專利名稱：一種基于精確測地線的三維模型檢索方法
技術(shù)領(lǐng)域：
本發(fā)明屬于多媒體信息檢索領(lǐng)域，特別是 一種基于精確測地線的 三維模型檢索方法。
背景技術(shù)：
最近幾年，隨著三維模型可視化、數(shù)字化的飛速發(fā)展，網(wǎng)絡(luò)上出 現(xiàn)了越來越多的三維模型及其數(shù)據(jù)庫，因此三維模型檢索這一問題成 為了當今科技領(lǐng)域關(guān)注的熱點。如何合理準確地找到相關(guān)的三維模型 資源，在這方面國內(nèi)外已經(jīng)做出了不少有益的研究。 一個高效的三維 模型檢索引擎，不僅能極大地縮短網(wǎng)絡(luò)搜索的時間，提高我們科研的 效率和質(zhì)量，也能更加方便地為實際生產(chǎn)生活服務(wù)，具有較大的實用 價值。
目前國內(nèi)外已經(jīng)有一些比較合理的三維模型檢索方法，其中
Masaki Hilaga在論文《Topology Matching for Fully Automatic Similarity Estimation of 3D Shapes》中提出了 一種基于近似測地線的 MRG圖匹配算法，而A. BenHamza和Hamid Krim也在先后發(fā)表的 論文《Geodesic Object Representation and Recognition》及《Geodesic Matching of Triangulated Surfaces》介紹了基于近似測地線的三維模型 檢索方法。這些方法相對于原來的D2算法性能已經(jīng)有了明顯的提高， 而且它對旋轉(zhuǎn)與平移的穩(wěn)定性變得更好。但是這其中也存在不足首 先MRG圖匹配算法的復(fù)雜度較高，構(gòu)建和匹配MRG圖過程中有可能 因為某個細節(jié)的失誤而導致整個模型匹配失準；而A. BenHamza和 Hamid Krim提出的統(tǒng)計方法也涉及相對復(fù)雜的數(shù)學計算。他們都沒有 能夠從測地線信息中提取出 一個相對完整的特征向量，不利于釆用模
5式匹配的方法進行檢索。另外，他們釆用的算法當中都不是精確的測 地線，因而當三維模型進行簡化處理后并不能保證測地線度量的一致 性，通過近似計算得到模型當中兩點間的測地距離也存在一定的誤 差。

發(fā)明內(nèi)容
(一) 要解決的技術(shù)問題 本發(fā)明要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的不足，提供一種基于
精確測地線的三維模型檢索方法，它不僅保持了對模型旋轉(zhuǎn)、平移與 縮放良好的穩(wěn)定性，而且從精確測地線信息中提取分類與匹配的特征 向量，這樣就極大地提高了檢索效率。同時由于釆用了精確測地線的 算法，它能夠準確的計算出各釆樣點之間的最短距離，可以很好地提 高檢索的精度，并保持了對于模型簡化處理的不敏感性。
(二) 技術(shù)方案
針對以上問題，本發(fā)明提出的 一種基于精確測地線的三維模型檢 索方法。三維模型存儲在服務(wù)器端的三維模型數(shù)據(jù)庫中，所述方法通 過客戶端向所述服務(wù)器端提交需要檢索的三維模型，服務(wù)器端根據(jù)客 戶端提交的三維模型與三維模型數(shù)據(jù)庫中存儲的三維模型進行匹配
操作，并輸出三維模型數(shù)據(jù)庫中符合匹配規(guī)則的三維模型，其中 所述的匹配搡作包括如下步驟
(l)對客戶端提交的三維模型和服務(wù)器端的三維模型數(shù)據(jù)庫中所 存儲的三維模型進行測地線特征信息提取操作，分別得到客戶端的三 維模型特征信息和服務(wù)器端的各三維模型的三維模型特征信息； 所述的測地線特征信息提取操作進一步包括如下步驟
(11 )獲取三維模型上的每一釆樣點到該三維模型中其他各采樣 點的精確測地線距離v;
(12)對各采樣點，計算該點到模型中其他各點的精確的測地線
距離之和M。；//(v) — min D&s
(13) 利用公式/^0^= mqY:、 對各釆樣點進行規(guī)
一化處理，其中p為各釆樣點，S為三維模型的表面積，a,("代表第 n個釆樣點的歸一化值；
(14) 構(gòu)建釆樣點的直方圖信息及相應(yīng)的特征向量。首先將0-1 分成m等份，其中m為整數(shù)且大于1，各釆樣點根據(jù)歸一化值^(v)劃 入不同的等份。統(tǒng)計各等份釆樣點個數(shù)，構(gòu)建直方圖。再將各等份釆 樣點個數(shù)除以釆樣點總個數(shù)從而得每一等份所占比例，構(gòu)成m維特 征向量『m,『m即三維模型特征信息，用阪和肌分別表示從客戶端 提交的三維模型和服務(wù)器端的三維模型數(shù)據(jù)庫中所存儲的三維模型 中得到的上述m維特征向量；
(2 )通過公式|i R -『,II計算距離長度A附，距離長度A附最小的附 所對應(yīng)的三維模型即為三維模型數(shù)據(jù)庫中符合匹配規(guī)則的三維模型。
其中，步驟(11)還包括如下步驟
(111) 首先從三維模型中任意選擇一個頂點作為釆樣點，將該點 標記為已處理，并添加到釆樣點列表；
(112) 計算該釆樣點到該三維模型中其他各釆樣點的精確測地線 距離v,找到其中測地距離小于V^T^的各頂點，其中S代表模型 的表面積，將這些頂點歸入該釆樣點的同類點當中，并標記為已處理， 不添加到釆樣點列表；
(113 )從未處理的頂點中選擇距離最遠的 一個頂點，將其添加到 釆樣點列表，重復(fù)上述(112)的操作，直到模型中所有頂點都標記 為已處理；其中步驟(112)中，計算精確測地線距離v的方法為
(1121) 設(shè)定該釆樣點為源點，以射線發(fā)散的形式在各三角形面 片上做窗口增長，將模型中各邊分解為若干小窗口；
(1122) 在窗口增長的過程中，測地線只在模型中的凹點處可能 發(fā)生偏折，發(fā)生偏折的點稱為偽源點，由此反復(fù)迭代直至完成整個模
7型的窗口增長過程；
(1123)再通過反饋的方法得到源點到模型中其他各采樣點的測 地線距離，即精確測地線距離V。
其中，所述步驟(1)還包括如下步驟
(15)采用SVM方法對服務(wù)器端的三維模型數(shù)據(jù)庫所存儲的三維 模型中得到的m維特征向量進行分類，以特征向量的數(shù)值接近度作為 分類標準，分類后所得的每一小類的m維特征向量的均值作為本分類 的特征值吟；
所述步驟(2)中，先通過公式IIR-WII計算距離長度A吟，找到 距離長度最小的所對應(yīng)的小類，將該小類中的m維特征向量用 附表示。
其中，所述步驟(15)還包括如下步驟
(151 )首先選擇三維模型數(shù)據(jù)庫所存儲的三維模型中得到的任一 m維特征向量作為訓練標準，釆用SVM算法將其與之相近的三維模型 和差別較大模型區(qū)分開，由此構(gòu)建一個粗的分類，并計算出該粗分類 中各模型的特征向量的均值作為該分類的特征向量『。；
(152) 再在余下的差別較大的三維模型中選擇任一個三維模型的 m維特征向量作為訓練標準，重復(fù)步驟(151)的操作得到一個新的 粗分類并計算出該分類的特征向量^。
(153) 重復(fù)步驟(152)的操作，反復(fù)執(zhí)行SVM算法，直至將整 個三維模型數(shù)據(jù)庫劃分為若干個粗的分類。
其中，還包括輸出三維模型數(shù)據(jù)庫中符合匹配規(guī)則的三維模型 時，將各三維模型按照距離長度A附從小到大的順序進行排序，選擇 若干排名靠前的三維模型做為檢索結(jié)果輸出。
其中，服務(wù)器端還設(shè)置有三維模型特征數(shù)據(jù)庫，各三維模型的三 維模型特征信息存儲在該三維模型特征數(shù)據(jù)庫中。(三)有益效果
本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點在于.'對于不僅保持了三維模型良 好的旋轉(zhuǎn)、平移及縮放的不變性，而且從采樣點的測地線信息中提取 出特征向量，能夠很好地進行模型匹配，使檢索效率得到極大的提高。 同時采用精確測地線的算法，使模型中任意點的測地距離更加準確， 進一步完善檢索的精度，并保證了對于模型簡化的不敏感性。而在構(gòu) 建數(shù)據(jù)庫的過程中釆用SVM算法對數(shù)據(jù)庫的三維模型進行粗分類，加 速檢索的速度和效率。


圖l為本發(fā)明的基于精確測地線的三維模型檢索方法的主要模塊
和流程；
圖2為本發(fā)明的點采樣的基本流程； 圖3為本發(fā)明的向量特征信息提取的主要過程； 圖4為本發(fā)明的檢索匹配輸出結(jié)果的主要過程； 圖5為本發(fā)明的一個實例輸入大象三維模型的檢索效果圖。
具體實施例方式
以下結(jié)合附圖對本發(fā)明的具體實施方式
作詳細說明。 一、本發(fā)明實施方式的基于精確測地線的三維模型檢索方法的主 要模塊和流程
如圖l所示為本發(fā)明的基于精確測地線的三維模型檢索方法的主 要模塊和流程，本發(fā)明的方法基于客戶端和服務(wù)器端，客戶端用于提 交三維模型待檢索信息，服務(wù)器端包含存儲了三維模型的三維模型數(shù) 據(jù)庫，以及經(jīng)過提取測地線特征向量，并將三維模型的測地線特征向 量按照S VM算法粗分類后得到的特征數(shù)據(jù)庫。
客戶端輸入待檢索的三維模型，首先按照服務(wù)器端的模式先進行 提取測地線特征向量操作，然后再向服務(wù)器端提交，并和服務(wù)器端的特征數(shù)據(jù)庫中的分類數(shù)據(jù)進行比較，確定與待檢索的三維模型最接近 的具體分類，然后再將待檢索的三維模型與得到的具體分類內(nèi)的各三 維模型進行比價，找到最匹配的三維模型，并輸出結(jié)果。
二、 本發(fā)明本發(fā)明實施方式的點釆樣的基本流程
如圖2所示本發(fā)明的點釆樣的基本流程，首先對三維模型數(shù)據(jù)庫中 的每個模型進行處理，獲取三維模型采樣點信息，得到釆樣點到其他 各點精確的最短距離。具體步驟如下
(1) 提取釆樣點，首先從模型中任意選擇一個頂點，將該點標記 為已處理，并添加到釆樣點列表；
(2) 計算該點到模型中其他各點的測地線距離，找到其中測地距
離小于V5^T^的各頂點，其中S代表模型的表面積，將這些頂點歸
入該基本點一類當中，并標記為已處理，不添加到釆樣點列表，周圍
范圍點被標記完成；
(3 )從未處理的頂點中選擇距離最遠的 一個頂點，將其添加到采 樣點列表，重復(fù)(2)的操作，直到模型中所有頂點都標記為已處理。 其中計算精確測地線的具體方法為
a、 設(shè)定該點為源點，以射線發(fā)散的形式在各三角形面片上做窗口 增長，將模型中各邊分解為一個個小窗口。
b、 在窗口增長的過程中，測地線只在模型中的凹點處可能發(fā)生偏 折，發(fā)生偏折的點稱為偽源點，由此反復(fù)迭代直至完成整個模型的窗 口增長過程。
c、 再通過反饋的方法得到源點到模型中其他各點的測地線距離及 實際路徑，即模型中源點到其它各點精確的最短距離。
三、 本發(fā)明實施方式的向量特征信息提取的主要過程
如圖3所示為本發(fā)明的向量特征信息提取的主要過程，具體步驟如
下
(1 )對各采樣點計算該點到模型中其他各點的測地線距離之和
10<formula>formula see original document page 11</formula>
(2) 利用公式^"(。 = ~"^~~^T"對各釆樣點進行規(guī)一
化處理，其中p為各采樣點；
(3) 構(gòu)建釆樣點的直方圖信息及相應(yīng)的特征向量。首先將o-i分
成m等份，選取每0.05為一等份，各釆樣點根據(jù)歸一化值^(v)劃入 不同的等份。統(tǒng)計各等份釆樣點個數(shù)，構(gòu)建直方圖。再將各等份采樣 點個數(shù)除以釆樣點總個數(shù)從而得每一等份所占比例，構(gòu)成m維特征 向量；
四、 本發(fā)明實施方式的構(gòu)建完整的三維模型數(shù)據(jù)庫的過程 根據(jù)各模型釆樣點的測地線信息釆用SVM方法對數(shù)據(jù)庫中各三
維模型進行粗分類，以此構(gòu)建完整的三維模型數(shù)據(jù)庫。具體步驟如下 (1 )首先選擇數(shù)據(jù)庫中一個三維模型測地線的特征向量作為訓練 標準，采用SVM算法將其與之相近的三維模型和差別較大模型區(qū)分 開，由此構(gòu)建一個粗的分類，并計算出該粗分類中各模型的特征向量
的均值作為該分類的特征向量『。；
(2) 再在余下差別較大的模型中選擇一個三維模型的特征向量作 為訓練標準，重復(fù)(1)的操作得到一個新的粗分類并計算出該分類 的特征向量》>。
(3) 重復(fù)(2)中的操作，執(zhí)行k次SVM算法，直至將整個數(shù)據(jù) 庫初步劃分為k個粗的類別，并建立起各自類別的特征向量，由此完 成數(shù)據(jù)庫的構(gòu)建。
五、 本發(fā)明實施方式的對客戶端提供的待檢索模型進行釆樣處理 的過程
對客戶端提供的待檢索模型進行采樣等處理，構(gòu)建相應(yīng)的測地線 特征向量，具體步驟與圖3所示為本發(fā)明的向量特征信息提取的主要 過程和文字部分說明相同。六、本發(fā)明實施方式的檢索匹配并生成檢索結(jié)果的過程 如圖4所示為本發(fā)明的檢索匹配輸出結(jié)果的主要流程，將客戶端
提交的模型特征與數(shù)據(jù)庫中的特征匹配，計算相似距離并排序，最終
生成檢索結(jié)果。具體步驟如下
(1)初步比較，首先將待檢索的三維模型特征向量『x與數(shù)據(jù)庫
中各粗分類的特征向量,進行比較，通過公式II K - W II計算其距離
長度，選擇距離最小的一類(或前幾類)作為待檢索模型的初步定位。 (2 )詳細區(qū)分，從確定的粗分類中選擇各自三維模型的特征向量， 與待檢索模型的特征向量附進行計算比較，得到各自的相似距離。
(3)輸出結(jié)果，將各相似距離按從小到大順序進行排序，選擇前 s個三維模型顯示輸出，完成檢索。
如圖5所示為本發(fā)明實施方式的檢索結(jié)果效果圖，左側(cè)顯示的是
輸入的大象三維模型，檢索出來的結(jié)果顯示在右側(cè)，排位越靠前，則 其與待檢索三維模型越接近。
權(quán)利要求
1、一種基于精確測地線的三維模型檢索方法，所述三維模型存儲在服務(wù)器端的三維模型數(shù)據(jù)庫中，所述方法通過客戶端向所述服務(wù)器端提交需要檢索的三維模型，服務(wù)器端根據(jù)客戶端提交的三維模型與三維模型數(shù)據(jù)庫中存儲的三維模型進行匹配操作，并輸出三維模型數(shù)據(jù)庫中符合匹配規(guī)則的三維模型，其特征在于所述的匹配操作包括如下步驟(1)對客戶端提交的三維模型和服務(wù)器端的三維模型數(shù)據(jù)庫中所存儲的三維模型進行測地線特征信息提取操作，分別得到客戶端的三維模型特征信息和服務(wù)器端的各三維模型的三維模型特征信息；所述的測地線特征信息提取操作進一步包括如下步驟(11)獲取三維模型上的每一采樣點到該三維模型中其他各采樣點的精確測地線距離v；(12)對各采樣點，計算該點到模型中其他各點的精確的測地線距離之和μ(v)；(13)利用公式對各采樣點進行規(guī)一化處理，其中p為各采樣點，S為三維模型的表面積，μn(v)代表第n個采樣點的歸一化值；(14)構(gòu)建采樣點的直方圖信息及相應(yīng)的特征向量，首先將0-1分成m等份，其中m為整數(shù)且大于1，各采樣點根據(jù)歸一化值μn(v)劃入不同的等份，統(tǒng)計各等份采樣點個數(shù)，構(gòu)建直方圖，再將各等份采樣點個數(shù)除以采樣點總個數(shù)從而得每一等份所占比例，構(gòu)成m維特征向量Wm，Wm即三維模型特征信息，用Wx和Wi分別表示從客戶端提交的三維模型和服務(wù)器端的三維模型數(shù)據(jù)庫中所存儲的三維模型中得到的上述m維特征向量；(2)通過公式||Wx-Wi||計算距離長度ΔWi，距離長度ΔWi最小的Wi所對應(yīng)的三維模型即為三維模型數(shù)據(jù)庫中符合匹配規(guī)則的三維模型。
2、 如權(quán)利要求l所述的基于精確測地線的三維模型檢索方法，其 特征在于，步驟(11)包括如下步驟(111 )首先從三維模型中任意選擇一個頂點作為釆樣點，將該點 標記為已處理，并添加到采樣點列表；(112)計算該采樣點到該三維模型中其他各釆樣點的精確測地線 距離v,找到其中測地距離小于V^T^的各頂點，其中S代表模型 的表面積，將這些頂點歸入該釆樣點的同類點當中，并標記為已處理, 不添加到釆樣點列表；(113 )從未處理的頂點中選擇距離最遠的 一個頂點，將其添加到 釆樣點列表，重復(fù)上述(112)的操作，直到模型中所有頂點都標記 為已處理；其中步驟(112)中，計算精確測地線距離v的方法為(1121) 設(shè)定該采樣點為源點，以射線發(fā)散的形式在各三角形面片上做窗口增長，將模型中各邊分解為若干小窗口；(1122) 在窗口增長的過程中，測地線只在模型中的凹點處可能 發(fā)生偏折，發(fā)生偏折的點稱為偽源點，由此反復(fù)迭代直至完成整個模 型的窗口增長過程；(1123) 再通過反饋的方法得到源點到模型中其他各釆樣點的測 地線距離，即精確測地線距離v。
3、 如權(quán)利要求1或2所述的基于精確測地線的三維模型檢索方法， 其特征在于，所述步驟(1)還包括如下步驟(15 )釆用SVM方法對服務(wù)器端的三維模型數(shù)據(jù)庫所存儲的三維 模型中得到的m維特征向量進行分類，以特征向量的數(shù)值接近度作為 分類標準，分類后所得的每一小類的m維特征向量的均值作為本分類 的特征值W,所述步驟(2)中，先通過公式ll^-WII計算距離長度Aff;;,找到距離長度Ar少最小的rj所對應(yīng)的小類，將該小類中的m維特征向量用 附表示。
4、 如權(quán)利要求3所述的基于精確測地線的三維模型檢索方法，其 特征在于，所述步驟(15)還包括如下步驟(151 )首先選擇三維模型數(shù)據(jù)庫所存儲的三維模型中得到的任一 m維特征向量作為訓練標準，釆用SVM算法將其與之相近的三維模型 和差別較大模型區(qū)分開，由此構(gòu)建一個粗的分類，并計算出該粗分類 中各模型的特征向量的均值作為該分類的特征向量『。；(152) 再在余下的差別較大的三維模型中選擇任一個三維模型的 m維特征向量作為訓練標準，重復(fù)步驟(151)的操作得到一個新的粗分類并計算出該分類的特征向量W;(153) 重復(fù)步驟(152)的操作，反復(fù)執(zhí)行SVM算法，直至將整個三維模型數(shù)據(jù)庫劃分為若干個粗的分類。
5、 如權(quán)利要求4所述的基于精確測地線的三維模型檢索方法，其 特征在于，輸出三維模型數(shù)據(jù)庫中符合匹配規(guī)則的三維模型時，將各 三維模型按照距離長度A肌'從小到大的順序進行排序，選擇若干排名 靠前的三維模型做為檢索結(jié)果輸出。
6、 如權(quán)利要求5所述的基于精確測地線的三維模型檢索方法，其 特征在于，服務(wù)器端還設(shè)置有三維模型特征數(shù)據(jù)庫，各三維模型的三 維模型特征信息存儲在該三維模型特征數(shù)據(jù)庫中。
全文摘要
本發(fā)明涉及一種基于精確測地線的三維模型檢索方法，本發(fā)明的三維模型存儲在服務(wù)器端的三維模型數(shù)據(jù)庫中，本發(fā)明的方法通過客戶端向所述服務(wù)器端提交需要檢索的三維模型，服務(wù)器端根據(jù)客戶端提交的三維模型與三維模型數(shù)據(jù)庫中存儲的三維模型進行匹配操作，并輸出三維模型數(shù)據(jù)庫中符合匹配規(guī)則的三維模型。本發(fā)明的方法不僅保持了三維模型良好的旋轉(zhuǎn)、平移及縮放的不變性，而且從采樣點的測地線信息中提取出特征向量，能夠很好地進行模型匹配，使檢索效率得到極大的提高，同時采用精確測地線的算法，使模型中任意點的測地距離更加準確，進一步完善檢索的精度，并且保證了檢索結(jié)果對模型的簡化不敏感。
文檔編號G06F17/30GK101458714SQ200810247338
公開日2009年6月17日 申請日期2008年12月30日 優(yōu)先權(quán)日2008年12月30日
發(fā)明者劉永進, 露 呂, 張文琦 申請人:清華大學