專利名稱:噪聲網(wǎng)格模型的多尺度特征線檢測方法
技術(shù)領(lǐng)域:
本發(fā)明涉及計算機(jī)視覺與圖形學(xué)領(lǐng)域,具體涉及 一 種三維網(wǎng)格模 型的特征線檢測方法。
背景技術(shù):
隨著三維掃描系統(tǒng)的不斷發(fā)展,已經(jīng)可以很容易地獲得大數(shù)據(jù) 量、高精度的三維模型,為了得到更可靠的基于三維模型數(shù)據(jù)的數(shù)字 幾何處理方法,特征線的檢測作為三維模型處理過程中的重要部分而 成為研究熱點之一。
的曲線,定義為由三維模型上主曲率沿其對應(yīng)主方向具有正的最大值
或負(fù)的最小值的頂點構(gòu)成的線,包括脊線(Ridges )和谷線(Valleys )。
特征線的數(shù)學(xué)描述如下,、ax和、m分別表示頂點的最大主曲率和 最小主曲率,/_和^分別表示主曲率對應(yīng)的主方向,主曲率沿對應(yīng) 主方向的導(dǎo)數(shù)分別定義為e隨二說隨/《x , e,;主曲率沿 主方向的極值由emax = 0和emm = 0決定。
脊線的數(shù)學(xué)描述為*隨>fc,nkax 二0,&隱M置<0;
谷線的數(shù)學(xué)描述為<-fcax|,emm =0,3em,nM,im >0。
因為當(dāng)模型表面的朝向反向時,脊線和谷線互換,所以一般檢測 特征線時可以只考慮脊線。
特征線作為對三維模型的形狀信息的表達(dá)而被廣泛應(yīng)用于三維 模型的非真實感繪制、三維模型的分割、形狀識別以及三維模型的簡 化等領(lǐng)域中。在實際應(yīng)用中,由于受到掃描儀的精度、掃描時的擾動 以及掃描對象自身的反射特性等因素的影響,從原始掃描數(shù)據(jù)獲取的 三維網(wǎng)格數(shù)據(jù)通常都包含噪聲,而且網(wǎng)格呈不規(guī)則狀,這就對特征線的檢測提出了很大的挑戰(zhàn)?,F(xiàn)有的三維模型的特征線檢測算法大體可
長或融合的方法得到模型分割結(jié)果,將不同區(qū)域的邊界線看作是反映 模型表面變化的特征線。通過這類方法得到的特征線雖然能夠表示模 型的整體結(jié)構(gòu),但缺少對模型精細(xì)特征的描述,而且特征線被約東在
網(wǎng)格的邊界上,其平滑程度受到網(wǎng)格分辨率的影響;直接檢測特征線 的方法通常是利用三維模型的幾何信息計算預(yù)先定義的特征算子,最 終得到構(gòu)成特征線的模型頂點或網(wǎng)格邊,這類方法得到的特征線能夠 準(zhǔn)確地反映模型表面的幾何變化,既可以表示模型的整體結(jié)構(gòu),也描 述了模型表面細(xì)小的特征。
在特征線的檢測方法中,通過檢測三維模型表面曲率的極值點來 檢測特征線是最常釆用的算法框架,在這種算法中,對模型表面曲率 及其導(dǎo)數(shù)的估計是關(guān)鍵問題。對于從原始掃描數(shù)據(jù)獲取得到的三維網(wǎng) 格模型,由于數(shù)據(jù)中不可避免的存在噪聲,如果利用傳統(tǒng)的直接檢測 特征線的方法對特征線進(jìn)行檢測,檢測結(jié)果中會包含許多由于噪聲產(chǎn) 生的冗余曲線,很難通過簡單的后處理操作將它們同需要的特征線區(qū) 分開來。
發(fā)明內(nèi)容
本發(fā)明的目的是克服上述缺陷,針對從原始掃描數(shù)據(jù)獲取的噪聲 三維網(wǎng)格模型,提出 一種結(jié)合多尺度信息的特征線檢測方法。
為了達(dá)到上述目的,本發(fā)明提供了 一種噪聲網(wǎng)格模型的多尺度特 征線檢測方法,所述方法包括
抅造三維網(wǎng)格模型的離散多尺度表示;
根據(jù)概率估計獲得三維網(wǎng)格模型上每 一頂點的分別的最優(yōu)局部
尺度;
計算得到三維網(wǎng)格模型每 一 頂點在相應(yīng)的所述局部最優(yōu)尺度下的曲率信,1
模型,每一平滑度與一尺度相對應(yīng),每一所述尺度均為每一頂點的可
選局部尺度;
其中,所述多個具有不同平滑度的網(wǎng)格模型根據(jù)基于頂點的各向
進(jìn) 一 步地,所述基于頂點的各向異性擴(kuò)散顯式地為所述頂點的坐 標(biāo)的變化;
進(jìn)一步地,所述根據(jù)概率估計獲得三維網(wǎng)格模型上每一頂點的分
別的最優(yōu)局部尺度的過程包括
計算得到每一頂點在每一可選局部尺度下的分別的后驗概率; 選取所述后驗概率中最大值所對應(yīng)的局部尺度為所述頂點的最
優(yōu)局部尺度;
其中,所述后驗概率根據(jù)最小化能量函數(shù)獲得,所述最小化能量 函數(shù)為
"(p)=z」H"-》(v)r+z(,,,,,〉 "(v,")k(v) 1(")|2
其中,P(v)是每一頂點的后驗概率,(v,")是頂點v—鄰域的頂點對,
》(v)是每一頂點在每一局部尺度下的關(guān)于三維網(wǎng)格模型的似然概率,
。,")與局部尺度的先驗分布有關(guān);
進(jìn)一步地,所述似然概率根據(jù)描述長度準(zhǔn)則計算得到;
進(jìn)一步地,所述根據(jù)所述曲率信息檢測特征點的過程包括
根據(jù)每 一 邊的兩個頂點的分別的曲率信息判斷所述邊是否具有
曲率的極值點,若是,根據(jù)線性插值標(biāo)識所述曲率極值點為特征點。 進(jìn)一步地,所述曲率信息包括頂點的最大主曲率、最小主曲率
及其對應(yīng)的主方向、最大主曲率和最小主曲率沿所迷對應(yīng)主方向的一
階和二階方向?qū)?shù)。與現(xiàn)有技術(shù)相比,本發(fā)明的優(yōu)勢在于
將基于頂點的各向異性擴(kuò)散方程迭代地應(yīng)用在含有噪聲的三維 網(wǎng)格模型上,能夠快速地平滑模型上平坦的區(qū)域,并且較好的保持了
模型上的幾何特征;在整個迭代過程中只有網(wǎng)格模型的頂點坐標(biāo)發(fā)生 了改變,而拓?fù)溥B接關(guān)系不變,所以在獲得的離散多尺度表示中,很
容易得到各個尺度間模型頂點的對應(yīng)關(guān)系,而且保持了模型上的拓?fù)?br>
連接關(guān)系;
在對模型頂點選擇最優(yōu)局部尺度的過程中,引入了關(guān)于局部尺度 分布的先驗知識,并基于描述長度的定義得到了局部尺度的似然概 率,通過計算模型每個頂點上局部尺度的最大后驗概率得到了整個模 型上分段 一 致、并在特征處不連續(xù)的局部尺度分布;
根據(jù)特征線數(shù)學(xué)定義,結(jié)合不同尺度的曲率信息可以得到滿意的 特征線檢測結(jié)果。
圖1是本發(fā)明的噪聲網(wǎng)格模型的多尺度特征線檢測方法的流程圖。
具體實施例方式
本發(fā)明提出的噪聲網(wǎng)格模型的多尺度特征線檢測方法,結(jié)合附圖 和實施例說明如下。
如圖i所示,本發(fā)明的噪聲網(wǎng)格模型的多尺度特征線檢測方法包
括
S01:構(gòu)造三維網(wǎng)格模型的離散多尺度表示;
本實施例中,根據(jù)基于頂點的各向異性擴(kuò)散獲得三維網(wǎng)格模型的 離散多尺度表示將各向異性擴(kuò)散的方法擴(kuò)展到三維網(wǎng)格模型上,通 過一種基于頂點的各向異性擴(kuò)散得到 一系列不同平滑度的三維網(wǎng)格 模型;不同的平滑度對應(yīng)不同的尺度,平滑度越大對應(yīng)尺度參數(shù)越大, 從而構(gòu)造出原始網(wǎng)格模型的離散多尺度表示;基于頂點的各向異性擴(kuò)散方程為
其中F定義了模型表面頂點附近的法向變化,^v和V分別定義了基 于頂點的散度算子和梯度算子,擴(kuò)散系數(shù)s(MI)是一個關(guān)于經(jīng)
數(shù)。類
中的各向異性擴(kuò)散,基于頂點的各向"
性擴(kuò)散在模型表面平坦的部分平滑力度較大,而在法向變化劇烈的部 分,也就是特征區(qū)域,平滑的力度很小,從而在整個擴(kuò)散過程中能夠 有效地保持模型表面的幾何特征;
本實施例中,將各向異性擴(kuò)散的過程描述為三維模型頂點位置的 不斷更新在本實施例的三維網(wǎng)格模型上,k.ll定義為
=Z ^rccos〈"(力),"(4
Q《
(2)
其中,/,和A表示網(wǎng)格模型的頂點v,所鄰接的兩個三角形,它們 共享 一 個邊;4 /,)和"")分別是所述兩個三角形分另"對應(yīng)的面法
向,V是所述頂點的坐標(biāo);
當(dāng)擴(kuò)散方程作用在平坦的區(qū)域時,擴(kuò)散系數(shù)趨于l,擴(kuò)散過程近
似于熱傳導(dǎo)過程,平滑力度較大;當(dāng)擴(kuò)散方程作用在特征區(qū)域時,擴(kuò) 散系數(shù)趨于0,近似于不做平滑。為了使所述頂點的擴(kuò)散系數(shù)^4的 值被限制在[o,i]區(qū)間內(nèi),并且使其單調(diào)遞減,將擴(kuò)散系數(shù)定義為
g(x) 二 j/(l+x2/c2) (3)
其中c為常數(shù);
在本實施例的三辯網(wǎng)格模型上,基,頂點的梯度算子定義為
Vv' =<H一~f¥:vy ev, (4)
/《
其中,、是頂點v,—鄰域的頂點,《和《是頂點v,和、各自鄰接的頂點
數(shù)目;
由此,本實施例的各向異性擴(kuò)散方程可以顯式地表示為三維網(wǎng)格 模型上頂點坐標(biāo)的不斷更新,所述頂點坐標(biāo)的變化定義如下
8v,
v,ev; 一,
V
力v,.
、/V
(g(W)+g(
尸
(5)
通過本步驟得到原始網(wǎng)格模型的離散多尺度表示為一,,"n..—, 其中,,是尺度參數(shù),代表了不同的迭代次數(shù),M是不同平滑度的網(wǎng) 格模型。
在步驟S01中,利用頂點坐標(biāo)的變化定義,對網(wǎng)格模型的所有頂 點進(jìn)行坐標(biāo)更新,不同的迭代次數(shù)后生成不同平滑度的網(wǎng)格模型,每 一平滑度對應(yīng) 一尺度,構(gòu)造了原始三維網(wǎng)格模型的離散多尺度表示; 其中,尺度參數(shù)就是迭代的次數(shù),平滑度越大對應(yīng)尺度參數(shù)越大;每 一所述尺度均為頂點的可選局部尺度,也就是說,對于網(wǎng)格模型上的 每一頂點,都可以選取所述任意一尺度為該頂點的局部尺度,這樣網(wǎng) 格模型上存在許多不同的尺度分布。
本步驟中涉及的基于頂點的各向異性擴(kuò)散方程在迭代的過程中 在網(wǎng)格模型的不同區(qū)域進(jìn)行不同程度的平滑,較好地保持了模型的幾 何特征,而且整個過程只改變了模型頂點的坐標(biāo),所以不同平滑度間 的網(wǎng)格模型頂點的對應(yīng)關(guān)系容易得到,拓?fù)溥B接關(guān)系未發(fā)生改變;
S02:根據(jù)概率估計獲得三維網(wǎng)格模型上每 一頂點的分別的最優(yōu) 局部尺度;
本實施例中,首先計算得到每 一 頂點在每 一 可選局部尺度下的分 別的后驗概率以及選取最大后驗概率所對應(yīng)的局部尺度為所述頂點 的最優(yōu)局部尺度;
步驟S02的目的在于選擇一種能夠最好的描述原始的三維網(wǎng)格模
型的尺度分布。這一過程的原理與最小描述長度準(zhǔn)則(Minimum Description Length)是一致的,其基本的核心思想是給定一組假設(shè) H和數(shù)據(jù)集D,在H尋找一個假設(shè)或者假設(shè)的組合使得數(shù)據(jù)集D壓縮的取多。
'小
描述長度準(zhǔn)則,可以通過最大化給定尺度下
同時最小化剩余量來選擇網(wǎng)格模型頂點的局部尺度;
9由步驟SOI獲得的離散多尺度表示{似,,:1,...,"}表示了尺度空間中 不同尺度的網(wǎng)格模型。在每一個尺度上,原始的三維網(wǎng)格模型都可以
分解成平滑后的模型M,和剩余量f,^v省,,因此,某一尺度下對原始
三維網(wǎng)格模型的描述長度可以定義為,
"A/0 |/)"(M,)+L(f,) (6)
其中MM)是平滑后模型的描述長度,模型平滑的程度越大,對原始 模型的壓縮也越大,定義的描述長度也就越小,所以"A^是與尺度
參數(shù)成反比的,即豐,)《l/,;丄(s)是平滑后模型剩余量的描述長度,
它是與噪聲有關(guān)的,噪聲越小,描述長度越小,在本實施例中,定義
剩佘量為頂點位置的偏移距離,即^H卜。-v,il2,因此MW與剩余量成正 比,即丄(£.,)0^,2;
對于三維網(wǎng)格模型上的每 一 個頂點,在給定某個尺度的情況下, 定義它的局部描述長度為,
,0(,(v)) = a// + £,w2(v) ( 7 )
其中a是常數(shù);
根據(jù)編碼長度和概率之間的關(guān)系,即尸(風(fēng),|/) = 2-豐一,由局部描
述長度計算得到每個頂點在某個尺度下關(guān)于原始網(wǎng)格模型的似然定 義,
其中,^是常數(shù),《,是歸一化常數(shù),/是尺度參數(shù),即各向異性擴(kuò)散
迭代的次數(shù);
通過觀察,對局部尺度分布具有一定的先驗知識,即在局部較小 區(qū)域尺度分布具有分段一致性,而在特征變化區(qū)域尺度分布具有不連 續(xù)性。利用關(guān)于局部尺度分布的先驗知識,本實施例首先使用先驗
Markov隨機(jī)場(MRF )模型來尋找空間局部一致的局部尺度分布圖。對于局部尺度的先驗分《
],
Gibbs分布定義:
k(小),咖)卜
(9)
(10)
,〖(V) # f(。
這里(v,")是頂點v —鄰域的頂點對,Z,是歸 一 化常數(shù)。
定義了局部尺度的先驗分布和似然后,利用Bayes定理,可以將 局部尺度的估計問題轉(zhuǎn)換為求局部尺度后驗分布的問題,后驗分布定 義為
z;(,)尸(似ol,)
(U)
豐。)
其中p(似。)只是 一個歸 一化常數(shù),似然p(m。 u)--」np(M。w i咖))。
本實施例中,后驗邊緣概率估計通過最小化能量函數(shù)得到,能 量函數(shù)定義為,
"W = I]」P(V)-》(v)|2+Z〈v, 〉a(v'")|Hv)-"(")f ( 12 )
其中,P("是每個頂點的后驗概率,(v,")是頂點v—鄰域的頂點對,
M"是每個頂點在局部尺度下關(guān)于原始網(wǎng)格模型的似然概率。
與局部尺度的先驗分布有關(guān),假設(shè)局部尺度的分布具有分段一致性, 在特征區(qū)域的不連續(xù)性,定義為,
(13)
其中,《,w是頂點的法向夾角,z 為常數(shù);
通過求解(12)式的最小化,可以得到對局部尺度后驗概率的估 計,對網(wǎng)格模型的每個頂點求最大的后驗概率,其對應(yīng)的尺度就是該 頂點選擇的最優(yōu)尺度,即
Z (v)=々腿,A隨=arg脂x,' A, (A:) ( 14 )
本步驟通過最大后驗概率的方法得到的局部最優(yōu)尺度分布,由于引入了關(guān)于局部尺度分布的先驗知識,整個模型頂點的局部尺度分布
具有分段一致性,并在特征區(qū)域具有不連續(xù)性;
S 0 3:計算得到三維網(wǎng)格模型每 一 頂點在相應(yīng)的所述局部最優(yōu)尺
度下的曲率信息;
本實施例中,所述頂點的曲率信息包括頂點的最大主曲率或最 小主曲率以及對應(yīng)的主方向,最大主曲率或最小主曲率沿對應(yīng)主方向 的一階和二階方向?qū)?shù);其中,所述計算曲率信息的過程為公知技術(shù), 在此不做詳述。
對尺度空間中的每一個模型都計算其表面的曲率信息,利用步驟 S02中選擇的局部尺度,將對應(yīng)最優(yōu)局部尺度的曲率信息作為在原始 網(wǎng)格模型檢測特征線時所釆用的有效信息;
S04:根據(jù)所述曲率信息檢測特征點,并將所述特征點生成特征
線;
本實施例中,首先根據(jù)模型每 一 邊的兩個頂點的分別的曲率信息 判斷所述邊是否具有曲率的極值點,若是,則根據(jù)線性插值標(biāo)識所述 邊上曲率導(dǎo)數(shù)為零的點為特征點。
依據(jù)特征線的數(shù)學(xué)描述,在三維網(wǎng)格模型上,利用每條邊的兩個 頂點的曲率及曲率導(dǎo)數(shù)來檢測這條邊上是否具有曲率的極值點,即曲 率 一 階導(dǎo)數(shù)的零值點,然后利用線性插值得到這條邊上曲率導(dǎo)數(shù)為零 的點,插值得到的點也就是需要檢測的特征點;獲得三維網(wǎng)格模型上 的每條邊的特征點后,構(gòu)成特征線的特征點也就檢測完畢;其中,線 性插值為本領(lǐng)域公知技術(shù),在此不做詳述。
本實施例中,對于網(wǎng)格上的每個三角形,如果有兩條邊檢測得到 特征點,就直接將該兩個特征點相連;如果三條邊都檢測得到特征點, 則將每 一特征點分別與三角形的質(zhì)心相連;這樣就得到了原始三維網(wǎng) 格模型上結(jié)合多尺度信息的特征線。同傳統(tǒng)算法相比,結(jié)合多尺度信 息的特征線檢測結(jié)果大大減少了噪聲產(chǎn)生的冗余線,同時整個過程能夠自動快速地完成。
利用本發(fā)明的方法,可以快速有效地對噪聲三維網(wǎng)格模型進(jìn)行特
征線檢測;釆用了基于頂點的各向異性擴(kuò)散方法構(gòu)造離散多尺度表 示,在抑制噪聲的同時幾何特征也得到了較好的保持;對模型頂點選 擇局部尺度,引入了關(guān)于局部尺度分布的先驗知識,并基于描述長度 的定義局部尺度的似然概率,通過計算局部尺度的最大后驗概率得到 分段一致、特征處不連續(xù)的局部尺度分布;根據(jù)特征線數(shù)學(xué)定義,結(jié) 合不同尺度的曲率信息可以得到滿意的特征線檢測結(jié)果;由于噪聲只 存在于網(wǎng)格模型的較小尺度上,結(jié)合多尺度的信息,同傳統(tǒng)算法相比, 能夠有效地克服噪聲對檢測結(jié)果的影響。在對實際釆集的三維網(wǎng)格數(shù) 據(jù)的實驗中,相比傳統(tǒng)算法,這種方法能夠自動地快速地得到較好的 特征線檢測結(jié)果。
以上實施方式僅用于說明本發(fā)明,而并非對本發(fā)明的限制,有關(guān) 技術(shù)領(lǐng)域的普通技術(shù)人員,在不脫離本發(fā)明的精神和范圍的情況下, 還可以做出各種變化和變型,因此所有等同的技術(shù)方案也屬于本發(fā)明 的范疇,本發(fā)明的專利保護(hù)范圍應(yīng)由權(quán)利要求限定。
權(quán)利要求
1、一種噪聲網(wǎng)格模型的多尺度特征線檢測方法,其特征在于,包括構(gòu)造三維網(wǎng)格模型的離散多尺度表示;根據(jù)概率估計獲得三維網(wǎng)格模型上每一頂點的分別的最優(yōu)局部尺度;計算得到三維網(wǎng)格模型每一頂點在相應(yīng)的所述最優(yōu)局部尺度下的曲率信息;根據(jù)所述曲率信息檢測特征點,并將所述特征點生成特征線。
2、 如權(quán)利要求l所述的方法,其特征在于,所述離散多尺度表示包括多個具有不同平滑度的網(wǎng)格模型,其中,每一平滑度與一尺度相對應(yīng),每 一所述尺度均為每 一 頂點的可選局部尺度。
3、 如權(quán)利要求2所述的方法,其特征在于,所述多個具有不同平滑度的網(wǎng)格模型根據(jù)基于頂點的各向異性擴(kuò)散獲得。
4、 如權(quán)利要求3所述的方法,其特征在于,所述基于頂點的各向異性擴(kuò)散顯式地為所述頂點的坐標(biāo)的變化。
5、 如權(quán)利要求2所述的方法,其特征在于,所述根據(jù)概率估計獲得三維網(wǎng)格模型上每 一 頂點的分別的最優(yōu)局部尺度的過程進(jìn) 一 步包括計算得到每 一 頂點在每 一 可選局部尺度下的分別的后驗概率;選取所述后驗概率中最大值所對應(yīng)的局部尺度為所述頂點的最優(yōu)局部尺度。
6、 如權(quán)利要求5所述的方法,其特征在于,所述后驗概率根據(jù)最小化能量函數(shù)獲得,所述最小化能量函數(shù)為其中,P(v)是每一頂點的后驗概率,(v,M)是頂點v—鄰域的頂點對,iK"是每一頂點在每一可選局部尺度下的關(guān)于三維網(wǎng)格模型的似然概率,《 (v,")與每 一 可選局部尺度的先驗分布有關(guān)。
7、 如權(quán)利要求6所述的方法,其特征在于,所述似然概率根據(jù)描述長度準(zhǔn)則計算得到。
8、 如權(quán)利要求l所述的方法,其特征在于,所述根據(jù)所述曲率信息檢測特征點的過程進(jìn)一步包括根據(jù)每 一 邊的兩個頂點的分別的曲率信息判斷所述邊是否具有曲率的極值點,若是,根據(jù)線性插值標(biāo)識所述曲率極值點為特征點。
9、 如權(quán)利要求l所述的方法,其特征在于,所述曲率信息包括頂點的最大主曲率、最小主曲率及其對應(yīng)的主方向、最大主曲率和最小主曲率沿所述對應(yīng)主方向的一階和二階方向?qū)?shù)。
全文摘要
本發(fā)明涉及一種針對噪聲網(wǎng)格模型的多尺度特征線檢測方法。所述方法包括構(gòu)造三維網(wǎng)格模型的離散多尺度表示;根據(jù)概率估計獲得三維網(wǎng)格模型上每一頂點的分別的最優(yōu)局部尺度;計算得到三維網(wǎng)格模型每一頂點在相應(yīng)的所述最優(yōu)局部尺度下的曲率信息;根據(jù)所述曲率信息檢測特征點,并將所述特征點生成特征線。本發(fā)明提出的特征線檢測方法能夠有效地克服數(shù)據(jù)中噪聲的影響,快速地得到檢測結(jié)果。
文檔編號G06T17/00GK101465005SQ20091007691
公開日2009年6月24日 申請日期2009年1月13日 優(yōu)先權(quán)日2009年1月13日
發(fā)明者查紅彬, 濤 羅 申請人:北京大學(xué)