一种三维模型构件的自动提取方法
【专利摘要】本发明公开了一种三维模型构件的自动提取方法，包括以下步骤：对输入的同类三维模型集中的每个模型，计算其每个网格面片的特征，从而获得三维模型所有网格面片的特征向量；根据所有网格面片的特征向量，对所有三维模型进行联合分割，提取三维模型的K类一致性构件集，类数K为三维模型中构件的类型数，可由用户提供，也可自动计算；联合分割过程，首先进行初始化聚类中心，产生K个聚类中心，然后迭代进行隶属度计算、隶属度更新以及聚类中心计算过程，直至收敛，从而获得每个网格面片属于每个聚类的隶属度，最后，根据隶属度计算出网格面片的聚类划分，并通过寻找连通分量的方法实现构件生成，最终提取出三维模型集的K类一致性构件集。
【专利说明】一种三维模型构件的自动提取方法
【技术领域】
[0001]本发明涉及一种形状分析的处理方法，属于计算机图形学【技术领域】，具体地说是一种基于联合分割的三维模型构件的自动提取方法。
【背景技术】
[0002]将三维模型分割并提取出其构成部件是形状理解和处理的基础，也是几何建模、生产制造、三维模型动画及纹理等领域的诸多任务的必需过程。这些应用往往不仅需要对三维模型进行划分，更需要进一步获得三维模型的一致性构件，这些构件通常具有相似的功能，但几何形状却不同。例如，用部件组装的方式创建人体模型的应用中，需对人体素材库中的模型进行划分，提取功能一致但形状不同的“胳膊”构件、“腿”构件等等；另外，提取出的一致性构件通过简单的归类标注，则可加入一些数据库中，便于后续的检索工作。
[0003]尽管大量工作针对三维模型分割问题展开了研究，它们主要关注于单个三维模型，根据一些低层次几何特征，如，凸度和曲率等，将模型分解为一组数目有限、具有简单形状意义且各自连通的模型子块，从而快速而直观地按特定的目标划分模型，然而，如文献I:Chen X., Golovinskiy A., Funkhouser T.A Benchmark for 3D Mesh Segmentation.ACM Transactions on Graphics, 2009, 28(3).和文献 2:Golovinskiy A., FunkhouserT.Consistent segmentation of 3D models.Computers and Graphics (Shape Modeling International09)2009, 33(3):262-269.所述这些方法都无法对所有模型均产生满意的效果，且难以提取三维模型的一致性构件。
[0004]文 献 3:Kalogerakis E., Hertzmann A., Singh K.Learning 3D meshsegmentation and labeling.ACM Transactions on Graphics, 2010, 29 (4)ArticleN0.102.率先提出一种数据驱动的模型分割与标注方法，他们通过对人工分割标注的模型集进行学习，将模型部件标注问题表示为条件随机场最优化问题，从而获得三维模型的分割与标注，实现一致性构件的提取。中国专利201310019194.5 一种三维模型构件类别的自动标注方法，则进一步利用三维模型的对称性检测，以消除冗余样本，从而减少了方法的训练时间。然而，这两个方法都依赖于大量人工标注的三维模型集。
[0005]近来，文献2、文献4:徐凯.语义驱动的三维形状分析及建模.[D]国防科学技术大学研究生院.2011.考虑到同类物体的三维模型比单个模型包含更丰富的语义信息，因此提出对同类模型集进行分析，进而获得多个模型一致性构件的联合分割方法。他们采用刚性对齐方法计算不同模型间的对应，进而用图聚类算法获得同类模型的一致性构件划分，然而，方法受限于刚性对齐，仅可处理形状变化程度不高的一致性构件；文献 5:Huang Q., Koltun V., Guibas L.Joint-Shape Segmentation with LinearProgramming.ACM Transactions on Graphics, 2011, 30 (5): 125:1-125:11.文献 6:Sidi
0., van Kaick 0., Kleiman Y., Zhang H., Cohen-Or D.Unsupervised co-segmentationof a set of shapes via descriptor—space spectral clustering.ACM Transactionson Graphics, 2011，30(6): 126:1-126:10.1，2，3，5，6，8.文献 7:Hu R., Fan L., LiuL.Co-segmentation of 3d shapes via subspace clustering.Computer Graphics Forum, 2012，31 (5): 1703-1713.1, 2，6，7.文献 8:Meng M.，Xia J.，Luo J.，He Y.Unsupervisedco-segmentation for 3d shapes using iterative mult1-label optimization.Computer-Aided Design, 2013, 45 (2): 312-320.1, 2, 6.文献9:Luo P., Wu Z., Xia C., FengL., Ma T., Co-segmentation of 3D shapes via mult1-view spectral clustering.VisualComputer, 2013，29(6-8):587 - 597.文献 10:Wu Z., Wang Y., Shou R., Chen B., LiuX., Unsupervised co-segmentation of 3D shapes via affinity aggregation spectralclustering, Computers and Graphics, 2013, 37 (6):628-637.则提出基于形状描述子空间聚类的方法，从而消除了对刚性对齐的依赖，实现更大程度变化的一致性构件分割。中国专利201310020469.7 一种三维模型构成的自动标注方法进而提出利用同类模型具有类似部件组成结构这一信息，对未知三维模型的组成部件进行分割与标注。然而，这些方法都在初始的对每个模型进行预分割的基础上进行，受限于初始分割效果，方法的结果并不稳定，且难以获得较为精细的构件提取效果，以便后续的建模过程使用。本专利提出的联合分割方法直接对网格面片进行处理，从而消除了对初始分割的依赖，不仅可以获得一致性构件，便于根据功能进行标注，而且可稳定提取精细的构件作为后续建模过程中的构件素材反复使用。
【发明内容】
[0006]发明目的:本发明所要解决的技术问题是针对现有技术的不足，提供一种基于联合分割的三维模型构件的自动提取方法，用于支持对三维模型一致性构件的自动提取。
[0007]为了解决上述技术问题，本发明公开了一种基于联合分割的三维模型构件的自动提取方法，包括以下步骤:
[0008]步骤一，特征提取:对输入的同类三维模型集中的每个模型，计算其每个网格面片的特征，包括:高斯曲率、形状直径函数、平均测地距离和形状上下文，从而对三维模型每个网格面片上都计算这四个特征组成的h=4维特征向量Xi，i=l,…，n，n为所有三维模型网格面片的总数。
[0009]步骤二，联合分割:根据所有网格面片的特征向量，对所有三维模型进行联合分害!]，提取三维模型的K类一致性构件集，类数K为三维模型中构件的类型数，可由用户提供，也可自动计算。
[0010]本发明步骤二中所述联合分割部分包括以下步骤:
[0011]步骤21，初始化聚类中心:若聚类数K由用户提供，则随机生成Kfh维向量作为K个聚类中心Cj, j=l,..., K ;否则,采用mean-shift算法自动计算聚类数K,并产生K个聚类中心C」，j=l,…，K。
[0012]步骤22，隶属度计算:计算网格面片i的特征向量Xi与聚类中心Cj的距离Clij,i=l,…，n, j=l,…，K,进而根据距离(Iij计算网格面片i从属于聚类j的隶属度Uij,隶属度Uij表示网格面片i从属于聚类j的概率，i=l,…，n, j=l,…，K。
[0013]步骤23,隶属度更新:首先，建立邻接图G,邻接图的顶点由网格面片顶点集Vx=IviIi = I,...，!!}与聚类顶点集= 组成，网格面片顶点集中的每个顶点都对应三维模型的一个网格面片，聚类顶点集中的每个顶点则表示一个聚类。若网格面片i和网格面片i,在同一个三维模型中，且具有公共边，则称它们相邻，其对应的顶点Vi和V在邻接图G中存在边，边的权重Wii,可由这两个网格面片的公共边的长度和这两个网格面片的外二面角计算。每个网格面片所对应的顶点与所有聚类所对应的顶点在邻接图G中都存在边，边的权重由网格面片的隶属度计算。将聚类顶点集中的顶点作为种子点，网格面片顶点集中的顶点作为非种子点，通过随机游走算法，可计算出一个随机游走者从非种子点i出发，在到达其他种子点之前到达种子点<的概车^将其替换隶属度uu，i=l，-,η,j=l,…，K,从而对隶属度进行更新。
[0014]步骤24，聚类中心计算:根据隶属度Uij,以及网格面片特征向量Xi，计算新的聚类中心Cjl O
[0015]步骤25，判断是否收敛:计算新的聚类中心<和原聚类中心Cj的距离d%若距离de小于阈值ε，则说明已收敛，转步骤26 ;否则，用新的聚类中心c/替换原聚类中心Cj，j=l,…，K，并转步骤22。
[0016]步骤26，构件生成:根据隶属度uu，将三维模型网格面片划分到所属的聚类中，每个网格面片所属的聚类A为该网格面片隶属度最大的聚类，从而获得K个聚类，每个聚类都由属于该聚类的网格面片组成。分别对每个聚类构建一个聚类元素图，聚类元素图的顶点由该聚类中的网格面片组成，相邻的网格面片所对应的顶点在聚类元素图中存在边，利用寻找连通分量的算法求解该聚类元素图的连通分量，获得的连通分量则为所求的构件。属于同一聚类的构件则为一致性构件，从而最终提取出三维模型集的K类一致性构件集。
[0017]步骤22隶属度计算,公式如下:
【权利要求】
1.一种三维模型构件的自动提取方法，其特征在于，包括以下步骤: 步骤一，特征提取:对输入的同类三维模型集中的每个三维模型，计算三维模型每个网格面片的特征，包括:高斯曲率、形状直径函数、平均测地距离和形状上下文，从而得到所述所有网格面片的四个特征组成的h=4维特征向量Xi，i=l,…，n，n为所有三维模型网格面片的总数； 步骤二，联合分割:根据所有网格面片的特征向量，对所有三维模型进行联合分割，提取三维模型的K类一致性构件集，类数K为三维模型中构件的类型数。
2.根据权利要求1所述的一种三维模型构件的自动提取方法，其特征在于，步骤二中所述联合分割部分包括以下步骤: 步骤21，初始化聚类中心: 如果聚类数K由用户输入，则随机生成K个h维向量作为K个聚类中心q，j=l，…，K ; 否则，采用均值漂移算法自动计算聚类数K，并产生K个聚类中心Cp j=l,-,K； 步骤22,隶属度计算:计算网格面片i的特征向量Xi与聚类中心Cj的距离…，n, j=l,…，K,进而根据距离(Iij计算网格面片i从属于聚类j的隶属度Uij,隶属度Uij表示网格面片i从属于聚类j的概率； 步骤23，隶属度更新:首先，建立邻接图G，邻接图的顶点由网格面片顶点集Vx= Ivi I i=l,…，η}与聚类顶点集= 组成，网格面片顶点集中的每个顶点Vi对应三维模型的一个网格面片，聚类顶点集中的每个顶点4表示一个聚类；若网格面片i和网格面片i'在同一个三维模型中，且具有公共边，则称它们相邻，将相邻的网格面片i和网格面片P对应的顶点\和^在邻接图G中连接边，边的网格面片顶点权重为Wii,;将每个网格面片所对应的顶点与所有聚类所对应顶点在邻接图G中连接边，边的聚类顶点权重》由网格面片的隶属度计算； 将聚类顶点集中的顶点作为种子点，网格面片顶点集屮的顶点作为非种子点，通过随机游走算法，计算出一个随机游走者从非种子点i出发，在到达其他种子点之前到达种子点 < 的概率，将其替换隶属度uu，从而对隶属度进行更新； 步骤24，聚类中心计算:根据隶属度Uij，以及网格面片特征向量Xi，计算新的聚类中心； 步骤25，判断是否收敛:计算新的聚类中心c/和原聚类中心的距离(f，若距离Cf小于阈值ε，则说明已收敛，转步骤26 ;否则，用新的聚类中心<替换原聚类中心并转步骤22。 步骤26，构件生成:根据隶属度Uij,将三维模型网格面片划分到所属的聚类中，每个网格面片所属的聚类为该网格面片隶属度最大的聚类，从而获得K个聚类，每个聚类都由属于该聚类的网格面片组成； 分别对每个聚类构建一个聚类元素图，聚类元素图的顶点由该聚类中的网格面片组成，将相邻的网格面片所对应的顶点在聚类元素图中连接边，利用寻找连通分量的算法求解该聚类元素图的连通分量，获得的连通分量则为所求的构件；属于同一聚类的构件则为一致性构件，从而最终提取出三维模型集的K类一致性构件集。
3.根据权利要求2所述的一种三维模型构件的自动提取方法，其特征在于，步骤22隶属度计算，公式如下: me (I, + -)是控制算法柔性的加权指数参数，Clil是特征向量Xi与聚类中心C1的距离，I表示聚类。
4.根据权利要求3所述的一种三维模型构件的自动提取方法，其特征在于，步骤23中所述网格面片顶点权重Wii,计算公式如下: Iii,为网格面片i和网格面片i'公共边的长度，Θ为网格面片i和网格面片i'的外二面角，即沿着三维模型外表面形成的二面角； 聚类顶点权重汁算公式如下: Cli是网格面片i与其所有相邻网格面片在邻接图G中边的面片顶点权重之和，Y是调节网格面片顶点权重Wii,与聚类顶点权重< 的参数，取值范围为(O，I]。
5.根据权利要求4所述的一种三维模型构件的自动提取方法，其特征在于，步骤24中采用如下公式计算计算新的聚类中心:是网格面片i从属于聚类j的隶属度，Xi是网格面片i的h=4维特
征向量，m是控制算法柔性的加权指数参数。
【文档编号】G06T7/00GK103473813SQ201310432523
【公开日】2013年12月25日 申请日期:2013年9月18日 优先权日:2013年9月18日
【发明者】孙正兴, 章菲倩, 宋沫飞, 郎许锋 申请人:南京大学