專利名稱：：基于內(nèi)容的三維模型檢索方法試驗(yàn)平臺(tái)的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于計(jì)算機(jī)應(yīng)用領(lǐng)域，特別是基于內(nèi)容的三維模型檢索系統(tǒng)?？蓱?yīng)用于各種三維實(shí)體模型的檢索。
背景技術(shù)：
：近年來，隨著三維數(shù)據(jù)獲取技術(shù)、三維圖形建模方法及圖形硬件技術(shù)的發(fā)展，三維模型已成為繼聲音、圖像和視頻之后的第四種多媒體數(shù)據(jù)類型，三維模型的數(shù)量也呈爆炸性增長(zhǎng)。三維模型的應(yīng)用領(lǐng)域也越來越廣，在工業(yè)產(chǎn)品的模型設(shè)計(jì)、虛擬現(xiàn)實(shí)、3D游戲、多媒體教學(xué)、影視動(dòng)畫、模擬仿真、分子生物學(xué)和三維地理信息系統(tǒng)等領(lǐng)域中廣泛應(yīng)用。高逼真度的三維建模非常費(fèi)時(shí)費(fèi)力，日益發(fā)達(dá)的互聯(lián)網(wǎng)技術(shù)為復(fù)用己有的三維模型提供了條件。三維模型檢索的思想起源于三維模型識(shí)別、三維模型匹配以及基于內(nèi)容的圖像檢索。基于內(nèi)容的三維模型檢索首先從模型數(shù)據(jù)中自動(dòng)計(jì)算并提取三維模型的特征，建立三維模型的多維信息索引，然后在多維特征空間中計(jì)算待查詢模型與目標(biāo)模型之間的相似程度，實(shí)現(xiàn)對(duì)三維模型數(shù)據(jù)庫的瀏覽和檢索。其核心是提取一組特征來表示三維模型，然后通過比較其特征值來實(shí)現(xiàn)模型檢索，這也是目前最主流的方法。與圖像等二維多媒體數(shù)據(jù)相比，三維模型的內(nèi)容信息更加豐富，既包含幾何屬性(頂點(diǎn)坐標(biāo)、法向矢量、拓?fù)浣Y(jié)構(gòu)等)數(shù)據(jù)，也有表面屬性(顏色、透明度、紋理、材質(zhì)等)數(shù)據(jù)，正因?yàn)槟Ｐ蛶缀螌傩院捅砻鎸傩缘亩鄻有院蛷?fù)雜性，抽取其特征成為本領(lǐng)域技術(shù)難點(diǎn)，因此基于內(nèi)容的三維模型的準(zhǔn)確檢索也成為領(lǐng)域難題。目前的最新研究成果參見表1所示，第1個(gè)專利是基于二維草圖的三維模型檢索，而不是基于三維模型本身的內(nèi)容，無形中對(duì)檢索條件進(jìn)行了更嚴(yán)格的控制，也即，二維草圖是進(jìn)行模型檢索的先決條件，但往往模型的二維草圖很難獲得；第二個(gè)專利是一個(gè)只提供檢索功能的系統(tǒng)，其它研究人員不能用其來評(píng)價(jià)自己的方法。第三個(gè)專利僅僅是一種基于不同信息種類的檢索方法，同樣無法提供本系統(tǒng)的實(shí)驗(yàn)平臺(tái)的功能。表1現(xiàn)有技術(shù)中關(guān)于三維模型檢索的專利<table>tableseeoriginaldocumentpage4</column></row><table>
發(fā)明內(nèi)容本發(fā)明的目的是為了解決三維模型檢索方法多，評(píng)價(jià)和優(yōu)選難的問題，提供了一個(gè)基于內(nèi)容的三維模型檢索的試驗(yàn)平臺(tái)?？蓱?yīng)用于各種三維實(shí)體模型的檢索;針對(duì)不同類型的輸入模型或者不同的模型庫,進(jìn)行不同檢索方法之間的對(duì)比實(shí)驗(yàn)；以本實(shí)驗(yàn)平臺(tái)為基礎(chǔ)，用來評(píng)估新檢索方法的性能并選擇最優(yōu)的檢索方法。本發(fā)明的目的是通過下述技術(shù)方案實(shí)現(xiàn)的。本發(fā)明的基于內(nèi)容的三維模型檢索方法試驗(yàn)平臺(tái)，其實(shí)現(xiàn)的具體步驟如下步驟一:對(duì)輸入的檢索三維模型樣本和數(shù)據(jù)庫中的三維模型進(jìn)行標(biāo)準(zhǔn)化和預(yù)處理；其中為了保證模型具有平移不變性，采用平移變換的方法將模型的質(zhì)心與坐標(biāo)原點(diǎn)對(duì)齊；為了保證旋轉(zhuǎn)不變性，將模型旋轉(zhuǎn)到統(tǒng)一的角度；為了保證縮放不變性需要將模型縮放到一個(gè)統(tǒng)一的尺度；為了保證互為鏡像的兩個(gè)三維模型在表示上的一致性需要進(jìn)行反射變換。步驟二、對(duì)從步驟一得到的輸出模型，進(jìn)行模型特征提取；步驟三、對(duì)步驟二得到的特征向量，進(jìn)行相似性度量；步驟四、按照相似程度優(yōu)先排序法顯示初步檢索結(jié)果；步驟五、基于用戶反饋的方法，優(yōu)化檢索結(jié)果；步驟六、通過繪制該方法的查全率和查準(zhǔn)率圖來評(píng)估某實(shí)驗(yàn)方法的性能。所述步驟二中的模型特征提取優(yōu)選方法為形狀分布算法、厚度直方圖算法和復(fù)球面映射算法。所述步驟三中的相似性度量方法優(yōu)選為歐式距離，Jeffeiy距離，X2距離和推土機(jī)距離。有益效果本發(fā)明的一個(gè)基于內(nèi)容的三維模型檢索的試驗(yàn)平臺(tái)，提供了12種有效的檢索方法，可應(yīng)用于各種三維實(shí)體模型的檢索；并且針對(duì)不同類型的輸入模型或者不同的模型庫，可進(jìn)行不同檢索方法之間的對(duì)比實(shí)驗(yàn)；還可用本實(shí)驗(yàn)平臺(tái)來評(píng)估新檢索方法的性能并選擇最優(yōu)的檢索方法。圖l為本發(fā)明的流程圖2為本發(fā)明的形狀分布算法流程圖3為本發(fā)明的5種形狀函數(shù)示意圖4為本發(fā)明的三角形內(nèi)取隨機(jī)點(diǎn)原理圖5為本發(fā)明的厚度直方圖算法流程圖6為本發(fā)明的計(jì)算法向量權(quán)值原理圖7為本發(fā)明的三維模型表面面片的法向、面積和位置示意圖；圖8為本發(fā)明的推土機(jī)算法流程圖；圖9為本發(fā)明的相關(guān)反饋過程流程圖。具體實(shí)施例方式下面接合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。實(shí)施例如圖1所示，本發(fā)明的基于內(nèi)容的三維模型檢索方法實(shí)驗(yàn)平臺(tái)所設(shè)計(jì)的檢索流程為首先，對(duì)三維模型庫中的模型和輸入査詢的模型進(jìn)行標(biāo)準(zhǔn)化和預(yù)處理，模型最終的輸入格式是.off格式；然后提取三維模型的特征，可供實(shí)驗(yàn)選擇的方法有3種，分別是形狀分布算法，厚度直方圖算法，復(fù)球面映射算法。通過這三種特征提取方法，形成特征向量并存入特征向量數(shù)據(jù)庫；其次，提供了四種相似性度量的實(shí)驗(yàn)方法，分別是歐式距離，Jeffery距離，"2距離和推土機(jī)距離。與三種特征提取方法進(jìn)行組合排列，得到12種檢索方法，選擇一種進(jìn)行檢索實(shí)驗(yàn)，并按照相似程度優(yōu)先排序法顯示檢索結(jié)果；然后，根據(jù)檢索結(jié)果，基于用戶反饋的方法，優(yōu)化檢索結(jié)果。最后，通過該方法法的查全率和查準(zhǔn)率圖來評(píng)估其性能，并可最終選出最優(yōu)檢索方法。參照?qǐng)D2，形狀分布算法流程主要包括三個(gè)關(guān)鍵步驟，即形狀選擇函數(shù)的確定，獲得隨機(jī)點(diǎn)以及構(gòu)建直方圖。(1)選擇形狀函數(shù)Osada等人定義了如下五種形狀函數(shù)來測(cè)量三維模型，如圖3所示*A3距離表示三維模型表面任意三點(diǎn)所形成的角度值；*Dl距離表示三維模型中心到三維表面任一點(diǎn)的距離；*D2距離表示三維模型表面任意兩點(diǎn)間的距離；*D3距離表示三維模型表面任意三點(diǎn)所組成的三角形的面積；*D4距離表示三維模型表面任意四點(diǎn)所組成的四面體的體積。這五個(gè)函數(shù)易于理解，具有良好的抗噪聲性。點(diǎn)對(duì)距離D由式1求得<formula>formulaseeoriginaldocumentpage7</formula>(1)由于三維模型頂點(diǎn)數(shù)量一般都比較大，計(jì)算所有頂點(diǎn)間距離的計(jì)算量非常大，也不現(xiàn)實(shí)，所以在所有頂點(diǎn)中隨機(jī)選取足夠數(shù)量的"個(gè)頂點(diǎn)，通過計(jì)算這些頂點(diǎn)間的距離，構(gòu)建點(diǎn)對(duì)直方圖進(jìn)行相似度比較。計(jì)算這些點(diǎn)對(duì)的幾何距離的時(shí)間復(fù)雜度為0(w2)。(2)隨機(jī)點(diǎn)采樣整個(gè)模型由三角面片r-仏,^…，,J構(gòu)成，因此整個(gè)模型的三角面片個(gè)數(shù)，及各三角形的各頂點(diǎn)坐標(biāo)可方便獲得，具體步驟如下所述。*讀取r到內(nèi)存；計(jì)算所有三角形的面積4d/,er，將三角形的面積存入一個(gè)數(shù)組，該數(shù)組保存遍歷過程中已遍歷過的所有三角面片的面積之和；*生成一個(gè)從零到該模型表面所有三角形面積之和的隨機(jī)數(shù)，對(duì)該數(shù)組進(jìn)行二分查找，找到對(duì)應(yīng)隨機(jī)數(shù)的三角面片的索引號(hào)，這樣找到一個(gè)三角形面片的概率就正比于它的面積；*在三角形內(nèi)部按照等面積原則隨機(jī)獲取一個(gè)三維數(shù)據(jù)點(diǎn)，方法如下設(shè)上一步隨機(jī)獲取的三角形的三個(gè)頂點(diǎn)分別是AB，C，生成兩個(gè)0和1之間的隨機(jī)數(shù)r,和^，以式2計(jì)算在該三角形內(nèi)部取隨機(jī)點(diǎn)P的位置。如圖4所示。<formula>formulaseeoriginaldocumentpage7</formula>(2)如圖4所示，該三角形可以看作一系列平行于SC邊的細(xì)條組成，如虛線所示。假設(shè)有一個(gè)數(shù)組依次記錄按照從上到下的順序，己經(jīng)訪問過的細(xì)條面片總和。由于三角形面積和邊長(zhǎng)的平方成正比，所以對(duì)應(yīng)n的細(xì)條處于圖中虛線的位置。利用^指定在該細(xì)條上的隨機(jī)采樣點(diǎn)P點(diǎn)。從以上過程可以看出，采集到的點(diǎn)的位置，在三角形內(nèi)部均勻分布。以上算法保證了最終采得的一系列點(diǎn)，能按照等面積原則均勻分布在三維模型表面。(3)構(gòu)建直方圖構(gòu)建直方圖需要進(jìn)行直方圖尺度歸一化。本文按照平均距離進(jìn)行歸一化。按照大量D2距離的平均值對(duì)尺寸自由度進(jìn)行歸一化后，首先計(jì)算大量采樣得到的D2距離的平均值，將這個(gè)長(zhǎng)度等分成S個(gè)距離單元，計(jì)算落在每個(gè)距離單元內(nèi)的D2距離個(gè)數(shù)，這樣就形成了一個(gè)按照平均距離歸一化的離散的形狀分布。按照平均距離進(jìn)行歸一化，其特點(diǎn)在于比較不同模型的形狀分布時(shí)具有更高的魯棒性。歸一化的離散形狀分布可以利用三次Bezier曲線等進(jìn)行平滑擬合，形成連續(xù)的形狀分布曲線。參照?qǐng)D5，厚度直方圖算法的關(guān)鍵步驟包括形狀函數(shù)的選擇，計(jì)算隨機(jī)點(diǎn)之間的距離，構(gòu)建厚度直方圖。(1)選擇形狀函數(shù)以及在模型表面隨機(jī)采樣的方法均與形狀分布算法相同，在此不再贅述。(2)計(jì)算兩點(diǎn)間的幾何距離，同時(shí)根據(jù)兩點(diǎn)所在三角形面片的法向量計(jì)算幾何距離的權(quán)值。方法如下對(duì)應(yīng)采樣點(diǎn)為A和B，它們分別位于兩個(gè)三角形上。如圖6所示。記連接^和B兩點(diǎn)方向的單位矢量為"，三角形法向單位矢量分別為",，"2。計(jì)算權(quán)值『，其中^/為^、B兩點(diǎn)間的幾何距離。如式3所示『二".n,xw'"2/d2(3)這里權(quán)值『的意義為經(jīng)過隨機(jī)取樣過程后，每個(gè)采得的點(diǎn)可以看作位于一塊等面積的小面元上。假設(shè)三角形1，2之間密集地分布著連接任意采到的兩點(diǎn)之間的線段。首先，將力和B附近的小面元在垂直于w的平面上進(jìn)行投影，這樣，J^附近的線段密度就進(jìn)行了歸一，這個(gè)步驟相當(dāng)于對(duì)每個(gè)小面元乘以權(quán)值"o"w,w,)和A^w,)。其次，4和5兩點(diǎn)對(duì)應(yīng)的小面元對(duì)乂5方向線所張的球面角正比于l/cf2。因此，對(duì)空間各向所有兩點(diǎn)連線統(tǒng)一加以考慮時(shí)，需要再乘以權(quán)重1/W，這相當(dāng)于對(duì)線段賦予正比于其覆蓋立體角大小的權(quán)值。(3)構(gòu)建厚度直方圖類似于形狀分布的算法，按照大量采樣的線段的平均長(zhǎng)度對(duì)尺寸自由度進(jìn)行歸一化。對(duì)應(yīng)線段^^落入的距離單元，構(gòu)造形狀分布曲線需要將對(duì)應(yīng)的統(tǒng)計(jì)數(shù)值加1,而構(gòu)造厚度直方圖則將對(duì)應(yīng)距離單元的統(tǒng)計(jì)數(shù)值加上權(quán)值『。除此之外，對(duì)于一定的采樣點(diǎn)數(shù)，形狀分布曲線和距離坐標(biāo)軸之間的面積是固定的，然后厚度直方圖卻不能保證這一點(diǎn)，因此還需要對(duì)概率坐標(biāo)軸進(jìn)行歸一，使對(duì)應(yīng)各種厚度的概率總和是一個(gè)常數(shù)。參照?qǐng)D7復(fù)球面映射方法中，根據(jù)凸多面體的定義，連接此實(shí)體內(nèi)的任意兩點(diǎn)的線段必須完全落在實(shí)體內(nèi)。顯然很多普通的三維模型往往是非凸多面體，根據(jù)高斯球面映射的定義，這常常會(huì)導(dǎo)致具有相同法向不同位置的面片映射在同一點(diǎn)，為了解決這個(gè)問題，在映射的過程中，考慮引入面片的空間位置信息，高斯球面被重新定義為一種復(fù)球面，即球面上的每個(gè)點(diǎn)被擴(kuò)展為一個(gè)復(fù)數(shù)點(diǎn)，點(diǎn)的實(shí)部仍然由面片的法向和面積表示，點(diǎn)的虛部則由面片到原點(diǎn)的距離表示，顯然到原點(diǎn)距離相等的面片不可能擁有相同的法向，這中映射稱為復(fù)球面映射。由于復(fù)球面映射同時(shí)包含了對(duì)象表面的法向、面積和位置信息，因此更加全面的描述了對(duì)象空間幾何特征。具體計(jì)算過程如下:設(shè)^5C為一個(gè)網(wǎng)格三維模型的任一面片，其頂點(diǎn)坐標(biāo)分別為fe,"A)、(x2,h,z2)、Oc3,h，z3)，面片的質(zhì)心為(xdz丄面片的法向?yàn)?amp;，面片到原點(diǎn)的距離定義為面片質(zhì)心到原點(diǎn)的距離A，面片的面積為4，則在單位復(fù)球面上的映射點(diǎn)定義如式4所示-C^t=4"A(4)選擇模型的質(zhì)心為坐標(biāo)原點(diǎn)，同時(shí)為了使得映射對(duì)模型的縮放具有不變形，首先對(duì)模型進(jìn)行歸一化，以保證A的一致性。參照?qǐng)D1，在特征提取處理完成后，需要進(jìn)行相似性度量，本發(fā)明提供了四種相似性度量的方法，分別介紹如下。(1)歐式距離(EuclideanDistance),如式(5)所示<formula>formulaseeoriginaldocumentpage10</formula>(5)(2)f距離，定義如式6所示<formula>formulaseeoriginaldocumentpage10</formula>(6)(3)Jensen-Shannon足巨離Jensen-Shannong巨離也禾爾為Jeffreyl巨離(JeffreyDivergence),是對(duì)Kullback-Leibler距離的經(jīng)驗(yàn)式改進(jìn)，較Kullback-Leibler距離而言，具有更好的數(shù)學(xué)穩(wěn)定性。定義如式(7)所示<formula>formulaseeoriginaldocumentpage10</formula>(7)其中，//和/7'分別是含有M個(gè)bin的直方圖，//是直方圖//的第w個(gè)bin的經(jīng)驗(yàn)概率值?？梢宰C明，Jensen-Shannon距離滿足非負(fù)性、對(duì)稱性和三角不等式等關(guān)系，是一種有效的距離測(cè)度。參照?qǐng)D8，是推土機(jī)距離的算法流程圖。該方法(EarthMover'sDistance)由YossiRubner等人提出，它的基本思想是，兩個(gè)點(diǎn)集之間，除了可以用點(diǎn)集之間的幾何距離來度量它們的相似程度之外，還可以用它們之間的變換所要做的最小工作量的大小來度量，它的物理意義較為明確，如果相似程度高，那么將一個(gè)點(diǎn)集變換到另一個(gè)點(diǎn)集所需的最小工作量自然也就少。(1)定義給定有限大小的離散點(diǎn)集^和y<formula>formulaseeoriginaldocumentpage11</formula>其中，a，力分別表示點(diǎn)在w空間的位置；a，a々0，記錄點(diǎn)的權(quán)值；w和"給出點(diǎn)集的大小。注意到，^和r不一定是等權(quán)重的，若|>,t，則稱點(diǎn)集Z是重(heavy)的，而點(diǎn)集F是輕(light)的。'-，>1定義點(diǎn)集X和r之間的流(Flow)為任意wx"大小的矩陣F-(y^，厶記錄x,和^之間相匹配的權(quán)值的大小。流的含義是將重的點(diǎn)集的權(quán)值移至輕的點(diǎn)集，直到輕的點(diǎn)集被完全覆蓋為止的一個(gè)過程。滿足以下四個(gè)條件的流，稱為可行流(FeasibleFlow):<formula>formulaseeoriginaldocumentpage11</formula>給定可行流F，定義將點(diǎn)集X變換至點(diǎn)集y所做的功(Work)為式(8):『。"(尸,％力=￡之力《(8)《-4,，力)是x,到乃的距離，常用的是歐氏距離。令F(X，y)為義到r的所有可行流的集合，則點(diǎn)集X和點(diǎn)集y之間的推土機(jī)距離(EarthMover'sDistance,EMD)定義如式(9)所示，即即用輕的一方的權(quán)值和進(jìn)行歸一化后的從點(diǎn)集Z變換至點(diǎn)集r的最小功<formula>formulaseeoriginaldocumentpage11</formula>權(quán)利要求1.基于內(nèi)容的三維模型檢索方法試驗(yàn)平臺(tái)，其特征在于具體實(shí)現(xiàn)步驟如下步驟一、對(duì)輸入的檢索三維模型樣本和數(shù)據(jù)庫中的三維模型進(jìn)行標(biāo)準(zhǔn)化和預(yù)處理采用平移變換的方法將模型的質(zhì)心與坐標(biāo)原點(diǎn)對(duì)齊；將模型旋轉(zhuǎn)到統(tǒng)一的角度；將模型縮放到一個(gè)統(tǒng)一的尺度；為了保證互為鏡像的兩個(gè)三維模型在表示上的一致性需要進(jìn)行反射變換；步驟二、對(duì)從步驟一得到的輸出模型，進(jìn)行模型特征提?。徊襟E三、對(duì)步驟二得到的特征向量，進(jìn)行相似性度量；步驟四、按照相似程度優(yōu)先排序法顯示初步檢索結(jié)果；步驟五、基于用戶反饋的方法，優(yōu)化檢索結(jié)果；步驟六、通過繪制該方法的查全率和查準(zhǔn)率圖來評(píng)估某實(shí)驗(yàn)方法的性能。2.根據(jù)權(quán)利要求1所述的基于內(nèi)容的三維模型檢索方法試驗(yàn)平臺(tái)，其特征在于步驟二中的模型特征提取方法優(yōu)選為形狀分布算法、厚度直方圖算法和復(fù)球面映射算法。3.根據(jù)權(quán)利要求1所述的基于內(nèi)容的三維模型檢索方法試驗(yàn)平臺(tái)，其特征在于步驟三中的相似性度量方法優(yōu)選為歐式距離，Jeffery距離，X2距離和推土機(jī)距離。全文摘要本發(fā)明屬于計(jì)算機(jī)應(yīng)用領(lǐng)域，涉及一種基于內(nèi)容的三維模型檢索方法試驗(yàn)平臺(tái)。本發(fā)明的具體步驟是①對(duì)輸入的檢索三維模型樣本和數(shù)據(jù)庫中的三維模型進(jìn)行標(biāo)準(zhǔn)化和預(yù)處理；采用平移變換的方法將模型的質(zhì)心與坐標(biāo)原點(diǎn)對(duì)齊；將模型旋轉(zhuǎn)到統(tǒng)一的角度；為了保證互為鏡像的兩個(gè)三維模型在表示上的一致性需要進(jìn)行反射變換。②對(duì)從步驟①得到的輸出模型進(jìn)行特征提??；③對(duì)步驟②得到的特征向量，進(jìn)行相似性度量；④按照相似程度優(yōu)先排序法顯示初步檢索結(jié)果；⑤基于用戶反饋的方法，優(yōu)化檢索結(jié)果；⑥通過繪制該方法的查全率和查準(zhǔn)率圖來評(píng)估某實(shí)驗(yàn)方法的性能。本發(fā)明可應(yīng)用于各種三維實(shí)體模型的檢索；還可用來評(píng)估新檢索方法的性能并選擇最優(yōu)的檢索方法。文檔編號(hào)G06F17/30GK101350035SQ20081022267公開日2009年1月21日申請(qǐng)日期2008年9月22日優(yōu)先權(quán)日2008年9月22日發(fā)明者艷張,李鳳霞,李立杰,許仁杰,越譚,陳宇峰,黃天羽申請(qǐng)人:北京理工大學(xué)