CN104239299A - 三维模型检索方法及装置 - Google Patents
三维模型检索方法及装置 Download PDFInfo
- Publication number
- CN104239299A CN104239299A CN201310223505.XA CN201310223505A CN104239299A CN 104239299 A CN104239299 A CN 104239299A CN 201310223505 A CN201310223505 A CN 201310223505A CN 104239299 A CN104239299 A CN 104239299A
- Authority
- CN
- China
- Prior art keywords
- sub
- block
- dimensional model
- layer
- dimensional
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/185—Hierarchical storage management [HSM] systems, e.g. file migration or policies thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/41—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/44—Browsing; Visualisation therefor
- G06F16/444—Spatial browsing, e.g. 2D maps, 3D or virtual spaces
Landscapes
- Engineering & Computer 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)
- Multimedia (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种三维模型检索方法及装置,以及构建其中的三维模型数据库的方法和装置。所述三维模型检索方法包括:将待检索的三维模型分别分割为多个子块;根据子块的形状特征对子块进行分类;根据各个子块的尺寸将待检索的三维模型中的多个子块分为多层;以及根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征;根据所述多层结构特征,计算待检索的三维模型与三维模型数据库中的各个三维模型的相似度;以及根据上述相似度的计算结果,输出检索结果。
Description
技术领域
本发明涉及计算机模式识别领域,更具体地涉及三维模型检索的技术。
背景技术
随着计算机技术、CAD(计算机辅助设计)技术的发展,越来越多的三维模型被设计出来。三维模型是继音频、图像以及视频之后所出现的第四种多媒体数据类型,日益发达的互联网和性能不断增强的计算机为人们对三维模型的共享和处理提供了条件。如何管理以及重复使用这些三维模型对客户来说变得尤为重要,因为这有助于缩短产品周期、降低设计成本。
三维模型的检索方式同其他的多媒体数据检索方式类似,主要分为基于文本的检索和基于内容的检索。基于文本的检索方法依赖于人工标注并且带有人为主观性的缺点,基于内容的检索方法使用三维模型的形状来检索相似的模型,其效果优于基于文本的方式。
但是,上述三维模型的检索方法普遍存在检索速度慢、匹配效果不佳等缺点。
发明内容
本发明的实施例提供了一种高效的基于多层结构特征的三维模型的检索方法以及装置。
在下文中给出关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
根据本发明的一个方面,公开了一种三维模型检索方法,包括:将待检索的三维模型分割为多个子块;根据子块的形状特征对子块进行分类;根据各个子块的尺寸将待检索的三维模型中的多个子块分为多层;以及根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征;根据所述多层结构特征,计算待检索的三维模型与三维模型数据库中的各个三维模型的相似度;以及根据上述相似度的计算结果,输出检索结果。
根据本发明的另一方面,公开了一种三维模型检索系统,包括:三维模型分割单元,用于将待检索的三维模型分割为多个子块;子块分类单元,用于根据子块的形状特征对子块进行分类;子块分层单元,用于根据子块的尺寸将待检索的三维模型的多个子块分为多层;多层特征提取单元,用于根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征;以及相似度计算单元,用于根据所述多层结构特征,计算待检索的三维模型与三维模型数据库中的各个三维模型的相似度,以及根据上述相似度的计算结果,输出检索结果。
根据本发明的另一方面,公开了一种构建三维模型数据库的装置,包括:三维模型分割模块,用于将三维模型数据库中的各个三维模型分别分割为多个子块;子块分类模块,用于根据子块的形状特征对子块进行分类;子块分层模块,用于根据子块的尺寸将所述三维模型数据库中的各个三维模型的多个子块分为多层;以及多层特征提取模块,用于根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征。
根据本发明的另一方面,公开了一种构建三维模型数据库的方法,包括:将三维模型数据库中的各个三维模型分别分割为多个子块;根据子块的形状特征对子块进行分类;根据子块的尺寸将所述三维模型数据库中的各个三维模型的多个子块分为多层;以及根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征。
附图说明
参照下面结合附图对本发明实施例的说明,会更加容易地理解本发明的以上和其它目的、特点和优点。
图1示出了根据本发明的实施例的三维模型检索方法的示意性流程图;
图2示出了根据本发明的实施例的构建三维模型数据库的方法的示意性流程图;
图3示出了根据本发明的实施例的三维模型检索系统的功能性框图;
图4示出了根据本发明的实施例的构建三维模型数据库的装置的功能性框图;
图5示出了两种具有不同形状的示例性三维模型a和b;
图6示出了对三维模型a进行分割的示意图;
图7示出了对三维模型a进行分层的示意图;
图8示出了提取三维模型a的多层结构特征的示意图;
图9示出了对三维模型b进行分层的示意图;
图10示出了可用于实施根据本公开的实施例的计算机的示意性结构图。
具体实施方式
图1示出了根据本发明的实施例的三维模型检索方法的示意性流程图。
其中,在步骤S101中,将待检索的三维模型分割为多个子块;在步骤S102中,根据子块的形状特征对子块进行分类,所述每个类别对应一特定的形状特征,所述每个类别中可包含一个或多个子块;在步骤S103中,根据各个子块的尺寸将待检索的三维模型中的多个子块分为多层;接下来,在步骤S104中,根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征;最后,在步骤S105中,根据所述多层结构特征,计算待检索的三维模型与三维模型数据库中的各个三维模型的相似度,并输出检索结果。
在上述三维模型检索方法中,还包括:将三维模型数据库中的各个三维模型分割为多个子块;根据子块的形状特征对所述多个子块进行分类,并根据子块的尺寸将所述多个子块分为多层;以及根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征。
在上述步骤S101中,可以利用基于面片的分割方式或基于立体部件的分割方式将每个三维模型分割为多个子块。
在上述步骤S102中,可以根据各个子块的形状特征利用K均值聚类算法或者支持向量机SVM分类算法对子块进行分类。
在上述步骤S103中,可以通过将各个子块的尺寸与针对每个层的预定尺寸阈值进行比较,以确定各层中所包括的子块,其中,各层中可以包括相同的子块,以及各层中的子块数量介于零到其所在的三维模型所包括的子块总数之间。并且,将各层中各个子块之间在所述三维模型中的路径长度与预定路径长度阈值进行比较,以确定每个层中各个子块之间的连接关系。其中,各个子块的尺寸可以是子块相对于所述三维模型的相对尺寸。
在上述步骤S104中,进一步包括根据各个子块的类别以及该层中各子块之间的连接关系来构建每个层的类别结构矩阵,所述类别结构矩阵反映该层中各类别的子块在所述三维模型中的邻接关系。
在上述步骤S105中,可以分别计算待检索的三维模型中的各个层与数据库中的三维模型的各个层之间的相似度,并计算各个层之间的相似度的和或加权和,作为待检索的三维模型与数据库中的三维模型之间的相似度。
图2示出了根据本发明的实施例的构建三维模型数据库的方法的示意性流程图。
其中,在步骤S201中,将三维模型数据库中的各个三维模型分别分割为多个子块;在步骤S202中,根据子块的形状特征对子块进行分类;在步骤S203中,根据子块的尺寸将所述三维模型数据库中的各个三维模型的多个子块分为多层;最后,在步骤S204中,根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征。
在上述步骤S201中,可以利用基于面片的分割方式或基于立体部件的分割方式将每个三维模型分割为多个子块。
在上述步骤S202中,可以根据各个子块的形状特征利用K均值聚类算法或者支持向量机SVM分类算法对子块进行分类。
在上述步骤S203中,可以通过将各个子块的尺寸与针对每个层的预定尺寸阈值进行比较,以确定各层中所包括的子块,其中,各层中可以包括相同的子块,以及各层中的子块数量介于零到其所在的三维模型所包括的子块总数之间。并且,将各层中各个子块之间在所述三维模型中的路径长度与预定路径长度阈值进行比较,以确定每个层中各个子块之间的连接关系。其中,各个子块的尺寸可以是子块相对于所述三维模型的相对尺寸。
在上述步骤S204中,进一步包括根据各个子块的类别以及该层中各子块之间的连接关系来构建每个层的类别结构矩阵,所述类别结构矩阵反映该层中各类别的子块在所述三维模型中的邻接关系。
图3示出了根据本发明的实施例的三维模型检索系统300的功能性框图。
所述三维模型检索系统300包括三维模型分割单元301,用于将待检索的三维模型分别分割为多个子块;子块分类单元302,用于根据子块的形状特征对子块进行分类;子块分层单元303,用于根据子块的尺寸将待检索的三维模型的多个子块分为多层;多层特征提取单元304,用于根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征;以及相似度计算单元305,用于根据所述多层结构特征,计算待检索的三维模型与三维模型数据库中的各个三维模型的相似度,以及根据上述相似度的计算结果,输出检索结果。
上述系统300中进一步包括三维模型数据库306,其中存储有该数据库中的每个三维模型的多层结构特征。稍后将结合附图4对如何构建该三维模型数据库进行详细说明。
上述三维模型分割单元301进一步被配置为利用基于面片的分割方式或基于立体部件的分割方式将每个三维模型分割为多个子块。
上述子块分类单元302进一步被配置为根据各个子块的形状特征利用K均值聚类算法或者支持向量机SVM分类算法对子块进行分类。
上述子块分层单元303进一步被配置为将各个子块的尺寸与针对每个层的预定尺寸阈值进行比较,以确定各层中所包括的子块,其中,各层中可以包括相同的子块,以及各层中的子块数量介于零到其所在的三维模型所包括的子块总数之间。并且,将各层中各个子块之间在所述三维模型中的路径长度与预定路径长度阈值进行比较,以确定每个层中各个子块之间的连接关系。其中,各个子块的尺寸为子块相对于所述三维模型的相对尺寸。
上述多层特征提取单元304进一步被配置为根据各个子块的类别以及该层中各子块之间的连接关系来构建每个层的类别结构矩阵,所述类别结构矩阵反映该层中各类别的子块在所述三维模型中的邻接关系。
上述相似度计算单元305进一步被配置为分别计算待检索的三维模型中的各个层与数据库中的三维模型的各个层之间的相似度,并计算各个层之间的相似度的和或加权和,作为待检索的三维模型与数据库中的三维模型之间的相似度。
图4示出了根据本发明的实施例的构建三维模型数据库的装置400的功能性框图。
所述构建三维模型数据库的装置400包括三维模型分割模块401,用于将三维模型数据库中的各个三维模型分别分割为多个子块;子块分类模块402,用于根据子块的形状特征对子块进行分类;子块分层模块403,用于根据子块的尺寸将所述三维模型数据库中的各个三维模型的多个子块分为多层;以及多层特征提取模块404,用于根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征。
其中的三维模型分割模块401进一步被配置为利用基于面片的分割方式或基于立体部件的分割方式将每个三维模型分割为多个子块。
其中的子块分类模块402进一步被配置为根据各个子块的形状特征利用K均值聚类算法或者支持向量机SVM分类算法对子块进行分类。
其中的子块分层模块403进一步被配置为将各个子块的尺寸与针对每个层的预定尺寸阈值进行比较,以确定各层中所包括的子块,其中,各层中可以包括相同的子块,以及各层中的子块数量介于零到其所在的三维模型所包括的子块总数之间。并且,将各层中各个子块之间在所述三维模型中的路径长度与预定路径长度阈值进行比较,以确定每个层中各个子块之间的连接关系。其中,各个子块的尺寸为子块相对于所述三维模型的相对尺寸。
其中的多层特征提取模块404进一步被配置为根据各个子块的类别以及该层中各子块之间的连接关系来构建每个层的类别结构矩阵,所述类别结构矩阵反映该层中各类别的子块在所述三维模型中的邻接关系。
图5示出了两种具有不同形状的示例性三维模型a和b,所述三维模型a和b可以是三维模型数据库中三维模型,也可以是待检索的三维模型。
以下将针对图5中所示出的三维模型a,并参照附图6-8来详细描述如何提取三维模型a的多层结构特征。
首先,如图6所示,将的三维模型a分割为4个子模型,即子块P1、P2、P3和P4,P1-P4具有如图所示的连接关系。对三维模型进行分割的方法可采用基于面片的技术,例如,采用区域增长的方法对深度图进行分割,或通过三角形聚类的方法,也可以采用基于立体部件的技术,或者使用2009年7月8日提交的,公布号为CN101944239A的中国发明专利申请中所公开的三维模型分割方法。
接下来,对分割后的子块P1、P2、P3和P4进行分类。可以基于子块的特征,例如形状描述符(Shape Distribution),和/或基于视图的特征等,采用例如支持向量机(SVM),和/或K均值聚类等方法实现子块的分类。通过分类处理,子块P1、P2对应于类别C1,子块P3对应于类别C2,子块P4对应于类别C3。
然后,根据三维模型的各个子块的尺寸,并基于预设的层数、尺寸阈值对三维模型进行分层,从而确定各层中所包含的子块,并基于路径阈值确定各层中的子块的连接关系。其中,将各个子块的尺寸与尺寸阈值进行比较,从而确定各层中所包含的子块;并且,对于被分在相同层中的子块,如果子块之间在三维模型中即存在连接,则所述子块在该层中也存在连接,如果子块之间在三维模型中不存在连接,并且所述子块之间在该层中也不存在其他子块,则将所述子块之间的路径长度与路径阈值进行比较,当所述路径长度小于路径阈值时,则在该层中为所述子块之间添加连接。如图7所示,在该实施例中,层数被预设为3层,各层的尺寸阈值分别被预设为1/3、1/4以及1/6(该实施例中的尺寸阈值为子块与三维模型的相对尺寸),路径阈值被预设为2。其中,尺寸大于尺寸阈值1/3的只有子块P3,因此,第一层中仅包括子块P3。尺寸大于尺寸阈值1/4的子块为P3和P4,因此,第二层中包括子块P3和P4;由于P3与P4在三维模型a中即存在连接,因此可以确定P3和P4在第二层中存在连接。尺寸大于尺寸阈值1/6的子块为P1、P2、P3和P4,因此,第三层中包括子块P1、P2、P3和P4;由于在三维模型a中,P1与P3、P2与P3以及P3与P4即存在连接,因此可以确定P1与P3、P2与P3以及P3与P4在第三层中存在连接。
在确定三维模型a各层中所包括的子块以及各个子块的连接关系后,分别针对各层,并结合子块所对应的类别,确定各层中的各个子块所对应的类别的连接关系,并根据各个类别之间的连接关系,建立各个类别的共生矩阵,作为各层的结构特征。
图8示出了提取三维模型a的多层结构特征的示例。三维模型的多层结构特征由三维模型各层的结构特征所组成,而三维模型各层的结构特征由各层的共生矩阵来表示。所述各层的共生矩阵均为KxK的矩阵,其中,K为总的类别数目,共生矩阵中的元素表示该层中的子块所对应的类别之间的连接数量,如果相应的类别之间不存在连接或该层中不存在该类别时,则相应位置处的值为0。通过构建三维模型各层的KxK的共生矩阵,使各个三维模型的多层结构特征的长度一致,以便于方便地实现各个三维模型之间的特征比较。构建各层的共生矩阵的步骤如下:图8中第一层的矩阵代表了第一层的结构特征,第一层中仅包括子块P3,其对应于类别C2,因此,第一层的共生矩阵中各个元素均为0;图8中第二层的矩阵代表了第二层的结构特征,第二层中包括子块P3和P4,分别对应于类别C2和C3,并且C2和C3中具有一个连接,因此,在第二层的共生矩阵中,C2和C3交点处的值为1,其余位置处的值均为0;图8中第三层的矩阵代表了第三层的结构特征,第三层中包括子块P1、P2、P3和P4,其中P1和P2对应于类别C1、P3对应于类别C2、P4对应于类别C3,并且,C1与C2之间具有2个连接,C2和C3之间具有一个连接,因此,C1和C2交点处的值为2,C2和C3交点处的值为1,其余位置处的值均为0。
通过以上步骤,三维模型a的各层的结构特征被提取。
下面将针对图5中所示出的三维模型b,并参照附图9来进一步说明如何基于尺寸阈值进行分层,以及基于路径阈值确定各个子块之间的连接关系。
对于三维模型b的分割、分类步骤与三维模型a类似,因此,下文中不再对上述类似的步骤进行重复描述。
如图9所示,三维模型b被分割为4个子块,分别为P1’,P2’,P3’和P4’,P1’-P4’在三维模型b中具有如图所示的连接关系。在该实施例中,层数被预设为3层,各层的尺寸阈值分别被预设为1/3、1/4以及1/6(该实施例中的尺寸阈值为子块与三维模型的相对尺寸),路径阈值被预设为2。其中,尺寸大于尺寸阈值1/3的只有子块P4’,因此,第一层中仅包括子块P4’。尺寸大于尺寸阈值1/4的子块为P3’和P4’,因此,第二层中包括子块P3’和P4’;由于P3’与P4’在三维模型b中即存在连接,因此可以确定P3’和P4’在第二层中存在连接。尺寸大于尺寸阈值1/6的子块为P1’、P3’和P4’,因此,第三层中包括子块P1’、P3’和P4’;由于P3’与P4’在三维模型b即存在连接,因此可以确定P3’与P4’在第三层中存在连接;P1’与P3’在三维模型b不存在连接,并且在第三层中,P1’与P3’之间也不存在其他的子块,由于P1’与P3’之间的路径长度小于路径阈值2,因此,在第三层的子块P1’与P3’之间添加一新的连接。
在确定三维模型b各层中所包括的子块以及各个子块的连接关系后,使用与三维模型a的处理类似的步骤提取各层的结构特征,在此不再进行重复说明。
通过对三维模型数据库中的各个三维模型进行如上的处理,可以实现将三维模型数据库构建为使用多层结构特征进行描述的三维模型的集合。
对于待检索的三维模型,通过上述处理,提取出待检索三维模型的多层结构特征,从而基于所述多层结构特征,计算待检索三维模型与三维模型数据库中的三维模型的相似度,以实现三维模型的匹配。
三维模型的匹配可以通过以下两种方式实现。
(1)首先分层计算待检索三维模型与三维模型数据库中的三维模型的相似度,然后对各层的相似度求和或加权和,从而得到三维模型的相似度。其中,通过各层的结构特征间的距离来表示相似度。该方式可通过以下公式来实现:
其中,D表示三维模型的相似度,l表示层数,di表示第i层结构特征间的距离,wi表示相应的权重。
(2)采用分层匹配的方式,即逐层进行筛选,将相似度最低的三维模型排除,直到剩下相似度最高的三维模型。
通过上述的匹配处理,将三维模型数据库中与待检索三维模型相似度最高的三维模型输出,作为检索结果。
通过以上各个步骤的处理,根据本发明的三维模型检索方法得以实现。
应理解,上述实施例和示例是示例性的,而不是穷举性的,本公开不应被视为局限于任何具体的实施例或示例。
作为一个示例,上述方法的各个步骤以及上述设备的各个组成模块和/或装置可以实施为软件、固件、硬件或其组合。例如,可以作为具有图像处理功能的各种设备(如计算机、个人数字助理、照相机、摄像机及其他图像处理设备等,这里不一一列举)的一部分。上述设备中各个组成模块通过软件、固件、硬件或其组合的方式进行配置时可使用的具体手段或方式为本领域技术人员所熟知,在此不再赘述。
如上所述,上述方法和设备中对图像进行处理的步骤和模块可以通过软件来实现。从存储介质或网络向具有专用硬件结构的计算机(例如图10所示的通用计算机1000)安装构成该软件的程序,该计算机在安装有各种程序时,能够执行各种功能等。
在图10中,中央处理单元(CPU)1001根据只读存储器(ROM)1002中存储的程序或从存储部分1008加载到随机存取存储器(RAM)1003的程序执行各种处理。在RAM1003中,也根据需要存储当CPU1001执行各种处理等等时所需的数据。CPU1001、ROM1002和RAM1003经由总线1004彼此连接。输入/输出接口1005也连接到总线1004。
下述部件连接到输入/输出接口1005:输入部分1006(包括键盘、鼠标等等)、输出部分1007(包括显示器,比如阴极射线管(CRT)、液晶显示器(LCD)等,和扬声器等)、存储部分1008(包括硬盘等)、通信部分1009(包括网络接口卡比如LAN卡、调制解调器等)。通信部分1009经由网络比如因特网执行通信处理。根据需要,驱动器1010也可连接到输入/输出接口1005。可拆卸介质1011比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器1010上,使得从中读出的计算机程序根据需要被安装到存储部分1008中。
在通过软件实现上述系列处理的情况下,从网络比如因特网或存储介质比如可拆卸介质1011安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图10所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质1011。可拆卸介质1011的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM1002、存储部分1008中包含的硬盘等等,其中存有程序,并且与包含它们的设备一起被分发给用户。
本公开还提出一种存储有机器可读取的指令代码的程序产品。所述指令代码由机器读取并执行时,可执行上述根据本公开实施例的方法。
相应地,用于承载上述存储有机器可读取的指令代码的程序产品的存储介质也包括在本公开的公开中。所述存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等等。
在上面对本公开具体实施例的描述中,针对一种实施方式描述和/或示出的特征可以用相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
此外,本公开的方法不限于按照说明书中描述的时间顺序来执行,也可以按照其他的时间顺序地、并行地或独立地执行。因此,本说明书中描述的方法的执行顺序不对本公开的技术范围构成限制。
通过以上的描述可以看出,根据本公开的实施例,提供了如下的方案:
附记1.一种三维模型检索方法,包括:
将待检索的三维模型分割为多个子块;
根据子块的形状特征对子块进行分类;
根据各个子块的尺寸将待检索的三维模型中的多个子块分为多层;以及
根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征;
根据所述多层结构特征,计算待检索的三维模型与三维模型数据库中的各个三维模型的相似度;以及
根据上述相似度的计算结果,输出检索结果。
附记2.如附记1所述的方法,进一步包括
将三维模型数据库中的各个三维模型分别分割为多个子块;
根据子块的形状特征对所述多个子块进行分类,并根据子块的尺寸将所述多个子块分为多层;以及
根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征。
附记3.如附记1所述的方法,其中将各个三维模型的多个子块分为多层包括:
将各个子块的尺寸与针对每层的预定尺寸阈值进行比较,以确定各层中所包括的子块,其中,各层中可以包括相同的子块,以及各层中的子块数量介于零到其所在的三维模型所包括的子块总数之间。
附记4.如附记3所述的方法,其中将各个三维模型的多个子块分为多层还包括:
将各层中各个子块之间在所述三维模型中的路径长度与预定路径长度阈值进行比较,以确定每层中各个子块之间的连接关系。
附记5.如附记1-4任一项所述的方法,其中提取各层的结构特征进一步包括:
根据各个子块的类别以及该层中各子块之间的连接关系来构建每个层的类别结构矩阵,所述类别结构矩阵反映该层中各类别的子块在所述三维模型中的邻接关系。
附记6.如附记1-4任一项所述的方法,其中计算所述相似度进一步包括:
分别计算待检索的三维模型中的各个层与数据库中的三维模型的各个层之间的相似度,并计算各个层之间的相似度的和或加权和,作为待检索的三维模型与数据库中的三维模型之间的相似度。
附记7.如附记1-4任一项所述的方法,其中各个子块的尺寸为子块相对于所述三维模型的相对尺寸。
附记8.如附记1-4任一项所述的方法,其中将每个三维模型分割为多个子块包括:
利用基于面片的分割方式或基于立体部件的分割方式将每个三维模型分割为多个子块。
附记9.如附记1-4任一项所述的方法,其中对所述多个子块进行分类包括:
根据各个子块的形状特征利用K均值聚类算法或者支持向量机SVM分类算法对子块进行分类。
附记10.一种构建三维模型数据库的方法,包括
将三维模型数据库中的各个三维模型分别分割为多个子块;
根据子块的形状特征对子块进行分类;
根据子块的尺寸将所述三维模型数据库中的各个三维模型的多个子块分为多层;以及
根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征。
附记11.如附记10所述的方法,其中将多个子块分为多层包括:
将各个子块的尺寸与针对每个层的预定尺寸阈值进行比较,以确定各层中所包括的子块,其中,各层中可以包括相同的子块,以及各层中的子块数量介于零到其所在的三维模型所包括的子块总数之间。
附记12.如附记11所述的方法,其中将多个子块分为多层还包括:
将各层中各个子块之间在所述三维模型中的路径长度与预定路径长度阈值进行比较,以确定每个层中各个子块之间的连接关系。
附记13.如附记10-12任一项所述的方法,其中提取各层的结构特征进一步包括:
根据各个子块的类别以及该层中各子块之间的连接关系来构建每个层的类别结构矩阵,所述类别结构矩阵反映该层中各类别的子块在所述三维模型中的邻接关系。
附记14.如附记10-12任一项所述的方法,其中各个子块的尺寸为子块相对于所述三维模型的相对尺寸。
附记15.如附记10-12任一项所述的方法,其中将每个三维模型分割为多个子块包括:
利用基于面片的分割方式或基于立体部件的分割方式将每个三维模型分割为多个子块。
附记16.如附记10-12任一项所述的方法,其中对所述多个子块进行分类包括:
根据各个子块的形状特征利用K均值聚类算法或者支持向量机SVM分类算法对子块进行分类。
附记17.一种三维模型检索系统,包括:
三维模型分割单元,用于将待检索的三维模型分割为多个子块;
子块分类单元,用于根据子块的形状特征对子块进行分类;
子块分层单元,用于根据子块的尺寸将待检索的三维模型的多个子块分为多层;
多层特征提取单元,用于根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征;以及
相似度计算单元,用于根据所述多层结构特征,计算待检索的三维模型与三维模型数据库中的各个三维模型的相似度,以及根据上述相似度的计算结果,输出检索结果。
附记18.如附记17所述的系统,其中所述三维模型数据库还存储有该数据库中的每个三维模型的多层结构特征。
附记19.如附记17所述的系统,其中的子块分层单元被配置为:
将各个子块的尺寸与针对每个层的预定尺寸阈值进行比较,以确定各层中所包括的子块,其中,各层中可以包括相同的子块,以及各层中的子块数量介于零到其所在的三维模型所包括的子块总数之间。
附记20.如附记17所述的系统,其中的子块分层单元进一步被配置为:
将各层中各个子块之间在所述三维模型中的路径长度与预定路径长度阈值进行比较,以确定每个层中各个子块之间的连接关系。
附记21.如附记17-20任一项所述的系统,其中的多层特征提取单元被配置为:
根据各个子块的类别以及该层中各子块之间的连接关系来构建每个层的类别结构矩阵,所述类别结构矩阵反映该层中各类别的子块在所述三维模型中的邻接关系。
附记22.如附记17-20任一项所述的系统,其中的相似度计算单元被配置为:
分别计算待检索的三维模型中的各个层与数据库中的三维模型的各个层之间的相似度,并计算各个层之间的相似度的和或加权和,作为待检索的三维模型与数据库中的三维模型之间的相似度。
附记23.如附记17-20任一项所述的系统,其中各个子块的尺寸为子块相对于所述三维模型的相对尺寸。
附记24.如附记17-20任一项所述的系统,其中的三维模型分割单元被配置为:
利用基于面片的分割方式或基于立体部件的分割方式将每个三维模型分割为多个子块。
附记25.如附记17-20任一项所述的系统,其中的子块分类单元被配置为:
根据各个子块的形状特征利用K均值聚类算法或者支持向量机SVM分类算法对子块进行分类。
附记26.一种构建三维模型数据库的装置,包括:
三维模型分割模块,用于将三维模型数据库中的各个三维模型分别分割为多个子块;
子块分类模块,用于根据子块的形状特征对子块进行分类;
子块分层模块,用于根据子块的尺寸将所述三维模型数据库中的各个三维模型的多个子块分为多层;以及
多层特征提取模块,用于根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征。
附记27.如附记26所述的构建三维模型数据库的装置,其中子块分层模块被配置为:
将各个子块的尺寸与针对每个层的预定尺寸阈值进行比较,以确定各层中所包括的子块,其中,各层中可以包括相同的子块,以及各层中的子块数量介于零到其所在的三维模型所包括的子块总数之间。
附记28.如附记27所述的构建三维模型数据库的装置,其中将子块分层模块进一步被配置为:
将各层中各个子块之间在所述三维模型中的路径长度与预定路径长度阈值进行比较,以确定每个层中各个子块之间的连接关系。
附记29.如附记26-28任一项所述的构建三维模型数据库的装置,其中多层特征提取模块被配置为:
根据各个子块的类别以及该层中各子块之间的连接关系来构建每个层的类别结构矩阵,所述类别结构矩阵反映该层中各类别的子块在所述三维模型中的邻接关系。
附记30.如附记26-28任一项所述的构建三维模型数据库的装置,其中各个子块的尺寸为子块相对于所述三维模型的相对尺寸。
附记31.如附记26-28任一项所述的构建三维模型数据库的装置,其中三维模型分割模块被配置为:
利用基于面片的分割方式或基于立体部件的分割方式将每个三维模型分割为多个子块。
附记32.如附记26-28任一项所述的构建三维模型数据库的装置,其中子块分类模块被配置为:
根据各个子块的形状特征利用K均值聚类算法或者支持向量机SVM分类算法对子块进行分类。
尽管上面已经通过对本发明的具体实施例的描述对本发明进行了披露,但是,应该理解,上述的所有实施例和示例均是示例性的,而非限制性的。本领域的技术人员可在所附权利要求的精神和范围内设计对本发明的各种修改、改进或者等同物。这些修改、改进或者等同物也应当被认为包括在本发明的保护范围内。
Claims (10)
1.一种三维模型检索方法,包括:
将待检索的三维模型分别分割为多个子块;
根据子块的形状特征对子块进行分类;
根据各个子块的尺寸将待检索的三维模型中的多个子块分为多层;以及
根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征;
根据所述多层结构特征,计算待检索的三维模型与三维模型数据库中的各个三维模型的相似度;以及
根据上述相似度的计算结果,输出检索结果。
2.如权利要求1所述的方法,进一步包括:
将三维模型数据库中的各个三维模型分别分割为多个子块;
根据子块的形状特征对所述多个子块进行分类,并根据子块的尺寸将所述多个子块分为多层;以及
根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征。
3.如权利要求1所述的方法,其中将各个三维模型的多个子块分为多层包括:
将各个子块的尺寸与针对每层的预定尺寸阈值进行比较,以确定各层中所包括的子块,其中,各层中可以包括相同的子块,以及各层中的子块数量介于零到其所在的三维模型所包括的子块总数之间。
4.如权利要求3所述的方法,其中将各个三维模型的多个子块分为多层还包括:
将各层中各个子块之间在所述三维模型中的路径长度与预定路径长度阈值进行比较,以确定每层中各个子块之间的连接关系。
5.如权利要求1-4任一项所述的方法,其中提取各层的结构特征进一步包括:
根据各个子块的类别以及该层中各子块之间的连接关系来构建每个层的类别结构矩阵,所述类别结构矩阵反映该层中各类别的子块在所述三维模型中的邻接关系。
6.如权利要求1-4任一项所述的方法,其中计算所述相似度进一步包括:
分别计算待检索的三维模型中的各个层与数据库中的三维模型的各个层之间的相似度,并计算各个层之间的相似度的和或加权和,作为待检索的三维模型与数据库中的三维模型之间的相似度。
7.如权利要求1-4任一项所述的方法,其中各个子块的尺寸为子块相对于所述三维模型的相对尺寸。
8.一种构建三维模型数据库的方法,包括:
将三维模型数据库中的各个三维模型分别分割为多个子块;
根据子块的形状特征对子块进行分类;
根据子块的尺寸将所述三维模型数据库中的各个三维模型的多个子块分为多层;以及
根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征。
9.一种三维模型检索系统,包括:
三维模型分割单元,用于将待检索的三维模型分割为多个子块;
子块分类单元,用于根据子块的形状特征对子块进行分类;
子块分层单元,用于根据子块的尺寸将待检索的三维模型的多个子块分为多层;
多层特征提取单元,用于根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征;以及
相似度计算单元,用于根据所述多层结构特征,计算待检索的三维模型与三维模型数据库中的各个三维模型的相似度,以及根据上述相似度的计算结果,输出检索结果。
10.一种构建三维模型数据库的装置,包括:
三维模型分割模块,用于将三维模型数据库中的各个三维模型分别分割为多个子块;
子块分类模块,用于根据子块的形状特征对子块进行分类;
子块分层模块,用于根据子块的尺寸将所述三维模型数据库中的各个三维模型的多个子块分为多层;以及
多层特征提取模块,用于根据各层中的各子块在其所在的三维模型中的连接关系来提取各层的结构特征,作为该三维模型的多层结构特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310223505.XA CN104239299B (zh) | 2013-06-06 | 2013-06-06 | 三维模型检索方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310223505.XA CN104239299B (zh) | 2013-06-06 | 2013-06-06 | 三维模型检索方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104239299A true CN104239299A (zh) | 2014-12-24 |
CN104239299B CN104239299B (zh) | 2017-05-10 |
Family
ID=52227393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310223505.XA Active CN104239299B (zh) | 2013-06-06 | 2013-06-06 | 三维模型检索方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104239299B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809087A (zh) * | 2014-12-30 | 2016-07-27 | 清华大学 | 辐射检查系统及车型模板检索方法 |
CN106327506A (zh) * | 2016-08-05 | 2017-01-11 | 北京三体高创科技有限公司 | 一种基于概率分区合并的三维模型分割方法 |
CN106599053A (zh) * | 2016-11-16 | 2017-04-26 | 佛山科学技术学院 | 一种三维模型检索方法 |
CN106951501A (zh) * | 2017-03-16 | 2017-07-14 | 天津大学 | 一种基于多图匹配的三维模型检索方法 |
CN108021683A (zh) * | 2017-12-11 | 2018-05-11 | 首都航天机械公司 | 一种基于三维标注的相似模型检索实现方法 |
WO2018170731A1 (zh) * | 2017-03-21 | 2018-09-27 | 中国科学院深圳先进技术研究院 | 三维形状表达方法及装置 |
CN108596329A (zh) * | 2018-05-11 | 2018-09-28 | 北方民族大学 | 基于端到端深度集成学习网络的三维模型分类方法 |
CN108898127A (zh) * | 2018-07-11 | 2018-11-27 | 宁波艾腾湃智能科技有限公司 | 一种基于三维模型匹配的防伪方法及设备 |
CN113343835A (zh) * | 2021-06-02 | 2021-09-03 | 合肥泰瑞数创科技有限公司 | 一种适用于应急救援的物体识别方法、系统及存储介质 |
CN115423947A (zh) * | 2022-11-03 | 2022-12-02 | 成都飞机工业(集团)有限责任公司 | 三维模型检索方法、装置、设备及介质 |
CN116540316A (zh) * | 2023-07-06 | 2023-08-04 | 华设检测科技有限公司 | 基于svm分类算法及聚类算法地质土层测试方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040264777A1 (en) * | 2003-03-05 | 2004-12-30 | Olympus Corporation | 3D model retrieval method and system |
CN101196930A (zh) * | 2008-01-04 | 2008-06-11 | 覃征 | 三维模型检索系统 |
CN101281545A (zh) * | 2008-05-30 | 2008-10-08 | 清华大学 | 一种基于多特征相关反馈的三维模型检索方法 |
CN101799937A (zh) * | 2010-03-23 | 2010-08-11 | 南京大学 | 一种采用草图创建三维模型的方法 |
-
2013
- 2013-06-06 CN CN201310223505.XA patent/CN104239299B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040264777A1 (en) * | 2003-03-05 | 2004-12-30 | Olympus Corporation | 3D model retrieval method and system |
CN101196930A (zh) * | 2008-01-04 | 2008-06-11 | 覃征 | 三维模型检索系统 |
CN101281545A (zh) * | 2008-05-30 | 2008-10-08 | 清华大学 | 一种基于多特征相关反馈的三维模型检索方法 |
CN101799937A (zh) * | 2010-03-23 | 2010-08-11 | 南京大学 | 一种采用草图创建三维模型的方法 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809087A (zh) * | 2014-12-30 | 2016-07-27 | 清华大学 | 辐射检查系统及车型模板检索方法 |
CN105809087B (zh) * | 2014-12-30 | 2020-03-27 | 清华大学 | 辐射检查系统及车型模板检索方法 |
CN106327506B (zh) * | 2016-08-05 | 2019-11-08 | 北京三体高创科技有限公司 | 一种基于概率分区合并的三维模型分割方法 |
CN106327506A (zh) * | 2016-08-05 | 2017-01-11 | 北京三体高创科技有限公司 | 一种基于概率分区合并的三维模型分割方法 |
CN106599053A (zh) * | 2016-11-16 | 2017-04-26 | 佛山科学技术学院 | 一种三维模型检索方法 |
CN106599053B (zh) * | 2016-11-16 | 2020-02-04 | 佛山科学技术学院 | 一种三维模型检索方法 |
CN106951501A (zh) * | 2017-03-16 | 2017-07-14 | 天津大学 | 一种基于多图匹配的三维模型检索方法 |
CN106951501B (zh) * | 2017-03-16 | 2020-05-12 | 天津大学 | 一种基于多图匹配的三维模型检索方法 |
WO2018170731A1 (zh) * | 2017-03-21 | 2018-09-27 | 中国科学院深圳先进技术研究院 | 三维形状表达方法及装置 |
US11004206B2 (en) | 2017-03-21 | 2021-05-11 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Three-dimensional shape expression method and device thereof |
CN108021683A (zh) * | 2017-12-11 | 2018-05-11 | 首都航天机械公司 | 一种基于三维标注的相似模型检索实现方法 |
CN108021683B (zh) * | 2017-12-11 | 2021-06-22 | 首都航天机械公司 | 一种基于三维标注的相似模型检索实现方法 |
CN108596329A (zh) * | 2018-05-11 | 2018-09-28 | 北方民族大学 | 基于端到端深度集成学习网络的三维模型分类方法 |
CN108596329B (zh) * | 2018-05-11 | 2020-08-07 | 北方民族大学 | 基于端到端深度集成学习网络的三维模型分类方法 |
CN108898127A (zh) * | 2018-07-11 | 2018-11-27 | 宁波艾腾湃智能科技有限公司 | 一种基于三维模型匹配的防伪方法及设备 |
CN108898127B (zh) * | 2018-07-11 | 2022-03-01 | 宁波艾腾湃智能科技有限公司 | 一种基于三维模型匹配的防伪方法及设备 |
CN113343835A (zh) * | 2021-06-02 | 2021-09-03 | 合肥泰瑞数创科技有限公司 | 一种适用于应急救援的物体识别方法、系统及存储介质 |
CN115423947A (zh) * | 2022-11-03 | 2022-12-02 | 成都飞机工业(集团)有限责任公司 | 三维模型检索方法、装置、设备及介质 |
CN116540316A (zh) * | 2023-07-06 | 2023-08-04 | 华设检测科技有限公司 | 基于svm分类算法及聚类算法地质土层测试方法 |
CN116540316B (zh) * | 2023-07-06 | 2023-09-01 | 华设检测科技有限公司 | 基于svm分类算法及聚类算法的地质土层测试方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104239299B (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104239299A (zh) | 三维模型检索方法及装置 | |
Wang et al. | Fast large-scale trajectory clustering | |
Wang et al. | CE3: A three-way clustering method based on mathematical morphology | |
CN107545025B (zh) | 利用形态学标准查询数据库 | |
Einasto et al. | Sdss dr7 superclusters-morphology | |
CN106156145A (zh) | 一种地址数据的管理方法和装置 | |
CN108573020B (zh) | 融合装配信息的三维装配模型检索方法 | |
Santiago-Bautista et al. | Identification of filamentary structures in the environment of superclusters of galaxies in the Local Universe | |
WO2020236754A1 (en) | Classification of patterns in an electronic circuit layout using machine learning based encoding | |
CN104239660A (zh) | 云制造模式下基于动态本体的知识融合方法 | |
CN103353916B (zh) | 基于工程的复合材料层合板铺层优化后处理方法 | |
CN105787052A (zh) | 数据处理模型建立方法及基于数据处理模型数据筛选方法 | |
CN103412878A (zh) | 基于领域知识地图社区结构的文档主题划分方法 | |
CN102508971B (zh) | 概念设计阶段产品功能模型建立方法 | |
CN104090995B (zh) | 一种ABAQUS轮胎模型中rebar单元网格的自动生成方法 | |
CN106815320B (zh) | 基于拓展三维直方图的调研大数据可视化建模方法及系统 | |
He et al. | Multiaspect similarity evaluation of BIM-based standard dwelling units for residential design | |
CN102110159A (zh) | 一种cad三维模型检索方法及系统 | |
CN110111054A (zh) | 拼单网络模型的生成方法及装置、计算机可读介质以及物流系统 | |
CN105373561B (zh) | 识别非关系数据库中的记录模式的方法和设备 | |
Yaguchi et al. | Spherical visualization of image data with clustering | |
Wang et al. | On intelligent fire drawings review based on building information modeling and knowledge graph | |
CN111598239B (zh) | 一种基于图神经网络提取文章的过程体系的方法和装置 | |
CN104200222A (zh) | 一种基于因子图模型的图片中对象识别方法 | |
Aher et al. | A comparative study for selecting the best unsupervised learning algorithm in e-learning system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |