本文關(guān)鍵詞：基于體素的三維形體部件分割

  更多相關(guān)文章： 部件分割 體素 中軸骨骼 最小迭代深度 最大迭代深度 環(huán)切周長

【摘要】：進入21世紀后,多媒體技術(shù)獲得了巨大的發(fā)展,而其中以三維數(shù)字模型和三維場景技術(shù)為代表的三維信息技術(shù)正在逐步成為影響人們生活、工作和娛樂的主流媒體技術(shù)。科學技術(shù)的增長與信息采集設備的便易性更促成了三維數(shù)據(jù)的分工,從面信息中分離出來的體信息在三維重建及可視化、建模與圖形的檢索、運動軌跡追蹤、場景數(shù)字化、數(shù)據(jù)壓縮、形體分割等正發(fā)揮著越來越重要的作用。而在眾多應用中,模型各部分的語義及幾何信息的需求使得模型的體分割,尤其是部件分割,受到越來越多的關(guān)注。然而當前大部分的模型分割算法都是基于面的,基于體的分割算法為數(shù)不多。因此,本次從基于體的角度進行形體分割,具有重要的理論意義與實用價值。本文首先系統(tǒng)介紹了當前基于面和體的三維形體部件分割方法,這些方法由于提取特征與分割準則的不同對不同模型呈現(xiàn)優(yōu)劣各異的分割效果。隨后我們對基于面信息的三維網(wǎng)格進行體素化:我們首先利用插值法對三維網(wǎng)格進行表面體素化,然后再對內(nèi)部體素進行填充從而完成整個體素化過程。其次,我們利用傳統(tǒng)的邊界傳播算法提取形體的中軸骨骼;與傳統(tǒng)骨骼細化算法不同的是我們在中軸提取過程中,記錄每層體素所刪減的順序,提出了用于描述形體“厚”、“薄”特性的最大迭代深度MID(Maximum Iterative Depth)與最小迭代深度MIID(MInimum Iterative Depth),并用MIID進行去噪、剪枝,最終得到理想骨骼。第三,我們利用最大迭代深度MID對“薄”壁形體與“非薄”壁形體進行自動初分割,并利用基于PCA主成分分析法與累加平均法得到的環(huán)切周長CCP(Circled Cutting Perimeter)對形體進行再分割,從而得到基于面與體的分割結(jié)果。最后,我們利用Princeton的分割評價體系與Benchmark中的分割算法進行定性與定量比較,實驗表明本文所提出的基于MID-CCP的三維分割算法具有較好的綜合性能。
【關(guān)鍵詞】：部件分割 體素 中軸骨骼 最小迭代深度 最大迭代深度 環(huán)切周長
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要3-4
• ABSTRACT4-13
• 第一章 緒論13-23
• 1.1 研究背景及意義13-15
• 1.2 三維形體網(wǎng)格分割15-21
• 1.2.1 三維網(wǎng)格數(shù)據(jù)結(jié)構(gòu)15-16
• 1.2.2 三維分割的特征選擇16-20
• 1.2.3 三維分割類型（部件分割與面分割）20-21
• 1.3 主要章節(jié)及安排21-23
• 第二章 常見部件分割算法介紹23-36
• 2.1 常見三維分割方法23-31
• 2.1.1 區(qū)域增長23-24
• 2.1.2 分層聚類算法24-25
• 2.1.3 譜分析25
• 2.1.4 基于骨骼圖譜的形體分割25-26
• 2.1.5 基于體的模型分割26-27
• 2.1.6 其它三維形體分割算法27-31
• 2.2 分割算法的評價體系31-35
• 2.3 本章小結(jié)35-36
• 第三章 體素化與中軸化的提取36-53
• 3.1 八叉樹體素化方法36-38
• 3.2 本文體素化方法38-40
• 3.2.1 表面體素化38-40
• 3.2.2 內(nèi)部體素填充40
• 3.3 中軸提取算法40-44
• 3.3.1 邊界傳播算法42-43
• 3.3.2 基于距離場的骨骼提取算法43
• 3.3.3 基于幾何方法的中軸提取算法43-44
• 3.4 改進的中軸提取算法44-49
• 3.4.1 基礎(chǔ)知識44
• 3.4.2 中軸提取算法44-49
• 3.5 中軸骨骼的修剪49-52
• 3.5.1 修剪的必要性49-51
• 3.5.2 中軸的修剪51-52
• 3.6 本章小結(jié)52-53
• 第四章 基于體素的三維形體部件分割算法53-74
• 4.1 三維內(nèi)部距離53-55
• 4.2 骨骼體素與表面體素、三角面、頂點的匹配55-59
• 4.2.1 骨骼體素與表面體素的匹配56-57
• 4.2.2 骨骼體素與三角面、點的匹配57-59
• 4.3 基于最大迭代深度MID的初分割59-62
• 4.4 環(huán)切周長的計算62-69
• 4.4.1 基于PCA計算環(huán)切面法向量62-63
• 4.4.2 基于累加均值法計算環(huán)切面法向量63-64
• 4.4.3 環(huán)切周長CCP的計算64-66
• 4.4.4 環(huán)切法向量的優(yōu)化66-69
• 4.5 基于環(huán)切周長CCP的細分割69-70
• 4.6 分割結(jié)果的優(yōu)化70-73
• 4.7 本章小結(jié)73-74
• 第五章 實驗結(jié)果及分析74-85
• 5.1 基于視覺的定性分割結(jié)果評判75-79
• 5.2 基于定量指標的分割結(jié)果分析79-81
• 5.3 不同提取特征下的分割效果比較81-84
• 5.4 本章小結(jié)84-85
• 第六章 總結(jié)與展望85-87
• 6.1 全文總結(jié)85-86
• 6.2 展望86-87
• 參考文獻87-92
• 致謝92-93
• 攻讀碩士學位期間發(fā)表的學術(shù)論文93-95

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 李小燕;程顯毅;;基于權(quán)值的骨架修剪算法[J];計算機工程與設計;2009年14期

2 吳曉軍,劉偉軍,王天然;基于八叉樹的三維網(wǎng)格模型體素化方法[J];工程圖學學報;2005年04期

，

本文編號：570628