[发明专利]一种三维模型最优视图的自动选择方法

权利要求书

1.一种三维模型最优视图的自动选择方法，其特征在于，包括以下步骤：

步骤一，三维模型集预处理：对输入的三维模型集中的各个三维模型进行预处理，得到所有三维模型的类别，包括姿态校正、尺度归一化以及三维模型类别判断三个步骤，所述三维模型集中每个三维模型设有类别标记；

姿态校正过程调整三维模型的坐标系，将三维模型的姿态校正为直立状态；

尺度归一化过程将三维模型的大小归一化为单位长度；

三维模型类别判断过程根据已有三维模型集来确定不在三维模型集中未分类三维模型的所属类别；

步骤二，候选视图选取：采样三维模型的各个视图，并提取特征和聚类，得到三维模型的一组候选视图：包括三维模型视图采样、视图特征提取和视图聚类三个步骤：

三维模型视图采样过程将连续分布的视点离散化；

视图特征提取过程提取描述每个视图的特征向量；

视图聚类过程将相似度大于阈值的视图聚集在一起，然后生成候选视图子集；

步骤三，视图评价：对三维模型的候选视图排序，选择排序靠前的视图为最优视图，包括距离计算和最优视图学习两个步骤：

距离计算过程计算候选视图与三维模型集中其他三维模型的距离以及不同三维模型对应的视图；

最优视图学习过程中对每个候选视图训练分类器，并进行交叉验证，按错误率升序排列，排序最靠前的为最优视图。

2.根据权利要求1所述的一种三维模型最优视图的自动选择方法，其特征在于，步骤一中所述姿态校正部分包括以下步骤：

步骤111，计算三维模型的中心，将三维模型平移至以该三维模型的中心为原点的坐标系上；

步骤112，通过PCA方法计算三维模型的主轴方向；

步骤113，将三维模型所在坐标系的各个坐标轴方向调整为PCA方法得到的主轴方向。

3.根据权利要求2所述的一种三维模型最优视图的自动选择方法，其特征在于，步骤一中所述尺度归一化部分包括以下步骤：

步骤121，计算三维模型的中心以及三维模型上的各个顶点到中心的距离；

步骤122，以最长的距离作为单位长度对各个顶点进行归一化。

4.根据权利要求3所述的一种三维模型最优视图的自动选择方法，其特征在于，步骤一中三维模型类别判断部分包括以下步骤：

步骤131，对每个三维模型进行特征提取，得到三维模型的特征；

步骤132，利用已有三维模型集中每个三维模型的特征和类别标记作为训练集进行学习，得到三维模型类别的分类器；

步骤133，对于不在步骤132中已有三维模型集里的三维模型，使用步骤132得到的分类器该三维模型确定所属类别，并加入三维模型集相应类别中，得到完全分好类的三维模型集M＝{M₁,…,M_n}，其中n为三维模型的数量。

5.根据权利要求4所述的一种三维模型最优视图的自动选择方法，其特征在于，步骤二中三维模型视图采样部分包括以下步骤：

步骤211，利用预先定义的正二十面体的坐标生成初始包围三维模型的正二十面体，对正二十面体进行曲面细分得到离散化的视点位置；

步骤212，在每个视点上计算三维模型的投影，得到三维模型的多个二维视图。

6.根据权利要求5所述的一种三维模型最优视图的自动选择方法，其特征在于，步骤二中视图特征提取部分包括以下步骤：

步骤221，将三维模型的二维视图二值化处理后变成二值图像；

步骤222，对得到的二值图像提取傅里叶描述子；

步骤223，对得到的二值图像提取Zernike矩描述子；

步骤224，合并傅里叶描述子和Zernike矩描述子作为视图的特征。

7.根据权利要求6所述的一种三维模型最优视图的自动选择方法，其特征在于，步骤二中视图聚类部分包括以下步骤：

步骤231，对每个三维模型的所有视图按照提取的特征，使用k-means算法聚类，步骤232，将特征向量在欧式距离上最接近聚类中心的视图选为候选视图，得到每个三维模型M_i的候选视图集合1≤i≤n，1≤k≤10。