[0036] 图5示出了系统的示例；W及
[0037] 图6-15示出了方法的示例。
【具体实施方式】
[0038] 参考图3的流程图，提出了一种用于设计表示实际对象的3D建模的对象的计算机 实现的方法。在整个方法中，3D建模的对象指代W不同的方式表示实际对象的数据:首先经 由3D网格的其几何形状，且然后是经由方法所输出的纹理化的3D网格的纹理化的几何形 状。该方法包括步骤:提供SlO表示实际对象的3D网格(该3D网格显著地具有由3D位置限定 的顶点，例如还有链接顶点的边，诸如=角形网格或者四边形网格）（例如，没有任何纹理的 3D网格或者具有要被更换为新的纹理（即，该方法所输出的纹理）的3D网格）、纹理图像(2D 视图，例如诸如照片的图像，其是提供有在像素位置处的值的实际对象的2D视图，其是灰度 级的或者是诸如RGB值的彩色的，要注意的是，之后说明方法示例的图主要示出为灰度级纹 理图像，但方法的所有运些示例显然可W在细节上作必要的修改应用于彩色的纹理图像， 例如，RGB图像）、W及3D网格的顶点与纹理图像的像素之间的映射（即，将3D网格的位置与 纹理图像的2D位置(例如，像素)对应的函数，诸如提供有纹理图像的相机位姿参数）。当然， 3D网格可W仅表示实际对象的、在纹理图像上可见的一部分。另外，可W利用若干纹理图像 重复该方法。运样的网格"划分(partitioning)"和"迭代（iteration)"特征是对本领域技 术人员已知的3D网格纹理的实现细节。
[0039] 该方法然后包括步骤:最大化S20概率(或者可能性）函数P(L(V))D从计算机实现 的观点而言本身已知的是，运意味着该方法运行优化程序，该优化程序在数学上实际上是 (在伪优化或者使用启发法的情况下至少大体上，或者至少近似地)找到至少最大化所述函 数的参数。所述"最优参数"实际上是此处感兴趣的数据，在所述最优参数处的概率评估的 结果并非本申请的特别感兴趣的。概率P ( L ( V ))是如下形式：
。在实践中，实际上可W通过在使用的预 先确定的优化方案来最小化包括先前概率的负对数项的能量(但运实际上得到相同的结 果)。
[0040] n指代3D网格的顶点的数量，而Vi指代3D网格的顶点。L(Vi)指代在将顶点Vi映射到 纹理图像之后要应用的像素移位，所有像素移位是在预先确定的有限集合或列表化）中选 择/限定（即，取值）的，例如，1={(0,0)，（0，1)，（1，1)，（1，〇)，（1，-1)，（〇，-1)，（-1，-1)，（-1，〇)，（-1,1)}，其中（X，y)指代例如在水平方向移位X个像素(例如，右方向应用正值)并在 垂直方向移位y个像素(例如，上方向应用正值）。因此，优化程序的参数L(V)指代通过优化 程序探索的一组像素移位(基本上多对正和/或负整数），最优参数指代在执行纹理化之前 实际上并最终由方法应用到顶点的像素移位(一旦运样的顶点根据映射被投影到纹理图像 上）（即，因为优化步骤S20输出的该像素移位，从而通过该方法"校正"或者"改善"了由唯一 映射限定的纹理坐标）。
[00川《。叛巧啤茲'!够路舶…嫁游如)}按從指代归一项（normalization term)，其保证了P的值是如此W致其确实是概率(在实践中，Z不一定需要被评估）。指代 3D网格的多组网格图块(即，面)的索引的集合。
[0042] ^^;、指代与顶点Vl相关联的代价函数。代价函数<^;:递减地取决于具体变量（即，其 是所述变量的递减函数）。所述变量是在将顶点Vi映射到纹理图像上(根据SlO处提供的映 射)之后，应用针对顶点Vi选择的像素移位的结果（即，在优化期间在参数解决方案的探索 中与顶点Vi相关的像素移位，且在优化过程中标注为L(Vi),但一旦解出程序并保留单个像 素移位时其最后被标注为L(vir，运样的标注在应用数学和优化领域中是经典的)遵循3D网 格的顶点与纹理图像的像素之间的预先确定关系的特定程度(如何测量/确定的运样的程 度的示例在之后提供）。换言之，系统在3D网格的顶点与纹理图像的像素之间设置有预先确 定的关系(例如，3D网格的几何特征应该对应于纹理图像的图形特征的预先确定的知识，例 如，运样的对应不同于在SlO提供的映射），并最大化程序趋向于找到使得顶点Vi尽可能地 遵循运样的关系的像素移位L*。探索的像素移位使得预先确定的关系越正确，在优化中的 代价越低，运使其值将最终趋向于保持在最优。
[0043] Vf类似地指代代价函数，但是运次与3D网格的图块f相关联，并取决于针对图块f 的顶点选择的像素移位之间的全局差异。Vf惩罚运样的高全局差异。换言之，优化趋向于 在对参数解决方案的探索中尽可能地达到像素移位对于每个分别的单个图块f的所有顶点 是一样的。在其中提供了重建为3D网格的实际对象的纹理图像的方法的上下文中（例如，从 运动中恢复结构的分析的上下文），运样的项从视觉/精度的观点提供好的结果，运是因为 其依赖于纹理漂移中的全局一致性(global coherency)假定。
[0044] W运样的方式编写，最大化看来实际上是马尔科夫随机场(MRF)优化问题，其中， MRF是分配给网格的顶点的像素移位的值，网格的边表示条件概率。该方法实际上包括利用 预先确定的离散马尔科夫随机场优化方案(有效收敛的一类周知优化方案，即，对于MRF问 题精确且快速)来执行最大化S20步骤，将3D网格和与3D网格的顶点的纹理坐标相关联的像 素移位（即，纹理坐标是通过应用映射至3D网格的顶点而获得的纹理图像的像素)视为能量 …故紋巧妓r淡…I田窃辩=^縱.;黎游紙巧+玄八,'與'游城)!巧成的马尔科夫随机场。在其他方 面，预先确定的离散MRF优化方案(其能够是任何已知的运样的方案)被配置为针对上面定 义的MRF结构，上面定义的能量对应于概率P。再次注意的是在实践中，-Iog(Z)可W留下不 作评估。
[004引一旦程序被优化并获得最优参数像素移位L*，方法包括的步骤:根据纹理图像、根 据所述映射、W及根据最大化步骤S20的结果(所述最优参数像素移位L*)，对3D网格进行纹 理化S30。简言之，方法在经典的纹理化内插入:将像素移位L*应用到在Sio处提供的数据所 隐含的纹理坐标。该方法例如可W :将3D网格的每个分别的3D顶点投影到纹理图像上，应用 在S20处获得的（针对该顶点的）最优移位W找到(根据方法最优的）各自的纹理像素，并且 然后向所述分别的3的?点分配在各自的纹理像素找到的纹理/颜色（或者与3D纹理相关的 任何其他数据）。该过程在该领域是经典的，方法的原创在于引入了由优化S20所获得的像 素移位映射。
[0046] 运样的方法允许用于设计3D建模的对象的改善方式。要注意的是，该方法允许对 表示实际对象的3D网格的纹理化，并因此改善了对实际对象的表示，运是3D重建和纹理算 法通常旨在获得的优点。此外，因为该方法在不修改在SlO处提供的输入的情况下而进行动 作，因此该方法能够用于与全局地改善3D网格纹理的任何其他优化算法(诸如先前技术的 那些，例如之前标识的）结合。实际上，方法导入了新的变量:像素移位L。该方法然后优化运 样的变量，例如，保持其他变量不变。因此，该方法可W在执行具有纹理的3D重建的全局过 程中形成又一个优化层。
[0047] 例如，该方法可W包括，在最大化S20之前，可能在提供SlO之前:提供在SlO处提供 的实际对象的3D网格表示;通过全自动检测来识别在3D表示的3D位置处的几何特征的出 现，每次3D表示的3D曲率在预先确定的阔值之上时所述几何特征出现并且被检测；提供实 际对象的至少一个2D视图，其中，2D视图是实际对象的图像，其形成在SlO处提供的纹理图 像;通过全自动检测来识别在2D视图的2D位置处的图形特征的出现，所述几何特征对应于 所述图形特征，所述图形特征与2D视图的像素梯度相关;计算在SlO处提供的映射作为相机 参数，包括描述从3D表示到2D视图的投影的投影矩阵，其将几何特征的3D位置在2D视图上 的投影的集合与图形特征的2D位置的集合之间的距离最小化，其中，所述距离是2D点的两 个一般集合之间的预先确定的距离。运样的方案允许获得相对精确的相机参数或者改善其 精度，该方案可W根据2013年11月18日提交的名为DASSAULT SYSTEMS的申请EP13306576.3 来执行的，该申请通过引用并入本文。
[0048] 最重要的是，像素移位被优化的具体方式（即，利用其特定代价项实现特定优化程 序)允许从视觉/精度的观点获得好的结果，并且其利用离散马尔科夫随机场优化方案，如 已知的该方案收敛相对快速。因此，方法巧妙地利用强大数学的工具在3D纹理化的上下文 中获得快速计算的结果。要注意的是，可W实现并使用下面参考文献中所描述的任何MRF解 决方案：
[0049] J.Kappes等人，A Comparative Study of Modern Inference Techniques for Discrete Minimization Problems,CVPR 2013;或者
[0050] H.Ishikawa'Higher-Order Clique Reduction in Binary Graph Cut,CVPR 2009 O
[0051] 然而，运些仅是示例，因为任何(例如，高阶)MRF解决方案一般都可W通过该方法 实现。
[0052] 该方法是计算机实现的。运意味着该方法的步骤(或者实质上所有步骤)是由至少 一个计算机、或者任何类似系统来执行的。因此，该方法的步骤可能全自动或者半自动地由 计算机执行。在示例中，对该方法的步骤的至少一些的触发可W通过用户计算机交互来执 行。所需要的用户计算机交互的级别可W取决于预见的自动化级别，并与实现用户希望的 需要相平衡。在示例中，该级别可W是用户定义的和/或预先定义的。例如，步骤最大化S20 和/或步骤纹理化S30可W是全自动的，但是它们可W替代地设及一些手动用户交互。用户 可W实际上直接识别/新增在3D网格和/或纹理图像上的几何特征和/或图形特征的出现， ^经由代价函数^^^来完成在优化中设及的上述预先确定的关系。
[0053] 该方法的计算机实现的典型示例是利用适用于该目的的系统来执行该方法。系统 可W包括:处理器，其禪合至存储器和图形用户接口（GUI),所述存储器上记录有包括用于 执行该方法的指令的计算机程序。存储器还可W存储数据库。存储器是适用于运样的存储 的任何硬件，可能包括若干物理上不同的部分（例如，一个用于程序，而可能一个用于数据 库）。系统还可W包括创建3D网格和/或捕捉纹理图像的设备，诸如（例如，RGB)相机和/或深 度传感器。系统确实实际上可W特别适用于执行从运动中恢复结构分析。
[0054] 该方法通常操纵建模的对象。建模的对象是由存储在数据库中的数据所定义的任 何对象。通过扩展，表述"建模的对象"指代数据本身。根据系统的类型，建模的对象可W由 不同种类的数据来定义。系统实际上可W是CAD系统、CAE系统、CAM系统、PDM系统和/或PLM 系统的任何组合。在运些不同的系统中，建模的对象由相应的数据定义。人们因此可W提到 CAD对象、PLM对象、PDM对象、CAE对象、CAM对象、CAD数据、PLM数据、PDM数据、CAM数据、CAE数 据。然而，运些系统不是彼此相斥的，因为建模的对象可W由与运些系统的任何组合相对应 的数据来定义。因此，系统完全可W是CAD和PLM系统二者，根