兵馬俑第三次發(fā)掘出土陶俑、車馬等各類文物共計310余件（組）,然而這些文物中幾乎沒有一件是完整的,面對發(fā)掘出土的如此多的碎片,人工復原需要漫長的時間才能完成。雖然使用現(xiàn)代三維掃描技術和虛擬現(xiàn)實技術能夠完成文物碎片的虛擬復原,但現(xiàn)有技術仍存在以下四個問題:1.沒有實現(xiàn)對具有無序性的三維文物點云模型有效統(tǒng)一的表示,使得點云文物模型無法直接進行深度學習等自動化和智能化操作;2.由于掃描環(huán)境和掃描儀器的限制,通過激光掃描儀獲得的文物碎片存在孔洞,模型不完整;3.待匹配斷裂面的提取依賴于手工標注或者特征驅(qū)動,沒有實現(xiàn)基于數(shù)據(jù)驅(qū)動的斷裂面自動識別;4.現(xiàn)有的碎片配準算法都是根據(jù)個人經(jīng)驗領域知識設計特征描述符,依靠傳統(tǒng)幾何特征驅(qū)動完成碎片匹配,沒有實現(xiàn)自動化特征提取和碎片配準。本文針對以上問題,首先對點云數(shù)據(jù)進行更深層次的表達與分析,然后對掃描得到的碎片孔洞進行修復,通過提取斷裂面對碎片進行拼接。具體研究內(nèi)容如下:（1）提出一種基于八叉樹和三維K-D樹混合索引的點云文物數(shù)據(jù)表示方法該方法首先進行無組織點云模型的體素轉(zhuǎn)換,在體素空間對三維模型進行八叉樹剖分,改進八叉樹編碼方式;然后構(gòu)建節(jié)點間的鄰接關系... 

【文章來源】：西北大學陜西省 211工程院校

【文章頁數(shù)】：130 頁

【學位級別】：博士

【部分圖文】：

秦兵馬俑一號坑第三次發(fā)掘現(xiàn)場出土的文物碎片

(a)虛擬復原的秦俑 (b)虛擬復原的馬圖 1-2 虛擬復原秦俑和馬2）文物三維虛擬修復可以為文物實際修復工作提供詳實的參考數(shù)據(jù)，如提供，預測缺損部位的幾何信息、定位破碎文物的空間位置等。圖 1-3 為利用復原俑和馬提取的線畫圖。

3(a)秦俑線畫圖 (b)馬的線畫圖圖 1-3 秦俑和馬的線畫圖（3）實現(xiàn)對文物的非接觸修復以減少過多接觸文物而造成的二次損害。如圖 1-4是發(fā)掘出的彩繪秦俑，如果通過人工復原，彩繪與空氣接觸時間長會被氧化，并接接觸對彩繪再次造成破壞，但如果通過掃描儀采集數(shù)據(jù)來虛擬修復就可以避免破壞。

【參考文獻】：
期刊論文
[1]輕量級實時點云分類網(wǎng)絡LightPointNet[J]. 白靜,司慶龍,秦飛巍.  計算機輔助設計與圖形學學報. 2019(04)
[2]基于點云數(shù)據(jù)的三維目標識別和模型分割方法[J]. 牛辰庚,劉玉杰,李宗民,李華.  圖學學報. 2019(02)
[3]基于GPU的并行八叉樹生成算法[J]. 王吉強,賈世宇.  青島大學學報(自然科學版). 2018(04)
[4]文物三維模型虛擬修復研究進展、挑戰(zhàn)與發(fā)展趨勢[J]. 侯妙樂,趙思仲,楊溯,胡云崗.  遺產(chǎn)與保護研究. 2018(10)
[5]基于自適應鄰域匹配的點云配準方法[J]. 張順利,徐艷芝,周明全,耿國華,張雨禾.  計算機學報. 2019(09)
[6]人體模型網(wǎng)格孔洞的快速修復方法[J]. 劉世凡,梁晉,董波.  西安交通大學學報. 2018(08)
[7]結(jié)合插值細分和徑向基函數(shù)的3維掃描數(shù)據(jù)孔洞修補[J]. 潘翔,焦吾振,鄭河榮,張三元.  中國圖象圖形學報. 2018(04)
[8]基于變分水平集的三維模型復雜孔洞修復[J]. 張婧,周明全,耿國華.  計算機應用研究. 2018(04)
[9]剛體碎塊的斷裂面匹配[J]. 趙夫群,周明全,耿國華.  中國圖象圖形學報. 2017(01)
[10]基于卷積神經(jīng)網(wǎng)絡的點云配準方法[J]. 舒程珣,何云濤,孫慶科.  激光與光電子學進展. 2017(03)

博士論文
[1]基于多特征的兵馬俑斷裂面匹配方法研究[D]. 趙夫群.西北大學 2019
[2]深度學習下細粒度級別圖像的視覺分析研究[D]. 魏秀參.南京大學 2018
[3]數(shù)字幾何處理方法研究及在文物虛擬復原中的應用[D]. 李姬俊男.西北大學 2017
[4]散亂點云特征提取方法與部位缺損文物碎片拼接技術研究[D]. 張雨禾.西北大學 2017
[5]三維數(shù)字幾何處理中特征提取與孔洞修補研究[D]. 王小超.大連理工大學 2014
[6]顱面統(tǒng)計復原關鍵技術研究[D]. 賀毅岳.西北大學 2012

碩士論文
[1]基于異構(gòu)處理器的深度卷積神經(jīng)網(wǎng)絡加速系統(tǒng)設計與實現(xiàn)[D]. 姜典坤.北京交通大學 2018
[2]基于深度學習的目標檢測算法研究[D]. 溫捷文.廣東工業(yè)大學 2018
[3]基于區(qū)域分割的三維點云模型骨架提取算法研究[D]. 晁瑩.西北大學 2017
[4]非薄壁文物碎片拼接中的斷裂面提取與匹配技術研究[D]. 孟秋晴.西北大學 2013
[5]海量三維點云數(shù)據(jù)的組織與可視化研究[D]. 徐鵬.南京師范大學 2013
[6]基于激光掃描數(shù)據(jù)的遺址場景三維重建技術的研究與應用[D]. 張婧.西北大學 2012
[7]文化遺產(chǎn)數(shù)字化保護問題研究[D]. 秦境澤.蘭州大學 2012



本文編號：2979159