CN101655993B - 复杂建筑物三维模型多分辨率建模方法 - Google Patents

Abstract

本发明涉及一种复杂建筑物三维模型多分辨率建模方法，包括以下步骤：打开建筑物三维模型的同时，在内存中建立相应带有语义信息的半边数据结构；通过建筑物三维模型的最小包围球测定，计算当建筑物三维模型最大化到屏幕空间时的视点球面；获取视点采样位置，并对建筑物三维模型进行渲染，得到原始渲染图像；对原始渲染图像进行基于二维小波分解的HVS滤波，并经过小波系数重构获取感知图像；根据原始渲染图像和感知图像求取差值图像，将差值图像中灰度发生变化的像素进行划分，获取感知信息；在建筑物三维模型表面找到差值图像中灰度变化的像素所对应的三角形，同时将相应感知信息传递给三角形；根据三角形所带有的感知信息，执行模型简化。

Description

复杂建筑物三维模型多分辨率建模方法

技术领域

本发明属于地理空间信息系统技术领域，特别是涉及一种用于复杂建筑物的三维模型多分辨率建模方法。 

背景技术

随着各种测量技术的快速发展，数据采集的精度得到了快速提高，尤其是激光扫描技术或CAD技术的广泛应用，使得高精度的建筑物模型更加容易获取，而高精度的建筑物模型往往包含了更加复杂的内部结构以及高度详细的外观，因此，复杂建筑物模型是主要是指利用激光扫描或CAD技术获取并创建的具有高度详细的外观和复杂的内部结构、模型内部具有高度复杂的拓扑关系以及部件之间复杂语义关系的三维建筑物模型。复杂建筑物模型的特点是由多个不同 类型形态各异相对独立的部件构成，单体模型拥有上百万三角形的庞大数据量。因此，面对由高精度复杂建筑物模型组成的三维场景，为了减少数据量以及交互式建模的劳动强度，如何全自动地创建多细节层次三维模型成为了提高模型生产效率的关键问题。 

更为重要的是，在实际生活中，人们观察周围的世界时，人眼的空间与时间分辨率总是有限的。同样，虚拟环境中的物体总是在不同的细节层次表现出不同的结构和特征，细节层次因此成为决定人们空间认知十分重要的一个因素。根据人眼分辨率有限的基本原理，应该忽略掉那些人眼所不能看到的空间物体的细节，通过有限的若干离散的细节层次而获得有关一个真实环境比较完整的知识。 

当前，制约三维虚拟环境广泛应用的瓶颈问题是各种自然和人文建筑高精度三维模型的多细节层次表达，也被称为多细节层次建模或者LOD建模(Levelof Detail modeling，LOD modeling)。尽管近几年计算机硬件也在各种应用需要 的推动下实现了跨越式发展，但是以多边形表示的建筑物模型复杂程度的增长速度却远远超出了计算机硬件绘制能力的提升速度。不管计算机图形硬件的跨越式发展如何快速，多细节层次建模技术依然与绘制效果的逼真度和绘制速度之间的冲突问题紧密相关。由于物体的细节程度越高，则数据量越大，描述得越精细；物体的细节程度越低，则数据量越小，描述得越简单，因此，多细节层次建模研究的根本目标就是要实现“用最小的数据量来表达最复杂的目标并获得最逼真的视觉效果”。 

从最高细节层次模型到最低细节层次模型的转化主要通过模型简化操作实现的，模型简化操作是自动生成LOD模型的关键技术。近三十年来研究人员提出了多种多边形网格简化算法，几乎在所有自动创建LOD模型的技术文献和研究论文中均有论述。 

模型简化技术按照简化对象的类型分为针对连续曲面模型和针对建筑物模型。随着计算机软硬件技术的快速发展，针对连续的自由曲面如用grid/TIN数 字高程模型表示的地形表面的简化从比较简单的点删除算法、重新布点算法以及顶点聚类和小面共面消除算法，到著名的渐进式网格、二次误差度量简化算法，到近期的图像驱动、用户引导、基于法线等算法，经历了一个从简单到复杂的过程，目前已经发展到比较成熟的阶段。 

但对建筑物这样的不规则几何体及其相应的表面属性如纹理图像等的简化处理却还不能满足需要，往往通过大量繁杂的人机交互才能得到满意的结果。比如，虚拟地理环境中复杂建筑物模型的表达需要保持一定的语义信息，例如，在飞行浏览中的实时查询就需要不同细节层次的模型具有不同级别的语义信息。虚拟地理环境要求建筑物模型必须能够被显著地进行简化，即一个模型从带有室内部分的复杂模型到几乎抽象表达的变化过程。建筑物模型是虚拟环境中的主要表达对象，具有很高的视觉重要性，而大部分以几何误差测度为标准的简化算法却难以衡量不同细节层次建筑物模型的视觉差异，更无法满足用户视觉感知的连续性要求。 

由于针对连续表面模型的简化算法不能满足自动生成复杂建筑物的LOD模型的需要，目前本领域技术人员提出了针对建筑物模型的简化方法，包括顾及模型语义特征的简化方法、顾及建筑物几何特征的简化方法、连续的质量层次以及基于尺度空间的简化方法等。 

(1)顾及模型语义特征的方法在网络3DGIS环境下，通过在QEM方法在顶点属性中植入vd作为特征支配值，并且用图形提取的方法将语义约束转化为三维对象的简化，结合模型的语义特征在简化过程中保持了模型的几何特征。但是，该方法的主要缺陷是无法直接对每个建筑物模型建立其各自的“重要结构”，因为每个对象都可能具有不同的“重要结构”。此外，“图形提取”难以符合“重要结构”的描述，即哪些细节需要被保存下来的问题仍然无法解决。该方法另一个缺陷是没有考虑建筑物复杂的内部结构对于简化方法和过程的影响，即使保证了较好的外观属性，也难以适应于复杂建筑物简化的要求。 

(2)顾及建筑物几何特征的简化方法中采用面与面之间的共面、平行和垂 直三种特征检测，运用边折叠的简化操作，针对三维城市的建筑物景观模型进行了简化。该方法在移除建筑物的某些特征后仍然可以保持较好的外形以及相关的表面属性，如纹理等，但是简化操作既不能处理任意的流形拓扑结构模型，也不能处理非流形拓扑结构的模型，简化能力相当有限。此外，Thiemann在建筑物模型特征检测的基础上，按照检测出的特征将模型分割并用CGS方式表示，然后通过对CGS树进行简化操作。这种方法优点在于可以在连续尺度下进行简化，而且有语义扩展的可能，但是作为一种“综合”的方法，它却不可能对邻近建筑进行综合。 

(3)连续的质量层次方法是一种基于LOD思想的建筑物模型表示方法。该方法首先引入不同种类建筑物及其组件的表达方式，实现了建筑物及其部分的表达统一化、规范化，可以用于建筑物模型的分层细分编辑，也考虑了纹理关联。同时该方法扩展了CityGML的标准，为三维城市模型在建筑设计、城市规划领域的应用提供了一种新的工具。但是该方法与其说是一种简化方法，不 如说是一种规范化的表示方法。对于建筑物模型的定义仍然显得比较简单，仅仅定义了地板、墙体、屋顶以及装饰的统一表达方法，无法满足基于部件的复杂建筑物模型的简化需求。 

(4)针对建筑物模型数据提出了基于尺度空间的三维模型简化方法。其主要理论基础是成熟的尺度空间理论、数学形态学和曲率空间理论，使用了Erosion，Dilation，Opening以及Closing等形态操作控制不同部分之间的合并与分离，在离散曲率空间定义了凸空间和凹空间，并分别确定每个顶点为凸顶点或者凹顶点，为三维模型的形变打下基础，并通过小面(facet)移动完成三维模型的简化。但是，该简化方法在简化能力有很大的局限性，如对于建筑物直角特征比较容易处理，而对于屋顶这样的非直角特征部分往往需要利用其他的手段进行处理，如旋转、纠正等。此外，该算法无法保证建筑物特征的保持，也没有考虑材质、纹理等外观属性方面的内容。 

尽管上述针对建筑物模型的简化方法能够在一定的程度上简化模型，但是由于它们在简化机制和准确的图元定位等方面存在较大缺陷，所以这些方法还不能广泛应用于具有部件结构的建筑物LOD模型生产中。 

目前，建立建筑物的LOD模型主要通过3ds max、MultiGen Creator等成熟的商业建模软件平台交互式实现的，这些软件提供了一些基本的模型多分辨率建模功能。例如，3ds max中提供了2个基本的模型优化的修改操作(Optimize和MultiRes)，但其缺点也非常明显：其一，简化结果是不可预测的，需要人工干预才能得到理想的结果；其二，在多个对象同时进行简化时，简化的程度不均衡，如有的对象简化比较明显而且效果较好，有的则不明显且效果不好。其三，在简化带有纹理的模型时，也只能做到模型几何简化，而无法处理纹理的变化；其四，在简化较为显著时(一般顶点百分比小于50％)，简化模型中出现不可预知的空洞、破损等情况，而且恰恰是由于仅依靠顶点百分比的控制，就根本无法保留模型的几何视觉特征，从而导致简化结果丧失可识别性。 

MultiGen Creator也提供了一个用于模型简化的第三方插件——vsimplify。该插件提供了4个主要的参数来控制模型的简化，该插件简化后的模型还可以在creator上继续编辑LOD信息。该简化方法有参数化控制、操作方便的优点，但是简化过程需要人工干预，简化的结果也是不可预测的。由于简化效率低以及简化结果不能令人满意，在高版本的creator中已经取消了这个插件。 

NVIDIA Melody是Nvidia公司出品的一个用于创建PM存储形式的简化模型的工具，主要的功能有两个，即以PM和QEM算法简化模型和创建法线贴图。在设置了多项参数后，执行QEM简化算法，接着将简化的网格模型创建PM格式，同时按照简化参数设置执行连续LOD模型的创建。该工具利用参数控制，执行简单，简化速度快，方便地存储多分辨率模型。但是，该工具的显著简化 能力很弱；简化结果经常出现破损面、面法线反转以及出现奇异形状等错误。此外，该工具简化得到的模型往往丢失了光滑组信息，这对虚拟场景可视化是不利的。 

发明内容

本发明目的在于针对现有技术的不足，针对具有部件结构的复杂建筑物三维模型，提出一种在人类视觉感知信息驱动下的多分辨率建模方法。本发明的技术方案为：包括有以下步骤， 

步骤1，打开一个建筑物三维模型的同时，在内存中建立相应带有语义信息的半边数据结构，所述半边数据结构以三角形为核心； 

步骤2，通过建筑物三维模型的最小包围球测定，在固定的视场角下计算当建筑物三维模型最大化到屏幕空间时的视点球面； 

步骤3，离散化该视点球面获取视点采样位置，并分别在每个视点采样位置对建筑物三维模型进行渲染，得到原始渲染图像； 

步骤4，利用CSF函数构造HVS滤波器，对原始渲染图像进行基于二维小波分解的HVS滤波，并经过小波系数重构获取感知图像； 

步骤5，根据原始渲染图像和感知图像求取差值图像，将差值图像中灰度发生变化的像素按显著变化、中度变化、轻度变化以及无变化四个灰度类别进行划分，像素所属类别作为该像素的感知信息； 

步骤6，通过射线追踪在建筑物三维模型表面找到差值图像中灰度变化的像素所对应的三角形，同时将相应感知信息传递给三角形，按照灰度类别分类统计并记录带有感知信息的三角形； 

步骤7，根据三角形所带有的感知信息，从以下步骤中选择执行以边折叠为基本 简化操作的模型简化， 

步骤7a，对所带感知信息为显著变化的三角形进行模型简化，并输出简化模型数据； 

步骤7b，对所带感知信息为显著变化的三角形和所带感知信息为中度变化的三角形进行模型简化，并输出简化模型数据； 

步骤7c，对所有带有感知信息的三角形进行模型简化，并输出简化模型数据。 

而且，所述步骤4的实现方式包括以下步骤， 

步骤4.1，根据设置的模型显示设备的最佳分辨率r、最佳观察距离v，以及空间采样信号最大频率系数，计算所能感知的空间频率最大值； 

步骤4.2，修正CSF函数使得CSF曲线中低于阈值峰值的低频部分不进行滤波，根据修正后的CSF函数，构造HVS滤波器； 

步骤4.3，输入图像小波分解层级l； 

步骤4.4，对相应的层级求出HVS滤波器的传输函数T_bl； 

步骤4.5，根据传输函数T_bl计算FIR滤波器系数d； 

步骤4.6，对原始渲染图像进行l层级的D9/7小波分解； 

步骤4.7，对小波系数分别在行和列与相应的FIR滤波器进行卷积运算； 

步骤4.8，对滤波后的小波系数进行重构，获得感知图像。 

而且，所述步骤5的实现方式包括以下步骤， 

步骤5.1，原始渲染图像和感知图像之间的灰度求差计算，获取包含每个像素灰度差值的差值图像； 

步骤5.2，根据差值图像中每个像素的灰度差值进行聚类划分，显著变化灰度类别对应灰度变化[1，0.9)；中度变化灰度类别对应灰度变化[0.9，0.75)；轻度变 化灰度类别对应灰度变化[0.75，0.5)；无变化灰度类别对应灰度变化[0.5，0]。 

而且，所述步骤7的执行模型简化实现方式包括以下步骤， 

步骤I，根据待处理的感知信息，在建筑物三维模型的各部件内部找出含有相应感知信息的全部三角形，针对建筑物三维模型的各部件内部找出的全部三角形执行步骤II～V； 

步骤II，计算各三角形中每个顶点的Q矩阵； 

步骤III，计算点对的合并代价； 

步骤IV，以点对的合并代价为标准自低到高建立堆栈，存储全部三角形； 

步骤V，从堆栈中取出三角形依次执行半边折叠； 

步骤VI，在堆栈中全部三角形折叠完毕后结束该部件模型的简化； 

步骤VII，遍历建筑物三维模型中的所有部件后简化结束，输出简化模型数据。 

本发明通过探察人眼感知图像与原始渲染图像之间的差异，准确地描述了人眼所不能感知的图像细节，从而有效提取了人眼对图像的感知知识；通过从二维图像空间到三维模型空间的感知信息准确传递，对三维模型表面人眼所不能感知细节(图元)进行精确定位；通过对感知细节的聚类分析，形成了三种模型简化策略，提供了多分辨率的简化模型数据，保证了简化模型的视觉连续性。本发明方法提出了一种全新的简化机制，方法简洁、执行效率高，适用于复杂建筑物三维模型的简化和多细节层次建模，可以有效提高三维场景多细节层次建模的自动化程度和效率。 

附图说明

图1本发明原理示意图； 

图2基于离散小波分解的图像滤波过程；

图3感知信息传递示意图； 

图4本发明半边数据结构图； 

图5本发明主流程图； 

图6本发明感知信息获取与聚类流程图； 

图7本发明感知信息传递流程图； 

图8本发明模型简化流程图。 

具体实施方式

以下结合附图详细说明本发明的技术方案： 

参见图1，本发明的技术方案原理是将待简化的原始建筑物三维模型M₀，经物空间和像空间的映射过程取得原始渲染图像I₀；然后进行像空间处理过程，由原始渲染图像I₀获取感知重构图像I₁，原始渲染图像I₀和感知图像I₁求差获取差值图像I₂；最后差值图像I₂反映射到物空间，输出简化模型数据，可以可视化呈现复杂建筑物三维简化模型M₁，完成物空间简化处理过程。 

本发明实施例的实现过程采用计算机实现自动化处理，包括以下步骤， 

步骤1，打开待简化的原始建筑物三维模型的模型文件后，在内存中建立相应带有语义信息的半边数据结构。本发明与现有建模技术中所用以面、环为核心的半边数据结构不同，所述半边数据结构以三角形为核心，由此作为感知信息传递到三角形的基础。本发明实施例的半边数据结构方式构造如下：分别建立模型对象object、模型部件solid、部件下的三角形face、边edge与半边halfedge、顶点vertex以及材质material、纹理坐标Texcood和法线normal的列表；同时根据模型的语义信息分组建立组group列表。建立的半边数据结构如图4所示，结构表内元素前趋后继关系见图，半边数据结构的优点是利用链表指针快速完成 相邻关系几何图元的查找，大幅度提高几何计算效率。 

步骤2，求得建筑物三维模型的最小外包围球，得到其球心O和半径r。然后根据场景中垂直视场角β通过公式  $d=r\·{\sin }^{-1}\left(\frac{\mathrm{\β}}{2}\right)$ 计算建筑物模型在屏幕空间最大化显示的视点球的半径d。 

步骤3，根据具体实施时的简化应用精度需求对视点球面中位于模型所在地面以上的部分进行均匀的离散采样以获得视点采样位置。采样间距为l_ab或者 

计算公式如下：  $l_{\mathrm{ab}}=\sqrt{{2d}^2-2d\sqrt{d^2-H^2/4}}.$ 在采样得到的视点位置基础上对模型进行渲染，并得到原始渲染图像。这些视点采样位置即作为相机位置eye作为后续图像处理基准。 

步骤4，利用CSF函数构造HVS滤波器，对原始渲染图像进行基于二维小波分解的HVS滤波，并经过小波系数重构获取感知图像。 

对于感知引导的建筑物三维模型简化，因为渲染图像中那些不可感知的细节对应于三维模型上不可感知的细节，即需要被简化掉的细节。所以在不考虑注视点移动的情况下，本发明将人类视觉模型(Human Visual System，HVS)应用到图像处理中，模拟出人眼所感知到的图像，然后通过原始渲染图像与感知图像的对比提取不可感知的细节用于指导简化操作。HVS的核心是对比敏感度函数(Contrast Sensitivity Function，CSF)函数，它描述了人眼的对比敏感度与空间频率之间的关系。一个通用的CSF公式如下： 

$A\left(\mathrm{\α}\right)=2.6(0.0192+0.144\mathrm{\α})e^{-{\left(0.144\mathrm{\α}\right)}^{1.1}}$

其中，α以“周/度”(cycle per degree，cpd)为单位表示空间频率，A(α)表示在一定空间频率下的Michelson对比度。

现有技术中的CSF函数执行方式是多样的，主要策略是将其以权重或滤波的方式与图像的离散傅立叶变换(Discrete Fourier Transformation，DFT)、离散余弦变换(Discrete Cosine Transformation，DCT)或离散小波变换(DiscreteWavelet Transformation，DWT)融合。其中，基于二维DWT的CSF滤波方法既能满足精度的要求，又能够实现HVS模型中的其他特性，如视觉掩蔽等，因此，本发明采用基于离散小波变换的HVS滤波方法获取人眼感知图像。 

感知引导的建筑物三维模型简化的目的是适应基于PC的大规模三维场景的实时渲染，而实时渲染一定是在PC机显示设备的某固定分辨率下进行的，同时人类观察者也应在最佳的距离上进行观看。设定PC机显示设备的最佳分辨率为r，而最佳观察距离为v。则在此条件下的空间采样频率为 

其中，v和r的单位量纲分别是像素/英寸和米，其中0.0254表示英寸和米之间的量纲换算系数。根据采样原理，在r，v条件下的空间采样信号中的最大频率为 

f_max＝0.5f_s

根据CSF函数与离散小波分解图像之间的映射关系，设小波分解的级数为l，则在级别l上的水平方向CSF函数划分为低频和高频两个区域，即低频区域 

和高频区域  $f_A^H\left(l\right)...f_B^H\left(l\right),$ 同时满足： 

$f_A^H\left(l\right)=2^{-l}{f}_{\max }$ 且  $f_B^H\left(l\right)={2f}_A^H\left(l\right)$

同理，在级别l上的垂直方向CSF函数划分为低频和高频两个区域，即低频区域

和高频区域  $f_A^V\left(l\right)...f_B^V\left(l\right),$ 同时满足： 

$f_A^V\left(l\right)=2^{-l}{f}_{\max }$ 且  $f_B^V\left(l\right)=2f_A^V\left(l\right)$

不失一般性，将公式合并记为： 

f_A(l)＝2^-lf_max且f_B(l)＝2f_A(l) 

本发明以2级二维小波分解为例，说明HVS滤波器的构造原理。如图2所示的图像的2级小波分解过程，图像被分解为两个层次下的水平、垂直和对角三个高频部分和低频部分。图示A(ω)、B(ω)和C(ω)为相对应的小波分解频率范围的HVS滤波器组的传输函数。其中CSF函数表示为W(f)，则当l＝1时，C(ω)对应的频率范围为f_b...f_max；当l＝2时，B(ω)对应的频率范围为f_a...f_b，A(ω)对应的频率范围为0...f_a。 

设原始图像的频率为ω₀，不同级别分解图像的频率分别为ω_l(l＝1，2，3...)，那么，HVS滤波器的三个传递函数分别对应于不同频率子带。 

由于向下采样的过程使得分离的频率波谱归一化到[0，π]区间上，因此，对于高频部分的滤波处理均需要将滤波器进行镜像和尺度变换，以使得滤波器中CSF函数的部分与对应的高频部分在幅度上保持一致。 

因此，一维小波分解情况下，在级别l上，HVS滤波器的传递函数T_bl为： 

$T_{\mathrm{bl}}\left({\mathrm{\ω}}_l\right)=\left\{\begin{array}{cc}W\left(\frac{\left|{\mathrm{\ω}}_l\right|}{\mathrm{\π}}{2}^{-l}{f}_{\max }\right)& b=H\\ W\left((2-\frac{\left|{\mathrm{\ω}}_l\right|}{\mathrm{\π}})2^{-l}{f}_{\max }\right)& b=L\end{array}\right.$

在得到了HVS滤波器传递函数T_bl(ωl)的形式化描述之后，将其按照傅立叶级数展开后得到FIR滤波器的系数。 

$T_{\mathrm{bl}}\left({\mathrm{\ω}}_l\right)=d_0+2\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{d}_k\cos \left(k{\mathrm{\ω}}_l\right)$

其中，  $d_0=\frac{1}{\mathrm{\π}}{\∫}_0^{\mathrm{\π}}{T}_{\mathrm{bl}}\left({\mathrm{\ω}}_l\right){\mathrm{d\ω}}_l$ $d_k=\frac{1}{\mathrm{\π}}{\∫}_0^{\mathrm{\π}}{T}_{\mathrm{bl}}\left({\mathrm{\ω}}_l\right)\cos \left({\mathrm{k\ω}}_l\right){\mathrm{d\ω}}_l$

由此，HVS过滤器的冲击响应是一个长度为2L+1系数为[dL，...，d1，d0， dl，...，dL]的FIR滤波器。 

为了便于实施，本发明提供了在现有HVS技术基础上实现步骤4的具体方式，包括以下步骤： 

步骤4.1，设定模型显示设备的最佳分辨率为r，而最佳观察距离为v，可以预先根据具体实施情况设定。比如建模一般采用计算机实现，模型显示设备就可以直接采用计算机的显示屏，输入显示屏厂商提供的最佳分辨率即可。最佳观察距离可以根据模型显示设备的类型和尺寸选择，一般设置为50公分即可。本发明实施例使用公式f_max＝0.5f_s，其中

得到在此条件下所能感知的空间频率的最大值，以便构建CSF函数。 

步骤4.2，修正CSF函数使得CSF曲线中低于阈值峰值的低频部分不进行滤波，根据修正后的CSF函数，构造HVS滤波器； 

本发明还考虑到在实现过程中，CSF曲线在低频阈值下降的特性。CSF曲线所描述的最大空间频率在4cpd左右，当空间频率低于4cpd时，可以被人眼察觉的对比度阈值呈现缓慢下降的趋势。这说明了在较低频率时，即使对比度较高的视觉刺激也无法被人眼察觉。该特性决定了离图像较近的时候图像也需要进行滤波，但是这与简化实际情况相矛盾。一般地认为随着观察距离的减小，模型就应当更为精细，渲染图像中的细节就应该更多。因此，假设随着观察距离的减小观察到的图像也是越来越清晰，即CSF曲线中低于阈值峰值的低频部分总是可视的。这样，首先避免了上述矛盾，其次，在不同距离上的CSF滤波均不需要处理低于阈值峰值的低频部分。 

然后分步骤4.3～4.7执行图2所示图像滤波过程，步骤4.3，输入图像小波分解层级l，一般可取为2～3级；步骤4.4，对相应的层级求出CSF滤波器的传输函 数T_bl；步骤4.5，根据传输函数T_bl计算FIR滤波器系数d；步骤4.6，对原始渲染图像进行l层级的D9/7小波分解；步骤4.7，对小波系数分别在行和列与相应的FIR滤波器进行卷积运算；步骤4.8，对滤波后的小波系数进行重构，获得感知图像。 

也可根据小波分解的子带的空间频率范围输入小波所需分解的层次l。以对图像的DWT二级分解为例，设A(ω)、B(ω)和C(ω)为对应于低频、一级分解高频和二级分解高频的一组一维HVS滤波器。根据相应传递函数与小波分解子带之间的关系，在级别l上，HVS滤波器的传递函数T_bl为： 

$T_{\mathrm{bl}}\left({\mathrm{\ω}}_l\right)=\left\{\begin{array}{cc}W\left(\frac{\left|{\mathrm{\ω}}_l\right|}{\mathrm{\π}}{2}^{-l}{f}_{\max }\right)& b=H\\ W\left((2-\frac{\left|{\mathrm{\ω}}_l\right|}{\mathrm{\π}})2^{-l}{f}_{\max }\right)& b=L\end{array}\right.$

将其按照傅立叶级数展开后得到FIR滤波器的系数。 

$T_{\mathrm{bl}}\left({\mathrm{\ω}}_l\right)=d_0+2\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{d}_k\cos \left(k{\mathrm{\ω}}_l\right)$

其中，  $d_0=\frac{1}{\mathrm{\π}}{\∫}_0^{\mathrm{\π}}{T}_{\mathrm{bl}}\left({\mathrm{\ω}}_l\right){\mathrm{d\ω}}_l$ $d_k=\frac{1}{\mathrm{\π}}{\∫}_0^{\mathrm{\π}}{T}_{\mathrm{bl}}\left({\mathrm{\ω}}_l\right)\cos \left({\mathrm{k\ω}}_l\right){\mathrm{d\ω}}_l$

得到HVS滤波器后对图像进行二维DWT小波分解，分子带滤波和二维DWT小波重构的到人眼感知的图像，其中滤波的方法就是将滤波器系数与小波系数进行卷积运算，在滤波的过程中需要对小波系数的行和列采用不同的滤波器分别进行滤波。 

步骤5，对各个视点下得到原始渲染图像I₀和感知图像I₁进行灰度求差计算，获取包含每个像素灰度差值的差值图像I₂。利用灰度分割分类法将灰度值进行聚类划分，得到灰度值从大到小排列的四个类别，分别对应着感知细节的显著变化、中度变化、轻度变化以及无变化。本发明实施步骤4和步骤5，完成感知信息获取和聚类，获取模型渲染图像的感知信息的流程可参见图6。具体实施时， 可根据差值图像中每个像素的灰度差值进行聚类划分，显著变化灰度类别对应灰度变化[1，0.9)；中度变化灰度类别对应灰度变化[0.9，0.75)；轻度变化灰度类别对应灰度变化[0.75，0.5)；无变化灰度类别对应灰度变化[0.5，0]。 

步骤6，通过射线投射在建筑物三维模型表面找到差值图像中灰度变化的像素所对应的三角形。射线投射属于现有技术，如图3所示，从视点经模型显示设备屏幕向建筑物三维模型投射的光线，即可视为射线。具体实施时感知信息传递方法如图7所示：根据差值图像和相机位置列表，遍历相机位置且按照当前相机位置设置场景，遍历差值图像中的像素。遍历像素时的处理方式为，以相机位置eye为起点，过差值图像中灰度变化的像素在近裁截面上的投影点NearPT的射线vLine与建筑物三维模型求交。在求交过程中，首先判断射线与模型外包装盒范围是否相交，然后遍历模型中的solid判断是否与solid的外包装盒相交；如果相交则判断射线与该solid中的face是否相交。其中如果face的法线与射线的方向矢量的叉乘<＝0则说明该面为不可见面。当求到交点之后将三维的坐标投影到二维平面上使用叉乘法判断交点是否在face内。如果在内则从当前交点集中找到离eye最近的面，将像素所包含的灰度分类信息映射到三角形上。将感知细节变化信息记录在三角形的数据结构之中并同时得到各个视线方向下模型不可见的三角形。 

步骤7，将各个视线方向下的三角形采用保守策略(即采用一个三角形不同的感知细节分类之中变化最小的情况)，或者非保守策略(即采用一个三角形不同的感知细节分类之中变化最大的情况)对分类情况进行综合。可以选择对含有“显著变化”信息的三角形进行简化；或者同时简化“显著变化”和“中度变化”的三角形；或者同时简化全部带有感知信息的三角形。如果需要多分辨率模型 数据，可以从以上三种情况进行多项选择。具体实施时简化算法以边折叠为基本操作，如图8所示：步骤I，根据待处理的感知信息，在建筑物三维模型的各部件内部找出含有相应感知信息的全部三角形，针对建筑物三维模型的各部件内部找出的全部三角形执行步骤II～V；步骤II，计算各三角形中每个顶点的顶点Q矩阵；步骤III，计算点对的合并代价，即选择全部有效的点对，计算每个点对的目标点位置与合并代价；步骤IV，以点对的合并代价为标准自低到高建立堆栈，存储全部三角形；步骤V，从堆栈中取出三角形依次执行半边折叠，在处理过程中收缩点对并更新；步骤VI，在堆栈中全部三角形折叠完毕后结束该部件模型的简化；步骤VII，遍历建筑物三维模型中的所有部件后简化结束，输出简化模型数据。输出的简化模型数据可以采用点面结构，以便实现可视化。 

参见图5，本发明技术方案的步骤1～3进行了模型预处理，步骤4实现感知信息获取，步骤5进行感知信息聚类，步骤6实现了感知信息传递，步骤7最后完成简化模型数据。具体实施时，由本领域技术人员按照上述流程进行软件编程实现即可，本发明所提供技术方案的等同替换方案也应当在保护范围内。例如步骤IV，以点对的合并代价为标准自低到高建立堆栈，可以替换为以三角形最短边长为标准自上而下建立堆栈。

Claims (3)

1.一种复杂建筑物三维模型多分辨率建模方法，其特征在于：包括有以下步骤，

步骤1，打开一个建筑物三维模型的同时，在内存中建立相应带有语义信息的半边数据结构，所述半边数据结构以三角形为核心；

步骤2，通过建筑物三维模型的最小包围球测定，在固定的视场角下计算当建筑物三维模型最大化到屏幕空间时的视点球面；

步骤3，离散化该视点球面获取视点采样位置，并分别在每个视点采样位置对建筑物三维模型进行渲染，得到原始渲染图像；

步骤4，利用CSF构造HVS滤波器，对原始渲染图像进行基于二维小波分解的HVS滤波，并经过小波系数重构获取感知图像，所述CSF为对比敏感度函数，所述HVS为人类视觉模型；

步骤5，根据原始渲染图像和感知图像求取差值图像，将差值图像中灰度发生变化的像素按显著变化、中度变化、轻度变化以及无变化四个灰度类别进行划分，像素所属类别作为该像素的感知信息；实现方式包括以下步骤，

步骤5.1，原始渲染图像和感知图像之间的灰度求差计算，获取包含每个像素灰度差值的差值图像；

步骤5.2，根据差值图像中每个像素的灰度差值进行聚类划分，显著变化灰度类别对应灰度变化[1，0.9)；中度变化灰度类别对应灰度变化[0.9，0.75)；轻度变化灰度类别对应灰度变化[0.75，0.5)；无变化灰度类别对应灰度变化[0.5，0]；

步骤6，通过射线追踪在建筑物三维模型表面找到差值图像中灰度变化的像素所对应的三角形，同时将相应感知信息传递给三角形，按照灰度类别分类统计并记录带有感知信息的三角形；

步骤7，根据三角形所带有的感知信息，从以下步骤中选择执行以边折叠为基本简化操作的模型简化，

步骤7a，对所带感知信息为显著变化的三角形进行模型简化，并输出简化模型数据；

步骤7b，对所带感知信息为显著变化的三角形和所带感知信息为中度变化的三角形进行模型简化，并输出简化模型数据；

步骤7c，对所有带有感知信息的三角形进行模型简化，并输出简化模型数据。

2.根据权利要求1所述的复杂建筑物三维模型多分辨率建模方法，其特征在于：所述步骤4的实现方式包括以下步骤，

步骤4.1，根据预设的模型显示设备的最佳分辨率r、最佳观察距离v，以及空间采样信号最大频率系数，计算所能感知的空间频率最大值；

步骤4.2，修正CSF使得CSF曲线中低于阈值峰值的低频部分不进行滤波，根据修正后的CSF，构造HVS滤波器；

步骤4.3，输入图像小波分解层级l；

步骤4.4，对相应的层级求出HVS滤波器的传输函数T_bl；

步骤4.5，根据传输函数T_bl计算FIR滤波器系数d；

步骤4.6，对原始渲染图像进行l层级的D9/7小波分解；

步骤4.7，对小波系数分别在行和列与相应的FIR滤波器进行卷积运算；

步骤4.8，对滤波后的小波系数进行重构，获得感知图像。

3.根据权利要求1或2所述的复杂建筑物三维模型多分辨率建模方法，其特征在于：所述步骤7的执行模型简化实现方式包括以下步骤，

步骤I，根据待处理的感知信息，在建筑物三维模型的各部件内部找出含有相应感知信息的全部三角形，针对建筑物三维模型的各部件内部找出的全部三角形执行步骤II～V；

步骤II，计算各三角形中每个顶点的Q矩阵；

步骤III，计算点对的合并代价；

步骤IV，以点对的合并代价为标准自低到高建立堆栈，存储全部三角形；

步骤V，从堆栈中取出三角形依次执行半边折叠；

步骤VI，在堆栈中全部三角形折叠完毕后结束该部件模型的简化；

步骤VII，遍历建筑物三维模型中的所有部件后简化结束，输出简化模型数据。

Images