CN114373032A - 基于等高线骨架的三维网格变形方法及相关装置 - Google Patents
基于等高线骨架的三维网格变形方法及相关装置 Download PDFInfo
- Publication number
- CN114373032A CN114373032A CN202210028349.0A CN202210028349A CN114373032A CN 114373032 A CN114373032 A CN 114373032A CN 202210028349 A CN202210028349 A CN 202210028349A CN 114373032 A CN114373032 A CN 114373032A
- Authority
- CN
- China
- Prior art keywords
- contour
- dimensional
- model
- skeleton
- contour line
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Image Analysis (AREA)
Abstract
本申请适用于计算机领域,提供了一种基于等高线骨架的三维网格变形方法及相关装置,包括:构造三维网格模型的拉普拉斯矩阵;运用所述拉普拉斯矩阵的特征向量重构获得所述三维网格模型的特征骨架;基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架,其中所述等高线上的某个特征值相等;对所述等高线骨架进行交互式编辑,基于所述三维网格模型与所述等高线骨架的差值对所述等高线骨架进行优化得到目标三维网格模型,本申请既能保留更多的三维网格模型的基本特征又可以舍弃部分网格细节,使骨架模型在视觉上更接近原始网格模型,且三角面片基本坍缩到一条线上,结构更加紧凑。
Description
技术领域
本申请属于计算机领域,尤其涉及一种基于等高线骨架的三维网格变形方法及相关装置。
背景技术
三维网格模型变形(也称三维网格编辑)被广泛应用于到工业实际、动画制作和游戏开发等领域。三维网格变形方法主要分为基于骨骼蒙皮的变形方法、基于表面的网格编辑方法和基于空间的网格编辑方法三类。基于表面的网格编辑方法又可以细分为多分辨率变形、基于微分坐标变形等。
现有的处理方法在三维网格变形时,大角度变形会导致靠近边缘部分的网格的不平滑,使得重构后的网络模型无法保持原网络模型的轮廓特征。通过特征基重构的网格模型更好的保持了原网格模型的轮廓特征,随着特征基采样数量的增加,重构的网格模型能够趋近于原模型。但在重构的过程中使用的特征值越少,得到的模型的细节就越少,盲目的减少特征向量,特征值少到不足以编码网格的基本特征,会使得重构后的骨架不符合图形的基本特征。
发明内容
本申请的目的在于提供一种基于等高线骨架的三维网格变形方法及相关装置,旨在解决现有技术中盲目的减少特征向量导致重构后的骨架不符合图形的基本特征的技术问题。
本申请第一方面提供一种基于等高线骨架的三维网格变形方法,包括:
构造三维网格模型的拉普拉斯矩阵;
运用所述拉普拉斯矩阵的特征向量重构获得所述三维网格模型的特征骨架;
基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架,其中所述等高线上的某个特征值相等;
对所述等高线骨架进行交互式编辑,基于所述三维网格模型与所述等高线骨架的差值对所述等高线骨架进行优化得到目标三维网格模型。
可选地,所述运用所述拉普拉斯矩阵的特征向量重构所述三维网格模型的特征骨架包括:
对所述拉普拉斯矩阵进行特征分解,得到所述三维网格模型的特征向量;
提取所述三维网格模型的特征向量,得到前k个向量;
基于所述前k个特征向量对所述三维网格模型进行重构,得到重构的三维网格模型顶点的坐标。
可选地,所述等高线上的某个特征值为所述三维网格模型顶点的坐标的x轴分量、y轴分量或z轴分量中的一种。
可选地,所述基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架包括:
基于等高线生成算法在所述三维网格模型上生成一组等高线;
获取所述三维网格模型中的三角面片的一个顶点;
确定所述三维网格模型的三角面片的一条边上的一个插值点;
进一步确定所述三角面片的另外两条边上的另一个等值点,其中所述等高线为一闭合的曲线,所述等高线与所述三角面片存在两个交点。
可选地,所述基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架还包括:
将所述三维网格模型的拉普拉斯矩阵的第一个非零向量作为等值标量;
根据所述三维网格模型的拉普拉斯矩阵的等值标量计算出所述三维网格模型的等高线图像;
将所述等高线图形中的等高线和所述三角面片的顶点相对应,得到基于等高线分组的三维网格模型的顶点;
根据所述分组对所述三维网格模型的拉普拉斯矩阵的特征向量的分量进行平均化。
可选地,所述将所述三维网格模型的等高线和所述三角面片的顶点相对应,得到基于等高线分组的三维网格模型的顶点,包括:
任取一组等高线上的一个等高点;
判断所述等高点是否在所述三角面片的边上;
若所述等高点在所述三角面片的边上,则将所述顶点添加到Groupn;
取所述等高点的下一个临界点,并将所述临界点所在的边的顶点添加到Groupn,直到遍历完所述等高线上的所有等高点。
可选地,所述将所述三维网格模型的等高线和所述三角面片的顶点相对应,得到基于等高线分组的三维网格模型的顶点,还包括:
另取一组等高线,添加所述顶点时判断所述顶点是否已经存在对应的等高线;
若所述顶点已经存在对应的等高线,则判断所述顶点与两条所述等高线的距离;
若所述顶点与所述另取一组等高线的距离更近,则将所述顶点从Groupn中删除,添加到所述另取一组等高线对应的Groupn+1中。
本申请第二方面提供一种基于等高线骨架的三维网格变形装置,包括:
矩阵构造单元,用于构造三维网格模型的拉普拉斯矩阵;
骨架重构单元,用于运用所述拉普拉斯矩阵的特征向量重构获得所述三维网格模型的特征骨架;
分组优化单元,用于基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架,其中所述等高线上的某个特征值相等;
编辑处理单元,用于对所述等高线骨架进行交互式编辑,基于所述三维网格模型与所述等高线骨架的差值对所述等高线骨架进行优化得到目标三维网格模型。
本申请第三方面提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行使得所述处理器执行如上述所述的基于等高线骨架的三维网格变形方法的步骤。
本申请第四方面提供一种计算机设备,存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如上述所述的基于等高线骨架的三维网格变形方法的步骤。
本申请提供的基于等高线骨架的三维网格变形方法,通过采用所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架,其中所述等高线上的某个特征值相等;然后对所述等高线骨架进行交互式编辑,基于所述三维网格模型与所述等高线骨架的差值对所述等高线骨架进行优化得到目标三维网格模型,既能保留更多的三维网格模型的基本特征又可以舍弃部分网格细节,使骨架模型在视觉上更接近原始网格模型,且三角面片基本坍缩到一条线上,结构更加紧凑。
附图说明
图1是本申请基于等高线骨架的三维网格变形方法的一个实施例的流程示意图;
图2是本申请中重构特征骨架的一个实施例的流程示意图;
图3是本申请中得到等高线骨架的一个实施例中的流程示意图;
图4是本申请中得到等高线骨架的另一个实施例的流程示意图;
图5是本申请中对模型的顶点按照等高线分组的一个实施例的流程示意图;
图6是本申请中对模型的顶点按照等高线分组的另一个实施例的流程示意图;
图7是本申请中对模型的顶点按照等高线分组的另一个实施例的流程示意图;
图8是本申请用不同特征向量对三维网格模型重构的一个实施例的结果图;
图9是本申请基于等高线构造的一个实施例的等高线骨架图;
图10是本申请基于等高线构造的另一个实施例的等高线骨架图;
图11是本申请的一个实施例优化后的等高线骨架模型图;
图12是本申请实施例提供的基于等高线骨架的三维网格变形装置结构示意图;
图13是本申请实施例提供的计算机设备的结构示意图;
图14是本申请实施例提供的服务器的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。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。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本技术领域技术人员可以理解,这里所使用的“设备”既包括无线信号接收器的设备,其仅具备无发射能力的发射信号接收器的设备,又包括发射和接收硬件的设备,其具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备;PCS(Personal Communications Service,个人通信***),其可以组合语音、数据处理、传真和/或数据通信能力;PDA(Personal Digital Assistant,个人数字助理),其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System,全球定位***)接收器;常规掌上型计算机或其他设备,其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。
如图1所示,为基于等高线骨架的三维网格变形方法的一个实施例流程示意图。
本申请的技术方案针对三维网格模型的重构和变形,其中,所述三维网格模型存储在数据库中,三维网格模型的重构一般是基于骨架获取三维网格模型的主要特征,重构后使得骨架特征符合实时获取的三维网格模型的变形需求,然后对重构后的骨架进行填充和编辑,得到变形后的三维网格模型。
在本实施例中,所述基于等高线骨架的三维网格变形方法包括:
S1000、构造三维网格模型的拉普拉斯矩阵;
首先获取三维网格模型,此处的三维网格模型来源于存储在数据库中的三维网格模型,获取三维网格模型后,对三维网格模型进行分析并提取其特征向量,构造所述三维网格模型的拉普拉斯矩阵,其中,所述拉普拉斯矩阵采用余切权重构造。
S2000、运用所述拉普拉斯矩阵的特征向量重构获得所述三维网格模型的特征骨架;
在本实施例中,构造完所述拉普拉斯矩阵后,对所述拉普拉斯矩阵进行特征分解,基于特征向量进行重构,得到重构后的所述三维网格模型的网格顶点的坐标。
其中,所述特征向量以及特征值编码的低频信号主要记录了网格的整体特征,而部分被舍弃的特征向量使得重构后的特征骨架与原始的三维网格模型存在不一致的特征。
S3000、基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架,其中所述等高线上的某个特征值相等;
所述三维网格模型也可以称为三角网格模型,其是由多个三角形的表面组成的网络模型,其中的三角形的表面也可以称为三角面片。
本实施例中,基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,此处的目的是首先采用比较少的特征向量对三维网格模型进行重构,使得特征骨架能够充分的保留所述三维网格模型的基本特征,然后再采用其他方式对得到的特征骨架进一步优化,得到一个更理想的特征骨架。
本实施例采用三角网格等高线生成算法,也可以称为三角网格等值线生成算法,在三维网格模型上生成一组等高线,这组等高线上的点的某个特征值相等。其中,所述相等的特征值取决于构造等高线时所采用的标量值列表,所述特征值可以是原始的三维网格模型的顶点坐标的x轴分量、y轴分量或z轴分量中的一种,也可以是其中的某个特征值的分量。
通过构建等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架,也就是上述所述的更理想的特征骨架。
S4000、对所述等高线骨架进行交互式编辑,基于所述三维网格模型与所述等高线骨架的差值对所述等高线骨架进行优化得到目标三维网格模型。
本实施例中得到等高线骨架之后,可以利用unity3d对骨架进行交互式编辑,并将网格的细节(原始网格与骨架的差)恢复到等高线骨架上,得到目标三维网格模型。
本申请实施例通过采用所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架,其中所述等高线上的某个特征值相等;然后对所述等高线骨架进行交互式编辑,基于所述三维网格模型与所述等高线骨架的差值对所述等高线骨架进行优化得到目标三维网格模型,既能保留更多的三维网格模型的基本特征又可以舍弃部分网格细节,使骨架模型在视觉上更接近原始网格模型,且三角面片基本坍缩到一条线,结构更加紧凑。
如图2所述,为本申请中重构特征骨架的一个实施例的流程示意图。
在本实施例中,所述运用所述拉普拉斯矩阵的特征向量重构所述三维网格模型的特征骨架包括:
S2100、对所述拉普拉斯矩阵进行特征分解,得到所述三维网格模型的特征向量;
S2200、提取所述三维网格模型的特征向量,得到前k个向量;
S2300、基于所述前k个特征向量对所述三维网格模型进行重构,得到重构的三维网格模型顶点的坐标。
首先计算所述三维网格模型的拉普拉斯矩阵,其中所述三维网格模型的拉普拉斯矩阵定义为L=D-1W。本实施例中采用余切权重构造网格的拉普拉斯矩阵,权重矩阵W的构造方式为:
D为对角矩阵,D=diag(a0,a1,…,an-1),ai表示第i个顶点的Voronoi面积。
构造完拉普拉斯矩阵后,对所述拉普拉斯矩阵L进行特征分解,提取所述三维网格模型的特征向量,利用前k个特征向量进行重构,得到重构的三维网格模型顶点的坐标。
进一步结合图8所示,图8中的(a)为原始的三维网格模型,该模型共有7056个顶点,图8中的(b)、(c)、(d)分别是用6个、10个、15个特征向量对原始的三维网格模型进行重构的结果。
若使用三个特征值和特征向量进行重构,就会使得重构后的特征骨架与原始的三维网格模型的差距变大。因为前几个特征值编码的频率震荡幅度已经很少,前几个特征值编码的低频信号更主要的是记录原始三维网格模型的整体特征,舍弃部分特征向量使得重构后的特征骨架与原始的三维网格模型的特征不一致。
因此,在本申请中通常采用6-15个特征向量对原始的三维网格模型进行重构,使得重构后的特征骨架能够充分的保留三维网格模型的基本特征,然后对特征骨架进一步优化,得到更理想的特征骨架。
本申请实施例提取所述三维网格模型的特征向量,基于所述前k个特征向量对所述三维网格模型进行重构,得到重构的三维网格模型顶点的坐标,其中特征向量的数值一般为6-15个,本申请实施例得到的特征骨架既能够保持原始的三维网格模型的基本特征,也不会盲目的减少特征向量导致重构后的特征骨架与原始的三维网格模型存在较大的差别,同时,在其重构过程中不会采用过多的特征向量计算,有效提高了三维网格变形的效率。
如图3所示,为本申请中得到等高线骨架的一个实施例中的流程示意图。
在本实施例中,所述基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架包括:
S3100、基于等高线生成算法在所述三维网格模型上生成一组等高线;
S3200、获取所述三维网格模型中的三角面片的一个顶点;
S3300、确定所述三维网格模型的三角面片的一条边上的一个插值点;
S3400、进一步确定所述三角面片的另外两条边上的另一个等值点,其中所述等高线为一闭合的曲线,所述等高线与所述三角面片存在两个交点。
本实施例中首先采用等高线生成算法在所述三维网格模型上生成一组等高线,其中等高线的绘制方法根据等高线算法构造方式的不同可以分为插值法和曲线拟合法。
由于所述三维网格的顶点大部分情况下都不会跟等高线上的等值点重合,因此需要相似三角面片的边上寻找插值等值点。
获取所述三维网格模型中的三角面片的一个顶点,该顶点满足(zd-za)(zd-zb)<0,其中zd表示等高线的值,za和zb表示一个三角形中的两顶点的z值,若满足上述不等式,则表示在三角形边(a,b)一定可以找到一个插值点使得他的值等于等高线的值,其在三维笛卡尔坐标系下的位置为:
v=va+(vb-va)(zd-za)/(zb-za)
所述等高线为以闭合的曲线,其与三角面片一定存在两个交点,因此如果三角形的一条边上存在一个等高线插值,则在三角形的另外两条边上可以找到另一个等值点。
结合图9所示,图9为本实施例使用的igl图形库提供了一个等高线构造函数,计算出的30条等高线图像。
进一步结合图4所示,所述基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架还包括:
S3500、将所述三维网格模型的拉普拉斯矩阵的第一个非零向量作为等值标量;
S3600、根据所述三维网格模型的拉普拉斯矩阵的等值标量计算出所述三维网格模型的等高线图像;
S3700、将所述等高线图形中的等高线和所述三角面片的顶点相对应,得到基于等高线分组的三维网格模型的顶点;
S3800、根据所述分组对所述三维网格模型的拉普拉斯矩阵的特征向量的分量进行平均化。
本实施例中,把所述三维网格模型的拉普拉斯矩阵的第一个非零向量作为等值标量,把每一条等高线和每一个顶点对应起来,一个点只对应一条等高线,并且是对应到距离他平面距离最近的等高线,从而可以把三维网格的顶点按照等高线分成若干组。
进一步地,把所述三维网格模型的拉普拉斯矩阵的特征向量的分量按照分组进行平均化,即:
ui,k=ti,j,k∈Groupj
如图5所示,为本申请中对模型的顶点按照等高线分组的一个实施例的流程示意图。
在本实施例中,所述将所述三维网格模型的等高线和所述三角面片的顶点相对应,得到基于等高线分组的三维网格模型的顶点,包括:
S3710、任取一组等高线上的一个等高点;
S3720、判断所述等高点是否在所述三角面片的边上;
S3730、若所述等高点在所述三角面片的边上,则将所述顶点添加到Groupn;
S3740、取所述等高点的下一个临界点,并将所述临界点所在的边的顶点添加到Groupn,直到遍历完所述等高线上的所有等高点。
进一步地,所述将所述三维网格模型的等高线和所述三角面片的顶点相对应,得到基于等高线分组的三维网格模型的顶点,还包括:
S3750、另取一组等高线,添加所述顶点时判断所述顶点是否已经存在对应的等高线;
S3760、若所述顶点已经存在对应的等高线,则判断所述顶点与两条所述等高线的距离;
S3770、若所述顶点与所述另取一组等高线的距离更近,则将所述顶点从Groupn中删除,添加到所述另取一组等高线对应的Groupn+1中。
结合图7所示,图7为确定对应点的每组等高线对应的网格顶点的算法。
具体地,任取一组等高线上的一个等高点a,若该a点在三角面片的边(i,j)上,那么将顶点vi、vj添加到Groupn,然后取a的下一个临界等高点b,将点b所在边的顶点添加到Groupn,一直遍历该条等高线上的所有等高点,将所有的等高点所在的边两端的顶点添加到Groupn。
另取一组等高线,重复上述步骤,本次的步骤将对应的顶点添加到Groupn+1中,且在添加时判断等高线所在的边的顶点是否已经存在对应的等高线,若存在,则需要判断该顶点与两条等高线的距离,若距离当前等高线更近,则将所述顶点从原来对应Groupn中删除,将其添加到当前对应的Groupn+1中,重复上述步骤,直到所有的等高线都遍历完为止。
其中,按照图信号重构的公式为:
此处将基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的骨架称为等高线骨架。
如图10所示,图10中的(a)为原始的三维网格模型,图10中的(b)为基于所述三维网络模型的等高线对所述特征骨架进行分组和优化得到的等高线骨架,因为每一组网格顶点对应的特征向量的分量都相等,使得重构之后的三维网格更加简化,且保留了更多的特征。
如图11所示,图11中的(a)为原始的骆驼骨架模型,图10中的(b)为优化后的骆驼骨架模型,从图中可以看出优化后的骆驼骨架模型相比于特征骨架既能保留更多原始的骆驼骨架模型的基本特征,又可以舍弃更多的网格细节,使得骨架模型在视觉上更接近原始三维网格模型。
本申请实施例提供的基于等高线的三维网格变形方法能保留更多原始骨架模型的基本特征,又可以舍弃更多的网格细节,且其不会盲目的减少特征向量,使得骨架模型在视觉上更接近原始三维网格模型,结构也更加紧凑。
如图12所示,为申请实施例提供的基于等高线骨架的三维网格变形装置结构示意图。
在本实施例中,所述基于等高线骨架的三维网格变形装置,包括:
矩阵构造单元,用于构造三维网格模型的拉普拉斯矩阵;
骨架重构单元,用于运用所述拉普拉斯矩阵的特征向量重构获得所述三维网格模型的特征骨架;
分组优化单元,用于基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架,其中所述等高线上的某个特征值相等;
编辑处理单元,用于对所述等高线骨架进行交互式编辑,基于所述三维网格模型与所述等高线骨架的差值对所述等高线骨架进行优化得到目标三维网格模型。
由于上述基于等高线骨架的三维网格变形装置是基于等高线骨架的三维网格变形方法一一对应的装置,其实现原理与基于等高线骨架的三维网格变形方法一样,此处不再赘述。
本实施例中,请参阅图13,提供了计算机设备基本结构框图。
该计算机设备包括通过***总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作***、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种基于等高线骨架的三维网格变形方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种基于等高线骨架的三维网格变形方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
处理器可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-ProgrammableGate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1001也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central Processing Unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器1001还可以包括AI(ArtificialIntelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
本申请还提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述任一实施例所述基于等高线骨架的三维网格变形方法。
存储器可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器所执行以实现本申请中方法实施例提供的基于等高线骨架的三维网格变形方法。
如图14示出了本申请一个实施例提供的服务器的结构示意图。该服务器用于实施上述实施例中提供的基于等高线骨架的三维网格变形方法。具体来讲:
所述服务器包括中央处理单元(CPU)、包括随机存取存储器(RAM)和只读存储器(ROM)的***存储器,以及连接***存储器和中央处理单元的***总线。所述服务器还包括帮助计算机内的各个器件之间传输信息的基本输入/输出***(I/O***),和用于存储操作***、应用程序和其他程序模块的大容量存储设备。
所述基本输入/输出***包括有用于显示信息的显示器和用于用户输入信息的诸如鼠标、键盘之类的输入设备。其中所述显示器和输入设备都通过连接到***总线的输入输出控制器连接到中央处理单元。所述基本输入/输出***还可以包括输入输出控制器以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。
所述大容量存储设备通过连接到***总线的大容量存储控制器(未示出)连接到中央处理单元。所述大容量存储设备及其相关联的计算机可读介质为服务器提供非易失性存储。也就是说,所述大容量存储设备可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的***存储器和大容量存储设备可以统称为存储器。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)和计算机程序产品的流程图和/或方框图中的流程和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图中的一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
另外,在本发明各个实施例中的各功能装置可以集成在相同数据处理装置中,也可以是各个装置单独物理存在,也可以两个或两个以上装置集成在相同装置中。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他装置或步骤,单数不排除复数。计算机装置权利要求中陈述的多个装置或计算机装置也可以由同一个计算机装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内所作的任何修改、等同替换或改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于等高线骨架的三维网格变形方法,其特征在于,包括:
构造三维网格模型的拉普拉斯矩阵;
运用所述拉普拉斯矩阵的特征向量重构获得所述三维网格模型的特征骨架;
基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架,其中所述等高线上的某个特征值相等;
对所述等高线骨架进行交互式编辑,基于所述三维网格模型与所述等高线骨架的差值对所述等高线骨架进行优化得到目标三维网格模型。
2.如权利要求1所述的基于等高线骨架的三维网格变形方法,其特征在于,所述运用所述拉普拉斯矩阵的特征向量重构所述三维网格模型的特征骨架包括:
对所述拉普拉斯矩阵进行特征分解,得到所述三维网格模型的特征向量;
提取所述三维网格模型的特征向量,得到前k个向量;
基于所述前k个特征向量对所述三维网格模型进行重构,得到重构的三维网格模型顶点的坐标。
3.如权利要求1所述的基于等高线骨架的三维网格模型变形方法,其特征在于,所述等高线上的某个特征值为所述三维网格模型顶点的坐标的x轴分量、y轴分量或z轴分量中的一种。
4.如权利要求1所述的基于等高线骨架的三维网格模型变形方法,其特征在于,所述基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架包括:
基于等高线生成算法在所述三维网格模型上生成一组等高线;
获取所述三维网格模型中的三角面片的一个顶点;
确定所述三维网格模型的三角面片的一条边上的一个插值点;
进一步确定所述三角面片的另外两条边上的另一个等值点,其中所述等高线为一闭合的曲线,所述等高线与所述三角面片存在两个交点。
5.如权利要求4所述的基于等高线骨架的三维网格模型变形方法,其特征在于,所述基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架还包括:
将所述三维网格模型的拉普拉斯矩阵的第一个非零向量作为等值标量;
根据所述三维网格模型的拉普拉斯矩阵的等值标量计算出所述三维网格模型的等高线图像;
将所述等高线图形中的等高线和所述三角面片的顶点相对应,得到基于等高线分组的三维网格模型的顶点;
根据所述分组对所述三维网格模型的拉普拉斯矩阵的特征向量的分量进行平均化。
6.如权利要求5所述的基于等高线骨架的三维网格模型变形方法,其特征在于,所述将所述三维网格模型的等高线和所述三角面片的顶点相对应,得到基于等高线分组的三维网格模型的顶点,包括:
任取一组等高线上的一个等高点;
判断所述等高点是否在所述三角面片的边上;
若所述等高点在所述三角面片的边上,则将所述顶点添加到Groupn;
取所述等高点的下一个临界点,并将所述临界点所在的边的顶点添加到Groupn,直到遍历完所述等高线上的所有等高点。
7.如权利要求6所述的基于等高线骨架的三维网格模型变形方法,其特征在于,所述将所述三维网格模型的等高线和所述三角面片的顶点相对应,得到基于等高线分组的三维网格模型的顶点,还包括:
另取一组等高线,添加所述顶点时判断所述顶点是否已经存在对应的等高线;
若所述顶点已经存在对应的等高线,则判断所述顶点与两条所述等高线的距离;
若所述顶点与所述另取一组等高线的距离更近,则将所述顶点从Groupn中删除,添加到所述另取一组等高线对应的Groupn+1中。
8.一种基于等高线骨架的三维网格变形装置,其特征在于,包括:
矩阵构造单元,用于构造三维网格模型的拉普拉斯矩阵;
骨架重构单元,用于运用所述拉普拉斯矩阵的特征向量重构获得所述三维网格模型的特征骨架;
分组优化单元,用于基于所述三维网络模型的等高线对所述特征骨架进行分组和优化,得到所述三维网络模型的等高线骨架,其中所述等高线上的某个特征值相等;
编辑处理单元,用于对所述等高线骨架进行交互式编辑,基于所述三维网格模型与所述等高线骨架的差值对所述等高线骨架进行优化得到目标三维网格模型。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项权利要求所述的基于等高线骨架的三维网格变形方法。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述的基于等高线骨架的三维网格变形方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210028349.0A CN114373032A (zh) | 2022-01-11 | 2022-01-11 | 基于等高线骨架的三维网格变形方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210028349.0A CN114373032A (zh) | 2022-01-11 | 2022-01-11 | 基于等高线骨架的三维网格变形方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114373032A true CN114373032A (zh) | 2022-04-19 |
Family
ID=81143865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210028349.0A Pending CN114373032A (zh) | 2022-01-11 | 2022-01-11 | 基于等高线骨架的三维网格变形方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114373032A (zh) |
-
2022
- 2022-01-11 CN CN202210028349.0A patent/CN114373032A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8310480B2 (en) | Method, medium, and system for compressing and decoding mesh data in three-dimensional mesh model | |
US7372460B2 (en) | Method and program for generating volume data from boundary representation data | |
US20150379769A1 (en) | Method and apparatus for mesh simplification | |
CN101203861A (zh) | 使用体积图形拉普拉斯算子的大型网格变形 | |
Yu et al. | ASM: An adaptive simplification method for 3D point-based models | |
US10614178B2 (en) | Scalable and precise fitting of NURBS surfaces to large-size mesh representations | |
CN105678683A (zh) | 一种三维模型的二维存储方法 | |
Zanni et al. | SCALe‐invariant Integral Surfaces | |
Wang et al. | Fast Mesh Simplification Method for Three‐Dimensional Geometric Models with Feature‐Preserving Efficiency | |
Chang et al. | A new solid subdivision scheme based on box splines | |
De Araújo et al. | Adaptive polygonization of implicit surfaces | |
CN114373032A (zh) | 基于等高线骨架的三维网格变形方法及相关装置 | |
Taime et al. | Comparative study of mesh simplification algorithms | |
Otomo et al. | Direct construction of a four-dimensional mesh model from a three-dimensional object with continuous rigid body movement | |
Li | Real-world large-scale terrain model reconstruction and real-time rendering | |
US9117312B2 (en) | System and method for preventing pinches and tangles in animated cloth | |
Dong et al. | Model optimization method based on Rhino | |
Aldrich et al. | Collision-Driven Volumetric Deformation on the GPU. | |
Liang et al. | Time‐Domain Parallelization for Accelerating Cloth Simulation | |
Husain et al. | Iterative process to improve simple adaptive subdivision surfaces method with Butterfly scheme | |
Shi et al. | Mesh Simplification Method Based on Reverse Interpolation Loop Subdivision | |
Mlakar et al. | AlSub: fully parallel and modular subdivision | |
Ma et al. | Research and application of personalized human body simplification and fusion method | |
JP4340397B2 (ja) | 三角形メッシュ簡単化装置およびプログラム | |
Jin et al. | Research on Multi‐Precision Fabric Modeling Method Based on Machine Learning |
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 |