CN110019901A - 三维模型检索装置、检索***、检索方法及计算机可读存储介质 - Google Patents
三维模型检索装置、检索***、检索方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110019901A CN110019901A CN201710824563.6A CN201710824563A CN110019901A CN 110019901 A CN110019901 A CN 110019901A CN 201710824563 A CN201710824563 A CN 201710824563A CN 110019901 A CN110019901 A CN 110019901A
- Authority
- CN
- China
- Prior art keywords
- model
- dimensional
- feature data
- dimensional image
- unit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000002845 discoloration Methods 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims abstract description 15
- 238000009877 rendering Methods 0.000 claims description 22
- 230000010287 polarization Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 16
- 230000005484 gravity Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000000926 separation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 13
- 238000013461 design Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 235000007926 Craterellus fallax Nutrition 0.000 description 1
- 240000007175 Datura inoxia Species 0.000 description 1
- 125000000174 L-prolyl group Chemical group [H]N1C([H])([H])C([H])([H])C([H])([H])[C@@]1([H])C(*)=O 0.000 description 1
- 239000000729 antidote Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种三维模型检索装置包括坐标矫正单元，其对第一模型进行坐标矫正；二维图像生成单元，用于获取完成坐标校正的第一模型的标准二维图像；二维图像处理单元，对第一模型的标准二维图像进行选区和去色处理，获得描述该第一模型的第一特征数据；特征获取单元，用于获取第二特征数据；特征匹配单元，其将第一特征数据和多个第二特征数据分别进行比对并计算第一特征数据和每个第二特征数据的相似度值；以及输出单元，其输出多个第二模型以及对应的相似度值作为检索结果；所述第二模型为三维模型。本发明还提供一种三维模型检索方法，本发明提供的三维模型检索***以及三维模型检索方法具有可以快速获得检索结果，用户体验较好的优点。
Description
【技术领域】
本发明涉及第一模型检索领域，特别涉及一种三维模型检索装置、检索***、检索方法及计算机可读存储介质。
【背景技术】
目前，三维模型的应用越来越广泛，工业产品设计、虚拟现实、三维游戏、教育、影视动画等行业都广泛使用三维模型。在互联网上有数以兆计的三维模型存在，并且每天都有大量的三维模型产生和传播，因而存在着对三维模型进行检索分析的迫切需求。
现有的三维模型检索方法大致可以分为两大类：基于关键字的检索方法和基于内容的检索方法，基于关键字的检索方法是指有文字来描述三维模型的特征，如三维模型的尺寸、材料、颜色等，这种方法适用于早期三维模型量不大的情形，随着三维模型数量的急剧增长，基于关键字的检索方法不能适应检索要求，越来越多的三维模型检索方法的研究转向了基于内容的检索方法，现有的基于内容的检索方法大致可分为三类：基于特征向量的方法、基于拓扑结构的方法和基于二维图像的方法。
传统的基于内容的检索方法中，有些方法处理方式复杂，数据量大，不能较为快速地检索出结果，有些方法则是特征比较简单，模型的信息描述不够准确，检索精度不高，导致用户体验不好。
【发明内容】
为克服上述传统的三维模型检索方法不能较为快速地检索出结果，用户体验不好的问题，本发明提供一种三维模型检索装置、检索***、检索方法及计算机可读存储介质。
本发明提供一种三维模型检索装置，其用于对输入的第一模型进行检索，以匹配对应的第二模型，所述三维模型检索装置包括：坐标矫正单元，其对第一模型进行坐标矫正，使得该第一模型的重心和坐标轴方向同三维模型检索装置预定的原点和坐标轴方向一致；二维图像生成单元，用于获取完成坐标校正的第一模型的标准二维图像；二维图像处理单元，对第一模型的标准二维图像进行选区和去色处理，获得描述该第一模型的第一特征数据；特征获取单元，用于获取与多个第二模型分别对应的第二特征数据；特征匹配单元，其将第一特征数据和多个第二特征数据分别进行比对并计算第一特征数据和每个第二特征数据的相似度值；以及输出单元，其输出多个第二模型以及对应的相似度值作为检索结果；所述第二模型为三维模型。
优选地，所述二维图像处理单元包括选择模块，当所述第一模型形成多张标准二维图像时，所述选择模块在第一模型所形成的多张标准二维图像中选取具有关联关系的至少三张标准二维图像，并对所选择的至少三张标准二维图像进行二维图像处理以获得描述该第一模型的第一特征数据。
优选地，所述二维图像处理单元进一步包括渲染模块，所述渲染模块对选区模块框选后的二维图像进行渲染转换成正方形的二维图像。
优选地，所述二维图像处理单元进一步包括缩小模块，所述缩小模块对所述渲染后的二维图像进行缩小操作。
优选地，所述二维图像处理单元进一步包括极化模块，所述极化模块用以对去色处理后的灰阶图像以预定的灰阶值为分界点将所述二维图像极化为二值图像。
本发明还提供一种三维模型检索***，所述三维模型检索***采用前述的三维模型检索装置。
优选地，所述三维模型检索***进一步包括三维模型库，所述三维模型库中存储了多个第二模型和/或同所述第二模型对应的第二特征数据。
优选地，所述三维模型检索***进一步包括录入单元，所述录入单元在三维模型库存储有多个第二模型和第二特征数据时，录入单元将第一模型和其对应的第一特征数据录入到三维模型库中；所述录入单元在三维模型库只存储有第二模型时，录入单元将第一模型录入到三维模型库中。
优选地，所述三维模型检索***进一步包括转换单元，所述转换单元分别和三维模型库以及三维模型检索装置连接，在三维模型库只存储有第二模型时，所述转换单元用于将三维模型库中的第二模型转换形成描述该第二模型的第二特征数据。
本发明还提供一种三维模型检索方法，用于对输入的第一模型进行检索，所述三维模型检索方法包括以下步骤：S101：对输入的第一模型的坐标进行矫正使得该第一模型的重心和坐标轴方向同三维模型检索装置预定的原点和坐标轴一致；S102：获取第一模型的标准二维图像；S103：对获取的第一模型的标准二维图像或关联标准二维图像进行选区处理以框选出具有第一特征数据的区域；S104：框选的二维图像进行去色处理以获得描述该第一模型的第一特征数据；S105：获取与多个第二模型分别对应的第二特征数据；S106：将第一特征数据和第二特征数据分别进行比对，并计算第一特征数据和多个第二特征数据的相似度；以及S107：输出多个第二模型以及对应的相似度值作为检索结果。
本发明还提供一种计算机可读的存储介质，其用于存储三维模型检索的计算机程序以对输入的第一模型进行检索，所述计算机程序执行前述的一种三维模型检索方法。
与现有设计相比，本发明所提供的提供的三维模型检索装置具有以下优点：
通过输入的第一模型依次通过坐标矫正单元、二维图像生成单元、二维图像处理单元的处理，能够有效减少第一模型检索过程中处理的数据量，使得检索较为快速，用户体验较佳。
本发明提供的三维模型检索***、三维模型检索方法以及计算机可读的存储介质具有与本发明所提供的三维模型检索装置具有相同的有益效果，在此不做赘述。
【附图说明】
图1是本发明第一实施例的一种三维模型检索***的示意框图。
图2是图1所示二维图像处理单元的具体模块示意框图。
图3是从三维模型中获得三张二维图像的示意图。
图4是对获得的三张二维图像进行渲染操作的示意图。
图5是将二维图像进行缩小操作的示意图。
图6是图2所示的二维图像处理单元的一种变形实施方式的示意框图。
图7是灰阶图像进行极化后形成的二值图像的示意图。
图8是用灰阶值表示灰阶图像进行几极化处理的示意图。
图9是图1所示的三维模型检索***的一种变形实施例。
图10是本发明第二实施例的一种三维模型检索***的示意框图。
图11是图10所示二维图像处理单元的具体模块示意框图。
图12是本发明第三实施例的一种三维模型检索方法的示意框图。
图13是本发明第四实施例的一种三维模型检索方法的示意框图。
【具体实施方式】
为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1，本发明的第一实施例提供一种三维模型检索***100，三维模型检索***100包括三维模型检索装置10、输入装置20以及三维模型库30。三维模型检索装置10分别和输入装置20以及三维模型库30连接，用户在输入装置20中输入模型，该输入模型可以为三维模型或二维图像，优选为三维模型，三维模型检索装置10 将输入的模型进行处理后生成描述该模型的特征数据，并将该特征数据和三维模型库30中存储的三维模型对应的特征数据进行比对，最后输出检索结果，从而可以在三维模型数据库中获取于输入模型相同或相近似的三维模型。
定义从输入装置20输入的模型为第一模型，第一模型可以是三维模型也可以是二维图像。
第一模型所对应的特征数据为第一特征数据。存储在三维模型库30的三维模型为第二模型，对应该第二模型的特征数据为第二特征数据。可以理解，第二模型和第二特征数据的个数为多个。
三维模型检索装置10包括坐标矫正单元101、二维图像生成单元102、二维图像处理单元103、特征获取单元104、特征匹配单元105以及输出单元106。输入的第一模型依次经过坐标矫正单元101、二维图像生成单元 102、二维图像处理单元103、特征获取单元104以及特征匹配单元105的处理，最后在输出单元106中输出检索结果。
需要说明的是，输出单元106可以为显示器终端，该输出单元106支持用户采用多种方式对检索到的第二模型进行查阅。具体的，用户可以通过鼠标拖拽的方式平移或者旋转检索到的第二模型至输出单元106中合适的位置或者观察角度对三维模型第二模型进行查看，或者用户可以通过点击检索到的第二模型的各个视角的缩略图对第二模型进行查看。以该设计方式，用户可以根据自己想要的查看方式对检索到的第二模型进行查看，具有较好的实用性。
坐标矫正单元101用于对输入的第一模型进行坐标矫正，使得该第一模型的重心和三维模型检索装置10预定的原点一致，并且使得该第一模型的坐标轴方向和模型检索装置10预定的坐标轴一致，该设计方式便于后期对第一模型的进一步处理。
输入的第一模型可以是一个、两个或多个。
当第一模型为三维模型时，该三维模型可以是利用软件所设计出的三维模型，该软件可以是Pro/E、 AutoCAD、3DSMAX、Solid Works或UG等三维设计软件，但不局限于这些三维设计软件。当输入的第一模型为三维模型时，关于三维模型坐标的矫正，现有技术中，已经提出了一些对三维模型进行旋转矫正的方法，例如 PCA(principal componentanalysis)坐标矫正方法。利用坐标矫正单元101对输入的每一个三维模型进行坐标校正。
当输入的第一模型为二维图像时，即输入的是图片或者照片时，坐标矫正单元101对所输入的每张图片或照片进行放置角度的调整，使得图片的重心和坐标轴方向与模型检索装置10预定的坐标轴一致。本实施例中以使照片或图片的边缘与水平面平行或垂直即可。
二维图像生成单元102用于获取完成坐标校正的第一模型的标准二维图像。
具体地，当输入的第一模型是三维模型时，二维图像生成单元102将从预定的方向对第一模型进行投影，将坐标矫正后的第一模型生成主视图、后视图、左视图、右视图、俯视图和仰视图六张标准二维图像。一些具体实施方式中，采用从预定的各个坐标轴的正负方向对第一模型进行投影，将坐标矫正后的第一模型生成主视图、后视图、左视图、右视图、俯视图和仰视图六张标准二维图像。在其他实施例中，二维图像生成单元102不局限于在三维模型检索装置10内部坐标系的各个坐标轴的正负方向对第一模型进行投影，也可以是在三维模型检索装置10预定的任意投影方向对坐标矫正后的第一模型进行投影，将第一模型生成多张标准二维图像，该多张标准二维图像用于描述同一个三维模型，可以称之为关联标准二维图像。
当输入的第一模型是二维图像时，二维图像生成单元 102将经坐标矫正单元101校正后的图片或照片重新生成标准二维图像。
当输入的二维图像为多个时，即三个或三个以上，优选为三个。每个二维图像对应获取标准二维图像，该至少三张标准二维图像用于描述同一个三维模型，可以称之为关联标准二维图像。
优选地，将二维图像作为第一模型输入时，选择至少三个互为垂直的视角所展示的视图作为二维图像输入，如主视图(或后视图)、左视图(或右视图)和俯视图(或仰视图)作为输入，并对应获取其标准二维图像。
二维图像处理单元103用于将二维图像生成单元102 所生成的一个或多个标准二维图像进行图像预处理，以生成描述该第一模型的第一特征数据。
特征获取单元104用于获取与多个第二模型分别对应的第二特征数据。
特征匹配单元105用于将第一特征数据和多个第二特征数据进行对比并计算第一特征数据和每个第二特征数据的相似度值。
输出单元106用于输出检索的多个第二模型以及和该第二模型对应的相似度值，并按相似度值由大至小或由小至大进行排序。
请参阅图2，具体地，二维图像处理单元103包括选择模块1031、选区模块1032、渲染模块1033、缩小模块 1034以及去色模块1035。第一模型生成的一张或多张标准二维图像经过选择模块1031、选区模块1032、渲染模块1033、缩小模块1034以及去色模块1035的处理后生成描述该第一模型的第一特征数据。
请参阅图3，为了提高检索精度，当第一模型为二维图像时，一般输入多个二维图像，并对应获取多个二维图像的标准二维图像。选择模块1031用于在生成的多张标准二维图像中进行选取至少三张关联的标准二维图像，优选为三张，并将选择的三张标准二维图像的关联关系作为后续第一模型三视图图像选择的既定方式。
优选的，当第一模型为三维模型时，选择的三张标准二维图像以三个互为垂直的视角所展示的视图，如主视图 (或后视图)、左视图(或右视图)和俯视图(或仰视图) 作为最优的选择方式，对于具有对称特征的第一模型来说，该设计方式可以较好地、最大化地展示第一模型的第一特征数据，提高检索精度。进一步的，该设计方式由于只选取三张有关联关系的图像，而不用对多张图片都进行处理，可以有效地减小数据的处理量，加快检索的速度，特别是三维模型库30中存储有大量第二模型时，能够较快的检索出对应的第二模型以获得较好的用户体验。在其他一些实施例中，为进一步增加检索的精度，也可以采用对生成的多张标准二维图像都进行处理，使得描述该第一模型的第一特征数据更为丰富以增加检索精度。选区模块 1032用于在选择的标准二维图像中框选出具有第一特征数据的区域，具体的选区操作利用选框工具自动在每张标准二维图像中划定一个区域，该区域对形成的二维轮廓的第一模型的边界进行框选，以排除周边没有特征的区域。该设计方式排除标准二维图像中没有第一特征数据的区域，减小了运算的数据量，可以加快检索的速度。在其他一些实施例中，选区操作可以选用颜色匹配的方式，对标准二维图像中有第一特征数据的有色区域进行选择，该设计方式进一步排除了选框圈选的白色区域，进一步缩小了运算的数据量，使得检索结果过程更为快速。可以理解，选区模块1032的选区操作也可以在选择模块1031选择需要处理的二维图像之前或之后进行。
请参阅图4，渲染模块1033用于对选区模块1032框选后的二维图像进行渲染和标准化转换，使得选择的二维图像转换为同样大小的正方形二维图像，该设计方式的目的在于方便后期对二维图像的缩小操作。
请参阅图5，缩小模块1034是在渲染模块1033渲染后形成的正方形的二维图像缩小成8x8像素或者16x16像素的灰阶图像。通过缩小模块1034处理进一步压缩了图像的数据处理量，提高检索速度。可以理解二维图像不局限为缩小为8x8像素或者16x16像素，也可以是其他大小，具体根据所要检索的精度而定。一般来说，图像包含的像素越多，所含数据量越多，检索精度越高，图像包含像素越少，所含数据量越少，检索精度越低。
去色模块1035是对缩小后的二维图像中具有第一特征数据的区域进行去色处理，使得二维图像形成灰阶图像。该操作简化了第一模型检索中需要对色彩的数据处理步骤，减少了数据处理量，加快检索速度。
请参阅图6－8，在其他一些实施例中，二维图像处理单元103进一步包括极化模块1036，极化模块1036以选定的某个灰阶值a为分界点将去色处理后得到的灰阶图像进行极化得到二值图像。具体的，以在0－255的灰阶值中选定的灰阶值a为分界点，当像素点中的灰阶值大于选定的灰阶值a时，将该像素点的灰阶值极化为0，当像素点中的灰阶值小于选定的灰阶值a时，将该像素点的灰阶值极化为1。例如以灰阶值127为分界点将三张灰阶图像进行极化处理，灰阶值大于127的像素点极化为0，而灰阶值小于127的像素点极化为1，则极化后整张灰阶图像即形成由0和1进行特征描述的二值图。以该设计方式，灰阶图像通过极化处理后形成二值图像，采用二值图来描述第一模型的特征，进一步减少了后期检索过程中数据的处理量，可以有效加快检索的速度。
作为分界点的灰阶值a可以按照以下方式进行选定：以二维图像的整体灰阶值总和的平均值作为分界点的灰阶值a。因而，极化模块1036进一步包括对二维图像的灰阶值进行求平均值。以该设计方式，图像在极化后，无论亮度如何，其形成的二值图像的数据均不会发生变化，排除了亮度对检索结果的影响，有效地提高了检索的精度。或者灰阶值a也可以根据客户需求以及检索的精度来确定。
特征获取单元104在获取与多个第二模型分别对应的第二特征数据包括两种方式：其一为获取预存的第二特征数据，也即该第二特征数据同其对应的第二模型一并存储在三维模型库30中，三维模型检索装置10在检索的过程中，特征获取单元104直接从三维模型库30中直接获取第二特征数据进行比对；其二为获取经过数据转化的第二特征数据，也即在三维模型库中只存储第二模型，不存储和第二模型对应的第二特征数据，三维模型检索装置10在检索的过程中，特征获取单元104间接获取从第二模型经过数据转化过来的第二特征数据。具体的第二种获取方式中的数据转化可以参照本发明第二实施例中的内容。
请参阅图9，在其他一些实施例中，三维模型检索***100进一步包括录入单元107，录入单元107用于在三维模型检索***100完成检索后，具体的可以在特征匹配单元105完成特征数据匹配后，录入单元107自动将第一模型和/或同该第一模型对应的第一特征数据录入到三维模型库30中存储。具体的，当三维模型库30中预存有和第二模型对应的第二特征数据时，录入单元107自动将第一模型以及和该第一模型对应的第一特征数据录入到三维模型库30中存储并自动转换为第二模型的一种以及与该第二模型对应的第二特征数据；当三维模型库30中没有预存和第二模型对应的第二特征数据时，也即只存储有第二模型时，录入单元107自动将第一模型录入到三维模型库30中存储并自动转换为第二模型的一种。以该设计方式，录入单元107的设置可以自动地更新三维模型库 30的存储量，不需要人工进行录入，非常便于操作。可以理解，录入单元107不局限于用在三维模型检索*** 100完成检索后，才自动将第一模型以及和该第一模型对应的第一特征数据录入到三维模型库30中，在三维模型检索***100的特征匹配单元105进行匹配之前，录入单元107完成第一模型的录入也是可以的。需要说明的是，若录入单元107设置于特征匹配单元105进行匹配之前，则输入的第一模型会成为最相近的检索结果在输出单元 106中展示。
请参阅图10，本发明的第二实施例是提供一种三维模型检索***200，三维模型检索***200不同于三维模型检索装置100的地方在于三维模型检索***200除了包括三维模型检索***100，还进一步包括转换单元50a，转换单元50a和三维模型库30连接，该转换单元50a用于对三维模型库30中存储的第二模型进行转化处理以形成描述第二模型的第二特征数据，该设计方式无需在三维模型库30增设存储区域以存储每个第二模型对应的第二特征数据，进一步的，该设计方式使得三维模型检索的过程中操作更具有灵活性。
具体的，转换单元50a包括坐标矫正单元501、二维图像生成单元502以及二维图像处理单元503。三维模型库30中的第二模型依次经过坐标矫正单元501、二维图像生成单元502以及二维图像处理单元503的处理形成描述第二模型的第二特征数据，再将该第二特征数据和需要检索的第一模型的第一特征数据进行匹配即得出检索结果。由于三维模型库30中第二模型的第二特征数据是即时生成，因而无需另设存储区域以存储第二特征数据。
请参阅图11，详细的，二维图像处理单元503包括选择模块5031、选区模块5032、渲染模块5033、缩小模块5034、去色模块5035以及极化模块5036，选择模块 5031、选区模块5032、渲染模块5033、缩小模块5034、去色模块5035以及极化模块5036的操作和前述选择模块 1031、选区模块1032、渲染模块1033、缩小模块1034、去色模块1035以及极化模块1036的操作一致，在此不做赘述。不同的地方在于，选择模块5031在对生成的多张二维图像的选择过程中不是以既定的方式进行选择三张二维图像，而是可以任意选择三张二维图像。该设计方式可以增加操作的灵活性，特别是对于既定的选择方式选择的三张二维图像都没有设计要点的时候，通过转换其他视角的二维图像增加描述第二模型的特征，可以增加检索的精确性。
请参阅图12，本发明的第三实施例是提供一种三维模型检索方法S10，用于对输入的第一模型进行检索，三维模型检索方法S10包括以下步骤：
S101：对输入的第一模型的坐标进行矫正使得该第一模型的重心和坐标轴方向同三维模型检索装置预定的原点和坐标轴一致。
S102：获取第一模型的标准二维图像。
具体地，输入的第一模型可以是三维模型或二维图像，且输入的第一模型可以是一个或者多个，因此，获取的第一模型的标准二维图像可以是一个或多个。
优选地，当输入的第一模型是三维模型时，在对坐标校正后的三维模型按照预定投影方向进行投影，获得多张标准二维图像，并选取其中至少三张作为关联标准二维图像；
当输入的第一模型是二维图像时，且通过输入多张二维图像来获取多张标准二维图像，并选取其中至少三张作为关联标准二维图像。
S103：对获取的第一模型的标准二维图像或关联标准二维图像进行选区处理以框选出具有第一特征数据的区域。
S104：框选的二维图像进行去色处理以获得描述该第一模型的第一特征数据。
S105：获取与多个第二模型分别对应的第二特征数据；
S106：将第一特征数据和第二特征数据分别进行比对，并计算第一特征数据和多个第二特征数据的相似度；以及
S107：输出多个第二模型以及对应的相似度值作为检索结果。
在其他一些实施例中，在步骤S103之后还包括：
S1032：标准化渲染，在选区处理之后，对二维图像进行渲染处理，并对渲染后的二维图像标准化处理，将不同大小的二维图像转化成统一大小的正方形，以加快数据处理速率。
S1033：缩小，在标准化渲染后，对二维图像进行缩小处理，以进一步减少数据处理量。具体的，缩小形成 8x8像素或者16x16像素的二维图像。可以理解，缩小后形成的二维图像不局限为8x8像素或者16x16像素，缩小为其他大小的图像也是可以的。
在步骤S104之后还包括S1041：极化，对去色后的灰阶图像进行极化处理以形成二值图像。
本实施例中提供的三维模型检索方法，输入的第一模型经过一系列处理后，生成的描述第一模型的第一特征数据量较少，可以很快地和模型库中存储的第二模型对应的第二特征数据进行匹配，可以较为快速地获得检索结果，用户体验较佳。
在步骤S104中，获取与多个第二模型分别对应的第二特征数据包括两种方式：其一为获取预存的第二特征数据，也即该第二特征数据同其对应的第二模型是预存的，检索过程中可以直接获取第二特征数据进行比对；其二为获取经过数据转化的第二特征数据，也即和第二模型对应的第二特征数据不是预存的，需要将第二模型经过数据转换得来。
在其他一些实施例中，三维模型检索方法进一步包括以下步骤：将获得的第一特征数据和第二特征数据进行比对之前或之后，将输入的第一模型和\或同该第一模型对应的第一特征数据存储。具体的，当第二特征数据同其对应的第二模型是预存的时，录入单元自动将第一模型以及和该第一模型对应的第一特征数据录入存储；当三维模型库中没有预存和第二模型对应的第二特征数据时，也即第二模型对应的第二特征数据不是预存的，需要将第二模型经过数据转换得来时，录入单元自动将第一模型录入存储。
请参阅图13，本发明的第四实施例是提供一种三维模型检索方法S20，三维模型检索方法S20不同于第三实施例中三维模型检索方法S10的地方在于：
三维模型检索方法S20除了包括三维模型检索方法 S10的步骤外，进一步包括以下步骤S201－S202：
S201：从三维模型库中调取第二模型；以及
S202：将第二模型经过数据转化形成第二特征数据。
具体的，将第二模型经过数据转化形成第二特征数据的步骤S202具体包括以下步骤S2021－S2023：
S2021：对获取的第二模型的坐标进行矫正使得该第二模型的重心和坐标轴方向同三维模型检索装置预定的原点和坐标轴一致；
S2022：按照预定投影方向对第二模型进行投影，获得多张标准二维图像；
S2023：获取第二模型的标准二维图像或关联标准二维图像。
具体地，对数据库中的第二模型进行坐标校正，该坐标校正方法可以与第一模型的坐标校正方法相同。对坐标校正后的第二模型按照预定投影方向进行投影，获得多张标准二维图像，并选取其中至少三张作为关联标准二维图像。
S2024：对获取第二模型的标准二维图像或关联标准二维图像，进行去色处理以获得描述该第二模型的第二特征数据。
具体地，对获得的第二模型的标准二维图像或关联标准二维图像进行去色处理以获得描述该第二模型的第二特征数据，并将第二特征数据存储于三维模型库30中，以便与第一特征数据作对比和调用。
在其他一些实施例中，三维模型检索方法S20进一步包括以下步骤：在步骤S2023之后还包括步骤
S20231：对获取的第二模型的标准二维图像或关联标准二维图像进行选区处理以框选出具有第二特征数据的区域。
S20232：渲染，在选区处理之后，对二维图像进行渲染处理以使得二维图像的对比特征更为明显。
S20233：缩小，在渲染处理后，对二维图像进行缩小处理，以进一步减少数据处理量。具体的，缩小形成8x8 像素或者16x16像素的二维图像。可以理解，缩小后形成的二维图像不局限为8x8像素或者16x16像素，缩小为其他大小的图像也是可以的。
在步骤S2024之后还包括步骤S20241：
S20241：极化，对去色后的灰阶图像进行极化处理以形成二值图像。
本发明的第五实施例提供一种计算机可读的存储介质，其用于存储三维模型检索的计算机程序以对输入的第一模型进行检索，计算机程序执行以下步骤：
S101：对输入的第一模型的坐标进行矫正使得该第一模型的重心和坐标轴方向同三维模型检索装置预定的原点和坐标轴一致。
S102：获取第一模型的标准二维图像或关联标准二维图像。
S103：对获取的第一模型的标准二维图像或关联标准二维图像进行选区处理以框选出具有第一特征数据的区域。
S104：框选的二维图像进行去色处理以获得描述该第一模型的第一特征数据。
S105：获取与多个第二模型分别对应的第二特征数据；
S106：将第一特征数据和第二特征数据分别进行比对，并计算第一特征数据和多个第二特征数据的相似度；以及
S107：输出多个第二模型以及对应的相似度值作为检索结果。
一般计算机可读取介质的形式包含：软盘(floppy disk)、可挠性盘片(flexibledisk)、硬盘、磁带、任何其余的磁性介质、CD－ROM、任何其余的光学介质、打孔卡片 (punchcards)、纸带(paper tape)、任何其余的带有洞的图案的物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)、可抹除可编程只读存储器(EPROM)、快闪可抹除可编程只读存储器(FLASH－EPROM)、其余任何存储器芯片或卡匣(cartridge)、或任何其余可让计算机读取的介质。指令可进一步被一传输介质所传送或接收。“传输介质”这个术语可包含任何有形或无形的介质，其可用来存储、编码或承载用来给机器执行的指令，并且包含数字或模拟通信信号或其余促进上述指令的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤，其包含了用来传输一计算机数据信号的总线的导线。
与现有设计相比，本发明所提供的提供的三维模型检索装置具有以下优点：
通过输入的第一模型依次通过坐标矫正单元、二维图像生成单元、二维图像处理单元的处理，能够有效减少第一模型检索过程中处理的数据量，使得检索较为快速，用户体验较佳。
本发明提供的三维模型检索***、三维模型检索方法以及计算机可读的存储介质具有与本发明所提供的三维模型检索装置具有相同的有益效果，在此不做赘述。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内所作的任何修改，等同替换和改进等均应包含本发明的保护范围之内。
Claims (11)
1.一种三维模型检索装置，其用于对输入的第一模型进行检索，以匹配对应的第二模型，其特征在于，所述三维模型检索装置包括：
坐标矫正单元，其对第一模型进行坐标矫正，使得该第一模型的重心和坐标轴方向同三维模型检索装置预定的原点和坐标轴方向一致；
二维图像生成单元，用于获取完成坐标校正的第一模型的标准二维图像；
二维图像处理单元，对第一模型的标准二维图像进行选区和去色处理，获得描述该第一模型的第一特征数据；
特征获取单元，用于获取与多个第二模型分别对应的第二特征数据；
特征匹配单元，其将第一特征数据和多个第二特征数据分别进行比对并计算第一特征数据和每个第二特征数据的相似度值；以及
输出单元，其输出多个第二模型以及对应的相似度值作为检索结果；所述第二模型为三维模型。
2.如权利要求1所述的三维模型检索装置，其特征在于：所述二维图像处理单元包括选择模块，当所述第一模型形成多张标准二维图像时，所述选择模块在第一模型所形成的多张标准二维图像中选取具有关联关系的至少三张标准二维图像，并对所选择的至少三张标准二维图像进行二维图像处理以获得描述该第一模型的第一特征数据。
3.如权利要求1所述的三维模型检索装置，其特征在于：所述二维图像处理单元进一步包括渲染模块，所述渲染模块对选区模块框选后的二维图像进行渲染转换成正方形的二维图像。
4.如权利要求3所述的三维模型检索装置，其特征在于：所述二维图像处理单元进一步包括缩小模块，所述缩小模块对所述渲染后的二维图像进行缩小操作。
5.如权利要求1所述的三维模型检索装置，其特征在于：所述二维图像处理单元进一步包括极化模块，所述极化模块用以对去色处理后的灰阶图像以预定的灰阶值为分界点将所述二维图像极化为二值图像。
6.一种三维模型检索***，其特征在于：所述三维模型检索***采用如权利要求1－5任一项所述的三维模型检索装置。
7.如权利要求6所述的三维模型检索***，其特征在于：所述三维模型检索***进一步包括三维模型库，所述三维模型库中存储了多个第二模型和/或同所述第二模型对应的第二特征数据。
8.如权利要求7所述的三维模型检索***，其特征在于：所述三维模型检索***进一步包括录入单元，所述录入单元在三维模型库存储有多个第二模型和第二特征数据时，录入单元将第一模型和其对应的第一特征数据录入到三维模型库中；所述录入单元在三维模型库只存储有第二模型时，录入单元将第一模型录入到三维模型库中。
9.如权利要求8所述的三维模型检索***，其特征在于：所述三维模型检索***进一步包括转换单元，所述转换单元分别和三维模型库以及三维模型检索装置连接，在三维模型库只存储有第二模型时，所述转换单元用于将三维模型库中的第二模型转换形成描述该第二模型的第二特征数据。
10.一种三维模型检索方法，用于对输入的第一模型进行检索，其特征在于，所述三维模型检索方法包括以下步骤：
S101：对输入的第一模型的坐标进行矫正使得该第一模型的重心和坐标轴方向同三维模型检索装置预定的原点和坐标轴一致；
S102：获取第一模型标准二维图像；
S103：对获取的第一模型的标准二维图像或关联标准二维图像进行选区处理以框选出具有第一特征数据的区域；
S104：框选的二维图像进行去色处理以获得描述该第一模型的第一特征数据；
S105：获取与多个第二模型分别对应的第二特征数据；
S106：将第一特征数据和第二特征数据分别进行比对，并计算第一特征数据和多个第二特征数据的相似度；以及
S107：输出多个第二模型以及对应的相似度值作为检索结果。
11.一种计算机可读的存储介质，其用于存储三维模型检索的计算机程序以对输入的第一模型进行检索，其特征在于：所述计算机程序执行以下步骤：
S101：对输入的第一模型的坐标进行矫正使得该第一模型的重心和坐标轴方向同三维模型检索装置预定的原点和坐标轴一致；
S102：获取第一模型的标准二维图像；
S103：对获取的第一模型的标准二维图像或关联标准二维图像进行选区处理以框选出具有第一特征数据的区域；
S104：框选的二维图像进行去色处理以获得描述该第一模型的第一特征数据；
S105：获取与多个第二模型分别对应的第二特征数据；
S106：将第一特征数据和第二特征数据分别进行比对，并计算第一特征数据和多个第二特征数据的相似度；以及
S107：输出多个第二模型以及对应的相似度值作为检索结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710824563.6A CN110019901A (zh) | 2017-09-13 | 2017-09-13 | 三维模型检索装置、检索***、检索方法及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710824563.6A CN110019901A (zh) | 2017-09-13 | 2017-09-13 | 三维模型检索装置、检索***、检索方法及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110019901A true CN110019901A (zh) | 2019-07-16 |
Family
ID=67186294
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710824563.6A Pending CN110019901A (zh) | 2017-09-13 | 2017-09-13 | 三维模型检索装置、检索***、检索方法及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110019901A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111161399A (zh) * | 2019-12-10 | 2020-05-15 | 盎锐(深圳)信息科技有限公司 | 基于二维影像生成三维模型的数据处理方法及组件 |
| CN112100231A (zh) * | 2020-07-17 | 2020-12-18 | 四川长宁天然气开发有限责任公司 | 页岩气地面工程实体信息和数字化模型的关联方法及*** |
| CN117745955A (zh) * | 2024-02-20 | 2024-03-22 | 北京飞渡科技股份有限公司 | 基于建筑基底矢量数据生成城市建筑场景的方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101350016A (zh) * | 2007-07-20 | 2009-01-21 | 富士通株式会社 | 三维模型检索装置及方法 |
| CN101458714A (zh) * | 2008-12-30 | 2009-06-17 | 清华大学 | 一种基于精确测地线的三维模型检索方法 |
| CN102375831A (zh) * | 2010-08-13 | 2012-03-14 | 富士通株式会社 | 三维模型检索装置及其方法和模型库生成装置及其方法 |
| JP2015201151A (ja) * | 2014-04-04 | 2015-11-12 | 国立大学法人豊橋技術科学大学 | 三次元モデル検索システム、及び三次元モデル検索方法 |
-
2017
- 2017-09-13 CN CN201710824563.6A patent/CN110019901A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101350016A (zh) * | 2007-07-20 | 2009-01-21 | 富士通株式会社 | 三维模型检索装置及方法 |
| CN101458714A (zh) * | 2008-12-30 | 2009-06-17 | 清华大学 | 一种基于精确测地线的三维模型检索方法 |
| CN102375831A (zh) * | 2010-08-13 | 2012-03-14 | 富士通株式会社 | 三维模型检索装置及其方法和模型库生成装置及其方法 |
| JP2015201151A (ja) * | 2014-04-04 | 2015-11-12 | 国立大学法人豊橋技術科学大学 | 三次元モデル検索システム、及び三次元モデル検索方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111161399A (zh) * | 2019-12-10 | 2020-05-15 | 盎锐(深圳)信息科技有限公司 | 基于二维影像生成三维模型的数据处理方法及组件 |
| CN111161399B (zh) * | 2019-12-10 | 2024-04-19 | 上海青燕和示科技有限公司 | 基于二维影像生成三维模型的数据处理方法及组件 |
| CN112100231A (zh) * | 2020-07-17 | 2020-12-18 | 四川长宁天然气开发有限责任公司 | 页岩气地面工程实体信息和数字化模型的关联方法及*** |
| CN112100231B (zh) * | 2020-07-17 | 2023-10-13 | 四川长宁天然气开发有限责任公司 | 页岩气地面工程实体信息和数字化模型的关联方法及*** |
| CN117745955A (zh) * | 2024-02-20 | 2024-03-22 | 北京飞渡科技股份有限公司 | 基于建筑基底矢量数据生成城市建筑场景的方法及装置 |
| CN117745955B (zh) * | 2024-02-20 | 2024-05-07 | 北京飞渡科技股份有限公司 | 基于建筑基底矢量数据生成城市建筑场景的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108509848B (zh) | 三维物体的实时检测方法及*** | |
| US10049308B1 (en) | Synthesizing training data | |
| CN109870983B (zh) | 处理托盘堆垛图像的方法、装置及用于仓储拣货的*** | |
| CN108121997A (zh) | 使用机器学习模型的图像数据中的对象分类 | |
| CN105144239B (zh) | 图像处理装置、图像处理方法 | |
| Mian et al. | Three-dimensional model-based object recognition and segmentation in cluttered scenes | |
| CN108122239A (zh) | 使用深度分割的图像数据中的对象检测 | |
| US9349076B1 (en) | Template-based target object detection in an image | |
| CN109960742B (zh) | 局部信息的搜索方法及装置 | |
| CN205721777U (zh) | 视觉搜索设备和*** | |
| CN109977983B (zh) | 获得训练图像的方法及装置 | |
| CN111680678B (zh) | 目标区域识别方法、装置、设备及可读存储介质 | |
| CN109948497A (zh) | 一种物体检测方法、装置及电子设备 | |
| TW202207077A (zh) | 一種文本區域的定位方法及裝置 | |
| CN111462120A (zh) | 一种基于语义分割模型缺陷检测方法、装置、介质及设备 | |
| Biasotti et al. | SHREC’14 track: Retrieval and classification on textured 3D models | |
| CN104915673A (zh) | 一种基于视觉词袋模型的目标分类方法和*** | |
| AU2018202767A1 (en) | Data structure and algorithm for tag less search and svg retrieval | |
| CN112927353A (zh) | 基于二维目标检测和模型对齐的三维场景重建方法、存储介质及终端 | |
| JP2002288687A (ja) | 特徴量算出装置および方法 | |
| CN110019901A (zh) | 三维模型检索装置、检索***、检索方法及计算机可读存储介质 | |
| CN111507357A (zh) | 一种缺陷检测语义分割模型建模方法、装置、介质及设备 | |
| CN109740674A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
| KR102421604B1 (ko) | 이미지 처리 방법, 장치 및 전자 기기 | |
| CN110147460B (zh) | 基于卷积神经网络与多视角图的三维模型检索方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190716 |
|
| RJ01 | Rejection of invention patent application after publication |