CN109325500A - 一种基于面积加权的三维模型特征提取方法及装置 - Google Patents
一种基于面积加权的三维模型特征提取方法及装置 Download PDFInfo
- Publication number
- CN109325500A CN109325500A CN201810873351.1A CN201810873351A CN109325500A CN 109325500 A CN109325500 A CN 109325500A CN 201810873351 A CN201810873351 A CN 201810873351A CN 109325500 A CN109325500 A CN 109325500A
- Authority
- CN
- China
- Prior art keywords
- area
- region
- point
- distance
- latitude
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供一种基于面积加权的三维模型特征提取方法及装置,本公开采用了的由经纬度划分的切比雪夫提取算法避免了大量的射线和由三角的面片的求交计算,而改为计算由经纬度划分的区域面积,和落在区域面积的交点个数。采用了形状加权,引入了模型表面特征,采用将球面按经度和纬度切分的方法,使球面形成一个个区域,再将模型表面密集化,计算点集与质心的距离为采样距离,计算出投影在球面上某个区域的采样点的最大采样距离,作为该区域的特征距离,避免了大量的射线和由三角的面片的求交计算,可以减少代码冗余,进而提高检索效率,减少了模型受到形变,如平移、旋转、缩放等的影响,提高了三维模型特征提取方法的鲁棒性。
Description
技术领域
本公开涉及计算机三维模型领域,具体涉及一种基于面积加权的三维模型特征提取方法及装置。
背景技术
三维模型检索作为图像识别与检索中的一种新兴的技术,在制造业、虚拟现实、医学诊疗和虚拟现实等诸多领域的得到了广泛的应用。在传统的三维模型表示方法中,目前比较常用的有三维模型视图有圆柱投影视图、三视图、极视图等。其中,极视图是质心与由质心向外发射的一组采样射线与模型表面的交点之间的距离排列成的二维采样图。相比于前面两种视图,它能对模型的全局体积进行二维图像表示,其特征表示更为完整和简洁。
求极视图的方法是对三维模型和从质心出发的射线进行求交,计算基于射线向径长度。传统的采样方法使用射线与模型相交的点云作为采样点,因此需要进行大量的射线和由三个点围成的面片的求交计算。这使得该提取方法的鲁棒性差、提取速度慢。
传统的方法中需做大量的三角面片与射线求交运算,增加了计算的冗余度,降低了提取速度。同时由于缺少对模型表面几何信息的考虑,使得算法的旋转不变性差和低鲁棒性。
发明内容
为解决上述问题,本公开在特征提取上,本公开采用了的由经纬度划分的切比雪夫提取算法避免了大量的射线和由三角的面片的求交计算,而改为计算由经纬度划分的区域面积,和落在区域面积的交点个数。采用了形状加权,引入了模型表面特征,构成了一种改进的基于面积加权的切比雪夫射线提取方法,提供了一种基于面积加权的三维模型特征提取方法及装置。
本公开采用的是将球面按经度和纬度切分的方法,使球面形成一个个区域,再将模型表面密集化,计算点集与质心的距离为采样距离,计算出投影在球面上某个区域的采样点的最大采样距离,作为该区域的特征距离。为了进一步减小模型受到形变(如平移、旋转、缩放等)的影响,提高该算法的鲁棒性。将每个区域的特征距离乘以该区域面积比上球形表面积构成的加权因子。
为了实现上述目的,根据本公开的一方面,提供一种改进的基于面积加权的切比雪夫三维模型特征提取方法,所述方法包括以下步骤:
步骤1,用封闭的高斯圆包围模型;
步骤2,将高斯圆按经纬度划分区域并计算每个区域面积;
步骤3,用从球心出发的射线穿过模型表面与高斯圆相交;
步骤4,计算各个交点与质心之间的距离为采样距离;
步骤5,取各区域最大采样距离乘以该区域的面积占总面积的权重构成特征值;
步骤6,根据特征值构建的特征矩阵。
进一步地,在步骤1中,用封闭的高斯圆包围模型的方法为:将包围模型的高斯球延球形经度纬度进行划分,设球坐标中规定仰角由Z正半轴0°到负半轴180°,球面区域划分步长为:
其中nC,nR代表球经度、纬度划分数,π为圆周率,得到同一纬度上的nC个区域面积相等。
进一步地,在步骤2中,将高斯圆按经纬度划分区域并计算每个区域面积的方法为,将特征矩阵FCBV(nR×nC)置为零矩阵,矩阵划分为nC个区域窗口密集点采样点加权距离集合dis(τij)={0},其中τij表示球面上任意划分nC个区域。
进一步地,在步骤4中,所述各个交点与质心之间的距离为,对模型表面做密集化处理,得到采用点构成的点云集,各个交点中任取一个点计算点到模型质心的距离dk。
进一步地,在步骤5中,取各区域最大采样距离乘以该区域的面积占总面积的权重构成特征值的方法为,对模型表面做密集化处理,得到采用点构成的点云集,各个交点中任取一个点,计算点在球面映射点所属的区域序号,设ck的球坐标的标记为
其中,为下取整函数,即高斯函数,计算所在窗口面积,由于球形的对称性,同一纬度上各窗口的面积相同,即下标j相同的面片面积相等,且由于上下球对称只需上半球的区域面积,设同一纬度上面片的总面积之和为Sj,则Sk的计算公式为:
其中R为高斯圆的半径公式为:
由此计算得出各区域面积,再将采用距离dk乘以所在区域面积比上球体的表面积的权值Sj/(nc*4πR2)后并入集合dis(τij)公式为:
dis(τij)=dis(τij)∪{dk}。
进一步地,在步骤6中,根据特征值构建的特征矩阵由集合dis(τij)的最大值构成特征矩阵:FCBV(i,j)=max(dis(τij))。
本发明还提供了一种基于面积加权的三维模型特征提取装置,所述装置包括:存储器、处理器以及存储在所述存储器中并能在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下装置的单元中:
高斯圆包围单元,用于用封闭的高斯圆包围模型;
经纬度划分单元,用于将高斯圆按经纬度划分区域并计算每个区域面积;
射线相交单元,用于用从球心出发的射线穿过模型表面与高斯圆相交;
采样距离计算单元,用于计算各个交点与质心之间的距离为采样距离;
权重特征单元,用于取各区域最大采样距离乘以该区域的面积占总面积的权重构成特征值;
特征矩阵构建单元,用于根据特征值构建的特征矩阵。
本公开的有益效果为:本公开提供一种基于面积加权的三维模型特征提取方法及装置,较传统的射线提取方法而言,避免了大量的射线和由三角的面片的求交计算,可以减少代码冗余,进而提高检索效率。本公开较传统的切比雪夫射线提取方法而言,减少了模型受到形变,如平移、旋转、缩放等的影响,提高了三维模型特征提取方法的鲁棒性。相对于传统算法,本公开优点在于无需做大量的三角面片与射线求交运算,因此特征提取速度快,鲁棒性更强,编程实现后程序代码更加简洁高效。同时由于引入了形状加权算法,使得模型对旋转、平移和缩放等刚性变换具有不变性。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本公开的上述以及其他特征将更加明显,本公开附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,在附图中:
图1所示为一种基于面积加权的三维模型特征提取方法的流程图;
图2所示为一种基于面积加权的三维模型特征提取装置。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本公开的一种基于面积加权的三维模型特征提取方法的流程图,下面结合图1来阐述根据本公开的实施方式的一种基于面积加权的三维模型特征提取方法。
本公开提出一种基于面积加权的三维模型特征提取方法,具体包括以下步骤:
步骤1,用封闭的高斯圆包围模型;
步骤2,将高斯圆按经纬度划分区域并计算每个区域面积;
步骤3,用从球心出发的射线穿过模型表面与高斯圆相交;
步骤4,计算各个交点与质心之间的距离为采样距离;
步骤5,取各区域最大采样距离乘以该区域的面积占总面积的权重构成特征值;
步骤6,根据特征值构建的特征矩阵。
进一步地,在步骤1中,用封闭的高斯圆包围模型的方法为:将包围模型的高斯球延球形经度纬度进行划分,设球坐标中规定仰角由Z正半轴0°到负半轴180°,球面区域划分步长为:
其中nC,nR代表球经度、纬度划分数,π为圆周率,得到同一纬度上的nC个区域面积相等。
进一步地,在步骤2中,将高斯圆按经纬度划分区域并计算每个区域面积的方法为,将特征矩阵FCBV(nR×nC)置为零矩阵,矩阵划分为nC个区域窗口密集点采样点加权距离集合dis(τij)={0},其中τij表示球面上任意划分nC个区域。
进一步地,在步骤4中,所述各个交点与质心之间的距离为,对模型表面做密集化处理,得到采用点构成的点云集,各个交点中任取一个点计算点到模型质心的距离dk。
进一步地,在步骤5中,取各区域最大采样距离乘以该区域的面积占总面积的权重构成特征值的方法为,计算该点在球面映射点所属的区域序号,设ck的球坐标的标记为
其中,为下取整函数,即高斯函数,计算所在窗口面积,由于球形的对称性,同一纬度上各窗口的面积相同,即下标j相同的面片面积相等,且由于上下球对称只需上半球的区域面积,设同一纬度上面片的总面积之和为Sj,则Sk的计算公式为:
其中R为高斯圆的半径公式为:
由此计算得出各区域面积,再将采用距离dk乘以所在区域面积比上球体的表面积的权值Sj/(nc*4πR2)后并入集合dis(τij)公式为:
dis(τij)=dis(τij)∪{dk}。
进一步地,在步骤6中,根据特征值构建的特征矩阵由集合dis(τij)的最大值构成特征矩阵:FCBV(i,j)=max(dis(τij))。
本公开的实施例提供的一种基于面积加权的三维模型特征提取装置,如图2所示为本公开的一种基于面积加权的三维模型特征提取装置图,该实施例的一种基于面积加权的三维模型特征提取装置包括:处理器、存储器以及存储在所述存储器中并能在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种基于面积加权的三维模型特征提取装置实施例中的步骤。
所述装置包括:存储器、处理器以及存储在所述存储器中并能在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下装置的单元中:
高斯圆包围单元,用于用封闭的高斯圆包围模型;
经纬度划分单元,用于将高斯圆按经纬度划分区域并计算每个区域面积;
射线相交单元,用于用从球心出发的射线穿过模型表面与高斯圆相交;
采样距离计算单元,用于计算各个交点与质心之间的距离为采样距离;
权重特征单元,用于取各区域最大采样距离乘以该区域的面积占总面积的权重构成特征值;
特征矩阵构建单元,用于根据特征值构建的特征矩阵。
所述一种基于面积加权的三维模型特征提取装置可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种基于面积加权的三维模型特征提取装置,可运行的装置可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种基于面积加权的三维模型特征提取装置的示例,并不构成对一种基于面积加权的三维模型特征提取装置的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种基于面积加权的三维模型特征提取装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种基于面积加权的三维模型特征提取装置运行装置的控制中心,利用各种接口和线路连接整个一种基于面积加权的三维模型特征提取装置可运行装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种基于面积加权的三维模型特征提取装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (7)
1.一种基于面积加权的三维模型特征提取方法,其特征在于,所述方法包括以下步骤:
步骤1,用封闭的高斯圆包围模型;
步骤2,将高斯圆按经纬度划分区域并计算每个区域面积;
步骤3,用从球心出发的射线穿过模型表面与高斯圆相交;
步骤4,计算各个交点与质心之间的距离为采样距离;
步骤5,取各区域最大采样距离乘以该区域的面积占总面积的权重构成特征值;
步骤6,根据特征值构建的特征矩阵。
2.根据权利要求1所述的一种基于面积加权的三维模型特征提取方法,其特征在于,在步骤1中,用封闭的高斯圆包围模型的方法为:将包围模型的高斯球延球形经度纬度进行划分,设球坐标中规定仰角由Z正半轴0°到负半轴180°,球面区域划分步长为:
其中nC,nR代表球经度、纬度划分数,π为圆周率,得到同一纬度上的nC个区域面积相等。
3.根据权利要求1所述的一种基于面积加权的三维模型特征提取方法,其特征在于,在步骤2中,将高斯圆按经纬度划分区域并计算每个区域面积的方法为,将特征矩阵FCBV(nR×nC)置为零矩阵,矩阵划分为nC个区域窗口密集点采样点加权距离集合dis(τij)={0},其中τij表示球面上任意划分nC个区域。
4.根据权利要求1所述的一种基于面积加权的三维模型特征提取方法,其特征在于,在步骤4中,所述各个交点与质心之间的距离为,对模型表面做密集化处理,得到采用点构成的点云集,各个交点中任取一个点计算点到模型质心的距离dk。
5.根据权利要求1所述的一种基于面积加权的三维模型特征提取方法,其特征在于,在步骤5中,取各区域最大采样距离乘以该区域的面积占总面积的权重构成特征值的方法为,对模型表面做密集化处理,得到采用点构成的点云集,各个交点中任取一个点,计算点在球面映射点所属的区域序号,设ck的球坐标的标记为
其中,为下取整函数,即高斯函数,计算所在窗口面积,由于球形的对称性,同一纬度上各窗口的面积相同,即下标j相同的面片面积相等,且由于上下球对称只需上半球的区域面积,设同一纬度上面片的总面积之和为Sj,则Sk的计算公式为:
k=1,2,...,j;
其中R为高斯圆的半径公式为:
j=1,2,...,nr/2;
由此计算得出各区域面积,再将采用距离dk乘以所在区域面积比上球体的表面积的权值Sj/(nc*4πR2)后并入集合dis(τij)公式为:
dis(τij)=dis(τij)∪{dk}。
6.根据权利要求1所述的一种基于面积加权的三维模型特征提取方法,其特征在于,在步骤6中,根据特征值构建的特征矩阵由集合dis(τij)的最大值构成特征矩阵:FCBV(i,j)=max(dis(τij))。
7.一种基于面积加权的三维模型特征提取装置,其特征在于,所述装置包括:存储器、处理器以及存储在所述存储器中并能在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下装置的单元中:
高斯圆包围单元,用于用封闭的高斯圆包围模型;
经纬度划分单元,用于将高斯圆按经纬度划分区域并计算每个区域面积;
射线相交单元,用于用从球心出发的射线穿过模型表面与高斯圆相交;
采样距离计算单元,用于计算各个交点与质心之间的距离为采样距离;
权重特征单元,用于取各区域最大采样距离乘以该区域的面积占总面积的权重构成特征值;
特征矩阵构建单元,用于根据特征值构建的特征矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810873351.1A CN109325500A (zh) | 2018-08-02 | 2018-08-02 | 一种基于面积加权的三维模型特征提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810873351.1A CN109325500A (zh) | 2018-08-02 | 2018-08-02 | 一种基于面积加权的三维模型特征提取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109325500A true CN109325500A (zh) | 2019-02-12 |
Family
ID=65263568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810873351.1A Pending CN109325500A (zh) | 2018-08-02 | 2018-08-02 | 一种基于面积加权的三维模型特征提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109325500A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364826A (zh) * | 2020-12-01 | 2021-02-12 | 金陵科技学院 | 一种基于航拍图像的害虫识别方法 |
CN116563476A (zh) * | 2023-07-10 | 2023-08-08 | 苏州数算软云科技有限公司 | 云图的显示方法、装置、电子设备及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204557A (zh) * | 2016-06-30 | 2016-12-07 | 扬州大学 | 一种基于扩展高斯球与m估计的非完备数据对称特征的提取方法 |
CN106651931A (zh) * | 2016-11-16 | 2017-05-10 | 佛山科学技术学院 | 一种基于射线的三维模型切比雪夫特征提取方法 |
-
2018
- 2018-08-02 CN CN201810873351.1A patent/CN109325500A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204557A (zh) * | 2016-06-30 | 2016-12-07 | 扬州大学 | 一种基于扩展高斯球与m估计的非完备数据对称特征的提取方法 |
CN106651931A (zh) * | 2016-11-16 | 2017-05-10 | 佛山科学技术学院 | 一种基于射线的三维模型切比雪夫特征提取方法 |
Non-Patent Citations (1)
Title |
---|
LI HAISHENG .ET.CL: "An Area Weighted Surface Sampling Method for 3D Model Retrieval", 《CHINESE JOURNAL OF ELECTRONICS》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364826A (zh) * | 2020-12-01 | 2021-02-12 | 金陵科技学院 | 一种基于航拍图像的害虫识别方法 |
CN112364826B (zh) * | 2020-12-01 | 2023-08-01 | 金陵科技学院 | 一种基于航拍图像的害虫识别方法 |
CN116563476A (zh) * | 2023-07-10 | 2023-08-08 | 苏州数算软云科技有限公司 | 云图的显示方法、装置、电子设备及计算机可读存储介质 |
CN116563476B (zh) * | 2023-07-10 | 2023-09-12 | 苏州数算软云科技有限公司 | 云图的显示方法、装置、电子设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110019766B (zh) | 知识图谱的展示方法、装置、移动终端及可读存储介质 | |
US9436369B2 (en) | Touch interface for precise rotation of an object | |
CN104471518B (zh) | 用于三维交互的多点触摸手势识别的消歧 | |
KR101626037B1 (ko) | 가상 표면들을 사용하는 패닝 | |
CN108121986A (zh) | 目标检测方法及装置、计算机装置和计算机可读存储介质 | |
CN111530073B (zh) | 游戏地图的显示控制方法、存储介质、电子设备 | |
US20140002443A1 (en) | Augmented reality interface | |
WO2014200781A1 (en) | Locating and orienting device in space | |
WO2020048031A1 (zh) | 一种基于社交应用的ar导航方法、存储介质及移动终端 | |
CN105302407A (zh) | 一种应用程序图标显示方法及装置 | |
CN109325500A (zh) | 一种基于面积加权的三维模型特征提取方法及装置 | |
US20230082928A1 (en) | Virtual aiming control | |
CN111445576B (zh) | 地图数据的获取方法和装置、存储介质及电子装置 | |
CN114187589A (zh) | 一种目标检测方法、装置、设备和存储介质 | |
CN108744515A (zh) | 游戏中预览地图的显示控制方法、装置、设备及存储介质 | |
CN112221143A (zh) | 一种控制虚拟对象移动的方法、装置及存储介质 | |
CN104820584B (zh) | 一种面向层次化信息自然操控的3d手势界面的构建方法及*** | |
CN106598422A (zh) | 基于指向型的操控、混合操控方法及操控***和电子设备 | |
WO2021120577A1 (zh) | 神经网络模型中的数据计算方法、图像处理方法及装置 | |
CN115809696B (zh) | 虚拟形象模型训练方法及装置 | |
CN115984440B (zh) | 对象渲染方法、装置、计算机设备和存储介质 | |
CN112395375B (zh) | 一种地图呈现方法及终端、计算机可读存储介质 | |
CN115482326A (zh) | 调整渲染目标显示尺寸的方法、装置及存储介质 | |
US20220080308A1 (en) | System and method for precise positioning with touchscreen gestures | |
CN112907741A (zh) | 地形场景生成方法、装置、电子设备及存储介质 |
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 |