[发明专利]基于大尺度网格模型表示的实时稀疏编辑方法和系统在审
| 申请号： | 201910688868.8 | 申请日： | 2019-07-29 |
| 公开（公告）号： | CN110544309A | 公开（公告）日： | 2019-12-06 |
| 发明（设计）人： | 高林;杨洁;夏时洪;来煜坤 | 申请（专利权）人： | 中国科学院计算技术研究所 |
| 主分类号： | G06T17/20 | 分类号： | G06T17/20;G06T19/20;G06T3/00 |
| 代理公司： | 11006 北京律诚同业知识产权代理有限公司 | 代理人： | 祁建国;张燕华<国际申请>=<国际公布> |
| 地址： | 100080 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于大尺度网格模型的实时稀疏编辑方法，包括：构建由相同网格拓扑的模型组成的模型库；提取该模型的原始特征向量，将该原始特征向量转化为可以编码模型大尺度形变的第一特征向量，并形成该模型库的第一特征向量集合；对该第一特征向量集合进行全局稀疏优化，提取第二特征向量集合；确定目标模型上的控制顶点位置；以该目标模型的特征向量为该第二特征向量集合的一个线性组合向量，对该线性组合向量进行稀疏优化，得到编辑特征向量；根据该控制顶点位置和该编辑特征向量，得到该目标模型的形变模型。本发明的方法可以借助模型库的先验信息，通过稀疏混合的方法自动选择较少数量的变形特征，实时生成更加真实自然可靠的编辑结果。 | ||
| 搜索关键词： | 特征向量集合 特征向量 稀疏 目标模型 模型库 原始特征向量 顶点位置 线性组合 大尺度 向量 编辑结果 编码模型 变形特征 实时生成 网格模型 网格拓扑 先验信息 形变模型 真实自然 自动选择 形变 构建 优化 全局 转化 | ||
【主权项】：
1.一种基于大尺度网格模型的实时稀疏编辑方法，其特征在于，包括：/n构建由相同网格拓扑的模型组成的模型库；/n提取该模型的原始特征向量，将该原始特征向量转化为可以编码模型大尺度形变的第一特征向量，并形成该模型库的第一特征向量集合；/n对该第一特征向量集合进行全局稀疏优化，提取第二特征向量集合；/n确定目标模型上的控制顶点位置；/n以该目标模型的特征向量为该第二特征向量集合的一个线性组合向量，对该线性组合向量进行稀疏优化，得到编辑特征向量；/n根据该控制顶点位置和该编辑特征向量，得到该目标模型的形变模型。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所，未经中国科学院计算技术研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910688868.8/，转载请声明来源钻瓜专利网。
