[发明专利]一种基于形状分布和曲度的三维模型检索方法

摘要

本发明公开了一种基于形状分布和曲度的三维模型检索方法，该方法主要分为以下几个步骤：1)计算输入模型的形状分布函数特征以及曲度特征；2)根据形状分布特征，计算输入模型和三维模型数据库中的各个模型的相似度，利用该相似度检索返回一个结果集；3)利用输入模型的曲度特征，计算结果集中各个模型与输入模型的相似度；4)根据3)中的相似度计算结果，输出检索结果。该方法通过输入模型的形状分布和曲度特征在三维模型数据库中进行检索，利用组合特征实现三维模型的全局和局部匹配，能够有效的提高三维模型检索的匹配精度，具有一定的应用价值和参考意义。

主权项

1.一种基于形状分布和曲度的三维模型检索方法，其特征在于，包括如下步骤：(1)得到的模型是多边形或三角形组成的；首先，将这些多边形网格模型转化为点阵模型；具体步骤如下：(1.1)将构成三维网格模型的表面所有多边形分割成三角形，形成三角形网格模型并保存以便后面取用；(1.2)计算并存储分割好的三角模型的所有三角面片的面积，假设T＝(v1,v2,v3)代表其中一个三角形，它的面积表示为公式(1)中，v1，v2，v3分别为三角面片中的三个顶点；三角网格模型的总面积S为ST之和；(1.3)先生成一个介于(0，S)的随机数，检索(1.2)中建立的存储三角片面积的数组中与之相等的数据，在三角面片上使用公式(2)来得到符合条件的特征点的坐标：其中，r1和r2是[0,1]之间的随机数，P为特征点；(2)；利用公式(1)在三维模型上采样2n个特征的点，并对随机点之间的距离值进行统计，构建三维模型的D2距离直方图；并通过计算待检索模型与数据库中模型的D2距离直方图之间的L1距离得到待检索模型和数据库模型之间的相似度；具体步骤如下：(2.1)设三维模型表面上的两个随机点之间的欧几里得距离为d_i，计算三维模型表面上所有随机点对之间距离d＝(d₁,d₂,…,d_i,…,d_n)，i＝1,2,…,n的平均值，将该值等分为m个区间，各个区间宽度为然后计算落在每个区间内的D2距离的数量Cd_j，(j＝1,2,…m)；以横轴表示区间距离值，纵轴表示某一距离值出现的数量，构建D2距离直方图；(2.2)步骤(2.1)中每一个区间距离值出现的数量占总距离个数的比值形成该模型的特征向量；记待检索模型的特征向量为Xd＝(Xd1,Xd2,…,Xdj,…,Xdm)，其中Xdj＝Cdj/n，数据库中三维模型的特征向量为Yd＝(Yd1,Yd2,…,Ydj,Ydm)，则二者之间的L2距离：的值越小，两个模型的越相似，待检索模型与数据库中对应模型的相似度值越大；(3)将步骤(2)中得到的所有相似度的值，由大到小进行排序，选取前L个相似度对应的模型库中的匹配模型，作为相似度匹配模型；(4)三维模型的曲度也是曲面弯曲度的一种度量，其中k₁、k₂是三维模型表面上一点的两个主曲率；高斯曲率记为K＝k₁·k₂，平均曲率记为H＝(k₁+k₂)/2，将曲度G展开并带入高斯曲率和平均曲率，得公式(4)；分别计算待检索三维模型和相似度匹配模型的曲度，具体步骤如下：(4.1)利用公式(5)计算待检索三维模型和相似度匹配模型的任意点的高斯曲率；其中，S(ve)表示顶点ve所在三角形的面积，θe表示顶点ve所在三角形的顶点的度数；(4.2)三角网格模型上的曲率计算；(4.3)利用步骤(4.1)和步骤(4.2)以及公式(4)计算待检索模型和相似度匹配模型表面上任意顶点的曲度；(5)记步骤(4)中得到的每个模型的曲度值G＝(G₁,G₂,…,G_f)，共有f个；计算模型的平均曲度值，并将该值等分成q个区间，每个区间的长度为其中x＝1,2,…,f，然后计算落在每个区间的曲度数量CG_t，t＝1,2,…,q，则模型的曲度特征向量为Z＝(Z₁,Z₂,…,Z_t,…,Z_q)，其中Z_t＝CG_t/f；采用L₁距离计算待检索模型和相似度匹配模型之间的特征向量距离；设2个模型的特征向量分别为XG＝(XG₁,XG₂,…,XG_t,…XG_q),YG＝(YG₁,YG₂,…,YG_t,…,YG_q),它们之间的L₁距离为：(6)的距离越小，两个模型的相似度值越大；根据(5)的计算得到所有的相似度值，并将之由大到小进行排序，得到排序后的相似度值对应的相似度匹配模型的排序结果，即为检索结果。