[发明专利]一种基于Mean Shift的三维形状自动分割方法

说明书

技术领域

本发明涉及一种三维形状的自动分割方法。 

背景技术

网格分割是几何建模和计算机图形学研究和应用的关键要素，辅助其进行参数化、纹理映射、形状匹配、变形、多精度建模，压缩以及动画等操作。对形状的理解和基于物体表示的语义信息的获得依赖于表示这些物体和形状的三维网格特征和结构的提取。将三维表面网格自动分割成功能部分是计算机图形学的基础问题，分割不仅能够提供对应物体的语义信息，还能用来指导多种类型的网格处理算法。 

在目前国内外公开的文献中，Marco Attene,Bianca Falcidieno and michelaSpagnuolo,“Hierarchical mesh segmentation based on fitting primitives”,TheVisual Computer,2006中提出了基于Fitting Primitives的分割算法，对三维形状进行层次性的分割。该算法完全自动地生成一颗聚类二叉树，每个节点代表的聚类都被一种基础图形如平面，柱面或球面所拟合。三维形状中的每个三角形面片表示一个聚类，在反复迭代过程中将相邻的聚类对融合，使得融合后的聚类对能够更好的被基础图形所拟合且生成新的聚类。该算法自底向上递归的融合聚类，达到定义的分割数时终止。Shymon Shlafman,Ayellet Tal and Sagi Katz，“Metamorphosis ofPolyhedral Surfaces using Decomposition’’,Computer Graphics Forum,2002中在对多边形曲面进行变形时使用了与k-means聚类算法相似的解构方法。K-means在分割数k确定后，首先在物体表面选择k个种子网格面片作为初始聚类中心，接着进行递归运算：1）将所有面片分配给离其最近的聚类中心；2）计算每个聚类的均值点，将初始聚类中心移动到均值点，将其当作新的聚类中心；直到聚类中心与其均值很接近时停止递归。K-means在特征空间进行聚类，采用欧几里得距离作为相似度测量，使得聚类内特征点间的相似度最高，不同聚类的相似度最低。通过特征点与三维形状多边形网格一一对应的关系，将三维形状分割为有意义的功能部分。 

但上述两种三维形状的分割方法有几点不足： 

基于Fitting Primitives的三维网格物体分割方法只适合三维CAD模型，分割个数需事先定义，由于算法使用平面、曲面等基础图形对三维形状进行拟合，其拟合误 差较大，分割效果不好。 

基于k-means的分割方法需要人为定义分割个数，对多个三维形状进行分割时，需要依次设置分割个数，自动化程度低，另外，分割精度低。 

发明内容

为了克服现有技术自动化性能差、适用范围小、分割精度低的不足，本发明提供一种基于mean shift的三维形状自动分割方法，该分割方法可以对通用物体的三维模型以及CAD模型进行自动分割。首先，为了获取三维形状的局部属性特征和几何位置特征，分别计算三维形状中每个网格面片的shape diameter值和中心坐标，构成shapediameter和几何坐标组合的四维特征空间。接着，使用mean shift算法在四维组合特征空间进行约束聚类，通过特征点与网格面片的对应关系得到三维形状的分割，分割部分数与聚类个数相等。本发明采用k最近邻分类法对分割结果进行局部修正，然后通过可视化操作将抽象数据转换为直观的三维图像，接着利用基准量度进行量化评价。本发明可以对三维形状进行自动分割，且无需事先规定分割个数。 

本发明解决其技术问题所采用的技术方案包括以下步骤： 

（1）通过特征化顶点的距离获取每个三维形状网格的局部特征，根据三维形状网格的顶点坐标获取其网格的中心坐标，得到组合的四维特征空间； 

（2）采用Mean shift算法在前述四维特征空间进行聚类计算，得到聚类数以及各聚类所包含的特征点； 

（3）采用K最近邻分类技术对步骤（2）的聚类计算结果进行决策空间建模，局部修正分割结果； 

（4）采用可视化技术将局部修正后的分割结果根据聚类属性标记颜色的方式进行着色处理，采用普林斯顿分割基准计算该分割方法在不同量度下的基准误差，从而进行量化评价。 

本发明的有益效果是：