CN109446969A - 一种分析和搜索三维模型的方法 - Google Patents
一种分析和搜索三维模型的方法 Download PDFInfo
- Publication number
- CN109446969A CN109446969A CN201811237227.2A CN201811237227A CN109446969A CN 109446969 A CN109446969 A CN 109446969A CN 201811237227 A CN201811237227 A CN 201811237227A CN 109446969 A CN109446969 A CN 109446969A
- Authority
- CN
- China
- Prior art keywords
- image
- search
- data
- analysis
- projected
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
-
- 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/431—Frequency domain transformation; Autocorrelation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种分析和搜索三维模型的方法,包括如下步骤:(1):首先通过全局分析和本地获取多个数据全局特征和多个数据图像的多个数据局部特征分别分析数据图像;(2):获取搜索图像;(3):然后通过分别对搜索图像进行全局分析和局部分析,获取搜索全局特征和搜索搜索图像的局部特征;(4):基于搜索全局特征,从数据全局特征中获取对应的数据全局特征,并基于搜索局部特征从数据局部特征中获取对应的数据局部特征;(5):获取从基于对应的数据全局特征数据的图像和相应的数据的局部特征的相应数据的图像。本发明用于解决由于使用全局特征来分析输入数据并与存储在数据库中的模型进行比较而导致搜索结果不准确的问题。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及分析和搜索三维模型的方法。
背景技术
现有的3D模型搜索***可以通过使用草图,图像或甚至通过输入3D模型来执行比较搜索。大多数3D模型搜索***假设目标模型是刚体。另外,输入到3D模型搜索***中的草图和图像通常是前视图和垂直于前视图的侧视图的形式。
然而,并非每个物体都具有刚体特性。例如,人体有许多活动关节。当用户搜索人体模型时,如果输入的人体的手臂或腿的位置与数据库中的模型位置不同,或者输入的图像不是前视图和侧视图(例如,输入的图像是透视图),这种现有3D模型搜索***的搜索结果通常与用户期望的相反。
上面讨论的差异的原因涉及现有技术如何通过全局特征分析输入的数据以执行与存储在数据库中的模型的比较。假设输入的模型具有可移动的关节,即使它们是相同的模型,当模型处于不同的姿势时,它们的投影视图也是不同的。因此,很难找到正确的模型,并且降低了搜索结果的准确性。
鉴于前述内容,问题和缺点与需要进一步改进的现有产品相关。然而,本领域技术人员尚未找到解决方案。
发明内容
本发明的目的在于提供一种分析和搜索三维模型的方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种分析和搜索三维模型的方法,包括如下步骤:
(1)首先通过全局分析和本地获取多个数据全局特征和多个数据图像的多个数据局部特征分别分析数据图像;
(2)获取搜索图像;
(3)然后通过分别对搜索图像进行全局分析和局部分析,获取搜索全局特征和获取搜索图像的局部特征;
(4)基于搜索全局特征从数据全局特征中获取对应的数据全局特征,并基于搜索局部特征从数据局部特征中获取对应的数据局部特征;
(5)获取从基于对应的数据全局特征数据的图像和相应的数据的局部特征的相应数据的图像。
优选的,在步骤(1)中,首先分别对所述数据图像进行全局分析和局部分析,获得所述数据全局特征和所述数据图像的数据局部特征,所述数据图像的数据局部特征包括在不同的视点中获取和分析所述数据图像的多个投影图像;然后基于数据图像的投影图像,相应地获得数据图像的数据全局特征;之后将获取数据图像的投影图像划分为多个局部图像并且基于数据图像的局部图像,相应地获得数据图像的数据局部特征。
优选的,在不同视点中获得和分析数据图像的投影图像是由数据图像包括的3D模型放置在正多面体的中心,然后在正多面体的多个顶点处拍摄3D模型的不同投影图像。
优选的,基于数据图像的投影图像相应地获得数据图像的数据全局特征,数据图像的数据全局特征包括通过从中提取特征和分析来相应地获得数据图像的投影图像的数据全局特征,基于深度梯度直方图和二维极化傅里叶变换的数据图像投影图像。
优选的,获得数据图像的投影图像并将其划分为局部图像,所述局部图像是通过基于数据图像的投影图像分析来获得数据图像的每个投影图像的主要部分;通过从数据图像的投影图像中去除主要部分,获得数据图像的每个投影图像的分支部分。
优选的,在步骤(3)中,首先通过全局分析和局部分析搜索图像,获得搜索全局特征和获得搜索图像的局部特征,所述搜索图像的局部特征包括在不同视点分析搜索图像的多个投影图像;然后基于搜索图像的投影图像,相应地获得搜索图像的搜索全局特征,获取搜索图像的投影图像并将其划分为多个局部图像;根据搜索图像的局部图像,相应地获取搜索图像的搜索局部特征。
优选的,在不同视点中分析搜索图像的投影图像是由将搜索图像包括的3D模型放置在正多面体的中心;然后在正多面体的多个顶点处拍摄3D模型的不同投影图像;基于搜索图像的投影图像获得搜索图像的搜索全局特征是首先通过从中提取特征并分析相应地获得搜索图像的投影图像的搜索全局特征,搜索图像的投影图像是基于深度梯度直方图和二维极化傅里叶变换。
优选的,获取搜索图像的投影图像并将其划分为局部图像,所述局部图像是通过基于形态学分析搜索图像的投影图像来获得搜索图像的投影图像的主要部分;通过从搜索图像的投影图像中去除主要部分,获得搜索图像的投影图像的分支部分。
优选的,基于搜索图像的局部图像相应地获得搜索图像的搜索局部特征,所述搜索局部特征是通过提取相应地获得搜索图像的主要部分和分支部分的搜索局部特征。
与现有技术相比,本发明的有益效果:发明的应用具有许多优点,本公开涉及一种用于分析和搜索图像的方法,用于解决由于使用全局特征来分析输入数据并与存储在数据库中的模型进行比较而导致搜索结果不准确的问题。
附图说明
图1为本发明的的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1,现提出下述实施例:
一种分析和搜索三维模型的方法,包括如下步骤:
(1):首先通过全局分析和本地获取多个数据全局特征和多个数据图像的多个数据局部特征分别分析数据图像;首先分别对所述数据图像进行全局分析和局部分析,获得所述数据全局特征和所述数据图像的数据局部特征,所述数据图像的数据局部特征包括在不同的视点中获取和分析所述数据图像的多个投影图像;然后基于数据图像的投影图像,相应地获得数据图像的数据全局特征;之后将获取数据图像的投影图像划分为多个局部图像并且基于数据图像的局部图像,相应地获得数据图像的数据局部特征;在不同视点中获得和分析数据图像的投影图像是由数据图像包括的3D模型放置在正多面体的中心,然后在正多面体的多个顶点处拍摄3D模型的不同投影图像;基于数据图像的投影图像相应地获得数据图像的数据全局特征,数据图像的数据全局特征包括通过从中提取特征和分析来相应地获得数据图像的投影图像的数据全局特征,基于深度梯度直方图和二维极化傅里叶变换的数据图像投影图像;获得数据图像的投影图像并将其划分为局部图像,所述局部图像是通过基于数据图像的投影图像分析来获得数据图像的每个投影图像的主要部分;通过从数据图像的投影图像中去除主要部分,获得数据图像的每个投影图像的分支部分;
(2)获取搜索图像;
(3)然后通过分别对搜索图像进行全局分析和局部分析,获取搜索全局特征和获取搜索图像的局部特征;首先通过全局分析和局部分析搜索图像,获得搜索全局特征和获取搜索图像的局部特征,所述搜索图像的局部特征包括在不同视点分析搜索图像的多个投影图像;然后基于搜索图像的投影图像,相应地获得搜索图像的搜索全局特征,获取搜索图像的投影图像并将其划分为多个局部图像;根据搜索图像的局部图像,相应地获取搜索图像的搜索局部特征;在不同视点中分析搜索图像的投影图像是由将搜索图像包括的3D模型放置在正多面体的中心;然后在正多面体的多个顶点处拍摄3D模型的不同投影图像;基于搜索图像的投影图像获得搜索图像的搜索全局特征是首先通过从中提取特征并分析相应地获得搜索图像的投影图像的搜索全局特征,搜索图像的投影图像是基于深度梯度直方图和二维极化傅里叶变换;获取搜索图像的投影图像并将其划分为局部图像,所述局部图像是通过基于形态学分析搜索图像的投影图像来获得搜索图像的投影图像的主要部分;通过从搜索图像的投影图像中去除主要部分,获得搜索图像的投影图像的分支部分;基于搜索图像的局部图像相应地获得搜索图像的搜索局部特征,所述搜索局部特征是通过提取相应地获得搜索图像的主要部分和分支部分的搜索局部特征;
(4)基于搜索全局特征从数据全局特征中获取对应的数据全局特征,并基于搜索局部特征从数据局部特征中获取对应的数据局部特征;
(5)获取从基于对应的数据全局特征数据的图像和相应的数据的局部特征的相应数据的图像。
工作原理:本发明的应用具有许多优点,本公开涉及一种用于分析和搜索图像的方法,用于解决由于使用全局特征来分析输入数据并与存储在数据库中的模型进行比较而导致搜索结果不准确的问题。
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种分析和搜索三维模型的方法,其特征在于:包括如下步骤:
(1):首先通过全局分析和本地获取多个数据全局特征和多个数据图像的多个数据局部特征分别分析数据图像;
(2):获取搜索图像;
(3):然后通过分别对搜索图像进行全局分析和局部分析,获取搜索全局特征和搜索搜索图像的局部特征;
(4):基于搜索全局特征从数据全局特征中获取对应的数据全局特征,并基于搜索局部特征从数据局部特征中获取对应的数据局部特征;
(5):获取从基于对应的数据全局特征数据的图像和相应的数据的局部特征的相应数据的图像。
2.根据权利要求1所述的一种分析和搜索三维模型的方法,其特征在于:在步骤(1)中,首先分别对所述数据图像进行全局分析和局部分析,获得所述数据全局特征和所述数据图像的数据局部特征,所述数据图像的数据局部特征包括在不同的视点中获取和分析所述数据图像的多个投影图像;然后基于数据图像的投影图像,相应地获得数据图像的数据全局特征;之后将获取数据图像的投影图像划分为多个局部图像并且基于数据图像的局部图像,相应地获得数据图像的数据局部特征。
3.根据权利要求2所述的一种分析和搜索三维模型的方法,其特征在于:在不同视点中获得和分析数据图像的投影图像是由数据图像包括的3D模型放置在正多面体的中心,然后在正多面体的多个顶点处拍摄3D模型的不同投影图像。
4.根据权利要求3所述的一种分析和搜索三维模型的方法,其特征在于:基于数据图像的投影图像相应地获得数据图像的数据全局特征,数据图像的数据全局特征包括通过从中提取特征和分析来相应地获得数据图像的投影图像的数据全局特征,基于深度梯度直方图和二维极化傅里叶变换的数据图像投影图像。
5.根据权利要求4所述的一种分析和搜索三维模型的方法,其特征在于:获得数据图像的投影图像并将其划分为局部图像,所述局部图像是通过基于数据图像的投影图像分析来获得数据图像的每个投影图像的主要部分;通过从数据图像的投影图像中去除主要部分,获得数据图像的每个投影图像的分支部分。
6.根据权利要求1所述的一种分析和搜索三维模型的方法,其特征在于:在步骤(3)中,首先通过全局分析和局部分析搜索图像,获得搜索全局特征和搜索搜索图像的局部特征,所述搜索图像的局部特征包括在不同视点分析搜索图像的多个投影图像;然后基于搜索图像的投影图像,相应地获得搜索图像的搜索全局特征,获取搜索图像的投影图像并将其划分为多个局部图像;根据搜索图像的局部图像,相应地获取搜索图像的搜索局部特征。
7.根据权利要求6所述的一种分析和搜索三维模型的方法,其特征在于:在不同视点中分析搜索图像的投影图像是由将搜索图像包括的3D模型放置在正多面体的中心;然后在正多面体的多个顶点处拍摄3D模型的不同投影图像;基于搜索图像的投影图像获得搜索图像的搜索全局特征是首先通过从中提取特征并分析相应地获得搜索图像的投影图像的搜索全局特征,搜索图像的投影图像是基于深度梯度直方图和二维极化傅里叶变换。
8.根据权利要求7所述的一种分析和搜索三维模型的方法,其特征在于:获取搜索图像的投影图像并将其划分为局部图像,所述局部图像是通过基于形态学分析搜索图像的投影图像来获得搜索图像的投影图像的主要部分;通过从搜索图像的投影图像中去除主要部分,获得搜索图像的投影图像的分支部分。
9.根据权利要求8所述的一种分析和搜索三维模型的方法,其特征在于:基于搜索图像的局部图像相应地获得搜索图像的搜索局部特征,所述搜索局部特征是通过提取相应地获得搜索图像的主要部分和分支部分的搜索局部特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811237227.2A CN109446969A (zh) | 2018-10-23 | 2018-10-23 | 一种分析和搜索三维模型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811237227.2A CN109446969A (zh) | 2018-10-23 | 2018-10-23 | 一种分析和搜索三维模型的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109446969A true CN109446969A (zh) | 2019-03-08 |
Family
ID=65548076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811237227.2A Withdrawn CN109446969A (zh) | 2018-10-23 | 2018-10-23 | 一种分析和搜索三维模型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109446969A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567465A (zh) * | 2011-11-29 | 2012-07-11 | 西北工业大学 | 复眼视觉基础上的三维模型几何相似性搜索方法 |
US20170147609A1 (en) * | 2015-11-19 | 2017-05-25 | National Chiao Tung University | Method for analyzing and searching 3d models |
CN107145487A (zh) * | 2016-03-01 | 2017-09-08 | 深圳中兴力维技术有限公司 | 图像搜索方法和装置 |
CN108121806A (zh) * | 2017-12-26 | 2018-06-05 | 湖北工业大学 | 一种基于局部特征匹配的图像搜索方法及*** |
-
2018
- 2018-10-23 CN CN201811237227.2A patent/CN109446969A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567465A (zh) * | 2011-11-29 | 2012-07-11 | 西北工业大学 | 复眼视觉基础上的三维模型几何相似性搜索方法 |
US20170147609A1 (en) * | 2015-11-19 | 2017-05-25 | National Chiao Tung University | Method for analyzing and searching 3d models |
TW201719572A (zh) * | 2015-11-19 | 2017-06-01 | 國立交通大學 | 三維模型分析及搜尋方法 |
CN107145487A (zh) * | 2016-03-01 | 2017-09-08 | 深圳中兴力维技术有限公司 | 图像搜索方法和装置 |
CN108121806A (zh) * | 2017-12-26 | 2018-06-05 | 湖北工业大学 | 一种基于局部特征匹配的图像搜索方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102521595B (zh) | 一种基于眼动数据和底层特征的图像感兴趣区域提取方法 | |
WO2015149302A1 (zh) | 基于点云与数据驱动的树木模型重建方法 | |
US20200242330A1 (en) | Method for object recognition | |
CN110135455A (zh) | 影像匹配方法、装置及计算机可读存储介质 | |
CN108154104B (zh) | 一种基于深度图像超像素联合特征的人体姿态估计方法 | |
CN109446927A (zh) | 基于先验知识的双人交互行为识别方法 | |
Rallis et al. | Extraction of key postures from 3D human motion data for choreography summarization | |
Aiteanu et al. | Hybrid tree reconstruction from inhomogeneous point clouds | |
US20140300597A1 (en) | Method for the automated identification of real world objects | |
CN103871100A (zh) | 基于点云与数据驱动的树木模型重建方法 | |
CN113343840B (zh) | 基于三维点云的对象识别方法及装置 | |
CN113449570A (zh) | 图像处理方法和装置 | |
CN111950321A (zh) | 步态识别方法、装置、计算机设备及存储介质 | |
CN109567839A (zh) | 髋关节x光图像自动分析方法 | |
CN108921062A (zh) | 一种联合多步态特征协同字典的步态识别方法 | |
TW201719572A (zh) | 三維模型分析及搜尋方法 | |
CN108734773A (zh) | 一种用于混合图片的三维重建方法及*** | |
CN107563366A (zh) | 一种定位方法及装置、电子设备 | |
CN112906719A (zh) | 基于消费级深度相机的立木因子测量方法 | |
CN109887009A (zh) | 一种点云局部匹配方法 | |
CN114240866B (zh) | 基于二维图像与三维生长信息的组培苗分级方法及装置 | |
CN116152494A (zh) | 基于两阶段3d点云语义分割的建筑物脚点识别分割方法 | |
Jiang et al. | Learned local features for structure from motion of uav images: A comparative evaluation | |
CN114689038A (zh) | 基于机器视觉的果实检测定位与果园地图构建方法 | |
CN111914595B (zh) | 一种基于彩色图像的人手三维姿态估计方法和装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190308 |
|
WW01 | Invention patent application withdrawn after publication |