基于扩散距离和MDS的非刚性模型相似性分析

在非刚性模型相似性分析方法中,基于测地距离的等距嵌入方法对模型拓扑变化非常敏感,对于有局部拓扑变化的完全相似的模型也无法得到正确结果。为了弥补这一不足,提高非刚性模型相似性分析的准确性,将扩散距离与多维尺度分析(MDS)相结合,计算非刚性模型的等距嵌入模型,再利用迭代最近点(ICP)算法通过计算嵌入模型的相似性来实现原始非刚性模型的相似性分析。实例证明该方法对含有拓扑变化的非刚性模型可以得到理想的相似性分析结果。

基于谱变换的非刚性模型局部匹配

面向海量复杂的非刚性三维模型的匹配与检索需求,提出了基于谱变换的局部匹配方法,有效提高了局部检索的性能,为进一步实现三维模型的形状编辑、修补以及创新合成奠定了坚实的基础。首先,基于离散拉普拉斯映射方法,通过ICP配准方法有效分析二维谱图,提取最优的谱特征表示;其次,构建谱特征的形状描述算子,计算谱空间的几何变换参数;进而,引入区域查询实现基于谱变换的区域配准;最终,通过区域搜索与相似性度量实现高效的非刚性模型局部匹配。实验结果表明,本方法不仅能够有效识别同一类非刚性模型的局部结构,而且对于不完整的模型匹配具有较强的鲁棒性,具有更优的局部检索性能。

基于分层策略的三维非刚性模型配准算法

在三维非刚性模型分析中,通常需要对不同姿态下的模型进行配准。针对传统配准算法存在复杂度高、计算量大、精确度低等问题,提出一种新的基于分层策略的三维非刚性模型配准算法。首先,定义热核签名函数为模型的标量域,使用同源聚类算法提取模型的特征点和特征区域,进而提出三维几何模型的树形表示方法:它的根节点为三维几何模型,内部节点为模型的特征区域,叶节点为包含在相应区域的特征点。然后,根据三维几何模型的树形表示提出模型的分层配准算法。在SHREC 2010模型配准数据集上对比分析了分层配准算法、推广的多维尺度变换算法(GMDS)和博弈论方法在等距变换、孔洞、小孔洞、尺度变换、局部尺度变换、重采样、噪声、散粒噪声以及拓扑变换等情况下的性能。实验结果表明,在以上三维几何模型数据受干扰的情况下,分层配准算法的准确性明显优于GMDS方法和博弈论方法,同时具有较低的计算复杂度。

非刚性三维模型检索特征提取技术研究

三维模型特征描述符是一种简洁且信息量丰富的表示方式,特征提取是许多三维模型分析处理任务的关键步骤.近年来,针对非刚性三维模型特征提取技术的研究引起了人们的广泛关注.首先,汇总了常用的非刚性三维模型基准数据集和算法评价标准;然后,在广泛调研大量文献和最新成果的基础上,将非刚性三维模型特征分为人工设计的特征描述符和基于学习的特征描述符两大类,并分别加以介绍,对每类方法所包含的典型算法,尤其是近几年基于深度学习的特征提取算法的基本思想、优缺点进行了分析、对比和总结;最后进行总结,并对未来可能的发展趋势进行了展望.

基于模型内二面角分布直方图的非刚性三维模型检索

针对非刚性三维模型检索中复杂曲面凹凸性特征和局部几何变化特征的提取问题,提出一种基于模型内二面角分布直方图的特征描述方法.首先对内二面角直方图统计特征进行了定义并对其性质进行探讨,给出特征提取的具体步骤;然后采用遗传算法进行多特征融合权重优化,提出基于融合特征的非刚性三维模型检索算法.在SHREC公布的非刚性数据集上进行实验的结果表明,内二面角分布直方图统计特征具有更强的区分能力和良好的算法效率,融合特征进一步提高了检索结果.

自适应稀疏编码融合的非刚性三维模型分类算法

针对传统的三维模型单一特征识别精度低问题,提出一种自适应稀疏编码融合的非刚性三维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征,以构造互补的多特征形状描述;其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量,通过随机样本建立特征权值矩阵;最后利用特征权值矩阵与稀疏优化编码自适应融合,并采用Softmax分类算法实现非刚性模型的有效分类.通过在非刚性数据集SHREC10与SHREC11上的综合实验表明,自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.

基于骨架线约束的非刚性三维模型匹配

随着计算机图形学以及虚拟现实相关技术的发展,对三维模型的分析研究变得十分重要。三维模型具有完整的几何信息,与现实世界的数据表示高度一致,在物理模拟、工程应用、影视娱乐等诸多领域,均具有十分重要的应用价值。针对三维模型匹配问题,提出一种基于骨架线约束的非刚性三维模型匹配方法。通过分析三维模型骨架线与三维模型网格数据的关系,建立骨架线约束的三维模型骨架距离特征,进而建立三维模型匹配方法。基于三维公共模型数据库SHREC进行三维模型匹配实验。实验结果表明,该方法能够在具有非刚性形变的三维模型数据集上,获得精确的模型匹配结果。

青藏高原东缘非刚性书斜式断层模型的物理模拟实验研究

印度板块和欧亚板块碰撞导致青藏高原垂向上整体快速隆升的同时,也导致东缘被断裂分割的块体沿着大规模走滑断裂的横向滑移,这也是青藏高原演化变形的两种端元模型:大陆逃逸模式和地壳增厚模式。本文设计了三种非刚性书斜式断层模型,运用粒子速度场成像技术(PIV,Particle Image Velocimetry)监测模型表面变形。实验结果表明,非刚性块体边界受力前后,位移场、速度、剪应变和面应变会有明显的不同。根据实验结果主要得出两点结论:①青藏高原东缘的变形是连续的,块体内部发育了冲断带、裂谷系统和右行走滑断裂系统;②自中新世以来,青藏高原东缘主要经历了两阶段的演化,早中新世-晚中新世(22~8Ma),既有左行走滑活动,也有块体的顺时针旋转,形成了近东西向的祁连山-南山冲断带、积石山冲断带、祁漫塔格冲断带、渭河地堑以及近南北向的右行走滑断裂;晚中新世(8Ma)以来,块体旋转量极少,主要以左行走滑断裂为主,发育了近南北向的冲断带和裂谷系统。

优化谱对齐的三维模型簇一致性对应关系计算

为了解决非刚性三维模型簇对应关系计算准确率低、一致性差,且难以实现双射的问题,提出了一种采用优化谱对齐算法和规范一致潜在基的非刚性三维模型簇对应关系计算新方法。首先,利用函数映射的伴随算子实现模型间谱域信息的对齐,计算模型簇中每个模型对的函数映射矩阵,解决函数映射与逐点映射方向不一致的问题;其次,使用改进的模型映射集合算法为每个模型对的函数映射矩阵赋予相应权重,降低初始化参数的噪声对模型簇对应关系计算结果的影响;最后,在模型簇的对应关系计算过程中加入极限模型的规范一致潜在基,极限模型可以看成模型簇中所有模型的类型结构,是一个具有几何可变性的中间模型,提高算法的一致性和双射性。实验结果表明:与已有算法相比,本算法在FAUST、SCAPE、TOSCA和SHERC’16 Topology数据集上构建的对应关系测地误差最小,能够减少初始化参数的噪声,解决模型自身对称性影响对应关系计算的问题,更加精确地构建出具有一致性和双射性的非刚性三维模型簇对应关系。

深度特征融合的非刚性三维形状局部匹配

针对海量、异构三维形状匹配与智能检索技术的需求,提出了一种基于级联卷积神经网络(F-PointCNN)深度特征融合的三维形状局部匹配方法.首先,采用特征袋模型,提出几何图像表示方法,该几何图像不仅能够有效区分同类异构的非刚性三维模型,而且能够揭示大尺度不完整三维模型的结构相似性.其次,构建级联卷积神经网络学习框架F-PointCNN,其中,BoF-CNN从几何图像中学习深度全局特征,建立融合局部特征与全局特征的点特征表示;进而对Point-CNN进行点特征的细化与提纯,生成具有丰富信息的深度融合特征,有效提高形状特征的区分性与鲁棒性.最终,通过交叉矩阵度量方法高效实现非刚性三维模型的局部形状匹配.在公开的非刚性三维模型数据库的实验结果表明,该方法提取的特征在大尺度变换的形状分类及局部形状匹配中具有更强的识别力与更高的匹配精度.

基于卷积神经网络和投票机制的三维模型分类与检索

针对现有基于深度学习的三维模型多视图分类算法利用最大池化、平均池化等像素级运算完成视图信息的融合,可能造成模型有益信息淹没和混淆的问题,提出一种基于卷积神经网络和投票机制的三维模型分类检索算法.首先将三维模型转化为一组二维视图,然后基于丰富的数字图像库ImageNet和成熟的图像深度学习模型CaffeNet完成二维视图的分类,最后利用加权投票的方式完成三维模型的分类;同时基于投票机制,提出4种三维模型距离度量算法,支持三维模型的检索.将文中算法应用于刚性三维模型库ModelNet10,ModelNet40,非刚性三维模型库SHREC10, SHREC11和SHREC15中,分类准确率分别为93.18%, 93.07%, 99.5%, 99.5%和99.4%,检索性能突出;并通过实验验证该算法的有效性.

一种基于网格模型简化的热核特征提取算法

热核特征提取算法是近几年出现的一种三维模型特征提取算法。针对热核特征计算效率低,对顶点数目过多的三维模型处理时间过久甚至是无法处理的问题,采用基于二次误差测度网格模型简化算法对三维模型进行预处理,并对简化后的模型提取其热核特征。实验表明经过简化后的模型处理效率高,比直接对原始模型提取热核特征耗时减少,原始模型顶点数越多效率提升越明显。简化后模型的热核特征与原始模型结果基本一致,满足模型匹配的要求。

基于梯度方向直方图的热核特征提取方法

提出了一种适用于描述非刚性三维模型局部表面结构的特征提取方法,即基于梯度方向直方图的热核特征(HOGHKS)提取方法。该方法首先提取具有等距不变性的三维点热核信号,可以使后续提取的特征向量具有等距不变性和较好的稳定性;然后对热核信号的对数差分值进行梯度方向直方图统计,可以使构造出的特征向量对三维模型的尺度变化具有一定的不变性。该特征在一定程度上解决了HKS特征不具有尺度不变性、SI-HKS特征虽然具有尺度不变性但是需要将热核信号转换到频域进行描述会丢失一部分有效描述信息的问题。实验结果表明,与HKS特征和SI-HKS特征相比,HOG-HKS特征具有更好的检索效果。

自监督深度残差函数映射网络的3维模型对应关系计算

目的针对传统非刚性3维模型的对应关系计算方法需要模型间真实对应关系监督的缺点,提出一种自监督深度残差函数映射网络(self-supervised deep residual functional maps network,SSDRFMN)。方法首先将局部坐标系与直方图结合以计算3维模型的特征描述符,即方向直方图签名(signature of histograms of orientations,SHOT)描述符;其次将源模型与目标模型的SHOT描述符输入SSDRFMN,利用深度函数映射(deep functional maps,DFM)层计算两个模型间的函数映射矩阵,并通过模糊对应层将函数映射关系转换为点到点的对应关系;最后利用自监督损失函数计算模型间的测地距离误差,对计算出的对应关系进行评估。结果实验结果表明,在MPIFAUST数据集上,本文算法相比于有监督的深度函数映射(supervised deep functional maps,SDFM)算法,人体模型对应关系的测地误差减小了1.45;相比于频谱上采样(spectral upsampling,SU)算法减小了1.67。在TOSCA数据集上,本文算法相比于SDFM算法,狗、猫和狼等模型的对应关系的测地误差分别减小了3.13、0.98和1.89;相比于SU算法分别减小了2.81、2.22和1.11,并有效克服了已有深度函数映射方法需要模型间的真实对应关系来监督的缺点,使得该方法可以适用于不同的数据集,可扩展性大幅增强。结论本文通过自监督深度残差函数映射网络训练模型的方向直方图签名描述符,提升了模型对应关系的准确率。本文方法可以适应于不同的数据集,相比传统方法,普适性较好。