CN104246830A - 估计多组件三维模型的误差度量的方法和装置 - Google Patents

Abstract

为了计算两个3D多组件模型之间的误差度量，均匀采样第一3D模型的3D组件的分面。在第一3D模型中的每个采样点与第二3D模型的表面之间，计算点面误差。然后处理该点面误差以生成第一和第二3D模型之间的误差度量。为了加速计算，可以将第二3D模型划分成多个单元，只将与第一3D模型中的特定采样点最接近的单元用于计算点面误差。当计算3D模型中的各个3D组件的误差度量时，采用相同的均匀采样和单元划分。因此，整个3D模型的误差基本上是对各个组件计算得到的误差的加权平均。

Description

估计多组件三维模型的误差度量的方法和装置

相关申请

本申请要求2012年4月19日提交的国际专利申请第PCT/CN2012/074370号的权益，特此通过引用将其并入本文中。

技术领域

本发明涉及估计3D模型的误差度量的方法和装置。

背景技术

在实际应用中，许多3D模型由大量组件组成。如图1所示，这些多组件3D模型通常包含以各种变换形式的很多重复结构。

在输入模型中利用重复结构的多组件3D模型的压缩算法是已知的。按各种位置、取向和缩放因子探索3D模型的重复结构。然后将3D模型组织成“图案-实例”表示。图案用于表示对应重复结构的代表性几何形状。属于重复结构的组件被表示成对应图案的实例，并且可以通过图案ID和关于图案的变换信息，例如，反射、平移和可能缩放来表示。可以将实例变换信息组织成，例如，反射部分、平移部分、旋转部分和可能缩放部分。可能存在被称为独特组件的、不重复的3D模型的一些组件。

发明内容

本原理提供了一种用于确定第一3D模型与第二3D模型之间的误差度量的方法，其包含以下步骤：存取第一和第二3D模型，其中该第一3D模型包括第一3D组件和至少另一个3D组件；确定第一3D模型中的第一3D组件和至少另一个3D组件的分面(facet)中的采样点，其中该采样点均匀分布在第一3D模型中的第一3D组件和至少另一个3D组件的分面中；确定第一3D模型中的第一3D组件中的每个采样点与第二3D模型中的第一3D组件的表面之间的点面误差，第二3D模型中的第一3D组件对应于第一3D模型中的第一3D组件；以及如下所述，响应所确定的点面误差确定第一3D模型中的第一3D组件与第二3D模型中的第一3D组件之间的误差度量。本原理还提供了执行这些步骤的装置。

本原理还提供了上面存储有用于按照上述的方法确定第一3D模型与第二3D模型之间的误差度量的指令的计算机可读存储介质。

本原理还提供了一种用于确定第一3D模型与第二3D模型之间的法向变化的方法，其包含如下步骤：存取第一3D模型和第二3D模型中的多个分面对，其中每个分面对对应于第一3D模型中的某个分面和第二3D模型中的某个对应分面；确定多个分面对的每一个的分面法向矢量的内积；以及如下所述，响应该内积确定第一3D模型与第二3D模型之间的法向变化。本原理还提供了一种用于执行这些步骤的装置。

本原理还提供了上面存储有用于按照上述的方法确定第一3D模型与第二3D模型之间的法向变化的指令的计算机可读存储介质。

附图说明

图1示出了具有大量组件和重复结构的示例性3D模型；

图2示出了按照本原理的3D模型的示例性编码器；

图3示出了按照本原理的3D模型的示例性解码器；

图4A示出了分别包括如图4B和4C所示的两个3D组件的另一个示例性3D模型；

图5是依照本原理的实施例描绘用于估计两个3D模型之间的误差度量的示例的流程图；

图6A，6B和6C是依照本原理的实施例分别描绘图4的苹果组件的3D网格、多组件3D模型和叶子组件的形象示例，图6D和6E是描绘苹果和叶子组件的一部分的形象示例，以及图6F是描绘三角形的采样点和内部三角形的形象示例；

图7A是依照本原理的实施例描绘3D模型的单元划分的形象示例，以及图7B是描绘包括在某个单元中的三角形和分面的形象示例；

图8是依照本原理的实施例描绘用于估计两个3D模型的表面之间的法向变化的示例的流程图；以及

图9示出了按照本原理的示例性质量估计器。

具体实施方式

如图1所示，在3D模型中可能存在许多重复结构。为了高效地解码3D模型，可以将重复结构组织成图案和实例，其中，例如，使用对应图案的图案ID和包含有关平移、旋转和缩放的信息的变换矩阵将实例表示成对应图案的变换。

当用图案ID和变换矩阵表示实例时，在压缩实例时要压缩图案ID和变换矩阵。因此，可以通过图案ID和解码的变换矩阵重建实例，也就是说，可以将实例重建成通过图案ID索引的解码图案的变换(来自解码的变换矩阵)。

图2描绘了示例性3D模型编码器200的框图。装置200的输入可以包括3D模型、用于编码3D模型的质量参数和其它元数据。3D模型首先经过重复结构探索模块210，它以图案、实例和独特组件的形式输出3D模型。图案编码器220用于压缩图案，独特组件编码器250用于编码独特组件。例如，根据用户选择的模式来编码实例组件信息。如果选择实例信息分组模式，则使用分组实例信息编码器240编码实例信息；否则，使用基本实例信息编码器230编码它。在重复结构检验器260中进一步检验编码组件。如果编码组件未满足其质量要求，则使用独特组件编码器250编码它。在比特流组装器270处组装图案、实例和独特组件的比特流。

图3描绘了示例性3D模型解码器300的框图。装置300的输入可以包括3D模型的比特流，例如，编码器200生成的比特流。压缩比特流中与图案有关的信息由图案解码器320解码。与独特组件有关的信息由独特组件解码器350解码。实例信息的解码也取决于用户选择的模式。如果选择实例信息分组模式，则使用分组实例信息解码器340解码实例信息；否则，使用基本实例信息解码器330解码它。在模型重建模块360处使用解码的图案、实例信息和独特组件生成输出的解码3D模型。

在3D模型编码器200的重复结构检验器260中，比较原始实例组件与重建组件之间的误差。如果该误差大于按质量要求设置的误差，则将该实例编码成独特组件。在该申请中，“距离”和“误差”可以指两个模型之间的失真，术语“距离”、“误差”和“失真”可交换使用。

为了测量两个3D模型，例如，原始3D模型与解压3D模型之间的误差，一些现有方法采用了表面采样方法来测量表面之间的误差。也就是说，根据各个采样点的点面距离计算两个3D模型的表面之间的误差。在这些现有方法中，采样密度取决于3D模型的边界框的尺寸。因此，当检验边界框的尺寸可以变化的各个实例组件的质量时，采样密度也随各个组件的变化而变化。

表1示出了图4A所示的示例性3D模型的通过在N.Aspert、D.Santa-Cruz和T.Ebrahimi的《MESH:Measuring errors between surfaces using the Hausdorffdistance》(Proceedings of the IEEE International Conference in Multimedia andExpo(ICME)，第705-708页，2002年)中描述的MESH估计的平均误差。在这个示例中，分别如图4B和4C所示的苹果和叶子被当作两个单独的3D组件，如图4A所示的苹果和叶子一起被当作多组件的3D模型。在压缩了3D模型之后，测量原始3D模型和解压缩的3D模型的表面之间的误差。

两个采样点之间的距离可以根据采样密度来确定，例如，采样距离可以计算为采样密度与边界框的对角长度的乘积。取决于采样密度，测量得到的苹果、叶子以及苹果和叶子的误差变化很大。因此，如果组件具有不同的采样密度，则误差可能不相当，因此可能不能正确地反映实际误差。

表1

如上所讨论，在编码器200中，逐个组件地编码多组件3D模型。对于每个实例组件，测量重建组件的质量，以检查是否可以使用图案-实例模型来表示它。为了在不同的组件上获得一致的质量，质量测量在各个组件之间需要是相当的，并提供各个组件的质量和整个3D模型之间的某种联系。因此，我们试图设计出这样的误差度量使得整个3D模型的误差测量应该是各个组件的误差的加权和。

也就是说，本原理提供了估计两个3D模型之间的误差度量。在一个实施例中，当计算整个3D模型或其各个组件的误差度量时，可以采用统一的采样步长和单元划分来估计误差。因此，整个3D模型的误差可以用对其各个组件计算的误差的加权平均值来近似，其中权重可能取决于误差的特定定义。例如，该权重可以基于3D组件的表面积或采样点的数量。当存在翻转表面(即，来自两个3D模型的对应表面具有相反方向的法向)时，用法向矢量定义另外的误差度量。

图5示出了用于估计两个3D模型M₁和M₂之间的误差度量的示例性方法500。可以使用几何距离的平均误差(ME)或均方根误差(RMSE)来测量失真。方法500从输入3D模型(M₁和M₂)的步骤510开始。为了计算模型M₁和M₂之间的距离，在步骤520中计算采样步长(Step_len)，并在步骤530中采样M₁的表面以获取若干采样点。

在步骤540中将M₂的空间划分成多个单元，例如，以便加速计算。步骤540是可选的。在步骤550中计算从M₁上单独的采样点到M₂的表面的距离。在步骤560中计算模型M₁和M₂之间的总体误差度量。在步骤599中结束方法500。

在下文中，将更详细地描述计算(520)采样步长、决定(530)采样点、单元划分(540)和计算(550)点面误差的步骤。

采样

为了在模型M₁的表面上采样，采样步长(Step_len)可以用模型M₁的平均边长定义，并且可以按下式计算：

Step_len＝Aver_edge*Sampling_freq，  (1)

其中Aver_edge是模型M₁的平均边长，以及Sampling_freq是可以用于调整采样密度和控制采样点的数量的常数，例如，在一种实现中为0.05。Aver_edge也可以从其它源，例如，输入元数据确定。

使用上面计算得到的采样步长，可以在采样过程中确定采样点的数量。对于M₁的表面上的各个分面(例如，三角形)，可以按下式计算每条侧边上的采样点的数量：

其中Area_i是三角形i的面积。

使用图4A所示的3D模型用作示例，图6A-6F示出了多个采样点。图6A、6B和6C分别示出了苹果组件、多组件3D模型和叶子组件的3D网格。对于苹果组件中的三角形601和叶子组件中的三角形602，在图6D和6E中以较大比例示出了采样点和周围三角形。尽管三角形601和602属于不同的组件，但它们具有基本相同的采样步长。因此，因为三角形602大于三角形601，所以三角形602具有更多采样点。

图6F进一步示出了三角形601的采样点。如图6F所示，可以均匀地采样某条边以获取n_spl个采样点(例如，左边边上的点610，620，640和670)，得出三角形中的总共n_sp1*(n_spl+1)/2个采样点。在一种实现中，如果n_spl<2，则将n_spl设置成2。通过将采样点的数量与分面的尺寸相关联，采样点近似均匀地分布在二维空间中。另外，当在模型M₁中存在多个组件时，采样点均匀地分布在3D模型中的不同组件上。

单元划分和点面误差计算

为了计算3D模型M₁中的采样点与另一个3D模型M₂的表面之间的点面误差，可以使用从一个点与所有面之间的误差中求出最小值的贪婪法(greedymethod)。

为了加速计算，可以将3D模型M₂的对象空间划分成若干单元。各个单元包含一组三角形分面。例如，如图7A所示，可以将模型M₂划分成单元710，720，730，740和其它单元。图7B示出了单元710包围的顶点和三角形。每个单元立方体的侧边长可以按下式使用平均边长(Aver_len)来确定：

C_sz＝Cell_Tri_Ratio*Aver_edge，    (3)

其中Cell_Tri_Ratio是常数。因此，当在模型M₂中存在多个3D组件时，将M₂的边界框包围的空间划分成对于整个多组件模型及其组件来说具有相同尺寸的多个单元。

为了迅速地计算从M₁上的采样点(例如，点605)到M₂的表面的距离，首先计算从采样点到单元的中心的最近距离。一旦找到最近的单元，例如，图7A中的单元710，就计算采样点与单元710内的每个三角形之间的距离，并将最近距离用作从M₁上的点605到M₂的表面的点面误差。

在计算出模型M₁上的各个采样点与模型M₂的表面之间的点面误差之后，可以相应地计算两个3D模型之间的平均误差或均方根误差。使用例如包含每条侧边上的n_j个采样点和面积是A_j的M₁上的第j三角形。在均匀采样之后，如图6F所示，获得(n_j–1)²个内部三角形(例如，由点{610，620，630}、{620，640，650}、{620，630，650}、{630，650，660}、{640，670，680}、{640，650，680}、{650，680，690}、{650，660，690}和{660，690，695}形成的三角形)。对于内部三角形i，将它的顶点与模型M₂的表面之间的点面误差分别表示成e_i,k0，e_i,k1，e_i,k2。在内部三角形i中，然后可以按下式计算平均误差：

${\mathrm{me}}_i=(e_{i,k_0}+e_{i,k_1}+e_{i,k_2})/3,---\left(4\right)$

以及可以按下式计算均方根误差：

${\mathrm{mse}}_i=(e_{i,k_1}*(e_{i,k_1}+e_{i,k_2})+e_{i,k_1}*(e_{i,k_1}+e_{i,k_2})+e_{i,k_2}*e_{i,k_2})/6.---\left(5\right)$

因此，可以按下式计算模型M₁和M₂之间的平均误差：

$\mathrm{ME}=\frac{1}{{\mathrm{\&Sigma;}}_j{A}_j}\left({\mathrm{\&Sigma;}}_j\frac{A_j{\mathrm{\&Sigma;}}_i{\mathrm{me}}_i}{{(n_j-1)}^2}\right),---\left(6\right)$

以及可以按下式计算均方根误差：

$\mathrm{RMSE}=\sqrt{\frac{1}{{\mathrm{\&Sigma;}}_j{A}_j}\left({\mathrm{\&Sigma;}}_j\frac{A_j{\mathrm{\&Sigma;}}_i{\mathrm{mse}}_i}{{(n_j-1)}^2}\right)}.---\left(7\right)$

当对3D模型内的各个组件测量误差时，使用相同的均匀采样。例如，当对叶子组件测量误差度量时，使用用于测量多组件模型(苹果和叶子模型)的误差度量的相同采样。也就是说，当测量叶子组件的误差度量时，对三角形602，再次使用如图6E所示的采样点。因此，在本实施例中，当测量误差时，将均匀采样用于整个3D模型和其中的各个组件两者。另外，当测量整个3D模型和各个组件的误差时，使用基于整个3D多组件模型的边界框的单元划分。因此，在测量多组件模型及其各个组件的误差期间，划分的单元是一致的。

有利地，当在多组件3D模型中的不同3D组件上使用均匀采样时，本原理避免了不同采样步长造成的影响，因此提供了更精确的质量度量。本原理根据整个多组件3D模型的信息确定采样密度。另外，单元划分步骤划分多组件模型的边界框。通过在采样和单元划分步骤两者中使用整个组件的信息，得到的多组件模型的误差测量值是其各个组件的误差测量值的加权和。这种性质对于我们的3D压缩方案，例如，如图2所示，对于失真评估是非常重要的。

对于如图4A、4B和4C所示的3D模型和组件，我们计算原始那个与重建那个之间的误差。在方程(1)中设置Sampling_freq＝0.5，苹果组件、叶子组件和整个模型的平均误差列在表2中。

表2

用它们的面积加权苹果组件和叶子组件的平均误差，按下式计算各个组件的平均误差的加权和：

加权和＝(0.03214e-6＊5.934+0.00133e-6＊3.145)/(0.03214+0.00133)＝5.823e-6

也就是说，多组件模型的平均误差与各个组件的平均误差的加权和相同。

当对多组件3D模型中的各个组件独立计算误差测量值时，也就是说，根据整个模型确定整个3D模型的采样密度和单元划分，以及根据对应各个组件独立确定各个组件的采样密度和单元划分，我们从实验中观察到，误差测量值不具备上述性质。

由于在一些3D模型中存在翻转表面，所以利用几何距离测量两个3D模型的表面之间的差值不总是足够的。例如，法向变化可以反映可以使用对应分面之间的平均法向变化测量的两个表面之间的取向差异。

为了确定对应的分面对，计算从模型M₁上的三角形分面f_1,i的质心(centroid)到模型M₂的表面之间的距离。M₂上具有最小距离的三角形分面f_2,j(例如，作为两个模型上最相似的分面的两个分面)是分面f_1,i的对应三角形。

图8示出了用于估计法向变化的示例性方法800。在步骤810中，为模型M₁上的各个分面找到模型M₂上的对应分面。在步骤820中，可以将法向变化计算为分面对(f_1,i,f_2,j)之间的法向差值的平均值。例如，可以按下式计算对应三角形分面(f_1,i,f_2,j)之间的法向变化：

${\mathrm{NErr}}_i=1-(\stackrel{\&RightArrow;}{n_{1,i}}\&CenterDot;\stackrel{\&RightArrow;}{n_{2,j}}),---\left(8\right)$

其中和分别表示三角形f_1,i和f_2,j的面法向矢量。因此，可以按下式计算两个3D模型的表面之间的平均法向变化：

$\mathrm{MNE}=\frac{1}{{\mathrm{\&Sigma;}}_i{A}_i}({\mathrm{\&Sigma;}}_i{A}_i*{\mathrm{NErr}}_i).---\left(9\right)$

与豪斯多夫(Hausdorff)距离类似，提出的误差度量一般说来是非对称的，也就是说，Err(M₁，M₂)≠Err(M₂，M₁)。对称误差可以计算为这两个误差之间的最大误差：

Err＝max[Err(M₁，M₂)，Err(M₂，M₁)]，   (10)

其中Err()可以是定义在方程(6)、(7)和(9)中的ME、RMSE、MNE。

在3D模型编码器200的重复结构检验器260处可以使用误差度量检验重建实例组件是否满足质量要求，例如，使用原始实例作为M₁，使用重建实例作为M₂。在编码器处也可以将误差度量用于率失真优化。使用按照本原理定义的误差度量，可以对多组件3D模型公平地评估压缩算法的性能。当计算重建模型与原始模型之间的距离时，为整个多组件对象或它的各个组件统一对象空间的采样密度和划分。该实现还检验了如下观察：整个多组件模型的误差等于其各个组件的误差的加权平均。

该误差度量也可以用在其它应用中，例如，在3D形状获取中检测相似性，在3D模型简化和变形中定义能量函数等。

图9描绘了示例性质量估计器900的框图。装置900的输入可以包括一对3D模型，例如，原始3D模型和重建3D模型。采样器920可以在3D模型的表面上进行均匀采样。可选的单元划分模块930可以将另一个3D模型划分成多个单元。根据均匀采样和/或单元划分，误差度量估计器940估计该对3D模型之间的误差度量，例如，使用方法500。另一方面，法向变化估计器901估计该对3D模型之间的法向变化，例如，使用方法800。可以在总体质量估计器950处可以将从940中计算得到的误差度量和从910中计算得到的法向变化综合成总体质量测量值，或可以分开使用它们。

本文所述的实现可以以例如方法或进程、装置、软件程序、数据流或信号的形式实现。即使只在单个实现形式的背景下讨论(例如，只作为方法来讨论)，所讨论的特征的实现也可以以其它形式(例如，装置或程序)实现。装置可以以例如适当的硬件、软件或固件的形式实现。方法可以在例如像例如处理器那样的装置中实现，处理器一般指处理设备，包括例如计算机、微处理器、集成电路或可编程逻辑器件。处理器还包括像例如计算机、蜂窝式电话、便携式/个人数据助理(“PDA”)和有助于在终端用户之间通信信息的其它设备那样的通信设备。

提到本原理的“一个实施例”、“实施例”、“一种实现”或“实现”以及它们的其它变体的意思是结合该实施例描述的特定特征、结构、特性等包括在本原理的至少一个实施例中。因此，在说明书各处出现的短语“在一个实施例中”、“在实施例中”、“在一种实现中”或“在实现中”以及任何其它变体的出现不一定都指代相同的实施例。

另外，本申请或其权利要求书可能提及“确定”各个信息。确定信息可以包括例如估计信息、计算信息、预测信息或从存储器中检索信息的一种或多种。

进一步，本申请或其权利要求书可能提及“访问”各个信息。访问信息可以包括例如接收信息、检索信息(例如，从存储器中)、存储信息、处理信息、发送信息、移动信息、复制信息、擦除信息、计算信息、确定信息、预测信息或估计信息的一种或多种。

另外，本申请或其权利要求书可能提及“接收”各个信息。与“访问”一样，该接收意指广义术语。接收信息可以包括例如访问信息或获取信息(例如，从存储器中)的一种或多种。进一步，在像存储信息、处理信息、发送信息、移动信息、复制信息、擦除信息、计算信息、确定信息、预测信息或估计信息那样的操作期间，通常以某种方式牵涉到“接收”。

对于本领域的普通技术人员来说，显而易见，这些实现可以产生格式化成传送可以例如存储或发送的信息的多种信号。该信息可以包括，例如，执行方法的指令或由所述实现之一产生的数据。例如，可以将信号格式化成传送所述实施例的比特流。这样的信号可以格式化成例如电磁波(例如，使用频谱的射频部分)或基带信号。格式化可以包括例如编码数据流和将编码数据流调制在载波上。信号传送的信息可以是例如模拟或数字信息。众所周知，可以经由多种不同有线或无线链路发送信号。可以将信号存储在处理器可读介质上。

Claims (18)

1.一种用于确定第一3D模型与第二3D模型之间的误差度量的方法，其包含以下步骤：

存取第一和第二3D模型，其中该第一3D模型包括第一3D组件和至少另一个3D组件；

确定第一3D模型中的第一3D组件和至少另一个3D组件的分面中的采样点，其中该采样点均匀分布在第一3D模型中的第一3D组件和至少另一个3D组件的分面中；

确定(550)第一3D模型中的第一3D组件中的每个采样点与第二3D模型中的第一3D组件的表面之间的点面误差，第二3D模型中的第一3D组件对应于第一3D模型中的第一3D组件；以及

响应所确定的点面误差确定(560)第一3D模型中的第一3D组件与第二3D模型中的第一3D组件之间的误差度量。

2.如权利要求1所述的方法，进一步包含以下步骤：

确定(550)第一3D模型中的至少另一个3D组件中的每个采样点与第二3D模型中的至少另一个3D组件的表面之间的第二点面误差，第二3D模型中的至少另一个3D组件对应于第一3D模型中的至少另一个3D组件；以及

响应所确定的第二点面误差确定(560)第一3D模型中的至少另一个3D组件与第二3D模型中的至少另一个3D组件之间的误差度量。

3.如权利要求2所述的方法，进一步包含以下步骤：

确定(550)第一3D模型中的每个采样点与第二3D模型的表面之间的第三点面误差；以及

响应所确定的第三点面误差确定(560)第一3D模型与第二3D模型之间的误差度量，其中第一3D模型的误差度量对应于第一3D组件的误差度量和至少另一个3D组件的误差度量的加权和。

4.如权利要求1所述的方法，其中第一3D模型中的第一3D组件中的采样点的数量基本上与第一3D模型中的第一3D组件的分面的尺寸成比例。

5.如权利要求1所述的方法，其中响应第一3D模型中的边缘的平均长度确定采样点。

6.如权利要求1所述的方法，进一步包含，对于第一3D模型中的第一3D组件中的特定一个采样点：

将第二3D模型划分(540)成包括与第二3D模型中的第一3D组件对应的一组单元的多个单元；

从该组单元中确定与该特定一个采样点最接近的单元；

确定该特定一个采样点与最接近单元内的相应分面之间的相应距离；以及

将所确定的相应距离的最短距离确定(550)为该特定一个采样点与第二3D模型中的第一3D组件的表面之间的点面误差。

7.如权利要求1所述的方法，进一步包含以下步骤：

在编码器处进行至少一种率失真优化，以及检验第二3D模型是否满足质量要求。

8.一种用于确定第一3D模型与第二3D模型之间的法向变化的方法，其包含以下步骤：

存取(810)第一3D模型和第二3D模型中的多个分面对，其中每个分面对对应于第一3D模型中的某个分面和第二3D模型当中的对应分面；

确定(820)多个分面对中的每一个的分面法向矢量的内积；以及

响应该内积确定(820)第一3D模型与第二3D模型之间的法向变化。

9.一种用于确定第一3D模型与第二3D模型之间的误差度量的装置(900)，其包含：

处理器，用于存取第一和第二3D模型，其中该第一3D模型包括第一3D组件和至少另一个3D组件；

采样器(920)，用于确定第一3D模型中的第一3D组件和至少另一个3D组件的分面中的采样点，其中该采样点均匀分布在第一3D模型中的第一3D组件和至少另一个3D组件的分面中；以及

误差度量估计器(940)，用于确定第一3D模型中的第一3D组件中的每个采样点与第二3D模型中的第一3D组件的表面之间的点面误差，第二3D模型中的第一3D组件对应于第一3D模型中的第一3D组件，以及用于响应所确定的点面误差确定第一3D模型中的第一3D组件与第二3D模型中的第一3D组件之间的误差度量。

10.如权利要求9所述的装置，其中该误差度量估计器进一步确定第一3D模型中的至少另一个3D组件中的每个采样点与第二3D模型中的至少另一个3D组件的表面之间的第二点面误差，第二3D模型中的至少另一个3D组件对应于第一3D模型中的至少另一个3D组件，以及响应所确定的第二点面误差确定第一3D模型中的至少另一个3D组件与第二3D模型中的至少另一个3D组件之间的误差度量。

11.如权利要求10所述的装置，其中该误差度量估计器进一步确定第一3D模型中的每个采样点与第二3D模型的表面之间的第三点面误差，以及响应所确定的第三点面误差确定第一3D模型与第二3D模型之间的误差度量，其中第一3D模型的误差度量对应于第一3D组件的误差度量和至少另一个3D组件的误差度量的加权和。

12.如权利要求9所述的装置，其中第一3D模型中的第一3D组件中的采样点的数量基本上与第一3D模型中的第一3D组件的分面的尺寸成比例。

13.如权利要求9所述的装置，其中响应第一3D模型中的边缘的平均长度确定采样点。

14.如权利要求9所述的装置，进一步包含单元划分模块(930)，用于将第二3D模型划分成包括与第二3D模型中的第一3D组件相对应的一组单元的多个单元，从该组单元中确定与第一3D模型中的第一3D组件中的特定一个采样点最接近的单元，确定该特定一个采样点与最接近单元内的相应分面之间的相应距离，以及将所确定的相应距离的最短距离确定为该特定一个采样点与第二3D模型中的第一3D组件的表面之间的点面误差。

15.如权利要求9所述的装置，进一步包括编码器(200)，用于进行至少一种率失真优化，以及检验第二3D模型是否满足质量要求。

16.一种用于确定第一3D模型与第二3D模型之间的法向变化的装置(900)，其包含：

处理器，用于存取第一3D模型和第二3D模型中的多个分面对，其中每个分面对对应于第一3D模型中的某个分面和第二3D模型中的对应分面；以及

法向变化估计器(910)，用于确定多个分面对的每一个的分面法向矢量的内积，以及响应该内积确定第一3D模型与第二3D模型之间的法向变化。

17.一种上面存储有用于按照权利要求1-7确定第一3D模型与第二3D模型之间的误差度量的指令的计算机可读存储介质。

18.一种上面存储有用于按照权利要求8确定第一3D模型与第二3D模型之间的法向变化的指令的计算机可读存储介质。