CN103236077A - 一种特征增强的三维模型线绘制方法 - Google Patents

一种特征增强的三维模型线绘制方法 Download PDF

Info

Publication number
CN103236077A
CN103236077A CN2013101291071A CN201310129107A CN103236077A CN 103236077 A CN103236077 A CN 103236077A CN 2013101291071 A CN2013101291071 A CN 2013101291071A CN 201310129107 A CN201310129107 A CN 201310129107A CN 103236077 A CN103236077 A CN 103236077A
Authority
CN
China
Prior art keywords
line
point
dimensional model
model
skeleton
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013101291071A
Other languages
English (en)
Other versions
CN103236077B (zh
Inventor
李重
许鸿尧
秦胜伟
林佼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Sci Tech University ZSTU
Zhejiang University of Science and Technology ZUST
Original Assignee
Zhejiang Sci Tech University ZSTU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Sci Tech University ZSTU filed Critical Zhejiang Sci Tech University ZSTU
Priority to CN201310129107.1A priority Critical patent/CN103236077B/zh
Publication of CN103236077A publication Critical patent/CN103236077A/zh
Application granted granted Critical
Publication of CN103236077B publication Critical patent/CN103236077B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Generation (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种特征增强的三维模型线绘制方法，将表征三维模型整体特征的线性骨架信息引入线绘制中，包括如下步骤：步骤（1）：基于点遍历的轮廓线提取算法提取模型的轮廓线；步骤（2）：绘制三维模型的几何特征线；步骤（3）：运用基于凸壳与OBB的骨架提取算法提取出模型骨架特征线，包括骨架特征提取和基于骨架的线绘制。本发明的特征增强的三维模型线绘制方法采用凸壳与有向包围盒的交互方法提取线性骨架和基于骨架的线绘制，将表征三维模型整体特征的线性骨架信息引入线绘制中，可极大地丰富模型的线绘制效果，再次基础上加入更多感知信息，产生更强的艺术效果。

Description

一种特征增强的三维模型线绘制方法
技术领域
本发明涉及三维模型线绘制、非真实感绘制、计算机艺术、卡通动漫、医学数据可视化、对象识别和匹配、虚拟导航等领域，更具体地，在艺术展示、工程制图、资料插图中采用的一种特征增强的三维模型线绘制方法。
背景技术
现有的三维线绘制方法主要集中在如何获取模型的特征线，以及如何根据其他信息控制特征线宽度的变化来产生艺术化效果的工作上，近期的线绘制算法则以绘制更丰富的特征线为目的，根据几何微分信息赋予特征线以明确的数学定义，并判断模型上的各个点是否在特征线上。目前常用方法如下：
DeCarlo等人提出了启发式轮廓线，即径向曲率为零的曲线，表明曲面在何处背离观察者。所谓启发式轮廓线，即当视点发生细微变化时新出现的轮廓线，它表示在当前视点下对于模型的描述具有启发式的效果，是轮廓线的扩展与延伸；Ohtake等则给出了褶皱脊线的数学定义，通过使用多层次隐式曲面拟合有有限差分近似方法估算主曲率及其微分属性，将最大主曲率的导数为零，其二阶导数为负，且最大主曲率小于最小主曲率的绝对值的点定义为脊线上的点，相反则为谷线上的点，通过提取出相应的点之后连接起来，构成谷线与脊线，丰富了模型细节，能有效表现出模型的凹凸区域；Judd等在Ohtake的基础上更进一步，提出了显著褶皱线算法，该算法通过物体空间到视平面的映射计算，将远离视点中心的主曲率变大，提取出比褶皱脊线更清晰的显著褶皱线；Luo Tao等则将线绘制技术应用于考古中，通过随机游动建立遗迹的多尺度表示，由最小描述长度准则选定模型尺度，最终应用褶皱脊线方法生成线绘制结果，结果表明此方法与人工手绘方法结果类似，可一定程度上代替人工繁琐的工作。 
上述现有的线绘制方法已和手绘结果类似，已能较好的表现模型性质，但若模型平坦区域较多，则效果较差，物体表面细节不丰富，且现在的主要技术更注重于特征线的几何与数学定义，而这些数学定义普遍是用网格模型表面顶点的微分信息来表示，这些微分信息基本都是基于模型局部的几何和拓扑关系来估算的，这就不可避免地造成提取出来的特征线更多地表征模型的局部信息，而相应地忽略了模型的整体特征。
发明内容
为了解决现有线绘制方法不能有效的保存模型的整体形态信息，物体表面细节不够丰富，视觉感知艺术效果不强等缺陷，本发明提供了一种特征增强的三维模型线绘制方法，将表征三维模型整体特征的线性骨架信息引入线绘制中，包括如下步骤：
步骤（1）：基于点遍历的轮廓线提取算法提取模型的轮廓线；
步骤（2）：绘制三维模型的几何特征线；
步骤（3）：运用基于凸壳与OBB的骨架提取算法提取出模型骨架特征线，包括骨架特征提取和基于骨架的线绘制。
进一步的，步骤（2）中根据几何特征的权值将三维模型分成几何和非几何特征，绘制几何特征线。
进一步的，将权值小于设定阈值的点设为几何特征域点集S，然后将这些点按邻接关系进行连接操作，即可获取几何特征域的线条表示：对于任意顶点                                                
Figure 2013101291071100002DEST_PATH_IMAGE001
，按照几何权值从小到大排列，几何特征线提取过程如下：
Step 1. 对于
Figure 583689DEST_PATH_IMAGE002
中顶点，取出
Figure 2013101291071100002DEST_PATH_IMAGE003
（
Figure 887631DEST_PATH_IMAGE002
中几何权值最小的点）作为当前顶点
Figure 428334DEST_PATH_IMAGE004
，将
Figure 930860DEST_PATH_IMAGE004
加入路径链，路径长度设为0，并将从
Figure 994948DEST_PATH_IMAGE002
中删除；
Step2. 遍历
Figure 401658DEST_PATH_IMAGE004
的所有邻接点，得到
Figure 2013101291071100002DEST_PATH_IMAGE005
，且满足在的邻接点中几何权值最小；
Step3. 如果
Figure 418659DEST_PATH_IMAGE006
不存在，跳到步骤5；
Step4. 将
Figure 363481DEST_PATH_IMAGE006
加入路径链，路径长度加
Figure DEST_PATH_IMAGE007
，从
Figure 715965DEST_PATH_IMAGE002
中删去
Figure 720830DEST_PATH_IMAGE006
，并令
Figure 158765DEST_PATH_IMAGE008
，返回步骤2；
Step5. 若此时路径长度小于用户设定的长度，则删去此路径链，以避免产生短碎的线条，否则将路径链作为凹区域特征线。若，则提取完成，否则返回步骤1。
进一步的，步骤（3）中所述骨架特征提取包括：对三维模型进行交互分割的基础上，对分割后的各个部分求取凸包，用凸包顶点来近似代替模型各部分，然后取凸包顶点的形心作为初始骨架点，对各部分凸包顶点求取OBB，通过OBB将相邻两部分的相交点集求出，用该点集的形心做为关节点，骨架点连接后做冗余性检测，若某骨架点与相邻关节点连接成的两条线夹角大于设定的阈值，说明该骨架点冗余，删去该点，最后生成完整骨架。
进一步的，步骤（3）中基于骨架的线绘制包括：从三维模型的非几何区域中提取骨架特征线。设模型非几何区域的点集为
Figure 907278DEST_PATH_IMAGE010
，且每个子网格的凸壳点集为，则每个子网格中从集合中提取骨架特征线的起始点，集合保证点表征模型的整体形状信息，集合则保证点在模型的非几何区域，骨架特征线的非起始点由集合
Figure 277582DEST_PATH_IMAGE010
中提取，将
Figure DEST_PATH_IMAGE013
中顶点按几何权值
Figure 501890DEST_PATH_IMAGE014
由大到小排列后，开始提取骨架特征线：Step1. 对于
Figure 891283DEST_PATH_IMAGE013
中顶点，取出中凹凸权值最大的点作为当前顶点，将
Figure 594480DEST_PATH_IMAGE004
加入路径链，路径长度设为0，并将从中删除；
Step2. 遍历
Figure 318263DEST_PATH_IMAGE004
的所有邻接点，得到
Figure DEST_PATH_IMAGE015
在
Figure 682248DEST_PATH_IMAGE004
的邻接点中权值最大并大于设定的阈值，以保证骨架特征线不会特别偏离骨架，其中点的权值用向量
Figure DEST_PATH_IMAGE017
与该子网格内的两段骨架向量
Figure 492258DEST_PATH_IMAGE018
、
Figure DEST_PATH_IMAGE019
的点积的绝对值的较大值表示；
Step3. 若
Figure 924376DEST_PATH_IMAGE006
不存在，跳到步骤5；
Step4. 将
Figure 80551DEST_PATH_IMAGE006
加入路径链，路径长度加
Figure 939923DEST_PATH_IMAGE007
，从
Figure 548759DEST_PATH_IMAGE010
中删去
Figure 456672DEST_PATH_IMAGE006
，同时若
Figure 529670DEST_PATH_IMAGE020
，则从p中删除
Figure 497626DEST_PATH_IMAGE006
，最后令
Figure 656075DEST_PATH_IMAGE008
，返回步骤2；
Step5. 若此时路径长度小于用户设定的长度，则删去此路径链，以避免产生短碎的线条，否则将路径链作为凹区域特征线，若
Figure DEST_PATH_IMAGE021
，则提取完成，否则返回步骤1。
进一步的，所述基于骨架的线绘制还包括垂直骨架特征线的绘制。
进一步的，所述基于骨架的线绘制还包括感知信息的线绘制。
本发明的特征增强的三维模型线绘制方法采用凸壳与有向包围盒的交互方法提取线性骨架和基于骨架的线绘制，将表征三维模型整体特征的线性骨架信息引入线绘制中，可极大地丰富模型的线绘制效果，再次基础上加入更多感知信息，产生更强的艺术效果。
附图说明
图1是鱼模型光照图和轮廓线图；
图2是视点相关的曲率和挠率信息的示意图；
图3是鱼模型几何特征线绘制和模型分割图；
图4是基于骨架的线绘制图；
图5是本发明的基于骨架的线绘制的效果图；
图6是本发明的基于骨架的线绘制的效果图；
图7是本发明的基于骨架的线绘制的效果图；
图8是本发明的特征增强的三维模型线绘制方法的流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图8所示，本发明的特征增强的三维模型线绘制方法，将表征三维模型整体特征的线性骨架信息引入线绘制中，可极大地丰富模型的线绘制效果，再次基础上加入更多感知信息，产生更强的艺术效果。包括如下步骤：
（1）首先，基于点遍历的轮廓线提取算法提取模型的轮廓线；
线绘制技术作为非真实感绘制技术的重要组成部分，关注于如何用线条表达物体形状, 也就是给定一个模型，解决在哪里画线、画什么样线的问题。
我们首先需要绘制模型的轮廓线。轮廓线表现模型的轮廓与大体形状信息，可看成模型曲面上法线与视线相垂直的点的集合，即
Figure 367679DEST_PATH_IMAGE022
，其中
Figure 295184DEST_PATH_IMAGE016
为曲面上的一点，
Figure DEST_PATH_IMAGE023
对应该点的法线，c是视点的位置。
本方法采用基于点遍历的轮廓线提取算法提取模型轮廓线，并用线性插值的方法提取轮廓点，计算模型上每个顶点的单位法线与视线单位向量的内积
Figure 496358DEST_PATH_IMAGE024
，其计算公式为：
Figure DEST_PATH_IMAGE025
如果某个三角面片上三个顶点内积的正负号不同，则该面片上必有轮廓线经过，此时对符号不一致的两个顶点
Figure 657398DEST_PATH_IMAGE026
进行如下线性插值：
Figure DEST_PATH_IMAGE027
这样不仅与
Figure 439409DEST_PATH_IMAGE028
对应的法线与视线的内积为零，而且插值点的连线更好的逼近了精确的轮廓线。如图1所示，右边的鱼模型的轮廓线示意图，发现可以很好的表现模型轮廓信息。
（2）其次，绘制三维模型的几何特征线，通过定义网格顶点视点相关的几何特征值，根据几何特征值与用户定义的阈值来提取出凹区域特征线；
在关于物体形状变化的试验中，人们对几何特征区域的变化更为敏感。因此，在三维模型线绘制中，几何特征区域是需要重点刻画的区域。对于三维网格模型上的顶点，通过其几何属性设定几何权值，以此来区分几何区域。由微分几何可知，曲面上顶点的曲率信息表征曲面在该点的弯曲状况，而顶点的挠率信息则表征该点在附近局部曲面的扭曲程度，可将两者结合起来，用于表示顶点附近曲面的几何情况。网格离散顶点上的曲率通过平均曲率、最大主曲率来表示，并可估算得到。顶点上的挠率通过该点的测地主挠率表示，也可计算得到。
当我们通过视点位置考虑网格模型的几何特征时，还可以将曲率与视点位置联系起来，如采用视点相关的曲率计算和径向曲率表示。这里我们使用径向曲率表示顶点的曲率信息，并使用类似方法设置视点相关的测地主挠率信息。
如图2所示，曲面的某顶点P的径向曲率定义，将光线向量v 投影到顶点的切平面上，得到向量w， w 和顶点的法线n组成的平面和曲面的交线为径向曲线, 该曲线在点P 处的曲率即为曲面上P点的径向曲率，可由欧拉公式得到
Figure DEST_PATH_IMAGE029
其中
Figure 811484DEST_PATH_IMAGE030
是图2中的向量w和P点最大主曲率方向的夹角。
由微分几何知，曲面在顶点p与主方向成
Figure 882209DEST_PATH_IMAGE030
角的切方向测地挠率为  
Figure DEST_PATH_IMAGE031
显然，当
Figure 997932DEST_PATH_IMAGE030
为
Figure 900029DEST_PATH_IMAGE032
时，其测地挠率取得极值（最大值设为
Figure DEST_PATH_IMAGE033
，最小值为
Figure 443006DEST_PATH_IMAGE034
），并可知：
Figure DEST_PATH_IMAGE035
通过
Figure 1026DEST_PATH_IMAGE030
与最大主曲率方向关系，我们可以得到基于视点的挠率值，并由下面公式得到：
Figure 654861DEST_PATH_IMAGE036
因此，我们可通过下面公式来估算网格顶点视点相关的几何特征：
其中
Figure 429043DEST_PATH_IMAGE014
为顶点几何特征值，
Figure 346183DEST_PATH_IMAGE038
为顶点的视点相关曲率，
Figure DEST_PATH_IMAGE039
为顶点的视点相关挠率，
Figure 188237DEST_PATH_IMAGE040
为比重系数。
我们将权值小于设定阈值的点设为几何特征域点集S，然后将这些点按邻接关系进行连接操作，即可获取几何特征域的线条表示。对于任意顶点
Figure 583447DEST_PATH_IMAGE001
，按照几何权值从小到大（即几何特征程度从高到低）排列。几何特征线提取过程如下：
提取几何域特征线：
Step 1. 对于
Figure 460136DEST_PATH_IMAGE002
中顶点，取出
Figure 282598DEST_PATH_IMAGE003
（
Figure 549632DEST_PATH_IMAGE002
中几何权值最小的点）作为当前顶点
Figure 810849DEST_PATH_IMAGE004
，将
Figure 479727DEST_PATH_IMAGE004
加入路径链，路径长度设为0，并将
Figure 473091DEST_PATH_IMAGE004
从中删除。
Step2. 遍历的所有邻接点，得到
Figure 550135DEST_PATH_IMAGE005
，且满足
Figure 42296DEST_PATH_IMAGE006
在
Figure 283921DEST_PATH_IMAGE004
的邻接点中几何权值最小。
Step3. 如果
Figure 621362DEST_PATH_IMAGE006
不存在，跳到步骤5。
Step4. 将
Figure 264833DEST_PATH_IMAGE006
加入路径链，路径长度加
Figure 599999DEST_PATH_IMAGE007
，从
Figure 391238DEST_PATH_IMAGE002
中删去
Figure 470052DEST_PATH_IMAGE006
，并令，返回步骤2。
Step5. 若此时路径长度小于用户设定的长度，则删去此路径链，以避免产生短碎的线条，否则将路径链作为凹区域特征线。若
Figure 801993DEST_PATH_IMAGE009
，则算法完成，否则返回步骤1。
加入几何特征的线绘制如图3左图所示，和轮廓线绘制图相比，模型的表面细节得到一定丰富。但我们发现，几何区域特征线与轮廓线表征的模型细节仍然有限，对于鱼模型内部中间非几何区域的表现不够，仍有大片空白，我们需要引入其他类型例如基于骨架的特征线来增强效果。
（3）然后，运用基于凸壳与OBB的骨架提取算法提取出模型骨架特征线。
①骨架特征提取。
三维模型的线性骨架是3D物体几何和拓扑信息的一维表示，可应用于三维模型的形状分析等领域中，也为3D模型的线绘制增强细节信息，提供参考意义。
对三维模型的骨架提取已有一些算法，本方法给出一种基于凸包与OBB（有向包围盒）的骨架提取技术，能很好地保证骨架连通性与中心性。我们在对模型进行交互分割的基础上（实验结果如图3右图所示），对分割后的各个部分求取凸包，用凸包顶点来近似代替模型各部分，既保存了模型各部分的形状信息，又减少了后续操作的数据，提高了算法效率。然后取凸包顶点的形心作为初始骨架点，对各部分凸包顶点求取OBB，通过OBB将相邻两部分的相交点集求出，用该点集的形心做为关节点，骨架点连接后做冗余性检测，若某骨架点与相邻关节点连接成的两条线夹角大于设定的阈值，说明该骨架点冗余，删去该点，最后生成完整骨架。如图4左图所示为骨架特征提取后的效果图。
该骨架提取算法过程中，各部分凸包顶点的OBB构造是关键操作。我们将三角形顶点集合看作是三变量的概率分布函数，在对OBB包围盒进行计算时，利用三角形顶点的均值和协方差矩阵来计算包围盒的中心位置和轴向。设三角形集第i个三角形的顶点矢量为
Figure DEST_PATH_IMAGE041
、
Figure 752632DEST_PATH_IMAGE042
和
Figure DEST_PATH_IMAGE043
,包围盒包围的三角面片数，即凸壳的面片数为n,则凸包点集顶点的均值为：
                       
Figure 697454DEST_PATH_IMAGE044
                                             
其协方差矩阵为：
Figure DEST_PATH_IMAGE045
. 
其中
Figure 112255DEST_PATH_IMAGE046
，
Figure DEST_PATH_IMAGE047
分别为向量
Figure 117120DEST_PATH_IMAGE041
的x, y, z分量，点q与r相关变量定义与上述定义类似。
协方差矩阵
Figure 555054DEST_PATH_IMAGE048
是一个实对称矩阵，所以它的三个特征向量是正交的，正规化后可作为一个基底，这就确定了OBB的三个轴向，分别计算各个顶点在该基底的三个轴向上的最大值和最小值，以确定该OBB的大小。
②基于骨架的线绘制
本方法从模型的非几何区域中提取骨架特征线。设模型非几何区域的点集为
Figure 975672DEST_PATH_IMAGE010
，且每个子网格的凸壳点集为，则每个子网格中我们从集合
Figure 624008DEST_PATH_IMAGE011
中提取骨架特征线的起始点，这是因为集合
Figure 549238DEST_PATH_IMAGE012
保证点表征模型的整体形状信息，集合
Figure 835863DEST_PATH_IMAGE010
则保证点在模型的非几何区域，与几何区域特征线区别开来；而骨架特征线的非起始点由集合
Figure 897360DEST_PATH_IMAGE010
中提取。将
Figure 244028DEST_PATH_IMAGE013
中顶点按几何权值
Figure 656555DEST_PATH_IMAGE014
由大到小排列后，开始提取骨架特征线。
提取骨架特征线：
Step1. 对于
Figure 684553DEST_PATH_IMAGE013
中顶点，取出（
Figure 118126DEST_PATH_IMAGE013
中凹凸权值最大的点）作为当前顶点，将
Figure 652236DEST_PATH_IMAGE004
加入路径链，路径长度设为0，并将
Figure 953904DEST_PATH_IMAGE004
从中删除。
Step2. 遍历
Figure 763914DEST_PATH_IMAGE004
的所有邻接点，得到
Figure 133715DEST_PATH_IMAGE015
在
Figure 86628DEST_PATH_IMAGE004
的邻接点中权值最大并大于用户设定的阈值，以保证骨架特征线不会特别偏离骨架，其中点
Figure 883683DEST_PATH_IMAGE016
的权值用向量
Figure 554835DEST_PATH_IMAGE017
（单位化）与该子网格内的两段骨架向量
Figure 728328DEST_PATH_IMAGE018
、
Figure 739009DEST_PATH_IMAGE019
（单位化）（若该子网格内只有一条骨架，则用与该骨架向量的点积作为权值）的点积的绝对值的较大值表示（该权值表示线段与两骨架的平行程度）。
Step3. 若
Figure 769282DEST_PATH_IMAGE006
不存在，跳到步骤5。
Step4. 将
Figure 865414DEST_PATH_IMAGE006
加入路径链，路径长度加
Figure 639335DEST_PATH_IMAGE007
，从
Figure 504523DEST_PATH_IMAGE010
中删去
Figure 643380DEST_PATH_IMAGE006
，同时若
Figure 289125DEST_PATH_IMAGE020
，则从p中删除
Figure 538841DEST_PATH_IMAGE006
，最后令
Figure 586431DEST_PATH_IMAGE008
，返回步骤2。
Step5. 若此时路径长度小于用户设定的长度，则删去此路径链，以避免产生短碎的线条，否则将路径链作为凹区域特征线。若
Figure 896190DEST_PATH_IMAGE021
，则算法完成，否则返回步骤1。
经上述算法提取骨架线后，鱼模型的线绘制效果如图4右图所示，我们发现在几何区域特征线的基础上，添加的骨架特征线能很好地填充鱼模型身体部位的空白区域，更能表征模型的整体信息，绘制效果更好。
（3）最后，基于骨架的线绘制优化。
基于骨架的线绘制过程中，为了产生不同的艺术化效果，我们还可对于骨架线提取进行相应的优化。
垂直骨架特征线的绘制：即在提取骨架特征线时，不仅使用与平行骨架引导的方法构造特征线,还可采用垂直骨架引导的方法构造垂直特征线。我们只需在     提取骨架特征线的算法的第2步中，由原方法改为找到
Figure 966914DEST_PATH_IMAGE015
在的邻接点中权值最小并小于用户设定的阈值，这样可保证提取出的线段最大程度的偏离骨架线，即尽可能的垂直于骨架线。
感知信息的线绘制引入：在骨架线提取的基础上，我们可以加入更多的感知信息来进一步优化算法，产生更好的线绘制艺术效果。例如，可根据提取出的各线段中心到视点的距离来设定相应的线段宽度，如此可表现出近大远小的视觉信息。另外，我们也可在场景中加入定点光源，模拟光照效果，使模型的线条产生浓淡不同的效果。
如图5（a）所示，我们发现狼等脊椎动物，骨架线的线绘制可以很好的表现物体的形态特征和整体信息；对花卉等植物（如图5（b）所示），基于骨架的线绘制结果也有很强的艺术渲染效果。
按照本骨架线提取方法（即与骨架线平行程度最高）可得图6（a），而若是采用与骨架线垂直程度最高的方法加以提取，则可得到图6（b），从而可以展现出特殊艺术效果。
如图7（a）中所示，在蛇模型的颈部附近，我们添加了垂直骨架特征线后，很好的表现出了该部位不同于其他区域的特征信息。在图7（b）的手模型中，我们综合了平行与垂直骨架特征线的特点，线绘制效果艺术性得到增强。

Claims (7)

1.一种特征增强的三维模型线绘制方法，将表征三维模型整体特征的线性骨架信息引入线绘制中，包括如下步骤：
步骤（1）：基于点遍历的轮廓线提取算法提取模型的轮廓线；
步骤（2）：绘制三维模型的几何特征线；
步骤（3）：运用基于凸壳与OBB的骨架提取算法提取出模型骨架特征线，包括骨架特征提取和基于骨架的线绘制。
2.如权利要求1所述的特征增强的三维模型线绘制方法，其特征在于：步骤（2）中根据几何特征的权值将三维模型分成几何和非几何特征，绘制几何特征线。
3.如权利要求2所述的特征增强的三维模型线绘制方法，其特征在于：将权值小于设定阈值的点设为几何特征域点集S，然后将这些点按邻接关系进行连接操作，即可获取几何特征域的线条表示：对于任意顶点                                                
Figure 251824DEST_PATH_IMAGE001
，按照几何权值从小到大排列，几何特征线提取过程如下：
Step 1. 对于中顶点，取出
Figure 87242DEST_PATH_IMAGE003
（
Figure 944340DEST_PATH_IMAGE002
中几何权值最小的点）作为当前顶点，将
Figure 352504DEST_PATH_IMAGE004
加入路径链，路径长度设为0，并将
Figure 460138DEST_PATH_IMAGE004
从
Figure 855347DEST_PATH_IMAGE002
中删除；
Step2. 遍历
Figure 404140DEST_PATH_IMAGE004
的所有邻接点，得到
Figure 554499DEST_PATH_IMAGE005
，且满足
Figure 821532DEST_PATH_IMAGE006
在
Figure 20432DEST_PATH_IMAGE004
的邻接点中几何权值最小；
Step3. 如果
Figure 486048DEST_PATH_IMAGE006
不存在，跳到步骤5；
Step4. 将加入路径链，路径长度加
Figure 499321DEST_PATH_IMAGE007
，从
Figure 298650DEST_PATH_IMAGE002
中删去
Figure 822035DEST_PATH_IMAGE006
，并令
Figure 314196DEST_PATH_IMAGE008
，返回步骤2；
Step5. 若此时路径长度小于用户设定的长度，则删去此路径链，以避免产生短碎的线条，否则将路径链作为凹区域特征线；若
Figure 290242DEST_PATH_IMAGE009
，则提取完成，否则返回步骤1。
4.如权利要求1所述的特征增强的三维模型线绘制方法，其特征在于：步骤（3）中所述骨架特征提取包括：对三维模型进行交互分割的基础上，对分割后的各个部分求取凸包，用凸包顶点来近似代替模型各部分，然后取凸包顶点的形心作为初始骨架点，对各部分凸包顶点求取OBB，通过OBB将相邻两部分的相交点集求出，用该点集的形心做为关节点，骨架点连接后做冗余性检测，若某骨架点与相邻关节点连接成的两条线夹角大于设定的阈值，说明该骨架点冗余，删去该点，最后生成完整骨架。
5.如权利要求2所述的特征增强的三维模型线绘制方法，其特征在于：步骤（3）中基于骨架的线绘制包括：从三维模型的非几何区域中提取骨架特征线，设模型非几何区域的点集为
Figure 830945DEST_PATH_IMAGE010
，且每个子网格的凸壳点集为
Figure 536733DEST_PATH_IMAGE011
，则每个子网格中从集合
Figure 871899DEST_PATH_IMAGE012
中提取骨架特征线的起始点，集合保证点表征模型的整体形状信息，集合
Figure 741952DEST_PATH_IMAGE010
则保证点在模型的非几何区域，骨架特征线的非起始点由集合
Figure 239930DEST_PATH_IMAGE010
中提取，将
Figure 745997DEST_PATH_IMAGE013
中顶点按几何权值
Figure 24532DEST_PATH_IMAGE014
由大到小排列后，开始提取骨架特征线：Step1. 对于
Figure 907037DEST_PATH_IMAGE013
中顶点，取出
Figure 321838DEST_PATH_IMAGE013
中凹凸权值最大的点
Figure 264386DEST_PATH_IMAGE003
作为当前顶点
Figure 702321DEST_PATH_IMAGE004
，将
Figure 185255DEST_PATH_IMAGE004
加入路径链，路径长度设为0，并将
Figure 657824DEST_PATH_IMAGE004
从
Figure 505695DEST_PATH_IMAGE013
中删除；
Step2. 遍历
Figure 493242DEST_PATH_IMAGE004
的所有邻接点，得到在
Figure 106943DEST_PATH_IMAGE004
的邻接点中权值最大并大于设定的阈值，以保证骨架特征线不会特别偏离骨架，其中点
Figure 391294DEST_PATH_IMAGE016
的权值用向量
Figure 803821DEST_PATH_IMAGE017
与该子网格内的两段骨架向量
Figure 622698DEST_PATH_IMAGE018
、
Figure 804281DEST_PATH_IMAGE019
的点积的绝对值的较大值表示；
Step3. 若
Figure 321850DEST_PATH_IMAGE006
不存在，跳到步骤5；
Step4. 将
Figure 221673DEST_PATH_IMAGE006
加入路径链，路径长度加
Figure 787783DEST_PATH_IMAGE007
，从中删去
Figure 512343DEST_PATH_IMAGE006
，同时若
Figure 899462DEST_PATH_IMAGE020
，则从p中删除
Figure 66001DEST_PATH_IMAGE006
，最后令
Figure 222176DEST_PATH_IMAGE008
，返回步骤2；
Step5. 若此时路径长度小于用户设定的长度，则删去此路径链，以避免产生短碎的线条，否则将路径链作为凹区域特征线，若
Figure 19230DEST_PATH_IMAGE021
，则提取完成，否则返回步骤1。
6.如权利要求1所述的特征增强的三维模型线绘制方法，其特征在于：所述基于骨架的线绘制还包括垂直骨架特征线的绘制。
7.如权利要求1所述的特征增强的三维模型线绘制方法，其特征在于：所述基于骨架的线绘制还包括感知信息的线绘制。
CN201310129107.1A 2013-04-15 2013-04-15 一种特征增强的三维模型线绘制方法 Expired - Fee Related CN103236077B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310129107.1A CN103236077B (zh) 2013-04-15 2013-04-15 一种特征增强的三维模型线绘制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310129107.1A CN103236077B (zh) 2013-04-15 2013-04-15 一种特征增强的三维模型线绘制方法

Publications (2)

Publication Number Publication Date
CN103236077A true CN103236077A (zh) 2013-08-07
CN103236077B CN103236077B (zh) 2016-02-17

Family

ID=48884116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310129107.1A Expired - Fee Related CN103236077B (zh) 2013-04-15 2013-04-15 一种特征增强的三维模型线绘制方法

Country Status (1)

Country Link
CN (1) CN103236077B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751518A (zh) * 2013-12-30 2015-07-01 北京中盈安信技术服务有限公司 一种三维地图中贴地线的确定方法及装置
TWI560072B (en) * 2014-07-29 2016-12-01 Hewlett Packard Development Co Method and apparatus for validity determination of a data dividing operation
CN106529029A (zh) * 2016-10-25 2017-03-22 北京煜邦电力技术股份有限公司 输电线路杆塔的点云数据提取方法及装置
CN106570450A (zh) * 2016-09-07 2017-04-19 中国科学院计算技术研究所 三维人脸上基于曲率分布的鼻尖点的检测方法及其***
CN108153244A (zh) * 2017-12-31 2018-06-12 芜湖哈特机器人产业技术研究院有限公司 一种基于ros平台的机器人喷涂轨迹生成方法
CN112819106A (zh) * 2021-04-16 2021-05-18 江西博微新技术有限公司 一种ifc构件类型识别方法、装置、存储介质及设备
CN113409452A (zh) * 2021-07-12 2021-09-17 深圳大学 一种三维线条的生成方法、存储介质及***
CN115880713A (zh) * 2022-12-16 2023-03-31 南京信息工程大学 一种基于语义改进的自动寻体构建建筑产权体的方法
CN116872499A (zh) * 2023-08-03 2023-10-13 武汉必盈生物科技有限公司 一种可变层高的3d打印方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8253802B1 (en) * 2009-09-01 2012-08-28 Sandia Corporation Technique for identifying, tracing, or tracking objects in image data
CN102968809A (zh) * 2012-12-07 2013-03-13 成都理想境界科技有限公司 在增强现实领域实现虚拟信息标注及绘制标注线的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8253802B1 (en) * 2009-09-01 2012-08-28 Sandia Corporation Technique for identifying, tracing, or tracking objects in image data
CN102968809A (zh) * 2012-12-07 2013-03-13 成都理想境界科技有限公司 在增强现实领域实现虚拟信息标注及绘制标注线的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MARK MEYER等: "Discrete Differential-Geometry Operators for Triangulated 2-Manifolds", 《VISUALIZATION AND MATHEMATICS 2003》 *
刘瑞芳等: "保留细节特征的轮廓线远程绘制算法", 《中国图象图形学报》 *
卢健等: "综合几何信息的实时线绘制算法", 《计算机辅助设计与图形学学报》 *
林佼等: "基于凸壳与有向包围盒的骨架提取方法", 《计算机辅助设计与图形学学报》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751518B (zh) * 2013-12-30 2017-07-04 北京中盈安信技术服务股份有限公司 一种三维地图中贴地线的确定方法及装置
CN104751518A (zh) * 2013-12-30 2015-07-01 北京中盈安信技术服务有限公司 一种三维地图中贴地线的确定方法及装置
TWI560072B (en) * 2014-07-29 2016-12-01 Hewlett Packard Development Co Method and apparatus for validity determination of a data dividing operation
US10311328B2 (en) 2014-07-29 2019-06-04 Hewlett-Packard Development Company, L.P. Method and apparatus for validity determination of a data dividing operation
CN106570450A (zh) * 2016-09-07 2017-04-19 中国科学院计算技术研究所 三维人脸上基于曲率分布的鼻尖点的检测方法及其***
CN106570450B (zh) * 2016-09-07 2019-10-18 中国科学院计算技术研究所 三维人脸上基于曲率分布的鼻尖点的检测方法及其***
CN106529029A (zh) * 2016-10-25 2017-03-22 北京煜邦电力技术股份有限公司 输电线路杆塔的点云数据提取方法及装置
CN106529029B (zh) * 2016-10-25 2019-11-12 北京煜邦电力技术股份有限公司 输电线路杆塔的点云数据提取方法及装置
CN108153244A (zh) * 2017-12-31 2018-06-12 芜湖哈特机器人产业技术研究院有限公司 一种基于ros平台的机器人喷涂轨迹生成方法
CN112819106A (zh) * 2021-04-16 2021-05-18 江西博微新技术有限公司 一种ifc构件类型识别方法、装置、存储介质及设备
CN113409452A (zh) * 2021-07-12 2021-09-17 深圳大学 一种三维线条的生成方法、存储介质及***
CN113409452B (zh) * 2021-07-12 2023-01-03 深圳大学 一种三维线条的生成方法、存储介质及***
CN115880713A (zh) * 2022-12-16 2023-03-31 南京信息工程大学 一种基于语义改进的自动寻体构建建筑产权体的方法
CN116872499A (zh) * 2023-08-03 2023-10-13 武汉必盈生物科技有限公司 一种可变层高的3d打印方法及***
CN116872499B (zh) * 2023-08-03 2023-12-19 武汉必盈生物科技有限公司 一种可变层高的3d打印方法及***

Also Published As

Publication number Publication date
CN103236077B (zh) 2016-02-17

Similar Documents

Publication Publication Date Title
CN103236077B (zh) 一种特征增强的三维模型线绘制方法
CN102831638B (zh) 一种采用手绘草图的三维人体多姿态建模方法
Balzer et al. Level-of-detail visualization of clustered graph layouts
CN105378796B (zh) 可伸缩体积3d重构
CN103714577B (zh) 一种适用于带纹理模型的三维模型简化方法
CN103258203B (zh) 遥感影像的道路中线自动提取方法
CN107767453B (zh) 一种基于规则约束的建筑物lidar点云重构优化方法
CN101853523A (zh) 一种采用草图创建三维人脸模型的方法
Lee et al. Perceptual organization of 3D surface points
JP7129529B2 (ja) 人工知能の使用による３ｄオブジェクトへのｕｖマッピング
CN108629809B (zh) 一种精确高效的立体匹配方法
Lee et al. Segmenting a deforming mesh into near-rigid components
CN105046694A (zh) 一种基于曲面拟合系数特征的点云快速配准方法
CN109766866B (zh) 一种基于三维重建的人脸特征点实时检测方法和检测***
CN103559705A (zh) 一种比较不同植物形态相似度的计算机方法
Hu et al. Geometric feature enhanced line segment extraction from large-scale point clouds with hierarchical topological optimization
JP2006227111A (ja) 略地図生成装置
CN102792337B (zh) 用于生成数字图片的方法和装置
CN108898679A (zh) 一种零部件序号自动标注的方法
CN103902657B (zh) 一种基于草绘图的三维模型检索方法
CN111047684A (zh) 一种基于三维模型特征的模型简化方法
CN109117847A (zh) 用于车辆损伤识别的部件分割方法及装置
Chen et al. Character animation creation using hand-drawn sketches
CN110211145B (zh) 一种基于反向烧草模型的骨架提取方法
CN110163973A (zh) 一种区域边界环光顺方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160217

Termination date: 20170415

CF01 Termination of patent right due to non-payment of annual fee