CN106952331A - 一种基于三维模型的纹理映射方法和装置 - Google Patents

Abstract

本发明提供了一种基于三维模型的纹理映射方法和装置，纹理映射装置通过同时选取纹理图片和三维模型的特征点，使得通过对该特征点对进行奇异值分解所得到的自由曲面映射初始值的准确率大大提高，同时通过对二维图像特征点和三维几何特征点的数据进行归一化处理，减少了尺度因素对自由曲面映射初始值误差的影响，再将该自由曲面映射初始值作为迭代初值代入根据特征点所建立的误差距离函数中进行迭代计算优化后，得到精准的自由曲面映射最终值，再根据该自由曲面映射最终值，将纹理图片映射至根据三维模型数据采集系统所采集的点云数据所建立的三维自由曲面初始结构上，以生成精准的仿真三维模型。

Description

一种基于三维模型的纹理映射方法和装置

技术领域

本发明涉及本发明属于计算机视觉技术领域，尤其涉及一种基于三维模型的纹理映射的方法和装置。

背景技术

现实世界的三维模型通常无法用传统的规则多边形、多面体或球面进行表示，或者说无法用规则的多面体或球形精确的逼近曲面，而自由曲面具有不规则的形体(B样条曲面、隐式曲面和细分曲面等)，能够实现任意曲面的表达。如何实现自由曲面的重建以及自由曲面的映射近年引起很多研究专家和学者的关注和研究，可以说，实现复杂结构的自由曲面表示以及自由曲面映射是一项十分重要且具有很大挑战的研究内容，具有十分重要的研究意义和应用价值。

现有的纹理映射方法中，是通过将采集纹理图片的相机固定在三维模型数据采集系统上，通过系统标定实现纹理图片和三维模型数据的同时采集，但在采集结构复杂的三维模型以得到自由曲面目标物体的数据时，由于纹理相机固定在三维模型数据采集系统上，而导致三维模型数据采集系统无法采集到完整的数据，使得根据所采集数据将纹理图片映射到三维模型所生成的仿真三维模型的精确度大大降低，无法实现建立精准的仿真三维模型。

发明内容

有鉴于此，本发明实施例提供了一种基于三维模型的纹理映射方法和装置，通过以解决现有纹理映射方法中因纹理图片不独立于三维模型数据采集系统，而导致不能精准地生成与复杂的三维模型相应的仿真三维模型的问题。

第一方面，本发明实施例提供了一种基于三维模型的纹理映射方法，所述方法包括：

获取所述三维模型的点云数据，识别并删除所述点云数据中散乱的点数据，建立三维自由曲面初始结构；

根据物像关系或光线映射关系交互选取纹理图片和所述三维自由曲面初始结构对应的特征点，得到预设数量的特征点对其中，和为点集，点x_i为所述纹理图片上的二维图像特征点，点X_i为所述三维自由曲面初始结构的三维几何特征点，k为所述特征点对的个数；

对所述预设数量的特征点对进行奇异值分解，得到所述三维模型的自由曲面映射初始值；

构建变换的误差距离函数其中，λ_i为尺度因子，D_i为所述纹理图片中两个图像特征点之间的欧氏距离，P为待求自由曲面映射值；

将所述自由曲面映射初始值作为所述误差距离函数中P的初值，通过列文伯格-马夸尔特算法和预设的迭代终止阈值或迭代次数，对所述误差距离函数进行迭代计算得到所述三维模型的自由曲面映射最终值；

根据所述自由曲面映射最终值将所述纹理图片映射至所述三维自由曲面初始结构，生成仿真三维模型。

第二方面，本发明实施例提供了一种基于三维模型的纹理映射装置，所述装置包括三维自由曲面初始结构建立单元、特征点对选取单元、特征点对分解单元、误差距离函数构建单元、自由曲面映射最终值计算单元和纹理映射处理单元。

其中，三维自由曲面初始结构建立单元，用于获取所述三维模型的点云数据，识别并删除所述点云数据中散乱的点数据，建立三维自由曲面初始结构；

特征点对选取单元，用于根据物像关系或光线映射关系交互选取纹理图片和所述三维自由曲面初始结构对应的特征点，得到预设数量的特征点对其中，和为点集，点x_i为所述纹理图片上的二维图像特征点，点X_i为所述三维自由曲面初始结构的三维几何特征点，k为所述特征点对的个数；

特征点对分解单元，用于对所述预设数量的特征点对进行奇异值分解，得到所述三维模型的自由曲面映射初始值；

误差距离函数构建单元，用于构建变换的误差距离函数其中，λ_i为尺度因子，D_i为所述纹理图片中两个图像特征点之间的欧氏距离，P为待求自由曲面映射值；

自由曲面映射最终值计算单元，用于将所述自由曲面映射初始值作为所述误差距离函数中P的初值，通过列文伯格-马夸尔特算法和预设的迭代终止阈值或迭代次数，对所述误差距离函数进行迭代计算得到所述三维模型的自由曲面映射最终值；

纹理映射处理单元，用于根据所述自由曲面映射最终值将所述纹理图片映射至所述三维自由曲面初始结构，生成仿真三维模型。

在本发明实施例中，纹理映射装置通过同时选取纹理图片和三维模型的特征点，使得通过对该特征点对进行奇异值分解所得到的自由曲面映射初始值的准确率大大提高，同时通过对二维图像特征点和三维几何特征点的数据进行归一化处理，减少了尺度因素对自由曲面映射初始值误差的影响，再将该自由曲面映射初始值作为迭代初值代入根据特征点所建立的误差距离函数中进行迭代计算优化后，得到精准的自由曲面映射最终值，再根据该自由曲面映射最终值，将纹理图片映射至根据三维模型数据采集系统所采集的点云数据所建立的三维自由曲面初始结构上，以生成精准的仿真三维模型。

附图说明

图1是本发明实施例提供的一种基于三维模型的纹理映射方法的实现流程图；

图2是本发明实施例提供的一种删除孤立的点数据的方法的具体实现流程图；

图3是本发明实施例提供的一种删除偏离的点数据的方法的具体实现流程图；

图4是本发明实施例提供的一种基于三维模型的纹理映射装置的结构框图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应理解，在本发明各个实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

以下结合具体实施例对本发明的实现进行详细描述：

图1示出了本发明实施例提供的一种基于三维模型的纹理映射方法的实现流程，详述如下：

在步骤S101中，获取所述三维模型的点云数据，识别并删除所述点云数据中散乱的点数据，建立三维自由曲面初始结构。

在本发明实施例中，所述三维模型的点云数据为三维模型数据采集系统所采集的需要进行仿真建模的三维模型的点数据，该点云数据用于构建三维自由曲面初始结构。优先的，为了避免数据采集过程中引入的散乱的点数据造成的噪声干扰，如三维模型中的光斑投影或反射投影，在根据该点云数据建立三维自由曲面初始结构之前，还包括识别并删除该点云数据中散乱的点数据，以使得所建立的三维自由曲面初始结构更加精准。

在这里，在建立三维自由曲面初始结构之前，还包括建立第一坐标系，在所述第一坐标系上根据点云数据构建三维自由曲面初始结构。

在步骤S102中，根据物像关系或光线映射关系交互选取纹理图片和所述三维自由曲面初始结构对应的特征点，得到预设数量的特征点对其中，和为点集，点x_i为所述纹理图片上的二维图像特征点，点X_i为所述三维自由曲面初始结构的三维几何特征点，k为所述特征点对的个数。

在本发明实施例中，所采用的纹理图片为独立于三维模型数据采集系统的纹理图片，即纹理图片与三维模型数据不是由同一采集系统同时进行采集的，该纹理图片可以是由纹理相机采集的纹理图片，也可以对原始图片进行纹理处理后的图片，这里不做具体限定。由于所采用的纹理图片独立三维模型数据采集系统，因此使得所采用的纹理图片或三维模型各自所采集的数据更加完整，从而使得根据这些数据所生成的仿真三维模型更加准确。本发明实施例中，通过将纹理图片精准地映射到三维自由曲面初始结构上以得到精准的仿真三维模型。

在这里，所采用的纹理图片为二维图像，从纹理图片上选取的特征点为二维图像特征点x_i。在这里，二维图像特征点x_i为纹理图像中含图像特征的点，优选为特征圆点、角点或其他具有明显色彩的特征点。三维自由曲面初始结构为三维几何图像，从三维自由曲面初始结构上选取的特征点为三维几何特征点X_i。在这里，三维几何特征点为三维自由曲面初始结构中含几何特征的点，优选为曲线或曲面的特征点、几何角点、几何特征点。所选取的二维图像特征点x_i和三维几何特征点X_i存在对应关系。在这里，在得到预设数量的特征点对后，建立第二坐标系，并将预设数量的特征点对对应标识在该第二坐标系上。

在这里，预设数量对应为特征点对的k，其中，k为用户输入的数值，一般取k≥6，以避免因特征点对所选取的个数少于小孔成像方程式未知数的个数而导致无法求解得到自由曲面映射初始值p₀。如果所选取的特征点对的个数超过小孔成像方程式未知数的个数，或远远超过小孔成像方程式未知数的个数，可根据最小二乘法求解得到自由曲面映射初始值p₀。

在这里，点云数据中散乱的点数据为孤立和/或偏离的点数据。三维几何特征点X_i存在有m个与其有连接关系的邻近点X_j，X_i的m个邻近点X_j表示为其中，当三维几何特征点X_i与其m个邻近点X_j的平均距离大于预设的距离阈值时，该三维几何特征点X_i为孤立的点数据；当三维几何特征点X_i与其m个邻近点X_j的法向量夹角大于预设角度时，该三维几何特征点X_i为偏离的点数据。

具体地，所述点云数据中散乱的点数据为孤立的点数据时，步骤S101中的识别并删除所述点云数据中散乱的点数据的步骤中，包括如图2所示的删除孤立的点数据的具体实现流程：

在步骤S201中，识别并获取与所述点云数据中的三维几何特征点X_i存在连接关系的m个邻近点X_j，所述m为正整数。

在本发明实施例中，将点云数据中的任意点数据表示为三维几何特征点X_i，将与每个三维几何特征点X_i存在直接的连接关系的点数据作为三维几何特征点X_i的邻近点X_j。

在步骤S202中，根据平均距离函数计算得到所述三维几何特征点X_i与m个所述邻近点X_j的平均距离。

在本发明实施例中，先分别计算三维几何特征点X_i与m个三邻近点X_j的距离，将计算得到的距离相加后除以m，得到三维几何特征点X_i与m个邻近点X_j的平均距离，比如，分别计算三维几何特征点X_i与m个邻近点X_j得到的距离为a₁、a₂…a_m，那么，三维几何特征点X_i与m个邻近点X_j的距离的平均距离为a₁、a₂…a_m相加后得到的和乘以的值。

在步骤S203中，确定所述平均距离函数的值是否大于预设的距离阈值。

在本发明实施例中，通过确定平均距离函数的值是否大于预设的距离阈值来判断三维几何特征X_i是否为孤立的点数据。

在步骤S204中，如果所述平均距离函数的值大于预设的距离阈值，删除所述三维几何特征点X_i。

或者，当无法计算三维几何特征点X_i与m个邻近点X_j的平均距离时，通过判断三维几何特征点的法向量夹角与预设角度的关系来确定是否删除所述三维几何特征点X_i，即所述点云数据中散乱的点数据为偏离的点数据时，步骤S101中的识别并删除所述点云数据中散乱的点数据的步骤中，还包括如图3所示的删除孤立的点数据的具体实现流程：

在步骤S301中，识别并获取与所述点云数据中的三维几何特征点X_i存在连接关系的m个邻近点X_j，所述m为正整数。

在步骤S302中，确定所述三维几何特征点X_i与m个所述邻近点X_j的法向量夹角是否大于预设角度。

在本发明实施例中，通过确定三维几何特征点X_i与m个邻近点X_j的法向量夹角是否大于预设角度来确定该三维几何特征点X_i是否为偏离的点数据。

在步骤S303中，如果所述三维几何特征点X_i与m个所述邻近点X_j的法向量夹角大于预设角度，删除所述三维几何特征点X_i。

在本发明实施例中，预设角度是由用户进行设置的，可以设定为任意角度值。优选的，预设角度为65°，即当三维几何特征点X_i与其邻近点的法向量夹角θ≥65°时，则认为该三维几何特征点X_i为偏离的点数据。

在这里，对孤立的点数据或者偏离的点数据的识别及删除过程不分先后，可以同时进行，也可以单独进行，这里不做具体限定。

在这里，用户根据点云数据中各个点数据周围的连接关系，选取适用该点云数据的网格模型，优选结构简单，便于表达的三维点云网格模型。在这里，自由曲面可以由样条曲面、隐式曲面表示。

具体地，在确定使用的网格模型后，纹理映射装置根据去除散乱的点数据后的点云数据，利用特征曲线和网格曲面进行逼近拟合，以建立三维自由曲面初始结构。

在步骤S103中，对所述预设数量的特征点对进行奇异值分解，得到所述三维模型的自由曲面映射初始值p₀。

在本发明实施例中，在对所述预设数量的特征点对进行奇异值分解之前，还包括对所述预设数量的特征点对进行归一化处理，以得到满足预设数值要求的特征点对。

具体地，步骤S103通过奇异值分解以得到三维模型的自由曲面映射初始值p₀的具体实现步骤如图4所示：

在步骤S401中，对所述特征点对中的进行归一化处理，使得二维图像特征点x_i距离中心坐标的平均距离满足第一预设数值要求。

在本发明实施例中，中心坐标为根据二维图像特征点x_i的各个坐标之和计算出来的平均坐标，比如，分别将k个X轴的坐标和k个Y轴的坐标相加后求得的平均值作为由X轴和Y轴组成的二维平面上的中心坐标[(x₁+x₂+…+x_k)/k，(y₁+y₂+…+y_k)]。在这里，在对进行归一化处理后，二维图像特征点x_i距离中心坐标的平均距离为(即为第一预设数据要求)，或是为其他预设的小范围数值。

在步骤S402中，对所述特征点对中的进行归一化处理，使得X_i距离中心坐标的平均距离满足第二预设数值要求。

在本发明实施例中，中心坐标为根据三维几何特征点X_i的各个坐标之和计算出来的平均坐标，比如，分别将k个X轴的坐标、k个Y轴的坐标和k个Z轴的坐标相加后求得的平均值作为由X轴、Y轴和Z轴组成的三维平面上的中心坐标[(x₁+x₂+…+x_k)/k,(y₁+y₂+…+y_k),(z₁+z₂+…+z_k)]。在这里，在对进行归一化处理后，三维几何特征点X_i距离中心坐标的平均距离为(即为第二预设数据要求)，或是为其他预设的小范围数值。

在步骤S403中，对进行归一化处理后的所述特征点对进行奇异值分解，将奇异值矩阵中最小的奇异值对应的右奇异向量V中的奇异向量作为所述三维模型的自由曲面映射初始值P₀。

在本发明实施例中，通过对特征点对进行归一化处理，以减少尺度因素对数据的影响，降低自由曲面映射初始值P₀的计算误差。在这里，尺度因素为影响奇异值分解结果的数据尺度。

在步骤S104中，构建变换的误差距离函数其中，λ_i为尺度因子，D_i为所述纹理图片中两个图像特征点之间的欧氏距离，P为待求自由曲面映射值。

在本发明实施例中，λ_i的取值与曲面空间相关，0.8≤λ_i≤1，λ_i由用户根据曲面的结构来设置，其中，处于曲面边缘的数据点设置λ_i＝0.8，处于数据中心的点设置的λ_i＝1.0，λ_i∈[0.8,1.0]。在这里，处于数据中心的点为根据自由曲面上所有点的均值计算得到的数据点。

在这里，二维图像特征点x_i的齐次坐标表示为：x_i＝(x_i1,y_i1,1)^T，三维几何特征点X_i的齐次坐标表示为：X_i＝(X_i1,Y_i1,Z_i1,1)^T。

在这里，D为纹理图片中两个图像特征点之间的欧氏距离，具体为

其中，x₁₁和x₁₂分别为x₁在X轴和Y轴上的坐标点，x₂₁和x₂₂分别为x₂在X轴和Y轴上的坐标点，D(x₁,x₂)为纹理图片上x₁和x₂之间的欧氏距离。

在步骤S105中，将所述自由曲面映射初始值P₀作为所述误差距离函数中P的初值，通过列文伯格-马夸尔特算法和预设的迭代终止阈值或迭代次数，对所述误差距离函数进行迭代计算得到所述三维模型的自由曲面映射最终值。

在本发明实施例中，通过列文伯格-马夸尔特算法进行算法迭代优化，以求解得到更加精确的待求自由曲面映射值P，以得到精准的自由曲面映射最终值。

具体地，对所述误差距离函数进行迭代计算得到所述三维模型的自由曲面映射最终值的步骤，包括：

对所述误差函数进行迭代计算出所述待求自由曲面映射值P，对计算出的所述待求自由曲面映射值P进行坐标变换后，再对所述待求自由曲面映射值P进行逆归一化处理，得到所述三维模型的自由曲面映射最终值。

优选的，在对所述误差距离函数进行迭代计算得到所述三维模型的自由曲面映射最终值的步骤中，还包括：

在每一次进行迭代计算之前，识别并删除距离过大的特征点对，再对所述误差距离函数进行下一次迭代计算。

通过在每次迭代计算前删除距离过大的特征点对后，再进行下一步的迭代优化计算，以保证迭代算法的收敛，提高迭代计算的效率。

在步骤S106中，根据所述自由曲面映射最终值将所述纹理图片映射至所述三维自由曲面初始结构，生成仿真三维模型。

在本发明实施例中，通过同时选取纹理图片和三维模型的特征点，使得通过对该特征点对进行奇异值分解所得到的自由曲面映射初始值p₀的准确率大大提高，同时通过对二维图像特征点和三维几何特征点的数据进行归一化处理，减少了尺度因素对自由曲面映射初始值p₀误差的影响，再将该自由曲面映射初始值p₀作为迭代初值代入根据特征点所建立的误差距离函数中的p进行迭代计算优化后，得到精准的自由曲面映射最终值，再根据该自由曲面映射最终值，将纹理图片映射至根据三维模型数据采集系统所采集的点云数据所建立的三维自由曲面初始结构上，以生成精准的仿真三维模型。

本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，上述的存储介质，如ROM/RAM、磁盘或光盘等。

图4示出了本发明实施例提供的一种基于三维模型的纹理映射装置41的具体结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。

本发明实施例提供了一种基于三维模型的纹理映射装置4，包括三维自由曲面初始结构建立单元41、特征点对选取单元42、特征点对分解单元43、误差距离函数构建单元44、自由曲面映射最终值计算单元45和纹理映射处理单元46；

其中，三维自由曲面初始结构建立单元41，用于获取所述三维模型的点云数据，识别并删除所述点云数据中散乱的点数据，建立三维自由曲面初始结构；

特征点对选取单元42，用于根据物像关系或光线映射关系交互选取纹理图片和所述三维自由曲面初始结构对应的特征点，得到预设数量的特征点对其中，和为点集，点x_i为所述纹理图片上的二维图像特征点，点X_i为所述三维自由曲面初始结构的三维几何特征点，k为所述特征点对的个数；

特征点对分解单元43，用于对所述预设数量的特征点对进行奇异值分解，得到所述三维模型的自由曲面映射初始值p₀；

误差距离函数构建单元44，用于构建变换的误差距离函数其中，λ_i为尺度因子，D_i为所述纹理图片中两个图像特征点之间的欧氏距离，P为待求自由曲面映射值；

自由曲面映射最终值计算单元45，用于将所述自由曲面映射初始值p₀作为所述误差距离函数中P的初值，通过列文伯格-马夸尔特算法和预设的迭代终止阈值或迭代次数，对所述误差距离函数进行迭代计算得到所述三维模型的自由曲面映射最终值；

纹理映射处理单元46，用于根据所述自由曲面映射最终值将所述纹理图片映射至所述三维自由曲面初始结构，生成仿真三维模型。

进一步地，所述散乱的点数据为孤立的点数据时；所述三维自由曲面初始结构建立单元中包括第一邻近点识别子单元、平均距离计算子单元、距离确定子单元和第一删除子单元；

其中，第一邻近点识别子单元，用于识别并获取与所述点云数据中的所述三维几何特征点X_i存在连接关系的m个邻近点X_j，所述m为正整数；

平均距离计算子单元，用于根据平均距离函数计算得到所述三维几何特征点X_i与m个所述邻近点X_j的平均距离；

距离确定子单元，用于确定所述平均距离函数的值是否大于预设的距离阈值；

第一删除子单元，用于如果所述平均距离函数的值大于预设的距离阈值，删除所述三维几何特征点X_i；

或者，所述散乱的点数据为偏离的点数据；所述三维自由曲面初始结构建立单元中还包括第二邻近点识别子单元、夹角确定子单元和第二删除子单元；

其中第二邻近点识别子单元，用于识别并获取与所述点云数据中的所述三维几何特征点X_i存在连接关系的m个邻近点X_j，所述m为正整数；

夹角确定子单元，用于确定所述三维几何特征点X_i与m个所述邻近点X_j的法向量夹角是否大于预设角度；

第二删除子单元，如果所述三维几何特征点X_i与m个所述三维几何特征点X_j的法向量夹角大于预设角度，删除所述三维几何特征点X_i。

进一步地，所述特征点对分解单元43，包括第一归一化处理子单元、第一归二化处理子单元和特征点对分解子单元；

其中，第一归一化处理子单元，用于对所述特征点对中的进行归一化处理，使得x_i距离中心坐标的平均距离满足第一预设数值要求；

第二归一化处理子单元，用于对所述特征点对中的进行归一化处理，使得X_i距离中心坐标的平均距离满足第二预设数值要求；

特征点对分解子单元，用于对进行归一化处理后的所述特征点对进行奇异值分解，将奇异值矩阵中最小的奇异值对应的右奇异向量V中的奇异向量作为所述三维模型的自由曲面映射初始值p₀。

进一步地，所述自由曲面映射最终值计算单元45，具体用于：

对所述误差函数进行迭代计算出所述待求自由曲面映射值P，对计算出的所述待求自由曲面映射值P进行坐标变换后，再对所述待求自由曲面映射值P进行逆归一化处理，得到所述三维模型的自由曲面映射最终值。

进一步地，所述自由曲面映射最终值计算单元45，还包括：

特征点对删除子单元，用于在每一次进行迭代计算之前，识别并删除距离过大的特征点对，再对所述误差距离函数进行下一次迭代计算。

在本发明实施例中，纹理映射装置通过同时选取纹理图片和三维模型的特征点，使得通过对该特征点对进行奇异值分解所得到的自由曲面映射初始值p₀的准确率大大提高，同时通过对二维图像特征点和三维几何特征点的数据进行归一化处理，减少了尺度因素对自由曲面映射初始值p₀误差的影响，再将该自由曲面映射初始值p₀作为迭代初值代入根据特征点所建立的误差距离函数中的p进行迭代计算优化后，得到精准的自由曲面映射最终值，再根据该自由曲面映射最终值，将纹理图片映射至根据三维模型数据采集系统所采集的点云数据所建立的三维自由曲面初始结构上，以生成精准的仿真三维模型。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同装置来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述装置实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例上述装置的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上上述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到状态或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应上述以权利要求的保护范围为准。

Claims (10)

1.一种基于三维模型的纹理映射方法，其特征在于，所述方法包括：

获取所述三维模型的点云数据，识别并删除所述点云数据中散乱的点数据，建立三维自由曲面初始结构；

根据物像关系或光线映射关系交互选取纹理图片和所述三维自由曲面初始结构对应的特征点，得到预设数量的特征点对其中，和为点集，点x_i为所述纹理图片上的二维图像特征点，点X_i为所述三维自由曲面初始结构的三维几何特征点，k为所述特征点对的个数；

对所述预设数量的特征点对进行奇异值分解，得到所述三维模型的自由曲面映射初始值；

构建变换的误差距离函数其中，λ_i为尺度因子，D_i为所述纹理图片中两个图像特征点之间的欧氏距离，P为待求自由曲面映射值；

将所述自由曲面映射初始值作为所述误差距离函数中P的初值，通过列文伯格-马夸尔特算法和预设的迭代终止阈值或迭代次数，对所述误差距离函数进行迭代计算得到所述三维模型的自由曲面映射最终值；

根据所述自由曲面映射最终值将所述纹理图片映射至所述三维自由曲面初始结构，生成仿真三维模型。

2.如权利要求1所述的方法，其特征在于，所述散乱的点数据为孤立的点数据；

所述识别并删除所述点云数据中散乱的点数据的步骤，具体包括：

识别并获取与所述点云数据中的所述三维几何特征点X_i存在连接关系的m个邻近点X_j，所述m为正整数；

根据平均距离函数计算得到所述三维几何特征点X_i与m个所述邻近点X_j的平均距离；

确定所述平均距离函数的值是否大于预设的距离阈值；

如果所述平均距离函数的值大于预设的距离阈值，删除所述三维几何特征点X_i；

或者，所述散乱的点数据为偏离的点数据；

所述识别并删除所述点云数据中散乱的点数据的步骤，具体包括：

识别并获取与所述点云数据中的所述三维几何特征点X_i存在连接关系的m个邻近点X_j，所述m为正整数；

确定所述三维几何特征点X_i与m个所述邻近点X_j的法向量夹角是否大于预设角度；

如果所述三维几何特征点X_i与m个所述三维几何特征点X_j的法向量夹角大于预设角度，删除所述三维几何特征点X_i。

3.如权利要求1或2所述的方法，其特征在于，在所述对所述预设数量的特征点对进行奇异值分解，得到所述三维模型的自由曲面映射初始值的步骤，包括：

对所述特征点对中的进行归一化处理，使得x_i距离中心坐标的平均距离满足第一预设数值要求；

对所述特征点对中的进行归一化处理，使得X_i距离中心坐标的平均距离满足第二预设数值要求；

对进行归一化处理后的所述特征点对进行奇异值分解，将奇异值矩阵中最小的奇异值对应的右奇异向量V中的奇异向量作为所述三维模型的自由曲面映射初始值。

4.如权利要求1所述的方法，其特征在于，所述对所述误差距离函数进行迭代计算得到所述三维模型的自由曲面映射最终值的步骤，包括：

对所述误差函数进行迭代计算出所述待求自由曲面映射值P，对计算出的所述待求自由曲面映射值P进行坐标变换后，再对所述待求自由曲面映射值P进行逆归一化处理，得到所述三维模型的自由曲面映射最终值。

5.如权利要求1所述的方法，其特征在于，所述对所述误差距离函数进行迭代计算得到所述三维模型的自由曲面映射最终值的步骤中，还包括：

在每一次进行迭代计算之前，识别并删除距离过大的特征点对，再对所述误差距离函数进行下一次迭代计算。

6.一种基于三维模型的纹理映射装置，其特征在于，所述装置包括：

三维自由曲面初始结构建立单元，用于获取所述三维模型的点云数据，识别并删除所述点云数据中散乱的点数据，建立三维自由曲面初始结构；

特征点对选取单元，用于根据物像关系或光线映射关系交互选取纹理图片和所述三维自由曲面初始结构对应的特征点，得到预设数量的特征点对其中，和为点集，点x_i为所述纹理图片上的二维图像特征点，点X_i为所述三维自由曲面初始结构的三维几何特征点，k为所述特征点对的个数；

特征点对分解单元，用于对所述预设数量的特征点对进行奇异值分解，得到所述三维模型的自由曲面映射初始值；

误差距离函数构建单元，用于构建变换的误差距离函数其中，λ_i为尺度因子，D_i为所述纹理图片中两个图像特征点之间的欧氏距离，P为待求自由曲面映射值；

自由曲面映射最终值计算单元，用于将所述自由曲面映射初始值作为所述误差距离函数中P的初值，通过列文伯格-马夸尔特算法和预设的迭代终止阈值或迭代次数，对所述误差距离函数进行迭代计算得到所述三维模型的自由曲面映射最终值；

纹理映射处理单元，用于根据所述自由曲面映射最终值将所述纹理图片映射至所述三维自由曲面初始结构，生成仿真三维模型。

7.如权利要求6所述的装置，其特征在于，所述散乱的点数据为孤立的点数据；所述三维自由曲面初始结构建立单元中包括：

第一邻近点识别子单元，用于识别并获取与所述点云数据中的所述三维几何特征点X_i存在连接关系的m个邻近点X_j，所述m为正整数；

平均距离计算子单元，用于根据平均距离函数计算得到所述三维几何特征点X_i与m个所述邻近点X_j的平均距离；

距离确定子单元，用于确定所述平均距离函数的值是否大于预设的距离阈值；

第一删除子单元，用于如果所述平均距离函数的值大于预设的距离阈值，删除所述三维几何特征点X_i；

或者，所述散乱的点数据为偏离的点数据；所述三维自由曲面初始结构建立单元中还包括：

第二邻近点识别子单元，用于识别并获取与所述点云数据中的所述三维几何特征点X_i存在连接关系的m个邻近点X_j，所述m为正整数；

夹角确定子单元，用于确定所述三维几何特征点X_i与m个所述邻近点X_j的法向量夹角是否大于预设角度；

第二删除子单元，如果所述三维几何特征点X_i与m个所述三维几何特征点X_j的法向量夹角大于预设角度，删除所述三维几何特征点X_i。

8.如权利要求6或7所述的装置，其特征在于，所述特征点对分解单元包括：

第一归一化处理子单元，用于对所述特征点对中的进行归一化处理，使得x_i距离中心坐标的平均距离满足第一预设数值要求；

第二归一化处理子单元，用于对所述特征点对中的进行归一化处理，使得X_i距离中心坐标的平均距离满足第二预设数值要求；

特征点对分解子单元，用于对进行归一化处理后的所述特征点对进行奇异值分解，将奇异值矩阵中最小的奇异值对应的右奇异向量V中的奇异向量作为所述三维模型的自由曲面映射初始值。

9.如权利要求6所述的装置，其特征在于，所述自由曲面映射最终值计算单元具体用于：

对所述误差函数进行迭代计算出所述待求自由曲面映射值P，对计算出的所述待求自由曲面映射值P进行坐标变换后，再对所述待求自由曲面映射值P进行逆归一化处理，得到所述三维模型的自由曲面映射最终值。

10.如权利要求6所述的装置，其特征在于，所述自由曲面映射最终值计算单元还包括：

特征点对删除子单元，用于在每一次进行迭代计算之前，识别并删除距离过大的特征点对，再对所述误差距离函数进行下一次迭代计算。