基于分離度的三維模型交互式瀏覽方法
【專利摘要】本發(fā)明提供一種基于分離度的三維模型交互式瀏覽方法,其中,用戶能夠按思維演化地方式對模型進(jìn)行預(yù)覽和瀏覽,所述方法包括以下步驟:S1:從輸入一組異質(zhì)的形態(tài)各異的三維模型;S2:結(jié)合使用多種模型比較算子度量,篩選得到一系列用于將所有模型組織起來的一棵無根的分類樹的四元樹;S3:以步驟S2篩選得到的四元樹作為輸入,構(gòu)建一棵無根的分類樹,將所有模型分層次有類別地組織起來;S4:根據(jù)分類樹,基于每個(gè)模型相對于選中模型的分離度,對所有模型進(jìn)行交換式瀏覽。
【專利說明】基于分離度的三維模型交互式瀏覽方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及三維模型處理【技術(shù)領(lǐng)域】,特別涉及一種基于分離度的三維模型交互式 瀏覽方法。
【背景技術(shù)】
[0002] 隨著建模工具的普及以及激光掃描技術(shù)的日趨成熟,獲取和制作三維模型變得越 來越容易。隨著互聯(lián)網(wǎng)的發(fā)展,越來越多的三維模型被制作和保存在互聯(lián)網(wǎng)上,并形成三維 模型庫。模型庫模型數(shù)量的快速增長促使新穎的方法產(chǎn)生,以對無序的模型進(jìn)行組織從而 滿足對于模型庫檢索、預(yù)覽和瀏覽等方面的需求。
[0003] 任何組織方法必須建立在對于單個(gè)模型之間的相似性比較的機(jī)制上。近年來, 為衡量模型之間的相似性,研究人員提出了一系列距離度量(如,Chen等人LFD[2003], Shilane 等人 SHD[2004],Saphira 等人 SDF[2008] ,Bronstein 等人 HKS_B〇F[2011]等等)。 當(dāng)模型庫中的模型非常相似的時(shí)候,一般都可以找到一個(gè)合適的數(shù)值距離反映模型之間語 義上的分類,并可以使用一個(gè)公共的框架對模型進(jìn)行聚類。然而,模型的距離一般都不是一 種嚴(yán)格意義上的度量(例如不滿足三角不等式性),從而使得在比較遠(yuǎn)距離模型(即很不相 似的模型)的時(shí)候,這些數(shù)值距離往往失效。例如,一個(gè)車模型和一個(gè)自行車模型之間的數(shù) 值距離,很可能比兩個(gè)車模型或者兩個(gè)椅子模型之間的數(shù)值距離沒有信息量。所以,在處理 種類異常豐富的大規(guī)模模型庫時(shí),單純使用某種單一數(shù)值距離對模型庫進(jìn)行全局分析是異 常困難的。
[0004] 一些組織模型的可行性方法是,使用基于現(xiàn)有的距離算子度量任意兩個(gè)模型之間 的相似性得到相似矩陣,然后使用最新的聚類方法對模型做聚類。由于距離算子在衡量遠(yuǎn) 距離模型的不可靠性,以及聚類算法易受干擾性,這些通過聚類算法對模型進(jìn)行組織的方 法,效率和準(zhǔn)確度都很差。特別地,組織大規(guī)模的模型需要一種層次結(jié)構(gòu),但是使用某種層 次結(jié)構(gòu)或者聚類結(jié)構(gòu)都意味著比較遠(yuǎn)距離的模型,因此,使用這些層次結(jié)構(gòu)或者聚類結(jié)構(gòu) 對模型進(jìn)行組織都不可靠。
【發(fā)明內(nèi)容】
[0005] (一)要解決的技術(shù)問題
[0006] 本發(fā)明要解決的技術(shù)問題是:如何從多種距離算子中推斷可靠的四元樹,并基于 大量四元樹得到最大程度滿足所有四元樹拓?fù)湫畔⒌淖顑?yōu)的分類樹,從而實(shí)現(xiàn)基于分離度 的三維模型交互式瀏覽。
[0007] (二)技術(shù)方案
[0008] 為解決上述問題,本發(fā)明提供一種基于分離度的三維模型交互式瀏覽方法,其中, 用戶能夠按思維演化地方式對模型進(jìn)行預(yù)覽和瀏覽,所述方法包括以下步驟:Sl :從輸入 一組異質(zhì)的形態(tài)各異的三維模型;S2 :結(jié)合使用多種模型比較算子度量,篩選得到一系列 用于將所有模型組織起來的一棵無根的分類樹的四元樹;S3 :以步驟S2篩選得到的四元 樹作為輸入,構(gòu)建一棵無根的分類樹,將所有模型分層次有類別地組織起來;S4 :根據(jù)分類 樹,基于每個(gè)模型相對于選中模型的分離度,對所有模型進(jìn)行交換式瀏覽。
[0009] 其中,所述步驟S2中結(jié)合使用多種模型比較算子度量,篩選得到一系列用于將 所有模型組織起來的一棵無根的分類樹的四元樹的方法為:結(jié)合使用LFD、SHD、SDF和 HKS-BoF四種模型比較算子,篩選出可靠的四元樹。
[0010] 其中,所述步驟S3中構(gòu)建一棵無根的分類樹,將所有模型分層次有類別地組織起 來方法為:將所有的葉節(jié)點(diǎn)按照四元樹拓?fù)潢P(guān)系映射到三維球表面上,然后在三維球面上 對葉節(jié)點(diǎn)進(jìn)行遞歸分割直到不能再進(jìn)行分割為止,最后由下而上將各分割子過程歸并成分 類樹。
[0011] 其中,所述步驟S4中基于每個(gè)模型相對于選中模型的分離度,對所有模型進(jìn)行交 換式瀏覽,具體方法為:用戶選中模型后,其余會(huì)根據(jù)分離度自動(dòng)按相似程度排列起來,用 戶能夠自由選擇其他相似模型進(jìn)行再次瀏覽,整個(gè)過程按相似性演化進(jìn)行。
[0012] (三)有益效果
[0013] 上述技術(shù)方案具有如下優(yōu)點(diǎn):本發(fā)明使用分類樹能將模型庫中的模型按照分類特 性有效地組織起來。在分類樹中,單一模型位于樹的葉子節(jié)點(diǎn),同一棵子樹的所有模型具有 相似性,形成語義上的一類。連接模型間的邊的長度則放映出模型之間的相似性程度(可以 稱為分離度)。邊越短則模型之間越相似,邊越長則模型之間越不相似。在此之上的模型瀏 覽,則按照分離度的大小,將模型擺放到同心圓上。用戶可以使用同心圓對模型庫的模型進(jìn) 行演化式地瀏覽。
【專利附圖】
【附圖說明】
[0014] 圖I (a)?(d)為本發(fā)明基于分離度的三維模型交互式瀏覽方法的一個(gè)實(shí)施例的 處理流程圖;
[0015] 圖2 (a)?(c)為本發(fā)明對于四元樹、四元樹"好"邊和"壞"邊以及切割四元樹 的一個(gè)示例圖;
[0016] 圖3 (a)?(e)為本發(fā)明對于判定是否構(gòu)成四元樹的方法的一個(gè)示例圖;
[0017] 圖4為本發(fā)明基于分離度的三維模型交互式瀏覽方法流程圖。
【具體實(shí)施方式】
[0018] 下面結(jié)合附圖和實(shí)施例,對本發(fā)明的【具體實(shí)施方式】作進(jìn)一步詳細(xì)描述。以下實(shí)施 例用于說明本發(fā)明,但不用來限制本發(fā)明的范圍。
[0019] 參考圖4,本發(fā)明提供一種基于分離度的三維模型交互式瀏覽方法,用戶能夠按思 維演化地方式對模型進(jìn)行預(yù)覽和瀏覽,所述方法包括以下步驟:
[0020] Sl :從輸入一組異質(zhì)的形態(tài)各異的三維模型;
[0021] S2:結(jié)合使用多種模型比較算子度量,篩選得到一系列用于將所有模型組織起來 的一棵無根的分類樹的四元樹;
[0022] S3 :以步驟S2篩選得到的四元樹作為輸入,構(gòu)建一棵無根的分類樹,將所有模型 分層次有類別地組織起來;
[0023] S4:根據(jù)分類樹,基于每個(gè)模型相對于選中模型的分離度,對所有模型進(jìn)行交換式 瀏覽。
[0024] 參考圖I (a)?I (d),本發(fā)明提出一種定性的方法來組織種類豐富的模型庫中的 模型。與其像聚類算法一樣,試圖使用某種并不可靠的定量的數(shù)值距離將所有的模型嵌入 到一個(gè)公共的度量空間,得到并不可靠的聚類結(jié)果,相反地,本發(fā)明首先結(jié)合多種數(shù)值距離 得到更為可靠的拓?fù)湫畔?,即四元樹(圖I (b)),然后使用優(yōu)化的方法得到一棵最大程度滿 足所有四元樹拓?fù)湫畔⒌臒o根的分類樹(圖I (c)),對模型進(jìn)行帶分類特性地組織,并在此 基礎(chǔ)上,提出模型分離度的概念衡量模型之間的相似性關(guān)系,依據(jù)分離度對模型進(jìn)行演化 式地交互瀏覽。
[0025] 特別地,每個(gè)四元樹是一棵四個(gè)葉節(jié)點(diǎn)的無根樹,每個(gè)葉節(jié)點(diǎn)代表一個(gè)模型。四個(gè) 葉節(jié)點(diǎn)被分成兩組,同一組中的兩個(gè)模型的相似度高于組間模型的相似度。確定任意四個(gè) 模型之間的四元樹結(jié)構(gòu),就相當(dāng)于確定了這四個(gè)模型之間的分類拓?fù)湫畔ⅲ赐M兩個(gè)模 型分為一類,不同組的模型被分為兩類。由于確定一棵四元樹只需判定一對模型比另一對 模型更相似,因此,目前三維模型中許多可靠的距離算子的優(yōu)勢正好可以得到充分運(yùn)用。此 夕卜,在衡量模型相似性的時(shí)候,任何單一的距離算子都會(huì)有缺席。因此,在實(shí)際處理過程中, 本發(fā)明采用多種最新的距離算子,即LFD、SHD、SDF和HKS-BoF四種,多種距離算子可以相互 補(bǔ)充,盡可能地發(fā)掘模型之間的拓?fù)湫畔?。本發(fā)明利用這些從多種距離算子推斷得到的四 元樹拓?fù)湫畔?,將模型做一個(gè)全局性的優(yōu)化組織,即分類樹(圖1(c))。在分類樹中,所有的 模型位于樹的葉節(jié)點(diǎn),連接任意兩個(gè)模型之間的邊的長度,就是兩個(gè)模型位于該模型庫的 分尚度。
[0026] 本發(fā)明提供了一種基于分離度的三維模型交互式瀏覽方法,其中,用戶可按思維 演化地方式對模型進(jìn)行預(yù)覽和瀏覽,包括以下步驟:
[0027] Sl :從輸入一組異質(zhì)的形態(tài)各異的三維模型;
[0028] S2:結(jié)合使用多種模型比較算子度量,篩選得到一系列用于將所有模型組織起來 的一棵無根的分類樹的四元樹;
[0029] S3 :以S2步篩選得到的四元樹作為輸入,構(gòu)建一棵無根的分類樹,將所有模型分 層次有類別地組織起來;
[0030] S4:根據(jù)分類樹,基于每個(gè)模型相對于選中模型的分離度,對所有模型進(jìn)行交換式 瀏覽。
[0031] 其中,所述步驟S2中結(jié)合使用多種模型比較算子度量,篩選得到一系列用于將 所有模型組織起來的一棵無根的分類樹的四元樹的方法為:結(jié)合使用LFD (LightField Descriptor)、 SHD (Sphere Hamonic Descriptor)、 SDF (Shape Diameter Function)和 HKS-BoF (Heat Kernel Signature Bag of Feature)等四種模型比較算子,篩選出可靠地 四元樹。
[0032] 其中,所述步驟S3中構(gòu)建一棵無根的分類樹,將所有模型分層次有類別地組織起 來方法為:將所有的葉節(jié)點(diǎn)按照四元樹拓?fù)潢P(guān)系映射到三維球表面上,然后在三維球面上 對葉節(jié)點(diǎn)進(jìn)行遞歸分割直到不能再進(jìn)行分割為止,最后由下而上將各分割子過程歸并成分 類樹。
[0033] 其中,所述步驟S4中基于每個(gè)模型相對于選中模型的分離度,對所有模型進(jìn)行交 換式瀏覽。具體方法為:用戶選中模型后,其余會(huì)根據(jù)分離度自動(dòng)按相似程度排列起來,用 戶可以自由選擇其他相似模型進(jìn)行再次瀏覽,整個(gè)過程按相似性演化進(jìn)行。
[0034] 本發(fā)明提供的從多種距離算子中快速推斷四元樹的方法,包括以下步驟:
[0035] Sl :計(jì)算各種距離算子下模型之間的相似性矩陣;
[0036] S2 :使用某種距離算子下模型之間的相似性矩陣,每個(gè)模型檢索K個(gè)最相似的模 型,作為該模型的相似組;
[0037] S3 :測試來自任意兩組相似組的4個(gè)模型,判定是否構(gòu)成四元樹;
[0038] S4 :重復(fù)S2、S3步驟直到所有距離算子都使用過為止。
[0039] 其中,所述步驟Sl中計(jì)算各種距離算子下模型之間的相似性矩陣的方法為:分別 使用LFD、SHD、SDF和HKS-BoF四種距離算子計(jì)算模型之間的相似性矩陣。
[0040] 其中,所述步驟S2中使用某種距離算子下模型之間的相似性矩陣,每個(gè)模型檢索 K個(gè)最相似的模型的方法為:使用最近鄰法(KNN)為每個(gè)模型檢索距離最近的K個(gè)模型,組 成該模型的相似模型組。
[0041] 其中,所述步驟S3中判定是否構(gòu)成四元樹的方法為:如圖3所示,為四個(gè)模型兩 兩建立一條邊,一共得到6條邊,每條邊代表兩個(gè)模型的相似度距離(圖3 (a))。對6條邊 按從小到大排序,保留最小的前3條邊(圖3 (b-e))。如果第3條邊將模型分為兩對(圖3 (b-c)),則判定該四個(gè)模型組成一棵四元樹,否則(圖3 (d-e))不是。
[0042] 本發(fā)明提供的一種通過求解最大割問題地分而治之地分割優(yōu)化算法構(gòu)建分類樹 的方法,包括以下步驟:
[0043] Sl :將所有模型按照四元樹的拓?fù)湫畔?,映射到一個(gè)三維球表面;
[0044] S2 :對于每棵四元樹,定義"好"邊和"壞"邊,通過求解最大割問題,得到最優(yōu)的切 割方式,將當(dāng)前模型分割為不同的幾部分;
[0045] S3 :遞歸地重復(fù)S2步驟直到不能再分割為止,返溯至最頂層將每步分割方式組成 分類樹;
[0046] 其中,所述步驟Sl中將所有模型按照四元樹的拓?fù)湫畔ⅲ成涞揭粋€(gè)三維球表面 的方法為:對于任意一棵四元樹(ab|cd)(如圖2 (a)),定義
【權(quán)利要求】
1. 一種基于分離度的H維模型交互式瀏覽方法,其特征在于,用戶能夠按思維演化地 方式對模型進(jìn)行預(yù)覽和瀏覽,所述方法包括W下步驟: S1 ;從輸入一組異質(zhì)的形態(tài)各異的H維模型; S2;結(jié)合使用多種模型比較算子度量,篩選得到一系列用于將所有模型組織起來的一 棵無根的分類樹的四元樹; 53. W步驟S2篩選得到的四元樹作為輸入,構(gòu)建一棵無根的分類樹,將所有模型分層 次有類別地組織起來; 54 ;根據(jù)分類樹,基于每個(gè)模型相對于選中模型的分離度,對所有模型進(jìn)行交換式瀏 覽。
2. 如權(quán)利要求1所述的方法,其特征在于,所述步驟S2中結(jié)合使用多種模型比較算子 度量,篩選得到一系列用于將所有模型組織起來的一棵無根的分類樹的四元樹的方法為: 結(jié)合使用L抑、S皿、SDF和HKS-BoF四種模型比較算子,篩選出可靠的四元樹。
3. 如權(quán)利要求1所述的方法,其特征在于,所述步驟S3中構(gòu)建一棵無根的分類樹,將所 有模型分層次有類別地組織起來方法為:將所有的葉節(jié)點(diǎn)按照四元樹拓?fù)潢P(guān)系映射到H維 球表面上,然后在H維球面上對葉節(jié)點(diǎn)進(jìn)行遞歸分割直到不能再進(jìn)行分割為止,最后由下 而上將各分割子過程歸并成分類樹。
4. 如權(quán)利要求1所述的基于分離度的H維模型交互式瀏覽方法,其特征在于,所述步 驟S4中基于每個(gè)模型相對于選中模型的分離度,對所有模型進(jìn)行交換式瀏覽,具體方法 為:用戶選中模型后,其余會(huì)根據(jù)分離度自動(dòng)按相似程度排列起來,用戶能夠自由選擇其他 相似模型進(jìn)行再次瀏覽,整個(gè)過程按相似性演化進(jìn)行。
【文檔編號(hào)】G06F17/30GK104346343SQ201310314443
【公開日】2015年2月11日 申請日期:2013年7月24日 優(yōu)先權(quán)日:2013年7月24日
【發(fā)明者】胡事民, 黃石生, 沈超慧 申請人:清華大學(xué)