[发明专利]基于层次化结构的室内场景运动性分析与检测方法

说明书

技术领域

本发明涉及场景建模技术领域，特别是涉及一种基于层次化结构的室内场景运动性分析与检测方法。

背景技术

在室内场景辅助设计和游戏场景设计领域，目前已有一些三维软件可以进行场景建模，以及对场景模型进行编辑和管理。下面对与此相关的一些技术做简要介绍。

(一)层次化结构的场景图

由于原始模型在拓扑结构上的紊乱和缺失，需要寻找一个有效的数据结构来组织原始模型，以及表达整个室内场景。Maren andAli于1988年在图像分割领域提出了HSS(Hierarchical Scene Structure，层次场景结构)来表达图像分割块之间的内部关系，其主要用来解决图像理解的问题，并指出HSS中各结点之间的关系可以是分割块边界连续性、邻接性、包围性、几何相似性、大小和方向等。

层次化结构的场景图(简称“层次化结构图”)是一种对室内场景进行建模的有效的数据结构，图结构中的结点代表场景中的物体，边代表物体之间的某种关系。STOFFEL等人设计的室内场景导航系统有用到层次化结构的场景图，以帮助人们在大规模室内场景中认清方位。STRUG等人将层次化结构用在CAD的建筑结构平面图的设计和分类问题上。

除了有层次化结构图作为有效的数据结构对场景进行表达，还需要有效的算法对图结构进行信息的提取和运算。机器学习领域的Graph-Kernel方法是一种对层次化结构图各结点之间的关系进行研究的方法。S.V.N Vishwanathan等人在“Graph Kernels”一书中对Graph-Kernel方法进行了详尽的阐述。该书对不同的Graph-Kernel进行了数学描述和相关理论的证明，包括“随机漫步核(random walk kemel)”、“边缘核(marginalized kernel)”、“有理核(rational kernel)”、“R卷积核(R-convolution kernel)”等。

Fisher等人结合了层次化结构图和graph-kernel方法来特征化场景中的结构关系，用一种语义化的层次化结构图来表达整个室内场景，并且在此基础上运用基于核的方法来获取场景图之间的相似性。其工作是以场景图中的每个结点都代表一个有意义的物体为前提，也即其工作在很大程度上依赖于一个具有好的语义分割的三维场景模型。当然他们也认识到目前公共三维模型数据库中室内场景数据的种种缺陷，而且提出了一个粗糙、简单的预处理过程，该预处理仅仅考虑了结点几何形状和纹理特征，在原始三维数据上难以达到高质量的语义上的分割效果。

(二)图割方法

图割方法是基于图论中的最大流最小割理论的一种解决能量函数最小化问题的最优化算法，它广泛应用于计算机视觉中的立体视觉匹配(stereo matching)、图像重建(image restoration)、纹理合成(texture synthesis)等问题中。

图割方法算法大致是对一个由三个能量项构成的能量代价函数进行最优化的过程，这三个能量项分别为数据项(Data Cost，定义结点赋予某个label(即标签，下同)的代价)，平滑项(Smooth Cost，定义相邻结点间的属于同一label的代价)和标签项(Label Cost，只是在多label的图割方法中用到)。

在图像分割和立体视觉领域，图割方法是区分前景和背景的有力工具。但是在三维图形领域却很少用到，BROWN等人设计的一种交互式网格和点集模型分割算法便是这些少量研究中的一种。它利用图割方法来分割三维网格模型，用户先粗略地在模型上画线来决定包含部分和剔除部分作为分割的参考，然后通过图割方法再迭代地对构建的有权图进行分割，该方法还利用了层次化结构加速来适应大规模的网格模型，因为传统的图割方法只能适用于小的模型。

图割方法允许用户自定义能量代价函数来适应不同问题的需求，并且能够产生很好的分割效果，具备有效性、灵活性和广泛性。

现有技术中，利用计算机对室内场景进行辅助设计采用的方案如下：