CN107085824A - 一种三维模型的极视图提取方法 - Google Patents

一种三维模型的极视图提取方法 Download PDF

Info

Publication number
CN107085824A
CN107085824A CN201710148535.7A CN201710148535A CN107085824A CN 107085824 A CN107085824 A CN 107085824A CN 201710148535 A CN201710148535 A CN 201710148535A CN 107085824 A CN107085824 A CN 107085824A
Authority
CN
China
Prior art keywords
point cloud
dimensional point
cloud model
mrow
pole
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.)
Pending
Application number
CN201710148535.7A
Other languages
English (en)
Inventor
邓杭
周燕
曾凡智
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.)
Foshan University
Original Assignee
Foshan University
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 Foshan University filed Critical Foshan University
Priority to CN201710148535.7A priority Critical patent/CN107085824A/zh
Publication of CN107085824A publication Critical patent/CN107085824A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Image Generation (AREA)

Abstract

本发明提供一种三维模型的极视图提取方法，首先，将三维点云模型进行预处理，计算出三维点云模型的质心及尺度，并将三维点云模型平移到直角坐标系上进行缩放，实现三维点云模型在直角坐标系上归一化；其次，将在直角坐标系上经过缩放的三维点云模型转换到球坐标，并得到三维点云模型各个点的方向和距离属性；再次，将点集的球坐标映射到极视图的像素位置上，计算每个像素采样距离集的最大距离，作为方向区间的射线采样值；最后，将每个像素采样距离集的最大距离排列成二维采样图为极视图。本发明避免了传统的多角度视图提取方法导致计算量大、视图冗余和内存占用多的问题；该方法提取得到的三维模型极视图能表达三维模型的全局空间几何特征。

Description

一种三维模型的极视图提取方法
技术领域
本发明涉及三维模型处理技术领域，更具体地说，涉及一种三维模型的极视图提取方法。
背景技术
随着计算机硬件和软件的快速发展，以及三维模型建模技术和GPU高速图形处理技术的发展，三维模型的数量急剧增长，推动三维模型处理技术的快速发展。三维模型作为第四种多媒体数据类型，三维模型的应用领域也越来越广，在工业产品设计、医学生物、模拟仿真、虚拟现实、3D游戏、3D影视和多媒体教学***等领域中有广泛应用。
三维模型数量的急剧增长和三维模型的应用需求日益增大，对于立体结构的三维模型的表达和特征提取，如何准确地分析和科学地处理三维模型成为了亟待解决的问题。近年来，基于视图的三维模型分析方法得到了大量的运用。通过分析三维模型的实体结构，提取了三维模型的二维视图，再对二维视图进行分析和处理。传统的视图的提取通常要提取多个角度的视图，在提取过程中需要花费大量计算机的计算资源和时间，才能保证多个二维视图对三维模型的完整表达，而多个视图又存在了大量的信息冗余。因此，目前的视图提取方法对于处理大批量的三维模型还远远不够，所以现阶段需要通过对视图提取方法进行改进，或者结合新的理论，研究新的三维模型视图提取方法，对于解决目前的三维模型分析和特征提取的难题，具有非常重要的意义和价值。
发明内容
本发明的目的在于克服现有技术中的缺点与不足，提供一种三维模型的极视图提取方法，该极视图提取方法避免了传统的多角度视图提取方法导致计算量大、视图冗余和内存占用多的问题；该方法提取得到的三维模型极视图能表达三维模型的全局空间几何特征，从而为三维模型分析提供良好的视图特征基础。
为了达到上述目的，本发明通过下述技术方案予以实现：一种三维模型的极视图提取方法，其特征在于：
首先，将三维点云模型进行预处理，计算出三维点云模型的质心及尺度，并将三维点云模型平移到直角坐标系上进行缩放，实现三维点云模型在直角坐标系上归一化；
其次，将在直角坐标系上经过缩放的三维点云模型转换到球坐标，并得到三维点云模型各个点的方向和距离属性；
再次，将点集的球坐标映射到极视图的像素位置上，计算每个像素采样距离集的最大距离，作为方向区间的射线采样值；
最后，将每个像素采样距离集的最大距离排列成二维采样图，即为所提取的极视图。
在上述方案中，本发明三维模型的极视图提取方法避免了传统的多角度视图提取方法导致计算量大、视图冗余和内存占用多的问题。该方法是对质心位于直接坐标原点的三维模型进行提取的，在球坐标上做点云的方向到极视图坐标的映射去提取最大采样值，这种方法提取的一个极视图能表达三维模型的全局空间结构，从而为三维模型分析提供良好的视图特征基础。其中，极视图是指从三维模型的质心向外发射一组采样射线，射线与模型的交点到质心的距离排列成的二维采样图。
具体地说，包括以下步骤：
步骤S101：输入三维点云模型，该三维点云模型的尺度为P＝{pi(xi,yi,zi)|i＝1,2,...,N}；
步骤S102：按照下述公式计算三维点云模型的质心g(gx，gy，gz)，通过得到的质心g(gx，gy，gz)将三维点云模型平移变换到直角坐标系上，则三维点云模型在直角坐标系的尺度为p′i＝pi-g,i＝1,2,...,N；平移变换后的三维点云模型p′i的质心位于直角坐标系的原点；
步骤s103：计算三维点云模型的缩放因子s，将三维点云模型缩放到单位尺度为上，其中，缩放因子s为
步骤s104：将在直角坐标系上经过缩放的三维点云模型转换到球坐标Q，此时三维点云模型在球坐标上的尺度为转换公式如下：
其中θ∈[0,π]，仰角在Z轴负半轴上为0；
步骤s105：将球坐标Q映射到极视图的像素位置(u,v)上，映射关系为则三维点云模型在极视图的像素位置(u,v)上按照下述公式计算；其中，一个像素位置(u,v)上存在一个球坐标点、多个球坐标点或者不存在有球坐标点；
其中nu和nv分别为极视图的宽和长；
步骤s106：每个像素(u,v)的采样距离集为按下述公式计算出每个像素采样距离集的最大值作为最大距离以得到极视图中像素采样值，并排列成二维采集图作为极视图I；
上述的预处理过程需要对三维模型进行平移和缩放变换，保证三维模型在标准尺度上归一化和标准化处理。将三维模型点云转换成球坐标系，利于将球坐标点映射到二维极视图的对应像素位置，通过映射，统计该像素位置上的点的距离集的最大值，将最大采样值形成二维采样图，即是三维模型新型的极视图。
与现有技术相比，本发明具有如下优点与有益效果：本发明的三维模型的极视图提取方法避免了传统的多角度视图提取方法导致计算量大、视图冗余和内存占用多的问题；该方法提取得到的三维模型极视图能表达三维模型的全局空间几何特征，从而为三维模型分析提供良好的视图特征基础。
附图说明
图1是本发明三维模型的极视图提取方法的流程图；
图2是本发明三维模型的极视图提取方法中由三维模型提取得到极视图的示意图；
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细的描述。
实施例
如图1和图2所示，本发明的三维模型的极视图提取方法是这样的：
首先，将三维点云模型进行预处理，计算出三维点云模型的质心及尺度，并将三维点云模型平移到直角坐标系上进行缩放，实现三维点云模型在直角坐标系上归一化；
其次，将在直角坐标系上经过缩放的三维点云模型转换到球坐标，并得到三维点云模型各个点的方向和距离属性；
再次，将点集的球坐标映射到极视图的像素位置上，计算每个像素采样距离集的最大距离，作为方向区间的射线采样值；
最后，将每个像素采样距离集的最大距离排列成二维采样图，即为所提取的极视图。
在上述方案中，本发明三维模型的极视图提取方法避免了传统的多角度视图提取方法导致计算量大、视图冗余和内存占用多的问题。该方法是对质心位于直接坐标原点的三维模型进行提取的，在球坐标上做点云的方向到极视图坐标的映射去提取最大采样值，这种方法提取的一个极视图能表达三维模型的全局空间结构，从而为三维模型分析提供良好的视图特征基础。其中，极视图是指从三维模型的质心向外发射一组采样射线，射线与模型的交点到质心的距离排列成的二维采样图。
具体地说，包括以下步骤：
步骤S101：输入三维点云模型，该三维点云模型的尺度为P＝{pi(xi,yi,zi)|i＝1,2,...,N}；
步骤S102：按照下述公式计算三维点云模型的质心g(gx，gy，gz)，通过得到的质心g(gx，gy，gz)将三维点云模型平移变换到直角坐标系上，则三维点云模型在直角坐标系的尺度为p′i＝pi-g,i＝1,2,...,N；平移变换后的三维点云模型p′i的质心位于直角坐标系的原点；
步骤s103：计算三维点云模型的缩放因子s，将三维点云模型缩放到单位尺度为上，其中，缩放因子s为
步骤s104：将在直角坐标系上经过缩放的三维点云模型转换到球坐标Q，此时三维点云模型在球坐标上的尺度为转换公式如下：
其中θ∈[0,π]，仰角在Z轴负半轴上为0；
步骤s105：将球坐标Q映射到极视图的像素位置(u,v)上，映射关系为则三维点云模型在极视图的像素位置(u,v)上按照下述公式计算；其中，一个像素位置(u,v)上存在一个球坐标点、多个球坐标点或者不存在有球坐标点；
其中nu和nv分别为极视图的宽和长；
步骤s106：每个像素(u,v)的采样距离集为按下述公式计算出每个像素采样距离集的最大值作为最大距离以得到极视图中像素采样值，并排列成二维采集图作为极视图I；
上述的预处理过程需要对三维模型进行平移和缩放变换，保证三维模型在标准尺度上归一化和标准化处理。将三维模型点云转换成球坐标系，利于将球坐标点映射到二维极视图的对应像素位置，通过映射，统计该像素位置上的点的距离集的最大值，将最大采样值形成二维采样图，即是三维模型新型的极视图。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (2)

1.一种三维模型的极视图提取方法，其特征在于：
首先，将三维点云模型进行预处理，计算出三维点云模型的质心及尺度，并将三维点云模型平移到直角坐标系上进行缩放，实现三维点云模型在直角坐标系上归一化；
其次，将在直角坐标系上经过缩放的三维点云模型转换到球坐标，并得到三维点云模型各个点的方向和距离属性；
再次，将点集的球坐标映射到极视图的像素位置上，计算每个像素采样距离集的最大距离，作为方向区间的射线采样值；
最后，将每个像素采样距离集的最大距离排列成二维采样图，即为所提取的极视图。
2.根据权利要求1所述的三维模型的极视图提取方法，其特征在于：包括以下步骤：
步骤S101：输入三维点云模型，该三维点云模型的尺度为P＝{pi(xi,yi,zi)|i＝1,2,...,N}；
步骤S102：按照下述公式计算三维点云模型的质心g(gx，gy，gz)，通过得到的质心g(gx，gy，gz)将三维点云模型平移变换到直角坐标系上，则三维点云模型在直角坐标系的尺度为p′i＝pi-g,i＝1,2,...,N；平移变换后的三维点云模型pi′的质心位于直角坐标系的原点；
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>g</mi> <mi>x</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>N</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>g</mi> <mi>y</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>N</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>y</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>g</mi> <mi>z</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>N</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>x</mi> <mi>z</mi> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>
步骤s103：计算三维点云模型的缩放因子s，将三维点云模型缩放到单位尺度为上，其中，缩放因子s为
<mrow> <mi>s</mi> <mo>=</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <mo>|</mo> <mo>|</mo> <msubsup> <mi>p</mi> <mi>i</mi> <mo>&amp;prime;</mo> </msubsup> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
步骤s104：将在直角坐标系上经过缩放的三维点云模型转换到球坐标Q，此时三维点云模型在球坐标上的尺度为转换公式如下：
其中θ∈[0,π]，仰角在Z轴负半轴上为0；
步骤s105：将球坐标Q映射到极视图的像素位置(u,v)上，映射关系为则三维点云模型在极视图的像素位置(u,v)上按照下述公式计算；其中，一个像素位置(u,v)上存在一个球坐标点、多个球坐标点或者不存在有球坐标点；
其中nu和nv分别为极视图的宽和长；
步骤s106：每个像素(u,v)的采样距离集为按下述公式计算出每个像素采样距离集的最大值作为最大距离以得到极视图中像素采样值，并排列成二维采集图作为极视图I；
CN201710148535.7A 2017-03-14 2017-03-14 一种三维模型的极视图提取方法 Pending CN107085824A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710148535.7A CN107085824A (zh) 2017-03-14 2017-03-14 一种三维模型的极视图提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710148535.7A CN107085824A (zh) 2017-03-14 2017-03-14 一种三维模型的极视图提取方法

Publications (1)

Publication Number Publication Date
CN107085824A true CN107085824A (zh) 2017-08-22

Family

ID=59614574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710148535.7A Pending CN107085824A (zh) 2017-03-14 2017-03-14 一种三维模型的极视图提取方法

Country Status (1)

Country Link
CN (1) CN107085824A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108230242A (zh) * 2018-01-10 2018-06-29 大连理工大学 一种从全景激光点云到视频流的转换方法
WO2019042028A1 (zh) * 2017-09-01 2019-03-07 叠境数字科技（上海）有限公司 全视向的球体光场渲染方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411794A (zh) * 2011-07-29 2012-04-11 南京大学 一种基于球谐变换的三维模型的二维投影的输出方法
CN105243637A (zh) * 2015-09-21 2016-01-13 武汉海达数云技术有限公司 一种基于三维激光点云进行全景影像拼接方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411794A (zh) * 2011-07-29 2012-04-11 南京大学 一种基于球谐变换的三维模型的二维投影的输出方法
CN105243637A (zh) * 2015-09-21 2016-01-13 武汉海达数云技术有限公司 一种基于三维激光点云进行全景影像拼接方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BAOGUANG SHI等: "DeepPano: Deep Panoramic Representation for 3-D Shape Recognition", 《IEEE SIGNAL PROCESSING LETTERS》 *
冯毅攀: "基于视图的三维模型检索技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019042028A1 (zh) * 2017-09-01 2019-03-07 叠境数字科技（上海）有限公司 全视向的球体光场渲染方法
GB2584753A (en) * 2017-09-01 2020-12-16 Plex Vr Digital Tech Shanghai Co Ltd All-around spherical light field rendering method
US10909752B2 (en) 2017-09-01 2021-02-02 Plex-Vr Digital Technology (Shanghai) Co., Ltd. All-around spherical light field rendering method
GB2584753B (en) * 2017-09-01 2021-05-26 Plex Vr Digital Tech Shanghai Co Ltd All-around spherical light field rendering method
CN108230242A (zh) * 2018-01-10 2018-06-29 大连理工大学 一种从全景激光点云到视频流的转换方法

Similar Documents

Publication Publication Date Title
CN109544677B (zh) 基于深度图像关键帧的室内场景主结构重建方法及***
CN101599181A (zh) 一种代数b样条曲面的实时绘制方法
Li et al. RGB-D image processing algorithm for target recognition and pose estimation of visual servo system
Ma et al. Pyramid ALKNet for semantic parsing of building facade image
EP3855386A2 (en) Method, apparatus, device and storage medium for transforming hairstyle and computer program product
Chang et al. 3-d point cloud registration using convolutional neural networks
Li et al. A novel OpenMVS-based texture reconstruction method based on the fully automatic plane segmentation for 3D mesh models
CN104299255A (zh) 一种三维地形模型的渲染方法
CN107085824A (zh) 一种三维模型的极视图提取方法
Zhang et al. An efficient dynamic volume rendering for large-scale meteorological data in a virtual globe
Chen et al. Transmission line vibration damper detection using deep neural networks based on UAV remote sensing image
Zheng et al. A multi-scale rebar detection network with an embedded attention mechanism
Li et al. Stripe noise detection of high-resolution remote sensing images using deep learning method
Qi et al. Research on an insulator defect detection method based on improved yolov5
Zhang et al. A robust visual odometry based on RGB-D camera in dynamic indoor environments
Zhang et al. A method of optimizing terrain rendering using digital terrain analysis
Lee et al. Performance evaluation of ground ar anchor with webxr device api
Teng et al. Pose estimation for straight wing aircraft based on consistent line clustering and planes intersection
Bi et al. 3-Dimensional modeling and simulation of the cloud based on cellular automata and particle system
Liu et al. Texture-cognition-based 3D building model generalization
Lee et al. Hardware-based adaptive terrain mesh using temporal coherence for real-time landscape visualization
Oh et al. The design of a 2D graphics accelerator for embedded systems
CN112596659B (zh) 一种基于智能语音和图像处理的绘画方法和装置
Chen et al. 3d fast object detection based on discriminant images and dynamic distance threshold clustering
Wang An AR Map Virtual–Real Fusion Method Based on Element Recognition

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170822

RJ01 Rejection of invention patent application after publication