基于改进MH算法的室内空间自动布局

为了生成文博展厅、城市阅读空间、商场等具备公共服务职能的空间布局,提出了一种面向室内空间的自动布局方法。该方法首先针对多种布局的表达需求,将布局信息记录在层次化图结构中;再按照图结构填充适当的布局对象作为初始状态;利用能量函数和移动策略,引入改进的MH(Metropolis-Hastings)算法进行优化,生成合适的布局方案。选取多种类型的应用场景进行测试,结果证明了该方法的有效性。根据公共空间设计原则,提出评价指标比较各类方法性能。该方法在布置效率和运算效率方面具有优势,可应用于多种类型的公共空间布局设计。

基于RGB⁃D图像的室内场景三维布局规划模型构建

传统的基于Scene⁃SIRFS算法的室内场景三维布局规划模型受到室内遮挡物的影响,造成物体几何信息提取不准确,为此设计一种基于RGB⁃D图像的室内场景三维布局规划模型。依据室内场景图像平面检测,得到同一个物理面中的多个室内空间子面,通过多个室内空间子面中的特征点匹配,确定室内场景中物体布局位置,为准确对场景中物体几何特征描述,添加了遮挡类边缘约束条件,并依据RGB⁃D图像的全局能力,对室内场景三维布局规划目标函数求解,完成室内场景三维布局规划模型的构建。实验以提取桌子的几何特征信息为实验对象,结果表明,由此次设计的模型得到的物体几何边缘信息比传统模型得到的物体几何边缘信息更加完整、清晰,证明此次设计的模型比传统模型提取三维几何信息时的准确度高。

室内软装三维模拟系统的设计与实现

介绍了系统研发平台,将OpenGL与Direct3D作为三维程序开发工具,为了提高真实度,将3ds MAX 7.0软件作为三维模型的制作工具。通过硬件抽象层HAL和硬件仿真层HEL实现Direct3D的驱动,对室内软装三维场景进行制作。依据室内软装场景元素给出代理区域,将代理区域合理布局问题看作确定目标空间最优分布位置问题。依据室内装饰学获取先验知识,与功能需求相结合确定约束条件,形成约束代价函数,通过求解函数实现室内软装布局。实验结果表明该系统设计的室内软装真实感强,系统缺陷少。

基于激光技术全息图像室内场景三维布局规划模型构建

传统的室内场景三维布局规划模型数据采集成效低,为了解决这一问题,基于激光技术研究了一种新的全息图像室内场景三维布局规划模型,构建出室内场景中的三维模型,选定激光技术全息图像应用软件和相关的技术指标,通过直接交互方式、物理交互方式和虚拟环境交互方式三种交互方式实现信息交互,对室内的三维模型地理数据进行采集处理,设定采集路线。为验证模型有效性,与传统规划模型进行实验对比,结果表明,基于激光技术全息图像室内场景三维布局规划模型具有很强的数据采集能力,规划效果更好。

室内场景的布局估计与目标区域提取算法

现有的目标提取方法在应用于复杂的室内场景图像时,容易出现小尺寸物体与平面区域中物体被忽视,以及因遮挡造成大物体提取错误等问题。为此,提出一种针对室内RGB-D场景的无监督布局估计与目标区域提取算法。利用3D点云进行平面分割与分类以完成布局估计,采用2种图像分割方法对RGB-D图像做过分割处理,并利用4种相似度衡量方式进行层次分组。在此基础上,根据布局估计的结果,对不同类别的区域采取不同的边界框匹配策略。实验结果表明,该方法无需预训练即可改善目标区域提取效果,在产生较少目标候选区的情况下提高边界框召回率,加快计算速度。

一种由粗至精的室内场景的空间布局估计方法

为有效标注室内场景的布局关系,提出一种由粗至精的空间布局估计方法.首先,采用局部不连续自适应阈值检测场景的长直线段,根据直线段的方向将其分为竖直和水平直线段;基于投票机制和正交准则估计垂直与水平消失点,由这两个消失点等角度间隔地引出成对射线生成场景候选布局.其次,采用VGG-16全卷积神经网络估计相应场景的几何上下文和信息化边界,采用softmax分类器决策其fc7层特征以获取布局类别,融合信息化边界和布局类别生成全局特征以粗选取场景候选布局.接着,基于VGG空间多尺度卷积神经网络估计相应场景的法向图和深度图以提取法向特征和深度特征.然后,利用消失点射线夹角参数化3D盒式布局模型,利用几何积分图聚集候选布局中的直线段成员、几何上下文、法向量和深度等区域级特征,采用割平面法学习结构化模型参数.最后,对候选布局的结构化预测得分进行排序,将得分最高者选取为最终空间布局.Hedau和LSUN数据集实验表明,该方法能获得空间布局的精准区域面划分个数和精确边界位置.

由粗到精的室内场景布局划分与结构重建

由于室内场景中存在对象种类多样、物体几何信息复杂、物体密集问题,故室内场景结构重建存在着很大的挑战。首先,以“结构分析”为主线,利用改进的随机抽样一致(RANSAC)算法和均值漂移算法检测出房间布局的粗略划分。然后,在将初步划分结果转化为无向图的基础上,利用图割算法得到了房间布局的细分结果。最后,将重建的墙壁、地面与天花板信息相结合,完成了室内场景布局的总体重建。实验结果表明,利用改进后的算法和所提方法得到的重建结果更加准确、效果更好。

基于改进轻量网络的实时室内场景布局估计

为简化布局估计网络结构,提高输出特征利用率,提出一种基于改进轻量网络的实时布局估计方法。利用轻量级的编码解码网络,端对端直接获得室内场景的主要平面分割图,实现实时的布局估计。针对以往联合学习方法特征利用率不高的问题,引入简化的联合学习模块,使用输出分割图的梯度作为输出边缘,将边缘的损失直接整合到整个网络输出损失中,提高特征利用率并精简联合学习网络。针对数据集正负标签不平衡和布局类型分布不平衡问题,使用分割型语义迁移,使用在LSUN数据集上训练得到的语义分割网络参数初始化所提网络参数,提高网络训练的稳定性。在两个基准数据集上对所提方法的性能进行评估。实验结果表明,在LSUN数据集上所提方法的平均像素误差为7.35%,在Hedau上为8.32%。通过消融实验证明了分层监督、简易学习联合和语义迁移机制对提高准确率的有效性。最终实验表明,所提方法能够实时获得准确的室内场景布局估计。