟: 單模型預(yù)分割將三維模型集中的每個三維模型進(jìn)行預(yù)分割為初始部件集；所述部件為相互連接的面片； 部件譜聚類將單模型預(yù)分割過程獲得的所有初始部件聚類為對應(yīng)初始部件聚類，聚類數(shù)對應(yīng)于最終三維模型標(biāo)注部件的總個數(shù)； 步驟二，三維模型分割標(biāo)注:根據(jù)初始部件聚類，對待標(biāo)注目標(biāo)三維模型進(jìn)行分割與標(biāo)注，包括統(tǒng)計模型構(gòu)建和面片標(biāo)注兩個步驟: 統(tǒng)計模型構(gòu)建步驟將每個初始部件聚類中的部件面片級特征作為觀察值，構(gòu)建描述相應(yīng)初始部件聚類的混合高斯模型，并根據(jù)貝葉斯算法計算待標(biāo)注目標(biāo)三維模型每個面片的標(biāo)注概率； 面片標(biāo)注步驟采用圖割優(yōu)化算法同時基于目標(biāo)三維模型每個面片的標(biāo)注概率以及目標(biāo)三維模型面片局部特征對目標(biāo)三維模型進(jìn)行分割與標(biāo)注。2.根據(jù)權(quán)利要求1所述的一種三維模型構(gòu)成的自動標(biāo)注方法，其特征在于，步驟一中所述單模型預(yù)分割部分包括以下步驟: 步驟111，提取三維模型每個面片的4維面片級特征，包括平均測地距離、高斯曲率、形狀直徑函數(shù)、形狀上下文，從而組成每個面片的4維特征向量； 步驟112，將三維模型每個面片的4維特征向量作為面片級特征空間中的一個點坐標(biāo)，在此空間中采用mean-sh ift聚類算法進(jìn)行聚類，從而將三維模型上的面片聚類為更大的初始部件； 步驟113，采用圖割優(yōu)化算法平滑初始部件邊界，獲得初始部件集S= Is1，…，sn}，η為初始部件數(shù)。3.根據(jù)權(quán)利要求2所述的一種三維模型構(gòu)成的自動標(biāo)注方法，其特征在于，步驟一中所述部件譜聚類部分包...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：孫正興，章菲倩，宋沫飛，郎許鋒，
申請(專利權(quán))人：南京大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。