三維場(chǎng)景模型生成方法技術(shù)

本發(fā)明專利技術(shù)提供一種三維場(chǎng)景模型生成方法，S11：從場(chǎng)景模型庫(kù)中分析提取出場(chǎng)景的物體結(jié)構(gòu)組以及物體間的語(yǔ)義關(guān)系；S12：統(tǒng)計(jì)擬合出每個(gè)物體結(jié)構(gòu)組間物體的相對(duì)位置，并計(jì)算高斯分布函數(shù)；S21：對(duì)所述草圖中的每一個(gè)物體在模型庫(kù)中進(jìn)行檢索；S22：確定所述草圖對(duì)應(yīng)的模型；S23：根據(jù)所述草圖計(jì)算對(duì)應(yīng)物體的初始位置；S24：根據(jù)S23計(jì)算出的初始位置和S12中的高斯分布函數(shù)，并結(jié)合梯度下降法尋找局部最優(yōu)位置，根據(jù)該位置擺放每一個(gè)S22中的物體模型，得到最終場(chǎng)景模型。本發(fā)明專利技術(shù)的方法充分利用場(chǎng)景的語(yǔ)義信息，提高了利用草圖檢索模型方法的準(zhǔn)確率，在最少人工干預(yù)的前提下自動(dòng)解決輸入草圖中的歧義性。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及三維
，特別涉及一種，尤其涉及一種基于草圖的。
技術(shù)介紹
隨著互聯(lián)網(wǎng)上三維模型數(shù)量的增加(例如Google3D Warehouse等模型庫(kù))和越來(lái)越成熟的利用二維草圖檢索三維模型的技術(shù)的發(fā)展，合理利用單個(gè)模型組合成所需場(chǎng)景的技術(shù)成為了可能。大量的研究表明隨意畫的二維草圖既可以用來(lái)做模型檢索也可以提供場(chǎng)景中物體的位置信息來(lái)幫助優(yōu)化場(chǎng)景模型的放置，這些都極大的減輕了建模的工作量。本專利技術(shù)的技術(shù)背景主要源自上述兩個(gè)方面。在利用草圖進(jìn)行模型檢索方面最主流方法為“How do humans sketch objects”一文以及其引文中闡述的內(nèi)容。這些方法致力于改進(jìn)由單幅草圖檢索模型的效果，往往很少考慮場(chǎng)景中模型間的語(yǔ)義關(guān)系。并且由于二維草圖的局限性，在表達(dá)內(nèi)容和空間位置關(guān)系方面存在很大的歧義，這些方法都只能高度依賴用戶去解決這些歧義近些 年，在自動(dòng)優(yōu)化三維模型位置方面的研究也取得了一些進(jìn)展，這些研究的主要目標(biāo)是將模型擺放在合理的位置上生成美觀的場(chǎng)景。最直接的應(yīng)用就是如何自動(dòng)確定各種家具擺放的位置從而使房間變得美觀舒適。這些研究主要包括^Interactivefurniture layout using interior design guidelines，，、“Make it home:automaticoptimization of furniture arrangement，，、“Context-based search for3D models，，等。當(dāng)前比較主流的基于草圖生成三維模型的方法如“Magic canvas:1nteractivedesign of a3_d scene prototype from freehandsketches，，、“Sketch-Based Search andComposition of3D Models”、“Sketch-to-Design:Context_based Part Assembly”都是基于單個(gè)物體的設(shè)計(jì)模式:先從二維草圖檢索出三維模型，然后放置模型。由于不考慮物體間的語(yǔ)義關(guān)系，這些方法的效果要求每個(gè)草圖都必須精確檢索出所需模型。為了做到這一點(diǎn)，這些系統(tǒng)需要大量用戶干預(yù)，也需要許多專業(yè)知識(shí)。
技術(shù)實(shí)現(xiàn)思路
(一)要解決的技術(shù)問(wèn)題本專利技術(shù)要解決的技術(shù)問(wèn)題是，針對(duì)現(xiàn)有技術(shù)的不足，提供一種，在最少用戶干預(yù)的前提下，自動(dòng)從輸入草圖生成準(zhǔn)確并且美觀的三維場(chǎng)景。(二)技術(shù)方案本專利技術(shù)提供一種，包括:S1:預(yù)處理階段:Sll:從場(chǎng)景模型庫(kù)中分析提取出場(chǎng)景的多個(gè)物體結(jié)構(gòu)組，其中每一個(gè)物體結(jié)構(gòu)組定義場(chǎng)景中物體間的語(yǔ)義關(guān)系；S12:統(tǒng)計(jì)擬合出每個(gè)物體結(jié)構(gòu)組間物體的相對(duì)位置，并計(jì)算出高斯分布函數(shù)；S2:生成階段:S21:輸入由草圖表示的場(chǎng)景，并對(duì)所述草圖中的每一個(gè)物體在模型庫(kù)中進(jìn)行檢索；S22:結(jié)合S21的檢索結(jié)果和SI中的語(yǔ)義關(guān)系，確定所述草圖對(duì)應(yīng)的物體模型；S23:根據(jù)所述草圖計(jì)算對(duì)應(yīng)物體模型的初始位置；S24:根據(jù)S23計(jì)算出的初始位置和S12中的高斯分布函數(shù)，并結(jié)合梯度下降法尋找局部最優(yōu)位置，該局部最優(yōu)位置就是模型的合理擺放位置，根據(jù)該位置擺放每一個(gè)S22中的物體模型，得到最終場(chǎng)景模型。其中，在Sll中，利用數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則從場(chǎng)景中提取由Apriori算法定義的關(guān)聯(lián)程度最高的常見物體結(jié)構(gòu)組；其中，S23具體包括:對(duì)放在地面上的物體直接按一定比例投影到場(chǎng)景中的地面上，對(duì)放置在其它物體上的物體，從所述輸入草圖中利用圖像方法匹配出支撐面，在支撐面上插值，計(jì)算出其相對(duì)支撐物體的位置。其中，在Sll中，所述多個(gè)物體結(jié)構(gòu)組的數(shù)量為至少一個(gè)物體結(jié)構(gòu)組。(三)有益效果本專利技術(shù)的方法充分利用場(chǎng)景的語(yǔ)義信息，提高了利用草圖檢索模型方法的準(zhǔn)確率，在最少人工干預(yù)的前提下自動(dòng)解決輸入草圖中的歧義性，使沒有專業(yè)知識(shí)的用戶也可以利用本專利技術(shù)的系統(tǒng)創(chuàng)作出與專業(yè)人士相媲美的場(chǎng)景模型。另外，本專利技術(shù)有著良好的可擴(kuò)展性，所提出的結(jié)構(gòu)組的概念也可以為解決其他領(lǐng)域的問(wèn)題提供一種思路。附圖說(shuō)明圖1是本專利技術(shù)步驟流程圖2是本專利技術(shù)基于草圖生成三維場(chǎng)景模型方法實(shí)例I的處理流程圖3是基于草圖生成三維場(chǎng)景模型方法的部分結(jié)果以及在相同模型庫(kù)上制作的結(jié)果示意圖。具體實(shí)施方式下面結(jié)合附圖和實(shí)施例，對(duì)本專利技術(shù)的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說(shuō)明本專利技術(shù)，但不用來(lái)限制本專利技術(shù)的范圍。如圖1所示，本專利技術(shù)提供一種，包括:S1:預(yù)處理階段:Sll:從場(chǎng)景模型庫(kù)中分析提取出場(chǎng)景的多個(gè)物體結(jié)構(gòu)組，其中每一個(gè)物體結(jié)構(gòu)組定義場(chǎng)景中物體間的語(yǔ)義關(guān)系；S12:統(tǒng)計(jì)擬合出每個(gè)物體結(jié)構(gòu)組間物體的相對(duì)位置，并計(jì)算出高斯分布函數(shù)；S2:生成階段:S21:輸入由草圖表示的場(chǎng)景，并對(duì)所述草圖中的每一個(gè)物體在模型庫(kù)中進(jìn)行檢索；S22:結(jié)合S21的檢索結(jié)果和SI中的語(yǔ)義關(guān)系，確定所述草圖對(duì)應(yīng)的物體模型；S23:根據(jù)所述草圖計(jì)算對(duì)應(yīng)物體模型的初始位置；S24:根據(jù)S23計(jì)算出的初始位置和S12中的高斯分布函數(shù)，并結(jié)合梯度下降法尋找局部最優(yōu)位置，該局部最優(yōu)位置就是模型的合理擺放位置，根據(jù)該位置擺放每一個(gè)S22中的物體模型，得到最終場(chǎng)景模型。其中，在Sll中，利用數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則從場(chǎng)景中提取由Apriori算法定義的關(guān)聯(lián)程度最高的常見物體結(jié)構(gòu)組；(Apriori算法是一種挖掘關(guān)聯(lián)規(guī)則的頻繁項(xiàng)集算法，其核心思想是通過(guò)候選集生成和情節(jié)的向下封閉檢測(cè)兩個(gè)階段來(lái)挖掘頻繁項(xiàng)集。而且算法已經(jīng)被廣泛的應(yīng)用到商業(yè)、網(wǎng)絡(luò)安全等各個(gè)領(lǐng)域)其中，S23具體包括:對(duì)放在地面上的物體直接按一定比例投影到場(chǎng)景中的地面上，對(duì)放置在其它物體上的物體，從所述輸入草圖中利用圖像方法匹配出支撐面，在支撐面上插值，計(jì)算出其相對(duì)支撐物體的位置。其中，在Sll中，所述多個(gè)物體結(jié)構(gòu)組的數(shù)量為至少一個(gè)物體結(jié)構(gòu)組。實(shí)施例1圖2是本專利技術(shù)基于草圖生成三維場(chǎng)景模型方法實(shí)例I的處理流程圖，如圖2所示:(I)處理階段:該階段主要從場(chǎng)景數(shù)據(jù)庫(kù)中分析提取出常見的結(jié)構(gòu)組。比如圖1中展示了兩個(gè)結(jié)構(gòu)組“電視一柜子”和“床頭柜一床一床頭柜”。第一個(gè)結(jié)構(gòu)組中“電視”和“柜子”的關(guān)系是“電視”放在“柜子”上，并且從擬合出高斯函數(shù)可以看到“電視”中心相對(duì)“柜子”中心的分布。第二個(gè)結(jié)構(gòu)組中“床”和兩個(gè)“床頭柜”都放在地上，并且兩個(gè)“床頭柜” 一般都放在“床”兩側(cè)接近對(duì)稱的位置。(2)運(yùn)行階段:運(yùn)行階段由如下四個(gè)部分組成:a.輸入一幅場(chǎng)景草圖，可以看到場(chǎng)景草圖中不同的物體以不同的顏色表示，及場(chǎng)景草圖是“分割”好的。b.將輸入場(chǎng)景草圖中的每一個(gè)物體的草圖用圖像匹配的方法去模型庫(kù)中與所有模型不同視角生成的輪廓圖像匹配，將模型庫(kù)中所有模型按相似度降序排列。從中可以看到由于單幅草圖檢索模型的局限性，并不能保證每個(gè)期望的類別的模型都排列在第一個(gè)。c.對(duì)每個(gè)物體草圖取出前100個(gè)候選模型進(jìn)行組合優(yōu)化，每一個(gè)組合除了考慮草圖匹配的得分以外，如果其中包含有預(yù)處理階段提取出的結(jié)構(gòu)組，則還會(huì)加上預(yù)定義的結(jié)構(gòu)組的得分。以一種貪心的方式取出得分最高的組合，從而得到場(chǎng)景草圖中每個(gè)物體對(duì)應(yīng)的最終模型。從草圖估計(jì)出每個(gè)模型的位置，將模型放置在各自估計(jì)的位置上。定義一個(gè)關(guān)于物體平移和旋轉(zhuǎn)的勢(shì)函數(shù)，該勢(shì)函數(shù)同時(shí)要求場(chǎng)景中包含的結(jié)構(gòu)組中物體的相對(duì)位置關(guān)系盡本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種三維場(chǎng)景模型生成方法，其特征在于，包括：?S1：預(yù)處理階段：?S11：從場(chǎng)景模型庫(kù)中分析提取出場(chǎng)景的多個(gè)物體結(jié)構(gòu)組，其中每一個(gè)物體結(jié)構(gòu)組定義場(chǎng)景中物體間的語(yǔ)義關(guān)系；?S12：統(tǒng)計(jì)擬合出每個(gè)物體結(jié)構(gòu)組間物體的相對(duì)位置，并計(jì)算出高斯分布函數(shù)；?S2：生成階段：?S21：輸入由草圖表示的場(chǎng)景，并對(duì)所述草圖中的每一個(gè)物體在模型庫(kù)中進(jìn)行檢索；?S22：結(jié)合S21的檢索結(jié)果和S1中的語(yǔ)義關(guān)系，確定所述草圖對(duì)應(yīng)的物體模型；?S23：根據(jù)所述草圖計(jì)算對(duì)應(yīng)物體模型的初始位置；?S24：根據(jù)S23計(jì)算出的初始位置和S12中的高斯分布函數(shù)，并結(jié)合梯度下降法尋找局部最優(yōu)位置，該局部最優(yōu)位置就是模型的合理擺放位置，根據(jù)該位置擺放每一個(gè)S22中的物體模型，得到最終場(chǎng)景模型。

【技術(shù)特征摘要】

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：徐昆，陳康，孫偉倫，胡事民，
申請(qǐng)(專利權(quán))人：清華大學(xué)，
類型：發(fā)明
國(guó)別省市：