CN105631932A - 一种轮廓线指导的三维模型重构造方法 - Google Patents

一种轮廓线指导的三维模型重构造方法 Download PDF

Info

Publication number
CN105631932A
CN105631932A CN201510975341.5A CN201510975341A CN105631932A CN 105631932 A CN105631932 A CN 105631932A CN 201510975341 A CN201510975341 A CN 201510975341A CN 105631932 A CN105631932 A CN 105631932A
Authority
CN
China
Prior art keywords
line
contour
dimensional
contour line
editor
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
Application number
CN201510975341.5A
Other languages
English (en)
Other versions
CN105631932B (zh
Inventor
陈小武
符强
赵沁平
苏晓玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201510975341.5A priority Critical patent/CN105631932B/zh
Publication of CN105631932A publication Critical patent/CN105631932A/zh
Priority to US15/338,276 priority patent/US10049503B2/en
Application granted granted Critical
Publication of CN105631932B publication Critical patent/CN105631932B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00Manipulating 3D models or images for computer graphics
    • G06T19/20Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/149Segmentation; Edge detection involving deformable models, e.g. active contour models
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20Indexing scheme for editing of 3D models
    • G06T2219/2021Shape modification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computer Graphics (AREA)
  • Architecture (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Processing Or Creating Images (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种轮廓线指导的三维模型重构造方法,步骤如下:1、从图像中提取对象轮廓线,选取轮廓线或主干骨架线构造二维轮廓线数据库;2、提取三维的编辑线并从二维轮廓线数据库中检索推荐出合适的二维线条;3、匹配出二维线条和三维编辑线的点-点对应关系,利用参数化变形方得到模型重构造结果。本发明提出的方法,从多类别对象的二维轮廓线数据库中,自动推荐出与三维模型编辑线合适的二维轮廓线,从而指导三维模型重构造;利用少量的用户交互,从输入三维模型中提取出轴线、切面轮廓线、侧面轮廓线等编辑线,通过参数化变形方法,产生多种形态各异的模型重构造结果,帮助用户快速便捷地设计出满足需求的三维模型。

Description

一种轮廓线指导的三维模型重构造方法
技术领域
本发明是一种新型的基于二维轮廓指导的三维模型重构造方法,属于计算机图形学领域。
背景技术
随着三维建模、计算机辅助设计技术的发展,基于轮廓线指导的三维建模技术近年来受到了越来越多的关注。然而,现有方法主要集中于利用同类别对象的二维轮廓对三维模型进行建模和重构造,这些对轮廓线的限制使得现有方法只能产生有限的重构造模型。在艺术设计领域,大量的跨类别元素被用于模型的设计和构造中。因此只能依靠同类别对象的轮廓线进行模型重构造的方法,不能完全满足行业需求。
轮廓线指导的三维模型重构造方法是指,在二维轮廓线的指导下,对输入三维模型整体或局部进行约束变形,得到重构造后的三维模型。
基于轮廓线约束的三维模型构建方法近年来已经有较多的研究。2011年,Xu等人利用图像中提取的同类别对象轮廓线,对三维模型进行编辑和重构造。2013年,Xie等人利用手绘轮廓线推荐出合适的部件进行模型组合构建。2013年,Chen等人利用图像中对象的轮廓线构建三维模型,并用以进行图像编辑。2013年,Shtof等人利用手绘轮廓线直接构造三维模型的部件并进行组合建模。本发明的方法,可以利用多类对象的轮廓线,对输入三维模型进行重构造,产生出大量的模型演化结果。为普通用户提供了一个,利用任意图像轮廓线,对已有三维模型重构造的模型设计系统。
发明内容
本发明的目的是提出一种轮廓线指导的三维模型重构造方法。为完成本发明的目的,本发明采用的技术方案是:首先,从图像中提取对象轮廓线,并根据对象的对称性信息选取轮廓线或主干骨架线构造二维轮廓线数据库;然后,对于输入三维模型中的用户选定区域,提取三维的编辑线并从二维轮廓线数据库中检索推荐出合适的二维线条;最后,匹配出二维线条和三维编辑线的点-点对于关系,利用参数化变形方法对输入模型中用户选定区域进行变形,得到模型重构造结果。其具体步骤如下所述。
本发明一种轮廓线指导的三维模型重构造方法,包括如下步骤:
步骤S100,构造二维轮廓线数据库:通过含有单一对象的互联网图像,利用图像分割算法提取对象轮廓线,并根据对象的对称性选取轮廓线或主干骨架线构建二维轮廓线数据库;
步骤S200,二维轮廓线检索推荐:用户选取三维模型中的编辑区域,提取三维编辑线,并利用形状上下文描述符和外形特征从二维轮廓线数据库中推荐出相应的轮廓线;
步骤S300,轮廓匹配和参数化变形:构建二维轮廓线和三维编辑线的点-点对应关系,并利用参数化变形算法对输入模型进行重构造。
其中,在步骤S100中所述的“构造二维轮廓线数据库”,其作法包含以下步骤:
步骤S110,对含有单一对象的互联网图像,利用视觉显著性检测,并通过图割算法分割得到图像中对象的轮廓线;
步骤S120,利用对称性检测算法,检测图像中对象的镜像对称性和旋转对称性,对于镜像对称的图像对象,根据其对称轴对其中一半轮廓线进行对称翻转,得到关于对称轴完全对称的轮廓线;对于旋转对称的图像对象,可以直接使用其轮廓线;对于不对称的图像对象,使用骨架提取算法,得到对象的骨架线,使用其中最长的骨架线作为主干骨架线,在骨架线上均匀采样点,并利用样条曲线拟合得到平滑的主干骨架线;上述步骤得到的轮廓线和主干骨架线共同构成二维轮廓线数据库。
其中,在步骤S200中所述的“二维轮廓线检索推荐”,其作法包含以下步骤:
步骤S210,从输入三维模型中,根据用户选取的编辑区域提取编辑线,三维模型的编辑线包括:轴线、切面轮廓线、侧面轮廓线,通过计算二维轮廓线li和三维编辑线形lj状上下文距离(shapecontextdistance)SC(li,lj)和单位化后的各线有向包围盒(OBB)长宽比例差异距离并将两种距离加权得到二维轮廓线和三维编辑线的相似度距离:
D ( l i , l j ) = ( 1 - ω ) S C ( l i , l j ) + ω | | p ( l i ) - p ( l j ) | | 2 2 ;
步骤S220,步骤S220,通过调节上一步中的权重ω,选取并推荐出与三维编辑线度量距离D(li,lj)最小的二维轮廓线,在此步骤中模型的轴线匹配二维轮廓线数据库中的主干骨架线及对称轴一侧的部分轮廓线;模型的切面轮廓线、侧面轮廓线匹配的是二维轮廓线数据库中镜像对称和旋转对称的轮廓线。
其中,在步骤S300中所述的“轮廓匹配和参数化变形”,其作法包含以下步骤:
步骤S310,将三维编辑线上的每个顶点vn,根据长度比例关系找到二维轮廓线上的对应点v'm,其中匹配算法如下:
arg m i n v m ′ = | | d ( v n , v 1 ) L ( V ) - d ( v m ′ , v 1 ′ ) L ( V ′ ) | | 2 2 ,
其中,d(vn,v1)为vn点到端点v1的线上长度,L(V)为整条线的长度;
步骤S320,在建立三维编辑线与二维轮廓线的点-点对应关系后,将二维轮廓的顶点相对位置迁移到三维编辑线上,p(v1)为端点位置参数,则vn点的位置参数的p(vn)如下所得:
p ( v n ) = p ( v 1 ) + d p ( v m ′ ) l ( v ) l ( v ′ ) ,
其中dp(v'm)为二维轮廓线上端点到点v'm的向量,为尺度因子;
步骤S330,用上一步中的参数化变形方法,以用户选取的三维编辑线和推荐出的二维轮廓线,对三维模型进行变形,从而得到输入模型的重构造结果。
本发明一种轮廓线指导的三维模型重构造方法,其优点和功效是:1.从多类别对象的二维轮廓线数据库中,自动推荐出与三维模型编辑线合适的二维轮廓线,从而指导三维模型重构造;2.从输入三维模型中提取出轴线、切面轮廓线、侧面轮廓线等编辑线,通过参数化变形方法,产生多种形态各异的模型重构造结果,帮助用户快速便捷地设计出满足需求的三维模型。
附图说明:
图1是本发明一种轮廓线指导的三维模型重构造方法的流程模块图;
图2是本发明的对输入模型重构造的示意图;
图3是本发明的参数化变形示意图
具体实施方式:
下面结合附图对本发明作详细说明。
图1是本发明一种轮廓线指导的三维模型重构造方法的流程图,本发明的方法包括三个步骤:
步骤S100,构造二维轮廓线数据库:通过含有单一对象的互联网图像,利用图像分割算法提取对象轮廓线,并根据对象的对称性选取轮廓线或主干骨架线构建二维轮廓线数据库;
步骤S200,二维轮廓线检索推荐:用户选取三维模型中的编辑区域,提取三维编辑线,并利用形状上下文描述符和外形特征从二维轮廓线数据库中推荐出相应的轮廓线;
步骤S300,轮廓匹配和参数化变形:构建二维轮廓线和三维编辑线的点-点对应关系,并利用参数化变形算法对输入模型进行重构造。
图2是本发明的对输入模型重构造的示意图,表示输入模型通过数据库中检索推荐出的轮廓线变形重构造的过程。
在步骤S100中所述的“构造二维轮廓线数据库”,其作法包含以下步骤:
步骤S110,对含有单一对象的互联网图像,利用视觉显著性检测,并通过图割算法分割得到图像中对象的轮廓线;
步骤S120,利用对称性检测算法,检测图像中对象的镜像对称性和旋转对称性,对于镜像对称的图像对象,根据其对称轴对其中一半轮廓线进行对称翻转,得到关于对称轴完全对称的轮廓线;对于旋转对称的图像对象,可以直接使用其轮廓线;对于不对称的图像对象,使用骨架提取算法,得到对象的骨架线,使用其中最长的骨架线作为主干骨架线,在骨架线上均匀采样点,并利用样条曲线拟合得到平滑的主干骨架线;上述步骤得到的轮廓线和主干骨架线共同构成二维轮廓线数据库。
在步骤S200中所述的“二维轮廓线检索推荐”,其作法包含以下步骤:
步骤S210,从输入三维模型中,根据用户选取的编辑区域提取编辑线,三维模型的编辑线包括:轴线、切面轮廓线、侧面轮廓线,通过计算二维轮廓线li和三维编辑线形lj状上下文距离(shapecontextdistance)SC(li,lj)和单位化后的各线有向包围盒(OBB)长宽比例差异距离并将两种距离加权得到二维轮廓线和三维编辑线的相似度距离:
D ( l i , l j ) = ( 1 - ω ) S C ( l i , l j ) + ω | | p ( l i ) - p ( l j ) | | 2 2 ;
步骤S220,通过调节上一步中的权重ω,以度量距离D(li,lj)根据三维编辑线推荐出合适的二维轮廓线,在此步骤中三维编辑线中的轴线匹配二维轮廓线数据库中的主干骨架线和镜像对称轮廓线在对称轴一侧的部分轮廓线,切面轮廓线、侧面轮廓线匹配的是二维轮廓线数据库中镜像对称和旋转对称的轮廓线。
图3是本发明的参数化变形示意图,表示模型三维编辑线在匹配的二维轮廓线指导下变形的过程。
在步骤S300中所述的”轮廓匹配和参数化变形”,其作法包含以下步骤:
步骤S310,将三维编辑线上的每个顶点vn,根据长度比例关系找到二维轮廓线上的对应点v'm,其中匹配算法如下:
arg m i n v m ′ = | | d ( v n , v 1 ) L ( V ) - d ( v m ′ , v 1 ′ ) L ( V ′ ) | | 2 2 ,
其中,d(vn,v1)为vn点到端点v1的线上长度,L(V)为整条线的长度;
步骤S320,在建立三维编辑线与二维轮廓线的点-点对应关系后,将二维轮廓的顶点相对位置迁移到三维编辑线上,p(v1)为端点位置参数,则vn点的位置参数的p(vn)如下所得:
p ( v n ) = p ( v 1 ) + d p ( v m ′ ) l ( v ) l ( v ′ ) ,
其中dp(v'm)为二维轮廓线上端点到点v'm的向量,为尺度因子;
步骤S330,用上一步中的参数化变形方法,以用户选取的三维编辑线和推荐出的二维轮廓线,对三维模型进行变形,从而得到输入模型的重构造结果。
综上所述,本发明公开了一种轮廓线指导的三维模型重构造方法,可以利用多类别对象的互联网图像构造轮廓线数据库,通过匹配推荐算法选取合适的轮廓线,对三维模型的选定区域进行指导变形下的模型重构造。该方法分为三个步骤:首先,从图像中提取对象轮廓线,并根据对象的对称性信息选取轮廓线或主干骨架线构造二维轮廓线数据库;然后,对于输入三维模型中的用户选定区域,提取三维的编辑线并从二维轮廓线数据库中检索推荐出合适的二维线条;最后,匹配出二维线条和三维编辑线的点-点对于关系,利用参数化变形方法对输入模型中用户选定区域进行变形,得到模型重构造结果。本发明提出了两点创新之处,一是从多类别对象的二维轮廓线数据库中,自动推荐出与三维模型编辑线合适的二维轮廓线,从而指导三维模型重构造;二是从输入三维模型中提取出轴线、切面轮廓线、侧面轮廓线等编辑线,通过参数化变形方法,产生多种形态各异的模型重构造结果,帮助用户快速便捷地设计出满足需求的三维模型。本发明利用所述的轮廓线指导的三维模型重构造方法能快速构建大量的三维模型,为三维动画制作、三维虚拟场景构建等应用提供三维素材。

Claims (4)

1.一种轮廓线指导的三维模型重构造方法,其特征在于:包括如下步骤:
步骤S100,构造二维轮廓线数据库:通过含有单一对象的互联网图像,利用图像分割算法提取对象轮廓线,并根据对象的对称性选取轮廓线或主干骨架线构建二维轮廓线数据库;
步骤S200,二维轮廓线检索推荐:用户选取三维模型中的编辑区域,提取三维编辑线,并利用形状上下文描述符和外形特征从二维轮廓线数据库中推荐出相应的轮廓线;
步骤S300,轮廓匹配和参数化变形:构建二维轮廓线和三维编辑线的点-点对应关系,并利用参数化变形算法对输入模型进行重构造。
2.根据权利要求1所述的一种轮廓线指导的三维模型重构造方法,其特征在于:在步骤S100中所述的“构造二维轮廓线数据库”,其包括以下步骤:
步骤S110,对含有单一对象的互联网图像,利用视觉显著性检测,并通过图割算法分割得到图像中对象的轮廓线;
步骤S120,利用对称性检测算法,检测图像中对象的镜像对称性和旋转对称性,对于镜像对称的图像对象,根据其对称轴对其中一半轮廓线进行对称翻转,得到关于对称轴完全对称的轮廓线;对于旋转对称的图像对象,直接使用其轮廓线;对于不对称的图像对象,使用骨架提取算法,得到对象的骨架线,使用其中最长的骨架线作为主干骨架线,在骨架线上均匀采样点,并利用样条曲线拟合得到平滑的主干骨架线;上述步骤得到的轮廓线和主干骨架线共同构成二维轮廓线数据库。
3.根据权利要求1所述的一种轮廓线指导的三维模型重构造方法,其特征在于:在步骤S200中所述的“二维轮廓线检索推荐”,其包括以下步骤:
步骤S210,从输入三维模型中,根据用户选取的编辑区域提取编辑线,三维模型的编辑线包括:轴线、切面轮廓线、侧面轮廓线,通过计算二维轮廓线li和三维编辑线lj的形状上下文距离(shapecontextdistance)SC(li,lj)和单位化后的各线有向包围盒(OBB)长宽比例差异距离并将两种距离加权得到二维轮廓线和三维编辑线的相似度距离:
D ( l i , l j ) = ( 1 - ω ) S C ( l i , l j ) + ω | | p ( l i ) - p ( l j ) | | 2 2 ;
步骤S220,通过调节上一步中的权重ω,选取并推荐出与三维编辑线度量距离D(li,lj)最小的二维轮廓线,在此步骤中模型的轴线匹配二维轮廓线数据库中的主干骨架线及对称轴一侧的部分轮廓线;模型的切面轮廓线、侧面轮廓线匹配的是二维轮廓线数据库中镜像对称和旋转对称的轮廓线。
4.根据权利要求1所述的一种轮廓线指导的三维模型重构造方法,其特征在于:在步骤S300中所述的“轮廓匹配和参数化变形”,其包括以下步骤:
步骤S310,将三维编辑线上的每个顶点vn,根据长度比例关系找到二维轮廓线上的对应点v'm,其中匹配算法如下:
arg m i n v m ′ = | | d ( v n , v 1 ) L ( V ) - d ( v m ′ , v 1 ′ ) L ( V ′ ) | | 2 2 ,
其中,d(vn,v1)为三维编辑线上vn点到端点v1的线上长度,d(v'm,v'1)为二维轮廓线或二维主干骨架线上vn点到端点v1的线上长度,L(V)为三维编辑线的长度,L(V')为二维轮廓线或二维主干骨架线的长度;
步骤S320,在建立三维编辑线与二维轮廓线的点-点对应关系后,将二维轮廓顶点v'm的相对位置迁移到三维编辑线的顶点vn上,p(v1)为三维编辑线上端点位置参数,则vn点的位置参数的p(vn)如下所得:
p ( v n ) = p ( v 1 ) + d p ( v m ′ ) l ( v ) l ( v ′ ) ,
其中dp(v'm)为二维轮廓线上端点到点v'm的向量,为尺度因子,l(v)为三维编辑线的尺寸,l(v')为二维轮廓线或二维主干骨架线的尺寸,用以确保位置迁移后的尺寸统一;
步骤S330,用上一步中的参数化变形方法,以用户选取的三维编辑线和推荐出的二维轮廓线,对三维模型进行变形,从而得到输入模型的重构造结果。
CN201510975341.5A 2015-12-22 2015-12-22 一种轮廓线指导的三维模型重构造方法 Active CN105631932B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201510975341.5A CN105631932B (zh) 2015-12-22 2015-12-22 一种轮廓线指导的三维模型重构造方法
US15/338,276 US10049503B2 (en) 2015-12-22 2016-10-28 Line guided three-dimensional model reshaping method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510975341.5A CN105631932B (zh) 2015-12-22 2015-12-22 一种轮廓线指导的三维模型重构造方法

Publications (2)

Publication Number Publication Date
CN105631932A true CN105631932A (zh) 2016-06-01
CN105631932B CN105631932B (zh) 2018-06-12

Family

ID=56046814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510975341.5A Active CN105631932B (zh) 2015-12-22 2015-12-22 一种轮廓线指导的三维模型重构造方法

Country Status (2)

Country Link
US (1) US10049503B2 (zh)
CN (1) CN105631932B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108305289A (zh) * 2018-01-25 2018-07-20 山东师范大学 基于最小二乘法的三维模型对称性特征检测方法及系统
CN108830779A (zh) * 2017-11-13 2018-11-16 哈尔滨安天科技股份有限公司 三维模型数据的处理方法、装置、电子设备及存储介质
CN109934837A (zh) * 2018-12-26 2019-06-25 江苏名通信息科技有限公司 一种3d植物叶片轮廓的提取方法、装置及系统
CN110990610A (zh) * 2019-11-28 2020-04-10 北京中网易企秀科技有限公司 一种数据对象的推荐方法及系统
CN114332369A (zh) * 2021-12-28 2022-04-12 埃洛克航空科技(北京)有限公司 楼体图像处理方法、装置、设备和存储介质
CN115690181A (zh) * 2022-11-07 2023-02-03 深圳市诗恩商业智能有限公司 一种基于特征融合与rbf网络的模型配比计算方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6810996B2 (ja) * 2016-06-14 2021-01-13 大学共同利用機関法人自然科学研究機構 質感評価システム
CN110176079B (zh) * 2019-05-26 2023-03-24 中北大学 一种基于准共形映射的三维模型变形算法
CN115937203B (zh) * 2023-01-09 2023-07-04 浙江智慧视频安防创新中心有限公司 一种基于模板匹配的视觉检测方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101004748A (zh) * 2006-10-27 2007-07-25 北京航空航天大学 基于二维草图的三维模型检索方法
CN101593205A (zh) * 2009-06-24 2009-12-02 清华大学 基于视频的三维模型检索方法
CN102831638A (zh) * 2012-07-06 2012-12-19 南京大学 一种采用手绘草图的三维人体多姿态建模方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101004748A (zh) * 2006-10-27 2007-07-25 北京航空航天大学 基于二维草图的三维模型检索方法
CN101593205A (zh) * 2009-06-24 2009-12-02 清华大学 基于视频的三维模型检索方法
CN102831638A (zh) * 2012-07-06 2012-12-19 南京大学 一种采用手绘草图的三维人体多姿态建模方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830779A (zh) * 2017-11-13 2018-11-16 哈尔滨安天科技股份有限公司 三维模型数据的处理方法、装置、电子设备及存储介质
CN108305289A (zh) * 2018-01-25 2018-07-20 山东师范大学 基于最小二乘法的三维模型对称性特征检测方法及系统
CN108305289B (zh) * 2018-01-25 2020-06-30 山东师范大学 基于最小二乘法的三维模型对称性特征检测方法及系统
CN109934837A (zh) * 2018-12-26 2019-06-25 江苏名通信息科技有限公司 一种3d植物叶片轮廓的提取方法、装置及系统
CN109934837B (zh) * 2018-12-26 2023-04-28 江苏名通信息科技有限公司 一种3d植物叶片轮廓的提取方法、装置及系统
CN110990610A (zh) * 2019-11-28 2020-04-10 北京中网易企秀科技有限公司 一种数据对象的推荐方法及系统
CN110990610B (zh) * 2019-11-28 2023-04-21 北京中网易企秀科技有限公司 一种数据对象的推荐方法及系统
CN114332369A (zh) * 2021-12-28 2022-04-12 埃洛克航空科技(北京)有限公司 楼体图像处理方法、装置、设备和存储介质
CN115690181A (zh) * 2022-11-07 2023-02-03 深圳市诗恩商业智能有限公司 一种基于特征融合与rbf网络的模型配比计算方法

Also Published As

Publication number Publication date
CN105631932B (zh) 2018-06-12
US10049503B2 (en) 2018-08-14
US20170178402A1 (en) 2017-06-22

Similar Documents

Publication Publication Date Title
CN105631932A (zh) 一种轮廓线指导的三维模型重构造方法
CN101719140B (zh) 一种图形检索方法
De Luca et al. Reverse engineering of architectural buildings based on a hybrid modeling approach
CN101719286B (zh) 融合单视点场景分析的多视点三维场景重建方法及其系统
CN102136155B (zh) 基于三维激光扫描数据的物体立面矢量化方法和系统
CN108804094A (zh) 学习自动编码器
KR101425576B1 (ko) 정밀한 광역 축척 모형 제작을 위한 3차원 데이터 획득 및 가공 방법
CN110288695A (zh) 基于深度学习的单帧图像三维模型表面重建方法
Demir et al. Skelneton 2019: Dataset and challenge on deep learning for geometric shape understanding
CN104346824A (zh) 基于单张人脸图像自动合成三维表情的方法及装置
CN105335997A (zh) 一种基于泊松重构的复杂结构点云处理算法
CN102231209B (zh) 基于异构特征降维的二维角色卡通生成方法
Cheng et al. DeepPipes: Learning 3D pipelines reconstruction from point clouds
Zhang et al. A surface based approach to recognition of geometric features for quality freeform surface machining
CN103942795B (zh) 一种图像物体的结构化合成方法
Liu et al. Concise and effective network for 3D human modeling from orthogonal silhouettes
Huang et al. Automatic CAD model reconstruction from multiple point clouds for reverse engineering
Zheliazkova et al. A parametric-assisted method for 3D generation of as-built BIM models for the built heritage
Rasoulzadeh et al. Strokes2Surface: Recovering Curve Networks From 4D Architectural Design Sketches
CN105139452A (zh) 一种基于图像分割的地质曲线重建方法
He et al. Sketch2Cloth: Sketch-based 3D garment generation with unsigned distance fields
Kondusov et al. Smart automated design utilizing engineering experience
Udayan An analysis of reconstruction algorithms applied to 3d building modeling
CN113808252B (zh) 基于交互性标签和宏的三维模型逐级重建方法
Zhang et al. From 2.5 D Bas‐relief to 3D Portrait Model

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