[发明专利]一种多类别三维模型部件自动标注方法

说明书

本发明公开了一种多类别三维模型部件自动标注方法，所述方法包括：对目标三维模型进行特征提取；基于所提取的特征，采用已训练好的标注模型对目标三维模型进行部件类别标注、边界边的类别标注、对象类别一致性标注；针对目标三维模型构建图模型，将面片的部件类别标注的负概率对数作为标注模型的数据项、将网格边从属于边界边的标注负概率对数作为标注模型的平滑项、将目标三维模型对象类别一致性标注的负概率对数作为标注模型的协调项；采用图割优化算法计算出目标三维模型中每个网格面片的标注。本发明可利用从训练集中学习出的标注模型对未知类别未知部件三维模型进行部件标注，而不受限于特定的规则或特征，适用范围广。

技术领域

本发明涉及一种多类别三维模型部件自动标注方法，属于计算机图形分析技术领域。

背景技术

将形状分割并标注为语义部件是形状理解的一个关键步骤。数据驱动形状分割的目标是将输入集中的形状划分为部件，并估计这些形状间部件的对应。因此，数据驱动的形状分割可产生一致性的具有语义标注的部件，并能够有效地支持三维模型的合成、实例建模、以及纹理合成等后续几何处理任务。

已有的研究致力于提高在同类三维模型中进行分割和标注的准确度，其基本分析基元大多选择为面片或超面片(过分割网格块)等来提取形状底层信息，然而仅利用这些底层的几何特征，却无法在多类别的三维模型集上取得较好的标注、分割结果。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种多类别三维模型部件自动标注方法，解决现有技术中无法对多类别三维模型进行精确标注的技术问题。

为解决上述记述问题，本发明是采用下述技术方案实现的：

一种多类别三维模型部件自动标注方法，所述方法包括如下步骤：

对目标三维模型进行特征提取，包括提取每个网格面片的面片特征、每条网格边的边特征以及目标三维模型的全局特征；

基于所提取的特征，采用已训练好的标注模型对目标三维模型的面片集进行部件类别标注、对目标三维模型的每条网格边进行边界边的类别标注、对目标三维模型本身进行对象类别一致性标注；

针对目标三维模型构建图模型，图中节点为网格面片、边存在于相邻网格面片之间以及全局节点和各网格面片之间，将面片的部件类别标注的负概率对数作为标注模型的数据项、将网格边从属于边界边的标注负概率对数作为标注模型的平滑项、将目标三维模型对象类别一致性标注的负概率对数作为标注模型的协调项；

采用图割优化算法计算出目标三维模型中每个网格面片的标注。

进一步的，对所述标注模型进行训练的方法包括：

采用包含多种不同类别部件的三维模型构建训练集；

对训练集中三维模型进行标准标注，标注信息包括三维模型所属对象的类别标注、三维模型中每个网格面片从属于构成部件的类别标注、每条网格边从属于边界边的类别标注；

将训练集划分为实例集和验证集；

对实例集中三维模型进行特征提取，包括提取网格面片的面片特征、每条网格边的边特征以及三维模型的全局特征；

采用所提取的特征结合标准标注分类训练出标注模型的数据项、平滑项和协调项；

利用验证集搜索标注模型的最优平滑项和协调项权重参数。

进一步的，对所述标注模型进行训练的方法还包括对训练集中的三维模型进行归一化处理，具体包括如下步骤：

将训练集中的三维模型的质心移动到坐标原点；

计算训练集中的三维模型每个面片中心到其质心的欧式距离；