CN111932566A - 一种模型轮廓图生成方法、装置和系统 - Google Patents
一种模型轮廓图生成方法、装置和系统 Download PDFInfo
- Publication number
- CN111932566A CN111932566A CN202010461414.XA CN202010461414A CN111932566A CN 111932566 A CN111932566 A CN 111932566A CN 202010461414 A CN202010461414 A CN 202010461414A CN 111932566 A CN111932566 A CN 111932566A
- Authority
- CN
- China
- Prior art keywords
- contour
- model
- map
- information
- pixel point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000009877 rendering Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000007797 corrosion Effects 0.000 claims abstract description 17
- 238000005260 corrosion Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 238000010586 diagram Methods 0.000 claims description 36
- 238000005530 etching Methods 0.000 claims description 8
- 230000003628 erosive effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000010339 dilation Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 19
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000007796 conventional method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
Abstract
本发明公开了一种模型轮廓图生成方法、装置和系统,属于图形处理技术领域,具体包括:渲染三维模型的特征信息,将特征信息映射到二维渲染图以得到特征图,所述特征信息包括表面法向信息、表面位置信息、深度信息、模型分组信息;综合每种特征信息对应特征图中为轮廓点的像素点,得到二值化轮廓图;对所述二值化轮廓图进行连通域分析、腐蚀、膨胀操作以获得模型轮廓图。该模型轮廓图生成方法、装置和系统综合渲染和图像处理技术,能够生成高质量的三维模型轮廓图,在保留所有关键轮廓信息的同时不产生多余的瑕疵。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种模型轮廓图生成方法、装置和系统。
背景技术
目前在很多三维模型相关的应用中,需要生成三维模型大致的轮廓的栅格图,用于展示、生成CAD矢量图等功能。但是现有的一些技术往往不足以满足应用需求,存在丢失重要轮廓信息、生成大量细碎边缘、生成错误边缘线段等问题。
目前生成三维模型大致轮廓的方法为渲染带有光照信息的三维模型获得渲染图,并采用滤波器对渲染图进行滤波后,提取边缘特征,获取线框图,该方法对模型渲染光照信息,提取渲染图边缘特征容易丢失很多轮廓信息,尤其是凸边和几何变化相对平缓的区域。同时因为遮挡阴影而产生错误的边缘线段。
申请公布号为103413299A的发明专利申请公开了一种生成用于图像分割的主动轮廓模型的方法,主要基于图像边界信息的静态外部力场,生成轮廓模型。申请公布号为CN106252250A的发明专利申请公开了一种图像轮廓生成方法及装置,根据基准图像对扫描图像进行轮廓生成。这两个专利申请均不适用于生成三维模型的轮廓。
发明内容
本发明的目的是提供一种模型轮廓图生成方法、装置和系统,以解决现有方法生成的三维模型轮廓图丢失重要轮廓信息、生成大量细碎边缘、生成错误边缘线段等问题。
本发明的第一方面实施例提供了一种模型轮廓图生成方法,包括以下步骤:
渲染三维模型的特征信息,将特征信息映射到二维渲染图以得到特征图,所述特征信息包括表面法向信息、表面位置信息、深度信息、模型分组信息;
综合每种特征信息对应特征图中为轮廓点的像素点,得到二值化轮廓图;
对所述二值化轮廓图进行连通域分析、腐蚀、膨胀操作以获得模型轮廓图。
在一个实施方式中,所述综合每种特征信息对应特征图中为轮廓点的像素点,得到二值化轮廓图包括:
(a)根据模型分组图,判断当前像素点的一定邻域内是否存在与当前像素点属于不同分组的其他像素点,若存在,则当前像素点为轮廓点;
(b)根据表面位置图、法向图,分别计算当前像素点的上下像素点、左右像素点对应的几何表面之间的上下面距离和左右面距离,再根据深度图中深度信息、上下面距离和左右面距离计算当前像素点的轮廓权重后,判断轮廓权重达到预设权重阈值的当前像素点为轮廓点;
(c)根据表面位置图计算当前像素点关于表面位置信息的梯度,判断该梯度达到预设第一梯度阈值的当前像素点为轮廓点;
(d)根据法向图计算当前像素点关于法向信息的梯度,判断该梯度达到预设第二梯度阈值的当前像素点为轮廓点;
(e)综合步骤(a)~步骤(d)得到的所有轮廓点得到二值化轮廓图。
在另外一个实施方式中,对所述二值化轮廓图依次进行以下步骤:
步骤1,连通域分析;
步骤2,重复迭代至少一次步骤a~e,其中:
a,腐蚀操作;
b,连通域分析;
c,膨胀操作;
d,膨胀操作;
e,连通域分析;
步骤3,将同一次迭代过程中步骤c膨胀操作获得的图减去步骤e连通域分析获得的图,以获得模型轮廓图。
在另外一个实施方式中,对所述二值化轮廓图进行腐蚀和膨胀操作时,根据三维模型包围盒在相机水平方向和垂直方向的投影长度确定采用的矩阵结构元的长和宽。
在另外一个实施方式中,对所述二值化轮廓图进行连通域分析时,根据剔除区域比重确定采用的选择阈值参数。
本发明的第二方面实施例提供了一种模型轮廓图生成装置,包括:
渲染模块,用于渲染三维模型的特征信息,将特征信息映射到二维渲染图以得到特征图,所述特征信息包括表面法向信息、表面位置信息、深度信息、模型分组信息;
二值化轮廓图生成模块,用于综合每种特征信息对应特征图中为轮廓点的像素点,得到二值化轮廓图;
模型轮廓图生成模块,用于对对所述二值化轮廓图进行连通域分析、腐蚀、膨胀操作以生成模型轮廓图。
在另外一个实施方式中,所述二值化轮廓图生成模块包括:
(a)根据模型分组图,判断当前像素点的一定邻域内是否存在与当前像素点属于不同分组的其他像素点,若存在,则当前像素点为轮廓点;
(b)根据表面位置图、法向图,分别计算当前像素点的上下像素点、左右像素点对应的几何表面之间的上下面距离和左右面距离,再根据深度图中深度信息、上下面距离和左右面距离计算当前像素点的轮廓权重后,判断轮廓权重达到预设权重阈值的当前像素点为轮廓点;
(c)根据表面位置图计算当前像素点关于表面位置信息的梯度,判断该梯度达到预设第一梯度阈值的当前像素点为轮廓点;
(d)根据法向图计算当前像素点关于法向信息的梯度,判断该梯度达到预设第二梯度阈值的当前像素点为轮廓点;
(e)综合步骤(a)~步骤(d)得到的所有轮廓点得到二值化轮廓图。
在另外一个实施方式中,所述模型轮廓图生成模块包括:
对所述二值化轮廓图依次进行以下步骤:
步骤1,连通域分析;
步骤2,重复迭代至少一次步骤a~e,其中:
a,腐蚀操作;
b,连通域分析;
c,膨胀操作;
d,膨胀操作;
e,连通域分析;
步骤3,将同一次迭代过程中步骤c膨胀操作获得的图减去步骤e连通域分析获得的图,以获得模型轮廓图。
在另外一个实施方式中,所述模型轮廓图生成模块包括:
参数确定模块,用于根据三维模型包围盒在相机水平方向和垂直方向的投影长度确定对所述二值化轮廓图进行腐蚀和膨胀操作时采用的矩阵结构元的长和宽。
本发明的第三方面实施例提供了一种模型轮廓图生成系统,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,所述计算机处理器执行所述计算机程序时实现上述模型轮廓图生成方法。
本发明具有的有益效果至少包括:
本发明实施例提供的模型轮廓图生成方法、装置和系统综合渲染和图像处理技术,能够生成高质量的三维模型轮廓图,在保留所有关键轮廓信息的同时不产生多余的瑕疵。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动前提下,还可以根据这些附图获得其他附图。
图1是本发明提供的模型轮廓图生成方法一实施例的流程图;
图2~图8是本发明提供的对二值化轮廓图进行连通域分析、腐蚀、膨胀操作处理后获得的图;
图9是本发明提供的模型轮廓图生成方法应用例流程图;
图10是本发明提供的餐厅的模型轮廓图对比图,其中,(a)为传统方法得到的模型轮廓图,(b)为本发明提供的模型轮廓图生成方法生成的模型轮廓图;
图11是本发明提供的厨房的模型轮廓图对比图,其中,(a)为传统方法得到的模型轮廓图,(b)为本发明提供的模型轮廓图生成方法生成的模型轮廓图;
图12是本发明提供的模型轮廓图生成装置一实施例的结构示意图;
图13是本发明提供的模型轮廓图生成模块一实施例的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
为解决现有技术生成三维模型的轮廓图中存在丢失重要轮廓信息、生成大量细碎边缘、生成错误边缘线段等问题。本发明实施例提供了模型轮廓图生成方法、装置和系统。
图1为模型轮廓图生成方法的流程图,如图1所示,该模型轮廓图生成方法包括以下步骤:
S101,渲染三维模型的特征信息,将特征信息映射到二维渲染图以得到特征图,所述特征信息包括表面法向信息、表面位置信息、深度信息、模型分组信息。
当三维模型建立好后,会包含很多特征信息,具体包括但不限于表面法向信息、表面位置信息、深度信息、模型分组信息。其中,表面法向信息是指模型表面的法向数据,表面位置信息是指世界坐标系下三维模型的顶点的位置坐标,深度信息是指三维模型中相机与三维模型表面的距离数据;模型分组信息是指组成三维模型的面片元的分组,这个分组在三维模型构建好就已经确定。
本发明实施例充分利用了这些特征信息,综合考虑了这些特征信息对三维模型轮廓的影响,将每种特征信息通过渲染技术映射到二维渲染图上,得到相应的特征图。其中,渲染时可以采用光线追踪渲染或光栅化渲染等渲染技术,在此不受限制。将表面法向信息、表面位置信息、深度信息、模型分组信息分别映射到二维渲染图,得到三维模型的法向图,表面位置图、深度图和模型分组图,这些图统称为特征图。
S102,综合每种特征信息对应特征图中为轮廓点的像素点,得到二值化轮廓图。
渲染得到的法向图,表面位置图、深度图和模型分组图包含了能够描述三维模型轮廓的表面法向信息、表面位置信息、深度信息、模型分组信息。但是每种特征信息通过像素表现的三维模型的轮廓会略有差别,并不全面,为了获得更完整的三维模型的轮廓图,本实施例中对这些特征信息呈现的轮廓信息进行统计融合,即综合每种特征信息对应特征图中为轮廓点的像素点,得到二值化轮廓图。
在一个实施例中,综合每种特征信息对应特征图中为轮廓点的像素点,得到二值化轮廓图包括:
(a)根据模型分组图,判断当前像素点的一定邻域内是否存在与当前像素点属于不同分组的其他像素点,若存在,则当前像素点为轮廓点;
(b)根据表面位置图、法向图,分别计算当前像素点的上下像素点、左右像素点对应的几何表面之间的上下面距离和左右面距离,再根据深度图中深度信息、上下面距离和左右面距离计算当前像素点的轮廓权重后,判断轮廓权重达到预设权重阈值的当前像素点为轮廓点;
(c)根据表面位置图计算当前像素点关于表面位置信息的梯度,判断该梯度达到预设第一梯度阈值的当前像素点为轮廓点;
(d)根据法向图计算当前像素点关于法向信息的梯度,判断该梯度达到预设第二梯度阈值的当前像素点为轮廓点;
(e)综合步骤(a)~步骤(d)得到的所有轮廓点得到二值化轮廓图。
模型分组图记录的是组成三维模型的面片元的分组信息,即步骤(a)中根据模型分组图的像素点即可以知道一定邻域(例如3*3邻域)内像素点是不是属于同一分组,若一定邻域内的像素点属于不同分组,则当前像素点为轮廓点。
表面位置图中记载三维模型表面某个顶点的位置信息,法向图记载了三维模型表面某个顶点的法向信息,根据当前像素点的上下像素点对应的位置信息和法向信息,即可以计算上下像素点对应的几何表面的上下面距离,同理,也可以计算当前像素点的左右像素点对应的几何表面之间的左右面距离。本实施例中,当前像素点的上下像素点和左右像素点,可以是与当前像素点相邻的上下像素点和左右像素点,也可以是与当前像素点在上下方向距离相等的上下像素点,与当前像素点在左右方向距离相等的左右像素点。
深度图中记载了相机到三维模型表面某个顶点的深度信息,在获得上下面距离和左右面距离的基础上,结合当前像素点的深度信息,根据像素点深度值对面距离进行插值来计算当前像素的轮廓权重,具体地,轮廓权重w可以采用以下公式获得:
w=1-smoothstep(0,depth,edge_threshold*sqrt(plane_dist1*plane_dist1+plane_dist2*plane_dist2))
其中,plane_dist1为上下面距离,plane_dist2为左右距离,sqrt()为开根号,edge_threshold为全局控制参数,用来控制轮廓强弱,一般取值范围为50-500,depth为当前像素点的深度信息,smoothstep()为插值函数。
步骤(c)和步骤(d)中,关于表面位置的梯度和关于法向信息的梯度均可通过传统图像卷积核直接算得。本实施例中,权重阈值和第一梯度阈值和第二梯度阈值是根据三维模型大小设置的,在此不具体限制。
通过根据表面法向信息、表面位置信息、深度信息、模型分组信息确定的轮廓点得到的二值化轮图是一个粗略的轮廓图,能够克服现有技术丢失重要边缘的问题。
S103,对所述二值化轮廓图进行连通域分析、腐蚀、膨胀操作以获得模型轮廓图。
通过渲染和利用多种特征信息对应特征图的像素呈现状态得到二值化轮廓图能够保留所有重要边缘信息,但是仍然会存在需要不需要的细碎边缘和平行线,因此还需要对二值化轮廓图进行图像后处理以渐进的去除细边、细块,合并边缘,提取主要边缘。本实施例中可以采用对二值化轮廓图进行连通域分析、腐蚀、膨胀操作来规范化轮廓图。
连通域分析、腐蚀、膨胀操作可以消除为一部分细碎边缘,但是还不能答复应用需求,因此,还需要对连通域分析、腐蚀、膨胀操作的操作顺序以及处理参数进行限定才能达到最好的后处理效果。
在一个实施例中,对所述二值化轮廓图依次进行以下步骤:
步骤1,连通域分析;
步骤2,重复迭代至少一次步骤a~e,其中:
a,腐蚀操作;
b,连通域分析;
c,膨胀操作;
d,膨胀操作;
e,连通域分析;
步骤3,将同一次迭代过程中步骤c膨胀操作获得的图减去步骤e连通域分析获得的图,以获得模型轮廓图。
结合具体例子说明对二值化轮廓图进行图像后处理效果,图2~图8是实施例提供的对二值化轮廓图进行连通域分析、腐蚀、膨胀操作处理后获得的图。采用步骤1对二值化轮廓图进行连通域分析,移除二值图中独立的细碎区域得到图2;采用步骤a对图2中的白色区域进行腐蚀操作得到图3,步骤a的腐蚀操作主要目的是合并细长的白色区域,避免多余的临近平行线的存在;采用步骤c对图3进行连通域分析,再次合并较小的白色区域块得到图4;采用步骤c对图4中白色区域进行膨胀操作得到图5,从图5可以直观的看到原始细碎边缘、块都已经全部合并,但图像中产生了许多多余的黑色区块;采用步骤d对图5中白色区域进一步进行膨胀操作得到图6,图6保留的是图5中希望移除的黑色区块;采用步骤e对图6进行连通域分析,移除细小的黑色区块得到图7;最后采用步骤3将图5黑色区域减去图7得到最终轮廓图结果图8,步骤3的目的是防止本次相减操作重新出现不希望的白色小块。经过这样顺序的连通域分析、腐蚀、膨胀操作基本上能够渐进的去除细边、细块,合并边缘,提取主要边缘。
除了后处理步骤的顺序会影响去除碎边缘的效果外,每个处理步骤中的参数选择同样对处理效果有很大影响。在一个实施例中,对所述二值化轮廓图进行腐蚀和膨胀操作时,根据三维模型包围盒在相机水平方向和垂直方向的投影长度确定采用的矩阵结构元的长和宽。对所述二值化轮廓图进行连通域分析时,根据剔除区域比重确定采用的选择阈值参数。
矩阵结构元就是腐蚀和膨胀处理时活动窗口的大小,该活动窗口的大小的选择直接决定腐蚀和膨胀的效果,本实施例中,根据三维模型包围盒大小确定活动窗口的大小,这样能够根据三维模型自动调整腐蚀和膨胀参数,做到针对三维模型的个性化处理能够提升处理效果,进而提升去除细碎边缘和平行线的准确性。
连通域分析时,根据三维模型的大小确定剔除区域比重,再根据剔除区域比重确定选择阈值参数,这样也能够根据三维模型自动调整连通域分析参数,做到针对三维模型的个性化处理能够提升处理效果,进而提升去除细碎边缘和平行线的准确性。
在一些实施方式中,为了进一步提升去除细碎边缘和平行线的准确性。步骤1~步骤3中的每次腐蚀操作、膨胀操作以及连通域分析的参数都会有所不同,根据三维模型的具体大小自适应调整避免了在不同模型大小规模小,产生不正确的结果。
在一些实施方式中,为了进一步提升去除细碎边缘和平行线的准确性。针对步骤2中的腐蚀操作、膨胀操作以及连通域分析可以迭代执行多次,即迭代执行步骤a~e多次以合并更多区域,提升提取边缘的准确性。
图9是提供的模型轮廓图生成方法应用例流程图。如图9所示,具体的应用流程为:
1、加载模型,预处理部分模型特征。
加载三维模型的同时预处理三维模型的部分特征信息,该部分特征信息包括表面法向信息、表面位置信息、深度信息、模型分组信息,将这些特征信息缓存起来,以备渲染时获取应用。
2、渲染,将模型特征信息映射到二维栅格图,通过特征栅格图生成轮廓图。
通过光线追踪或者光栅化等传统渲染算法将模型的特征信息映射到栅格图上,渲染输出模型表面法向图、模型表面位置图、模型分组编号图等栅格图。对渲染得到的多种模型特征图进行处理,包括通过几何关系提取边缘、提取图像连通块边缘等方法,获取粗略的轮廓图,同时保证能够包含所有必要的轮廓信息。
3、图像处理优化轮廓图
通过腐蚀膨胀等方法合并细碎、临近的边缘,通过连通域分析等方法移除细边、细块。并且通过迭代优化的方式反复处理,逐渐优化,得到理想的轮廓图,同时自适应调节参数范围,控制质量。
图10是实施例提供的餐厅立面图的模型轮廓图对比图,其中,(a)为传统方法得到的模型轮廓图,(b)为实施例提供的模型轮廓图生成方法生成的模型轮廓图。图11是实施例提供的厨房立面图的模型轮廓图对比图,其中,(a)为传统方法得到的模型轮廓图,(b)为实施例提供的模型轮廓图生成方法生成的模型轮廓图。对比图10(a)和图10(b),和对比图11(a)和图11(b)可以得到,上述模型轮廓图生成方法,综合渲染技术和图像处理技术,能够生成高质量的三维模型轮廓图,在保留所有关键轮廓信息的同时不产生多余的瑕疵。
图12是实施例提供的模型轮廓图生成装置的结构示意图。如图12所示,实施例提供的模型轮廓图生成装置1200包括:
渲染模块1201,用于渲染三维模型的特征信息,将特征信息映射到二维渲染图以得到特征图,所述特征信息包括表面法向信息、表面位置信息、深度信息、模型分组信息;
二值化轮廓图生成模块1202,用于综合每种特征信息对应特征图中为轮廓点的像素点,得到二值化轮廓图;
模型轮廓图生成模块1203,用于对对所述二值化轮廓图进行连通域分析、腐蚀、膨胀操作以生成模型轮廓图。
在一些实施方式中,二值化轮廓图生成模块1202包括:
(a)根据模型分组图,判断当前像素点的一定邻域内是否存在与当前像素点属于不同分组的其他像素点,若存在,则当前像素点为轮廓点;
(b)根据表面位置图、法向图,分别计算当前像素点的上下像素点、左右像素点对应的几何表面之间的上下面距离和左右面距离,再根据深度图中深度信息、上下面距离和左右面距离计算当前像素点的轮廓权重后,判断轮廓权重达到预设权重阈值的当前像素点为轮廓点;
(c)根据表面位置图计算当前像素点关于表面位置信息的梯度,判断该梯度达到预设第一梯度阈值的当前像素点为轮廓点;
(d)根据法向图计算当前像素点关于法向信息的梯度,判断该梯度达到预设第二梯度阈值的当前像素点为轮廓点;
(e)综合步骤(a)~步骤(d)得到的所有轮廓点得到二值化轮廓图。
在一些实施方式中,所述模型轮廓图生成模块包括:
对所述二值化轮廓图依次进行以下步骤:
步骤1,连通域分析;
步骤2,重复迭代至少一次步骤a~e,其中:
a,腐蚀操作;
b,连通域分析;
c,膨胀操作;
d,膨胀操作;
e,连通域分析;
步骤3,将同一次迭代过程中步骤c膨胀操作获得的图减去步骤e连通域分析获得的图,以获得模型轮廓图。
在一些实施方式中,如图13所示,模型轮廓图生成模块1203包括:
参数确定模块1301,用于根据三维模型包围盒在相机水平方向和垂直方向的投影长度确定对所述二值化轮廓图进行腐蚀和膨胀操作时采用的矩阵结构元的长和宽。
以上所有可选技术方案,可以采用任意结合形成本发明公开的可选实施例,在此不再一一赘述。
需要说明的是,上述实施例提供的模型轮廓图生成装置在进行模型轮廓图生成时,应以上述各功能模块的划分进行举例说明,可以根据需要将上述功能分配由不同的功能模块完成,即在终端或服务器的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的模型轮廓图生成装置与模型轮廓图生成方法实施例属于同一构思,其具体实现过程详见模型轮廓图生成方法实施例,这里不再赘述。
上述模型轮廓图生成装置综合渲染技术和图像处理技术,能够生成高质量的三维模型轮廓图,在保留所有关键轮廓信息的同时不产生多余的瑕疵。
实施例还提供了一种模型轮廓图生成系统,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,其特征在于,所述计算机处理器执行所述计算机程序时实现上述模型轮廓图生成方法。
其中,存储器可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器所执行以实现本申请中方法实施例提供的家居图像描述生成方法。
该家模型轮廓图生成系统综合渲染技术和图像处理技术,能够生成高质量的三维模型轮廓图,在保留所有关键轮廓信息的同时不产生多余的瑕疵。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括至少一条指令的存储器,上述至少一条指令可由终端中的处理器执行以完成上述实施例中模型轮廓图生成方法。例如,该计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明,应理解的是以上所述仅为本发明的最优选实施例,并不用于限制本发明,凡在本发明的原则范围内所做的任何修改、补充和等同替换等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种模型轮廓图生成方法,其特征在于,所述方法包括以下步骤:
渲染三维模型的特征信息,将特征信息映射到二维渲染图以得到特征图,所述特征信息包括表面法向信息、表面位置信息、深度信息、模型分组信息,特征图包括法向图,表面位置图、深度图和模型分组图;
综合每种特征信息对应特征图中为轮廓点的像素点,得到二值化轮廓图;
对所述二值化轮廓图进行连通域分析、腐蚀、膨胀操作以获得模型轮廓图。
2.如权利要求1所述的模型轮廓图生成方法,其特征在于,所述综合每种特征信息对应特征图中为轮廓点的像素点,得到二值化轮廓图包括:
(a)根据模型分组图,判断当前像素点的一定邻域内是否存在与当前像素点属于不同分组的其他像素点,若存在,则当前像素点为轮廓点;
(b)根据表面位置图、法向图,分别计算当前像素点的上下像素点、左右像素点对应的几何表面之间的上下面距离和左右面距离,再根据深度图中深度信息、上下面距离和左右面距离计算当前像素点的轮廓权重后,判断轮廓权重达到预设权重阈值的当前像素点为轮廓点;
(c)根据表面位置图计算当前像素点关于表面位置信息的梯度,判断该梯度达到预设第一梯度阈值的当前像素点为轮廓点;
(d)根据法向图计算当前像素点关于法向信息的梯度,判断该梯度达到预设第二梯度阈值的当前像素点为轮廓点;
(e)综合步骤(a)~步骤(d)得到的所有轮廓点得到二值化轮廓图。
3.如权利要求1所述的模型轮廓图生成方法,其特征在于,对所述二值化轮廓图依次进行以下步骤:
步骤1,连通域分析;
步骤2,重复迭代至少一次步骤a~e,其中:
a,腐蚀操作;
b,连通域分析;
c,膨胀操作;
d,膨胀操作;
e,连通域分析;
步骤3,将同一次迭代过程中步骤c膨胀操作获得的图减去步骤e连通域分析获得的图,以获得模型轮廓图。
4.如权利要求1或3所述的模型轮廓图生成方法,其特征在于,对所述二值化轮廓图进行腐蚀和膨胀操作时,根据三维模型包围盒在相机水平方向和垂直方向的投影长度确定采用的矩阵结构元的长和宽。
5.如权利要求1或3所述的模型轮廓图生成方法,其特征在于,对所述二值化轮廓图进行连通域分析时,根据剔除区域比重确定采用的选择阈值参数。
6.一种模型轮廓图生成装置,其特征在于,包括:
渲染模块,用于渲染三维模型的特征信息,将特征信息映射到二维渲染图以得到特征图,所述特征信息包括表面法向信息、表面位置信息、深度信息、模型分组信息;
二值化轮廓图生成模块,用于综合每种特征信息对应特征图中为轮廓点的像素点,得到二值化轮廓图;
模型轮廓图生成模块,用于对对所述二值化轮廓图进行连通域分析、腐蚀、膨胀操作以生成模型轮廓图。
7.如权利要求6所述的模型轮廓图生成装置,其特征在于,所述二值化轮廓图生成模块包括:
(a)根据模型分组图,判断当前像素点的一定邻域内是否存在与当前像素点属于不同分组的其他像素点,若存在,则当前像素点为轮廓点;
(b)根据表面位置图、法向图,分别计算当前像素点的上下像素点、左右像素点对应的几何表面之间的上下面距离和左右面距离,再根据深度图中深度信息、上下面距离和左右面距离计算当前像素点的轮廓权重后,判断轮廓权重达到预设权重阈值的当前像素点为轮廓点;
(c)根据表面位置图计算当前像素点关于表面位置信息的梯度,判断该梯度达到预设第一梯度阈值的当前像素点为轮廓点;
(d)根据法向图计算当前像素点关于法向信息的梯度,判断该梯度达到预设第二梯度阈值的当前像素点为轮廓点;
(e)综合步骤(a)~步骤(d)得到的所有轮廓点得到二值化轮廓图。
8.如权利要求6所述的模型轮廓图生成装置,其特征在于,所述模型轮廓图生成模块包括:
对所述二值化轮廓图依次进行以下步骤:
步骤1,连通域分析;
步骤2,重复迭代至少一次步骤a~e,其中:
a,腐蚀操作;
b,连通域分析;
c,膨胀操作;
d,膨胀操作;
e,连通域分析;
步骤3,将同一次迭代过程中步骤c膨胀操作获得的图减去步骤e连通域分析获得的图,以获得模型轮廓图。
9.如权利要求6或8所述的模型轮廓图生成装置,其特征在于,所述模型轮廓图生成模块包括:
参数确定模块,用于根据三维模型包围盒在相机水平方向和垂直方向的投影长度确定对所述二值化轮廓图进行腐蚀和膨胀操作时采用的矩阵结构元的长和宽。
10.一种模型轮廓图生成系统,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,其特征在于,所述计算机处理器执行所述计算机程序时实现权利要求1~5任一项所述的模型轮廓图生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010461414.XA CN111932566B (zh) | 2020-05-27 | 2020-05-27 | 一种模型轮廓图生成方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010461414.XA CN111932566B (zh) | 2020-05-27 | 2020-05-27 | 一种模型轮廓图生成方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111932566A true CN111932566A (zh) | 2020-11-13 |
CN111932566B CN111932566B (zh) | 2024-02-20 |
Family
ID=73316504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010461414.XA Active CN111932566B (zh) | 2020-05-27 | 2020-05-27 | 一种模型轮廓图生成方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932566B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464378A (zh) * | 2020-11-26 | 2021-03-09 | 宝武集团马钢轨交材料科技有限公司 | 基于锻轧工艺的车轮坯形图自动生成方法、电子设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006033178A1 (ja) * | 2004-09-22 | 2006-03-30 | Polygon Magic, Inc. | 画像処理装置、方法、およびプログラム |
JP2010061500A (ja) * | 2008-09-05 | 2010-03-18 | Sony Corp | 画像処理方法、画像処理装置、プログラム及び画像処理システム |
US20110316853A1 (en) * | 2010-06-23 | 2011-12-29 | Microsoft Corporation | Telepresence systems with viewer perspective adjustment |
WO2017067390A1 (zh) * | 2015-10-20 | 2017-04-27 | 努比亚技术有限公司 | 图像中弱纹理区域的深度信息获取方法及终端 |
CN106910239A (zh) * | 2015-12-22 | 2017-06-30 | 北京仿真中心 | 一种基于阴影图的软阴影绘制方法 |
KR20180106480A (ko) * | 2017-03-20 | 2018-10-01 | 전자부품연구원 | 2d 이미지를 이용한 고해상도 3d 뎁스 이미지 생성 장치 및 그 방법 |
US20190122429A1 (en) * | 2017-10-20 | 2019-04-25 | Arcsoft (Hangzhou) Multimedia Technology Co., Ltd. | Method and device for three-dimensional modeling |
CN110097626A (zh) * | 2019-05-06 | 2019-08-06 | 浙江理工大学 | 一种基于rgb单目图像的浅浮雕物体识别处理方法 |
CN110428432A (zh) * | 2019-08-08 | 2019-11-08 | 梅礼晔 | 结肠腺体图像自动分割的深度神经网络算法 |
CN110443892A (zh) * | 2019-07-25 | 2019-11-12 | 北京大学 | 一种基于单张图像的三维网格模型生成方法及装置 |
CN110570442A (zh) * | 2019-09-19 | 2019-12-13 | 厦门市美亚柏科信息股份有限公司 | 一种复杂背景下轮廓检测方法、终端设备及存储介质 |
WO2020038207A1 (en) * | 2018-08-21 | 2020-02-27 | Huawei Technologies Co., Ltd. | Binarization and normalization-based inpainting for removing text |
-
2020
- 2020-05-27 CN CN202010461414.XA patent/CN111932566B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006033178A1 (ja) * | 2004-09-22 | 2006-03-30 | Polygon Magic, Inc. | 画像処理装置、方法、およびプログラム |
JP2010061500A (ja) * | 2008-09-05 | 2010-03-18 | Sony Corp | 画像処理方法、画像処理装置、プログラム及び画像処理システム |
US20110316853A1 (en) * | 2010-06-23 | 2011-12-29 | Microsoft Corporation | Telepresence systems with viewer perspective adjustment |
WO2017067390A1 (zh) * | 2015-10-20 | 2017-04-27 | 努比亚技术有限公司 | 图像中弱纹理区域的深度信息获取方法及终端 |
CN106910239A (zh) * | 2015-12-22 | 2017-06-30 | 北京仿真中心 | 一种基于阴影图的软阴影绘制方法 |
KR20180106480A (ko) * | 2017-03-20 | 2018-10-01 | 전자부품연구원 | 2d 이미지를 이용한 고해상도 3d 뎁스 이미지 생성 장치 및 그 방법 |
US20190122429A1 (en) * | 2017-10-20 | 2019-04-25 | Arcsoft (Hangzhou) Multimedia Technology Co., Ltd. | Method and device for three-dimensional modeling |
WO2020038207A1 (en) * | 2018-08-21 | 2020-02-27 | Huawei Technologies Co., Ltd. | Binarization and normalization-based inpainting for removing text |
CN110097626A (zh) * | 2019-05-06 | 2019-08-06 | 浙江理工大学 | 一种基于rgb单目图像的浅浮雕物体识别处理方法 |
CN110443892A (zh) * | 2019-07-25 | 2019-11-12 | 北京大学 | 一种基于单张图像的三维网格模型生成方法及装置 |
CN110428432A (zh) * | 2019-08-08 | 2019-11-08 | 梅礼晔 | 结肠腺体图像自动分割的深度神经网络算法 |
CN110570442A (zh) * | 2019-09-19 | 2019-12-13 | 厦门市美亚柏科信息股份有限公司 | 一种复杂背景下轮廓检测方法、终端设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
马建设;魏云峰;苏萍;: "基于轮廓提取与深度筛选的双目三维重构技术", 计算机工程与科学, no. 04 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464378A (zh) * | 2020-11-26 | 2021-03-09 | 宝武集团马钢轨交材料科技有限公司 | 基于锻轧工艺的车轮坯形图自动生成方法、电子设备及存储介质 |
CN112464378B (zh) * | 2020-11-26 | 2024-02-09 | 宝武集团马钢轨交材料科技有限公司 | 基于锻轧工艺的车轮坯形图自动生成方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111932566B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10373380B2 (en) | 3-dimensional scene analysis for augmented reality operations | |
CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
US10424112B2 (en) | Mesh boundary smoothing | |
CN110717489B (zh) | Osd的文字区域的识别方法、装置及存储介质 | |
US9189862B2 (en) | Outline approximation for point cloud of building | |
US8289318B1 (en) | Determining three-dimensional shape characteristics in a two-dimensional image | |
KR101617059B1 (ko) | 보간을 강화한 심 연산 기반의 화상 리사이징 방법 및 시스템 | |
CN109934110B (zh) | 一种河道附近违建房屋识别方法 | |
JP6463625B2 (ja) | 画像のリサイジング | |
CN108399424B (zh) | 一种点云分类方法、智能终端及存储介质 | |
JP3078166B2 (ja) | 物体認識方法 | |
KR102158390B1 (ko) | 영상 처리 방법 및 장치 | |
Moorfield et al. | Bilateral filtering of 3D point clouds for refined 3D roadside reconstructions | |
CN111932566B (zh) | 一种模型轮廓图生成方法、装置和系统 | |
CN112598687B (zh) | 图像分割方法和装置、存储介质、电子设备 | |
CN115546027B (zh) | 图像缝合线确定方法、装置以及存储介质 | |
CN112767424B (zh) | 一种基于室内三维点云空间自动剖分方法 | |
CN115601616A (zh) | 一种样本数据生成方法、装置、电子设备和存储介质 | |
KR101715266B1 (ko) | 그래픽 가속기에 기반한 3d 모델의 라인 드로잉 방법 및 이를 이용한 프로그램이 기록된 컴퓨터 판독가능 기록매체 | |
CN115375847A (zh) | 材质恢复方法、三维模型的生成方法和模型的训练方法 | |
CN112802175B (zh) | 大规模场景遮挡剔除方法、装置、设备及存储介质 | |
Fan et al. | Collaborative three-dimensional completion of color and depth in a specified area with superpixels | |
CN112686992A (zh) | 用于智慧城市occ树的几何图形视锥体实现方法、装置及存储介质 | |
CN116468838B (zh) | 一种区域资源渲染方法、系统、计算机及可读存储介质 | |
CN112837416A (zh) | 基于三角剖分的多边形渲染方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |