CN101446952A - 三维类似形状检索装置 - Google Patents
三维类似形状检索装置 Download PDFInfo
- Publication number
- CN101446952A CN101446952A CNA200810178756XA CN200810178756A CN101446952A CN 101446952 A CN101446952 A CN 101446952A CN A200810178756X A CNA200810178756X A CN A200810178756XA CN 200810178756 A CN200810178756 A CN 200810178756A CN 101446952 A CN101446952 A CN 101446952A
- Authority
- CN
- China
- Prior art keywords
- image
- model
- aforementioned
- dimensional
- characteristic quantity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种三维类似形状检索装置,其抽取三维形状模型的特征量,检索类似形状。将成为检索对象的三维形状模型使用随机旋转矩阵生成部(6)和二维图像生成部(7)从各个方向进行绘制来抽取图像特征量,并登记到图像特征量数据库中。将成为检索键的三维形状模型使用随机旋转矩阵生成部(10)和二维图像生成部(11)从各个方向进行绘制来抽取图像特征量,并与前述图像特征量数据库进行比较,从而检索类似形状。
Description
技术领域
本发明涉及一种检索(retrieve)三维形状模型(3D model)的方法以及装置。
背景技术
近年来,随着计算机以及网络的进步,三维形状模型在各种场合中得到利用。一方面其数据数量增多,另一方面三维形状模型数据的有效管理、用户高效地检索期望形状这样的要求变高。为此,关于三维形状模型的检索方法,提出了各种方法。作为三维形状模型的检索方法,提出了通过从三维形状生成二维图像(2D image)并从二维图像中求出特征量(feature values)来进行检索的方法。
专利文献1:日本特开2006-277166号公报
专利文献2:日本特开2007-140810号公报
非专利文献1:J.W.H.Tangelder,R.C.Veltkamp:A survey ofcontent based 3D shape retrieval methods,Proceedings of the ShapeModeling Applications,2004,pp.145-156.
非专利文献2:D.-Y.Chen,X.-P.Tian,Y.-T.Shen,and M.Ouhyoung:On visual similarity based 3D model retrieval.ComputerGraphics Forum(EG 2003 Proceedings),22(3),2003.
发明要解决的课题
但是,在使用了二维图像的三维类似形状检索(3D modelretrieval)中,存在如下问题:有在作为求出距离(相异点(dissimilarity))的对象的两个三维形状模型的方向(orientation)不一致的情况下不能正确进行比较的情况。在专利文献1中,使用主视图(front view)、俯视图(top view)、侧视图(side view)进行检索,但是对于任意的三维形状模型显示主视图、俯视图、侧视图,这对应于对三维形状模型提供三个主轴(principal axes)的情形,像非专利文献1中也有记载那样,这是难点。在专利文献2中,为了求出三个主轴,将形状最长的方向设为第1轴,但是如前所述,对于复杂的三维形状而言,误差(error)成为问题。
在非专利文献2中,为了避免使上述形状模型的方向一致的问题,提出了如下方法:对于三维形状模型,从预先决定的10方向生成图像,使用这些图像进行三维形状模型的检索。在该方法中,从侧影图像(silhouette images)中求出图像特征量,该侧影图像是从配置在三维形状模型周围的10个视点(view point)所得到的。为了与形状模型的旋转(rotation)的自由度(degree of freedom)对应,考虑60种组合来进行图像间的距离计算。并且,制作10个微妙地变更角度的10视点的组,进行不依赖于形状模型旋转的距离计算。为此,在三维形状模型间的距离计算中,需要将多维的特征量对照5460次,求出最小距离。为此,存在计算量变得庞大的问题。
发明内容
本发明是考虑如上所述的现有技术问题点所作出的,其目的在于,通过以少的计算量对方向不一致的三维形状模型求出三维形状模型间的距离(相异点)从而提供高精度的三维形状检索方法。
用干解决课题的方案
为了达成上述目的,本发明通过使用随机数(random numbers)旋转成为检索对象的三维形状模型来生成从多个方向观察的二维图像,并从该二维图像中抽取图像特征量。同样地,通过使用随机数旋转成为检索键的三维形状模型来生成从多个方向观察的二维图像,并从该二维图像中也抽取图像特征量。使用这样抽取的成为检索对象的三维形状模型的特征量和成为检索键的三维形状模型的特征量进行类似形状检索,检索与检索键(query)类似的三维形状模型。
发明的效果
在本发明中通过使用了随机数的旋转来生成二维图像,因此即使在成为对象的三维形状模型的方向不一致的情况下也能够算出距离。
附图说明
图1是表示本发明的三维类似形状检索系统的结构例的图。
图2是表示实施本发明三维类似形状检索方法的计算机内部结构的框图。
图3是说明登记部的处理过程的流程图。
图4是二维图像生成处理的结果的说明图。
图5是保存在图像特征量数据库中的数据的说明图。
图6是说明检索部的处理过程的流程图。
图7是二维图像生成处理的结果的说明图。
图8是保存在图像特征量数据库中的数据的说明图。
图9是说明距离计算的过程的流程图。
图10是说明二维图像的种类的图。
附图标记说明
1:登记部,2:检索部,3:三维形状数据库,4:特征量数据库,5:三维形状输入部,6:随机旋转矩阵生成部,7:二维图像生成部,8:二维图像特征量抽取部,9:检索形状模型指定部,10:随机旋转矩阵生成部,11:二维图像生成部,12:二维图像特征量抽取部,13:类似检索部,14:检索结果显示部,15:特征量数据。
具体实施方式
下面参照附图详细说明本发明的优选实施方式。
图1是表示本发明的三维类似形状检索系统的结构例的图。该检索系统具有登记部1和检索部2。登记部1是将成为检索对象的三维形状进行登记的部分,将成为检索对象的三维形状数据作为输入,将三维形状登记到三维形状数据库3中。并且,求出成为检索对象的三维形状的特征量,并登记到特征量数据库4中。此外,三维形状的特征量的详细情况将后述。检索部2是检索类似形状的部分,与三维形状数据库3以及特征量数据库4连接。检索部2将与想要检索的形状相类似的形状作为输入,使用三维形状数据库3以及特征量数据库4来检索类似形状,并显示检索结果。
登记部1具备三维形状模型输入部5、随机旋转矩阵生成部6、二维图像生成部7、二维图像特征量抽取部8。检索部2具备检索形状模型指定部9、随机旋转矩阵生成部10、二维图像生成部11、二维图像特征量抽取部12、类似检索部13、检索结果显示部14、特征量数据部15。此外,登记部1的随机旋转矩阵生成部6和检索部2的随机旋转矩阵生成部10具有相同的功能。另外,登记部1的二维图像生成部7和检索部2的二维图像生成部11、登记部1的二维图像特征量抽取部8和检索部2的二维图像特征量抽取部12分别具有相同的功能。
图2是表示实施本发明三维类似形状检索方法的计算机的内部结构的电路框图。在图2中,数据总线24上连接有CPU20、ROM21、RAM22、硬盘23、媒体输入部26、输入控制部28以及图像生成部29。执行本发明三维类似形状检索方法的程序,是从记录媒体25使用媒体输入部26而保存到RAM22中。或者,也可以从硬盘23将三维形状检索程序保存到RAM22中。来自输入装置27的用户的输入信息通过输入控制部28传输到CPU20中。图像生成部29根据三维形状检索结果来制作图像信息,并显示在显示器装置30上。
接着,参照流程图说明图1所示的系统的动作。图3示出用于说明成为检索对象的三维形状模型的登记部1的处理过程的流程图。首先,通过三维形状模型输入部5输入想要登记的三维形状模型(S101)。此时,将三维形状模型移动到原点,进一步进行大小的标准化。接着,向二维图像生成的处理次数的计数器即i代入1(S102)。通过随机旋转矩阵生成部6生成随机的旋转矩阵(S103)。二维图像生成部7对从三维形状模型输入部5输入的输入三维形状模型,使用随机的旋转矩阵来生成二维图像(S104)。二维图像特征量抽取部8从生成的二维图像中抽取图像特征量(S105)。将所抽取的二维图像特征量登记到特征量数据库4中(S106)。接着,使二维图像生成的处理次数的计数器i递增(S107)。将计数器i和预先设定的二维图像生成数Nr进行比较(S108),在计数器i为Nr以下的情况下返回到S103,继续进行二维图像生成以及图像特征量的抽取处理。在计数器i大于Nr的情况下,结束图像特征量的抽取处理,跳转到下一步骤(S108)。接着,将输入的三维形状登记在三维形状数据库3中(S109)。
以上,将一个三维形状模型作为检索对象而登记到数据库中。为了将多个三维形状模型作为检索对象进行登记,对想要登记的每个三维形状模型执行上述处理。
关于一个三维形状模型抽取Nr个二维图像特征量,并保存到特征量数据库4中。二维图像生成数Nr是用户预先设定好的数。当将该Nr值设定得大时,检索精度得到提高,但是同时增大检索时间。Nr的值是任意的,例如使用Nr=64等值即可。
在S101的三维形状模型输入处理中,如前述那样将三维形状模型移动到原点,进行大小的标准化。该处理是通过从三维形状模型求出边界框(bounding box)并移动三维形状模型使得边界框的中心变成原点来实现的。大小的标准化是通过例如将边界框的三轴中最长的轴的长度进行放大缩小使其成为预先提供的大小(例如1)来实现的。
在S103的随机旋转矩阵生成处理中,使用随机数生成方向随机的旋转矩阵。该处理的详细情况例如记述在“James Arvo:Fastrandom rotation matrices.In David Kirk,editor,Graphics Gems III,pages 117-120.Academic Press,1992.”中。
在S104的二维图像生成处理中,使用OpenGL、DirectX等的图形库(Graphic library)功能来进行绘制(rendering)。在此,作为绘制图像的种类,能够选择如下三个图像:(1)假定了光源模型的阴影图像,(2)用黑色填充三维形状模型的侧影图像,(3)用浓淡表现三维形状模型的深度(奥行さ)的深度图像。图10示出阴影图像、侧影图像、深度图像的例子。在图10中,81是阴影图像,82是侧影图像,83是深度图像。
通过使用OpenGL、DirectX等的图形库,能够高速地绘制多角形形状、自由曲面形状。
在侧影图像82的生成中,通过将背景设定为白色、将物体设定为黑色来进行绘制,从而能够生成侧影图像。
深度图像83的生成是通过如下来实现的:在使用OpenGL的Z缓冲功能进行绘制后读入Z缓冲信息,并根据Z缓冲的值来生成浓淡图像。图10的83的例子是在深度Z离视点近的情况下分配白色、离视点远的情况下分配黑色的例子。
在假定了前述光源模型的阴影图像81的生成方法中,考虑各种绘制方法。能够变更光源的位置、光源的颜色、强度、种类等。另外,还有对形状模型设定颜色、纹理、反射属性的情况。
在类似形状检索的意思中,检索对象的全部和检索键需要以相同的条件进行绘制。另外,理想的是尽可能能够高速地进行绘制。这是例如作为光源,使用从照相机位置朝向物体中心方向的平行光源来实现。另外,作为反射属性使用只假定扩散反射的朗伯(Lambert)模型。
此外,在二维图像生成处理中,既能够从上述3种图像生成方法中选择1种图像生成方法,也能够如阴影图像和深度图像那样组合多种图像生成方法。在生成多种图像的情况下,在后述的图像间的距离计算中使用相同种类的图像进行距离计算。
上述方法是在阴影图像的生成中忽略三维形状模型固有的颜色、纹理等信息来进行绘制的方法。在这种情况下,能够在三维形状模型的检索中忽略颜色花样(色柄)纹理的信息,而只从形状信息中进行检索。
另一方面,也有还使用三维形状模型固有的颜色、纹理等信息来进行形状检索的情况。在这种情况下,在阴影图像的生成中还能够使用三维形状模型固有的颜色、纹理等信息来进行绘制。在这种情况下,在三维形状模型的检索中能够进行还使用了颜色花样纹理信息的检索。图10的84示出着色图像的例子。图像84是红色的图像。
图4是示出S104的二维图像生成处理的结果的例子的说明图。将40所示的三维形状模型以随机的旋转矩阵进行旋转,生成Nr张(在图4中Nr=12)的深度图像41。
在S105的二维图像特征量抽取处理中,从二维图像生成图像特征量。作为图像特征量提出了各种种类,但是在本发明中特征量的种类能够使用任何种类。在本实施例中使用了日本特开2000-29885号公报中所记载的浓淡直方图特征量和边缘特征量。浓淡直方图特征量是对图像按格子状进行构图分割,将从分割得到的各区域的浓淡直方图制作的多维向量设为图像特征量。如下求边缘图案特征量。首先,预先设定多个特征性的边缘图案。并且,对图像按格子状进行构图分割,并对各区域内包含的边缘图案数进行计数。通过从该边缘图案数生成直方图并设为多维向量,从而制作图像特征量。
通过S106,图像特征量被保存到特征量数据库4中。图5示出了保存在图像特征量数据库4中的数据的例子。在此,将作为检索对象而登记的三维形状模型的数量设为N。由于对各模型生成Nr张图像,因此对各模型抽取Nr个特征量向量。在图5中,模型i的视点j的特征量是Fi,j°此外,视点j既能够对各模型i使用不同的旋转,也能够对各模型i使用相同的旋转。
图6是用于说明检索部2的处理过程的流程图。通过检索形状模型指定部9来指定成为检索键的三维形状模型(S201)。此时,将三维形状模型移动到原点,进一步进行大小的标准化。接着,向二维图像生成的处理次数的计数器即i代入1(S202)。通过随机旋转矩阵生成部10生成随机的旋转矩阵(S203)。二维图像生成部11从检索形状模型指定部9输入检索键模型,使用随机的旋转矩阵来生成二维图像(S204)。二维图像特征量抽取部12从所生成的二维图像中抽取图像特征量(S205)。将所抽取的二维图像特征量登记到特征量数据15中(S206)。接着,使二维图像生成的处理次数的计数器i递增(S207)。将计数器i与预先设定的二维图像生成数Ns进行比较,在计数器i小于等于Ns的情况下返回到S203,继续进行二维图像生成以及图像特征量的抽取处理(S208)。在计数器i大于Ns的情况下,结束图像特征量的抽取处理,跳转到下一步骤(S208)。接着,使用检索键模型的特征量数据15和特征量数据库4,进行与数据库内的全部模型之间的距离计算(S209)。该处理内容的详细情况将后述。利用所求出的距离对检索对象模型进行分类(S210)。将按照距离顺序进行了分类的形状模型显示在显示器30中(S211)。以上,实现了三维类似形状模型的检索。
二维图像生成数Ns是用户预先设定好的数。当将该Ns的值设定得大时,检索的精度得到提高,但是同时增大检索时间。Ns的值是任意的,例如使用Ns=16等值即可。
S201的检索形状指定处理以登记部1的S101的处理为准,从边界框的信息将三维形状模型移动到原点,将大小标准化。S203的随机旋转矩阵生成处理与登记部的S103的处理相同。S204的二维图像生成处理与登记部的S104的处理相同,生成与S104的二维图像生成处理相同种类的图像。
图7是表示S204的二维图像生成处理的结果的例子的说明图。将60所示的三维形状模型以随机的旋转矩阵进行旋转,生成NS张(在图7中NS=6)深度图像。
S205的二维图像特征量抽取处理与登记部的S105的处理相同。通过S206,键模型的图像特征量被保存到特征量数据15中。图8是保存在图像特征量数据库4中的数据的例子。由于对键形状模型生成NS张图像,因此抽取NS个特征量向量。在图8中,视点j的特征量是Qj。
接着,使用图9的流程图说明S209的距离计算的详细过程。在此,示出了检索对象模型k与检索键模型的距离计算方法。检索键模型具有NS个特征量向量Qi(1≤i≤NS),因此对于NS个特征量向量Qi,与检索对象模型k进行距离计算。将用于该NS次距离计算的计数器i初始化为1(S301)。接着,将检索对象模型k与检索键模型的距离dtotal初始化为0(S302)。进行检索键模型的特征量向量Qi与检索对象模型k的全部特征量向量Fk,j(1≤j≤Nr)之间的距离计算,将最小距离设为Qi与检索对象模型k之间的距离。将用于该计算的计数器j初始化为1,并且将用于存储最小距离的变量d初始化为足够大的数BIG(S303)。进行Qi与Fk,j的距离计算,并将结果保存在dt中(S304)。假如在新求出的距离dt小于到此为止的最小距离d的情况下,向d中代入dt,更新最小距离d(S305)。通过S306使计数器j递增,在计数器j小于等于Nr的情况下,继续进行Qi与对象形状模型k的最小距离计算(S307)。在计数器i超过Nr的情况下,将Qi与检索对象模型k的特征量向量的最小距离保存在d中。将该距离d加到模型间的距离的合计dtotal中(S308)。使计数器i递增(S309),在计数器i小于等于NS的情况下,对Qi+1相同地进行距离计算(S310)。在计算器i大于NS的情况下,dtotal是求出的键模型与检索对象模型k的距离。
此外,S304的特征量向量Qi与特征量向量Fk,j的距离计算是通过多维向量的距离的平方和来求出的。在此,作为多维向量间的距离,还能够使用曼哈顿(Manhattan)距离。
检索键模型与检索对象模型k之间的距离计算,将检索对象模型数设为N,执行N次。
通过以上,能够从检索对象中求出与检索键模型类似的三维形状模型。
此外,在本实施例中,作为所生成的二维图像的种类,能够使用阴影图像、侧影图像、深度图像。并且,还能够组合这些图像。在组合使用图像种类的情况下,在S304的处理中只将相同种类的图像设为距离计算的对象即可。
在S209的成为键(key)的三维形状模型和作为检索对象的三维形状模型k之间的距离计算中,需要进行NS×Nr次的距离计算。在将成为检索对象的三维形状模型的数量设为N时,总共需要进行NS×Nr×N次的距离计算。根据实际验证实验可知,以NS=16、Nr=64左右的值能够进行三维形状检索。这种情况下的距离计算次数是1024次,与非专利文献2的5460次相比较,削减到五分之一以下。并且,根据检索实验得到了与非专利文献2的检索精度相比更高精度的检索结果。
具体地说,使用“Philip Shilane,Patrick Min,Michael Kazhdan,Thomas Funkhouser:The Princeton Shape Benchmark,Proc.International Conference on Shape Modeling and Applications2004(SMI‘04),pp.167-178,2004”中记载的Princeton ShapeBenchmark(以下省略为PSB)进行了检索实验。使用了PSB的测试用907的数据。在PSB中赋予了92的类别(category)。使用该类别求出了Nearest Neighbor(NN)、R-Precision(1R)、2R-Precision(2R)。在此,NN、1R、2R是如下的评价尺度。数据库中的模型分类为类别Ci(i=1,…,n)。R-Precision是在检索要求m∈Ci的情况下,检索结果上位|Ci|个中包括正解模型的比例。2R-Precision几乎与R-Precision相同,但是2R-Precision是检索结果上位2|Ci|个中包括的正解模型的比例。Nearest Neighbor是检索结果的最上位中所求出的类别的模型所占的比例。非专利文献2的性能中,关于NN、1R、2R分别是66.0%、37.8%、48.7%。在本实施例中,NN、1R、2R是69.5%、41.3%、51.4%。如上所述,与非专利文献2的方法相比,本发明的检索精度高。并且,还有计算量少的特征。
并且,能够像以下那样削减本发明的实施例中的检索的计算量。从由检索键形状模型抽取的NS个图像特征量中选择MS(MS<NS)个图像特征量。例如,对于NS=16,设为MS=4。并且,从检索对象模型k的Nr个图像特征量中选择Mr(Mr<Nr)个图像特征量。例如,对于Nr=64,设为Mr=16。从所选择的检索键形状模型的MS个图像特征量和检索对象模型k的Mr个图像特征量中,通过与S209相同的处理求出检索键形状模型和检索对象模型之间的近似距离。该计算是MS×Mr次。在上述例子中是64次。只选择该近似距离小的形状模型、即类似检索的上位候补。上位候补的选择方法既可以是从近似距离小的一方只选择预先决定的个数的方法,也可以是选择近似距离小于预先设定的阈值的形状模型的方法。通过只对所选择的三维形状模型进行S209的距离计算,能够以更少的计算时间实现类似形状检索。
接着说明本实施方式的效果。在登记部1中,通过随机旋转矩阵生成部5生成多个随机的旋转矩阵,使用该旋转矩阵生成二维图像并抽取特征量,在检索部2中,通过随机旋转矩阵生成部10生成多个随机的旋转矩阵,使用该旋转矩阵生成二维图像并抽取特征量,通过比较前述特征量,在检索对象和检索键形状的方向不一致的情况下也能够进行类似检索。
在类似检索中,只使用了从通过二维图像生成部7以及二维图像生成部10所生成的二维图像中抽取的特征量,因此只要是能够进行绘制的三维形状模型,就能够应用到多角形、自由曲面、体素(voxel)等各种三维形状模型。
Claims (5)
1.一种三维类似形状检索装置,其特征在于,具备:
第1二维图像生成部,其通过使用随机数来旋转成为检索对象的多个三维形状模型,对各个三维形状模型生成分别从多个方向观察的二维图像;
第1特征量抽取部,其从由前述第1二维图像生成部所生成的二维图像中抽取图像特征量;
第2二维图像生成部,其通过使用随机数来旋转成为检索键的三维形状模型,生成从多个方向观察的二维图像;
第2特征量抽取部,其从由前述第2二维图像生成部所生成的二维图像中抽取图像特征量;以及
类似检索部,其使用由前述第1特征量抽取部所抽取的特征量和由前述第2特征量抽取部所抽取的特征量来计算作为前述检索键的三维形状模型与作为前述检索对象的各个三维形状模型之间的距离,检索与前述检索键类似的三维形状模型。
2.根据权利要求1所述的三维类似形状检索装置,其特征在于,
由前述第1二维图像生成部以及前述第2二维图像生成部所生成的二维图像是侧影图像、阴影图像和深度图像中的任一个、或者是它们的组合。
3.根据权利要求1所述的三维类似形状检索装置,其特征在于,
由前述第1二维图像生成部以及前述第2二维图像生成部所生成的二维图像是具有颜色以及/或者纹理的阴影图像。
4.根据权利要求1所述的三维类似形状检索装置,其特征在于,
前述类似检索部将在由前述第2特征量抽取部所抽取的NS个图像特征量的各个图像特征量与由前述第1特征量抽取部对一个三维形状模型所抽取的Nr个图像特征量之间所计算出的最小距离的和,设为作为前述检索键的三维形状模型和作为该检索对象的三维形状模型的距离。
5.根据权利要求4所述的三维类似形状检索装置,其特征在于,
前述类似检索部从前述Ns个图像特征量中选择多个图像特征量并且从前述Nr个图像特征量中选择多个图像特征量,使用所选择的图像特征量的组来求出作为前述检索键的三维形状模型和作为检索对象的三维形状模型的近似距离,只对该近似距离小的上位的三维形状模型进行三维类似形状检索。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007305938A JP2009129337A (ja) | 2007-11-27 | 2007-11-27 | 三次元類似形状検索装置 |
JP2007305938 | 2007-11-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101446952A true CN101446952A (zh) | 2009-06-03 |
Family
ID=40670619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200810178756XA Pending CN101446952A (zh) | 2007-11-27 | 2008-11-26 | 三维类似形状检索装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20090138468A1 (zh) |
JP (1) | JP2009129337A (zh) |
CN (1) | CN101446952A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093502A (zh) * | 2012-12-21 | 2013-05-08 | 广州中大电讯科技有限公司 | 一种基于旋转三视图的三维模型信息获取方法 |
CN103562957A (zh) * | 2011-05-31 | 2014-02-05 | 乐天株式会社 | 信息提供装置、信息提供方法、信息提供处理程序、记录了信息提供处理程序的记录介质以及信息提供系统 |
CN114730459A (zh) * | 2019-11-28 | 2022-07-08 | 三菱电机株式会社 | 工件图像检索装置、工件图像检索方法及机器学习装置 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101622620B (zh) * | 2007-01-23 | 2014-06-18 | 卡内基梅隆大学 | 控制访问计算机系统和注释媒体文件的方法和装置 |
US8621396B1 (en) | 2008-10-20 | 2013-12-31 | Google Inc. | Access using image-based manipulation |
US8136167B1 (en) | 2008-10-20 | 2012-03-13 | Google Inc. | Systems and methods for providing image feedback |
US8542251B1 (en) | 2008-10-20 | 2013-09-24 | Google Inc. | Access using image-based manipulation |
US8196198B1 (en) * | 2008-12-29 | 2012-06-05 | Google Inc. | Access using images |
US8686992B1 (en) * | 2009-03-30 | 2014-04-01 | Google Inc. | Methods and systems for 3D shape matching and retrieval |
US8392986B1 (en) | 2009-06-17 | 2013-03-05 | Google Inc. | Evaluating text-based access strings |
JP5343875B2 (ja) * | 2010-01-25 | 2013-11-13 | 富士通株式会社 | 情報検索装置、情報検索プログラム及び情報検索方法 |
JP5755516B2 (ja) * | 2011-06-17 | 2015-07-29 | セコム株式会社 | 物体形状推定装置 |
US9836483B1 (en) * | 2012-08-29 | 2017-12-05 | Google Llc | Using a mobile device for coarse shape matching against cloud-based 3D model database |
JP6355372B2 (ja) * | 2014-03-17 | 2018-07-11 | 国立大学法人豊橋技術科学大学 | 三次元モデル特徴抽出方法、及び三次元モデル・アノテーションシステム |
CN104090972B (zh) * | 2014-07-18 | 2017-08-11 | 北京师范大学 | 用于三维城市模型检索的图像特征提取和相似性度量方法 |
CN105678127A (zh) | 2014-11-21 | 2016-06-15 | 阿里巴巴集团控股有限公司 | 一种身份信息的验证方法和装置 |
TW201719572A (zh) * | 2015-11-19 | 2017-06-01 | 國立交通大學 | 三維模型分析及搜尋方法 |
EP3246851A1 (en) | 2016-05-17 | 2017-11-22 | Fujitsu Limited | Method and apparatus for searching a database of 3d items using descriptors |
BR112019023432A2 (pt) | 2017-05-08 | 2020-06-16 | Physna Inc. | Método de processamento de dados tridimensionais |
JP6888484B2 (ja) * | 2017-08-29 | 2021-06-16 | 富士通株式会社 | 検索プログラム、検索方法、及び、検索プログラムが動作する情報処理装置 |
CN108303323B (zh) * | 2017-12-29 | 2020-11-20 | 中国神华能源股份有限公司 | 三维相似模型试验台架及其试验方法 |
US10832472B2 (en) | 2018-10-22 | 2020-11-10 | The Hong Kong Polytechnic University | Method and/or system for reconstructing from images a personalized 3D human body model and thereof |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001357415A (ja) * | 2000-04-13 | 2001-12-26 | Sony Corp | 画像処理装置および方法、記録媒体、並びにプログラム |
GB0126526D0 (en) * | 2001-11-05 | 2002-01-02 | Canon Europa Nv | Three-dimensional computer modelling |
WO2004068300A2 (en) * | 2003-01-25 | 2004-08-12 | Purdue Research Foundation | Methods, systems, and data structures for performing searches on three dimensional objects |
JP4543644B2 (ja) * | 2003-09-16 | 2010-09-15 | 富士ゼロックス株式会社 | データ認識装置 |
US20070086627A1 (en) * | 2005-10-18 | 2007-04-19 | Samsung Electronics Co., Ltd. | Face identification apparatus, medium, and method |
JP4883649B2 (ja) * | 2006-08-31 | 2012-02-22 | 公立大学法人大阪府立大学 | 画像認識方法、画像認識装置および画像認識プログラム |
JP5024767B2 (ja) * | 2006-11-10 | 2012-09-12 | 国立大学法人豊橋技術科学大学 | 三次元モデルの検索方法、コンピュータプログラム及び三次元モデルの検索システム |
CN101350016B (zh) * | 2007-07-20 | 2010-11-24 | 富士通株式会社 | 三维模型检索装置及方法 |
CN101382934B (zh) * | 2007-09-06 | 2010-08-18 | 华为技术有限公司 | 多媒体模型检索方法、装置及系统 |
US8213706B2 (en) * | 2008-04-22 | 2012-07-03 | Honeywell International Inc. | Method and system for real-time visual odometry |
-
2007
- 2007-11-27 JP JP2007305938A patent/JP2009129337A/ja active Pending
-
2008
- 2008-11-26 CN CNA200810178756XA patent/CN101446952A/zh active Pending
- 2008-11-26 US US12/323,494 patent/US20090138468A1/en not_active Abandoned
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103562957A (zh) * | 2011-05-31 | 2014-02-05 | 乐天株式会社 | 信息提供装置、信息提供方法、信息提供处理程序、记录了信息提供处理程序的记录介质以及信息提供系统 |
CN103562957B (zh) * | 2011-05-31 | 2016-12-14 | 乐天株式会社 | 信息提供装置、信息提供方法以及信息提供系统 |
CN103093502A (zh) * | 2012-12-21 | 2013-05-08 | 广州中大电讯科技有限公司 | 一种基于旋转三视图的三维模型信息获取方法 |
CN114730459A (zh) * | 2019-11-28 | 2022-07-08 | 三菱电机株式会社 | 工件图像检索装置、工件图像检索方法及机器学习装置 |
CN114730459B (zh) * | 2019-11-28 | 2024-02-13 | 三菱电机株式会社 | 工件图像检索装置及工件图像检索方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2009129337A (ja) | 2009-06-11 |
US20090138468A1 (en) | 2009-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101446952A (zh) | 三维类似形状检索装置 | |
CN107038751B (zh) | 从2d图像进行3d建模对象的识别的方法、介质与系统 | |
Lian et al. | Visual similarity based 3D shape retrieval using bag-of-features | |
CN205721777U (zh) | 视觉搜索设备和系统 | |
US8812272B2 (en) | Designing a modeled object within a session of a computer-aided design system interacting with a database | |
CN107545025B (zh) | 利用形态学标准查询数据库 | |
Pu et al. | A 2D sketch-based user interface for 3D CAD model retrieval | |
CN105589938A (zh) | 基于fpga的图像检索系统及检索方法 | |
US20190251744A1 (en) | System and method for searching 3d models using 2d images | |
AU2018202767B2 (en) | Data structure and algorithm for tag less search and svg retrieval | |
CN102779358A (zh) | 用于设计几何三维建模对象的方法 | |
Sfikas et al. | Partial matching of 3D cultural heritage objects using panoramic views | |
RU2674326C2 (ru) | Способ формирования архитектуры нейросети для классификации объекта, заданного в виде облака точек, способ ее применения для обучения нейросети и поиска семантически схожих облаков точек | |
JP7017852B2 (ja) | 記述子を用いた3dオブジェクトの位置特定 | |
Sfikas et al. | 3D object retrieval via range image queries in a bag-of-visual-words context | |
JP6947503B2 (ja) | 量子化を用いた3dオブジェクトの位置特定 | |
CN102110159B (zh) | 一种cad三维模型检索方法及系统 | |
Sfikas et al. | 3D object partial matching using panoramic views | |
Pratikakis et al. | Learning the compositional structure of man-made objects for 3d shape retrieval | |
CN109272013B (zh) | 基于学习的相似性度量方法 | |
Lin et al. | 3D model retrieval based on skeleton | |
Zhang et al. | Chartmaster: An end-to-end method to recognize, redraw, and redesign chart | |
Ramezani et al. | 3D Models' retrieval system design based on Poisson's histogram of 2D selective views | |
CN116841914A (zh) | 一种渲染引擎的调用方法、装置、设备及存储介质 | |
WO2023050461A1 (zh) | 一种数据的聚类方法、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090603 |