CN112100417A - 三维模型识别方法 - Google Patents
三维模型识别方法 Download PDFInfo
- Publication number
- CN112100417A CN112100417A CN202010954780.9A CN202010954780A CN112100417A CN 112100417 A CN112100417 A CN 112100417A CN 202010954780 A CN202010954780 A CN 202010954780A CN 112100417 A CN112100417 A CN 112100417A
- Authority
- CN
- China
- Prior art keywords
- dimensional model
- target object
- similar
- light field
- acquiring
- 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 39
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种三维模型识别方法,包括以下步骤:对三维模型数据库进行预处理,获取所有三维模型对应的光场描述子,生成光场描述子数据库;对需要检索的目标物体进行预处理,获取该目标物体对应的目标光场描述子;将目标光场描述子与所述光场描述子数据库进行匹配,根据匹配结果确定所述目标物体对应的三维模型。本发明三维模型识别方法通过对三维模型数据库的三维模型进行预处理,获取所有三维模型对应的光场描述子以生成光场描述子数据库,对目标物体进行预处理获取对应的目标光场描述子,以将目标光场描述子与光场描述子数据库进行匹配,以确定目标物体对应的三维模型,无需关键字输入,且无需大量计算,提高检索效率和精度。
Description
技术领域
本发明涉及信息检索技术领域,尤其涉及一种三维模型识别方法。
背景技术
随着科学技术的发展,各种三维模型不断地出现并应用在社会生产生活的各个方面,而由于三维模型数据的大量增长,因此,出现了三维模型检索系统的需求,以从已有的各种三维模型数据库中快速准确地检索到自己需要的三维模型。
目前已经存在一些三维模型检索系统,如基于关键字的三维模型检索系统,但是,此类检索系统的缺陷主要是多数三维模型并没有准确的关键字描述,导致此类系统的效率非常低;如基于CAD的三维模型检索系统,但是此类检索系统的计算效率普遍较低,难以适应大型三维数据库的检索。
鉴于此,有必要提供一种三维模型识别方法以提高三维模型检索识别效率。
发明内容
本发明所要解决的技术问题提供一种三维模型识别方法以提高三维模型检索识别效率。
为解决上述技术问题,本发明采用如下所述的技术方案:一种三维模型识别方法,包括以下步骤:
对三维模型数据库进行预处理,获取所有三维模型对应的光场描述子,生成光场描述子数据库;
对需要检索的目标物体进行预处理,获取该目标物体对应的目标光场描述子;
将目标光场描述子与所述光场描述子数据库进行匹配,根据匹配结果确定所述目标物体对应的三维模型。
其进一步技术方案为:所述对三维模型数据库进行预处理,获取所有三维模型对应的光场描述子,生成光场描述子数据库的步骤包括:
从多个角度拍摄所述三维模型数据库中的三维模型,获取对应的三维模型的多个表面图片;
对每一三维模型的所有表面图片提取傅里叶描述子,并根据所述傅里叶描述子比较获取每一三维模型的所有表面图片中的类似图片;
对拍摄每一三维模型的所有表面图片中的类似图片对应的摄像机的空间坐标采用G-means方法进行聚类;
根据G-means聚类后的类别划分不同的类似区域;
提取每一类似区域的傅里叶描述子,获取每一类似区域的中心,并将类似区域的中心与三维模型连接,获取对应的三维模型的星状拓扑图;
将对应的三维模型的类似区域的傅里叶描述子及星状拓扑图组成对应的三维模型的光场描述子,将三维模型数据库中所有三维模型的光场描述子组成光场描述子数据库。
其进一步技术方案为:所述从多个角度拍摄所述三维模型数据库中的三维模型,获取对应的三维模型的多个表面图片的步骤包括:
构建一个视场球,于其球面均匀分布多个摄像头面向球心的摄像机;
将所述三维模型数据库中的三维模型置于所述视场球的球心中,通过多个摄像机拍摄获取对应的三维模型的多个表面图片。
其进一步技术方案为:所述根据G-means聚类后的类别划分不同的类似区域具体为:根据G-means聚类后的类别将视场球的球面划分为不同的类似区域。
其进一步技术方案为:所述提取每一类似区域的傅里叶描述子,获取每一类似区域的中心,并将类似区域的中心与三维模型连接,获取对应的三维模型的星状拓扑图的步骤具体为:提取每一类似区域的傅里叶描述子,获取每一类似区域的中心,并将类似区域的中心与视场球的球心连接,获取对应的三维模型的星状拓扑图。
其进一步技术方案为:所述对需要检索的目标物体进行预处理,获取该目标物体对应的目标光场描述子的步骤包括:
从多个角度拍摄所述目标物体,获取目标物体的多个表面图片;
对目标物体的所有表面图片提取傅里叶描述子,并根据所述傅里叶描述子比较获取目标物体的所有表面图片中的类似图片;
对拍摄目标物体的所有表面图片中的类似图片对应的摄像机的空间坐标采用G-means方法进行聚类;
根据G-means聚类后的类别划分不同的类似区域;
提取每一类似区域的傅里叶描述子,获取每一类似区域的中心,并将类似区域的中心与目标物体连接,获取目标物体的星状拓扑图;
将目标物体的类似区域的傅里叶描述子及星状拓扑图组成目标物体的目标光场描述子。
其进一步技术方案为:所述从多个角度拍摄所述目标物体,获取目标物体的多个表面图片的步骤包括:
构建一个视场球,于其球面均匀分布多个摄像头面向球心的摄像机;
将所述目标物体置于所述视场球的球心中,通过多个摄像机拍摄获取目标物体的多个表面图片。
其进一步技术方案为:所述根据G-means聚类后的类别划分不同的类似区域的步骤具体为:根据G-means聚类后的类别将视场球的球面划分为不同的类似区域。
其进一步技术方案为:所述将目标光场描述子与所述光场描述子数据库进行匹配,根据匹配结果确定所述目标物体对应的三维模型的步骤包括:
根据目标光场描述子获取目标物体的星状拓扑图;
将目标物体的星状拓扑图的类似区域与光场描述子数据库中的每一三维模型对应的星状拓扑图的类似区域进行比较,获取目标物体与每一三维模型的相似度;
获取相似度最高的三维模型,并将其作为所述目标物体对应的三维模型。
其进一步技术方案为:所述将目标物体的星状拓扑图的类似区域与光场描述子数据库中的每一三维模型对应的星状拓扑图的类似区域进行比较,获取目标物体与每一三维模型的相似度的步骤包括:
获取目标物体的星状拓扑图中各类似区域的面积值,并将面积值按大小排序;
获取光场描述子数据库中的每一三维模型对应的星状拓扑图的各类似区域的面积值,并将面积值按大小排序;
根据面积值的大小顺序依序分别比较目标物体与每一三维模型的各类似区域的面积比值,根据面积比值获取目标物体与每一三维模型的相似度。
本发明的有益技术效果在于:本发明三维模型识别方法通过对三维模型数据库的三维模型进行预处理,获取所有三维模型对应的光场描述子以生成光场描述子数据库,对目标物体进行预处理获取对应的目标光场描述子,以将目标光场描述子与光场描述子数据库进行匹配,以确定目标物体对应的三维模型,无需关键字输入,且无需大量计算,提高检索识别效率和精度。
附图说明
图1是本发明三维模型识别方法的流程示意图;
图2是本发明三维模型识别方法的第一子流程示意图;
图3是图2所示三维模型识别方法的第一子流程的子流程示意图;
图4是本发明三维模型识别方法的第二子流程示意图;
图5是图4所示三维模型识别方法的第二子流程的子流程示意图;
图6是本发明三维模型识别方法的第三子流程示意图;
图7是图6所示三维模型识别方法的第三子流程的子流程示意图。
具体实施方式
为使本领域的普通技术人员更加清楚地理解本发明的目的、技术方案和优点,以下结合附图和实施例对本发明做进一步的阐述。
参照图1,本发明三维模型识别方法包括以下步骤:
步骤S110、对三维模型数据库进行预处理,获取所有三维模型对应的光场描述子,生成光场描述子数据库。
步骤S120、对需要检索的目标物体进行预处理,获取该目标物体对应的目标光场描述子。
步骤S130、将目标光场描述子与所述光场描述子数据库进行匹配,根据匹配结果确定所述目标物体对应的三维模型。
其中,目标光场描述子是指目标物体的光场描述子,本发明三维模型识别方法通过对三维模型数据库的三维模型进行预处理,获取所有三维模型对应的光场描述子以生成光场描述子数据库,对目标物体进行预处理获取对应的目标光场描述子,以将目标光场描述子与光场描述子数据库进行匹配,以确定目标物体对应的三维模型,无需关键字输入,且无需大量计算,提高检索识别效率和精度。
参照图2,具体地,在本实施例中,所述步骤S110具体包括:
步骤S111、从多个角度拍摄所述三维模型数据库中的三维模型,获取对应的三维模型的多个表面图片。
步骤S112、对每一三维模型的所有表面图片提取傅里叶描述子,并根据所述傅里叶描述子比较获取每一三维模型的所有表面图片中的类似图片。
步骤S113、对拍摄每一三维模型的所有表面图片中的类似图片对应的摄像机的空间坐标采用G-means方法进行聚类。
步骤S114、根据G-means聚类后的类别划分不同的类似区域。
步骤S115、提取每一类似区域的傅里叶描述子,获取每一类似区域的中心,并将类似区域的中心与三维模型连接,获取对应的三维模型的星状拓扑图。
步骤S116、将对应的三维模型的类似区域的傅里叶描述子及星状拓扑图组成对应的三维模型的光场描述子,将三维模型数据库中所有三维模型的光场描述子组成光场描述子数据库。
其中,所述类似图片是指类似的表面图片,所述类似区域是指同一类别的类似图片对应的空间坐标所处的区域。通过获取三维模型数据库的每一三维模型的多个角度的表面图片,以获取每一三维模型的各表面图片对应的傅里叶描述子,利用各表面图片的傅里叶描述子的向量数据进行比较,获取相近的向量数据对应的表面图片为该三维模型对应的类似图片,并利用G-means算法对类似图片对应的空间坐标进行聚类,将类似图片划分为一个类别,无需进行大量计算,提高检索识别效率和精度,并通过聚类后的类别划分视场球的球面,以获取对应的类似区域,获取类似区域的傅里叶描述子,并将球心与各类似区域的中心相连,以获取三维模型的星状拓扑图。将对应的三维模型的类似区域的傅里叶描述子及星状拓扑图组成对应的三维模型的光场描述子,将三维模型数据库中所有三维模型的光场描述子组成光场描述子数据库,以通过生成新的特征数据库以提高检索识别效率和精确度。
参照图3,具体地,在本实施例中,所述步骤S111具体包括:
步骤S1111、构建一个视场球,于其球面均匀分布多个摄像头面向球心的摄像机。
步骤S1112、将所述三维模型数据库中的三维模型置于所述视场球的球心中,通过多个摄像机拍摄获取对应的三维模型的多个表面图片。
相应地,所述步骤S114具体为:根据G-means聚类后的类别将视场球的球面划分为不同的类似区域。
所述步骤S115具体为:提取每一类似区域的傅里叶描述子,获取每一类似区域的中心,并将类似区域的中心与视场球的球心连接,获取对应的三维模型的星状拓扑图。
参照图4,具体地,在本实施例中,所述步骤S120具体包括:
步骤S121、从多个角度拍摄所述目标物体,获取目标物体的多个表面图片。
步骤S122、对目标物体的所有表面图片提取傅里叶描述子,并根据所述傅里叶描述子比较获取目标物体的所有表面图片中的类似图片。
步骤S123、对拍摄目标物体的所有表面图片中的类似图片对应的摄像机的空间坐标采用G-means方法进行聚类。
步骤S124、根据G-means聚类后的类别划分不同的类似区域。
步骤S125、提取每一类似区域的傅里叶描述子,获取每一类似区域的中心,并将类似区域的中心与目标物体连接,获取目标物体的星状拓扑图。
步骤S126、将目标物体的类似区域的傅里叶描述子及星状拓扑图组成目标物体的目标光场描述子。
其中,通过获取目标物体的多个角度的表面图片,以获取目标物体的各表面图片对应的傅里叶描述子,利用各表面图片的傅里叶描述子的向量数据进行比较,获取相近的向量数据对应的表面图片为该目标物体对应的类似图片,并利用G-means算法对类似图片对应的空间坐标进行聚类,将类似图片划分为一个类别,无需进行大量计算,提高检索识别效率和精度,并通过聚类后的类别划分视场球的球面,以获取对应的类似区域,获取类似区域的傅里叶描述子,并将球心与各类似区域的中心相连,以获取目标物体的星状拓扑图。
结合图5,具体地,在本实施例中,所述步骤S121包括:
步骤S1211、构建一个视场球,于其球面均匀分布多个摄像头面向球心的摄像机。
步骤S1212、将所述目标物体置于所述视场球的球心中,通过多个摄像机拍摄获取目标物体的多个表面图片。
相应地,所述步骤S124具体为:根据G-means聚类后的类别将视场球的球面划分为不同的类似区域。
所述步骤S125具体为:提取每一类似区域的傅里叶描述子,获取每一类似区域的中心,并将类似区域的中心与视场球的球心连接,获取目标物体的星状拓扑图。
其中,通过构建视场球以获取位于球心的三维模型及目标物体的多个角度的表面图片,可使其拍摄角度及拍摄标准一致,无需进行大量计算,节省检索识别时间,提高检索识别效率。
参照图6,在本实施例中,所述步骤S130具体包括:
步骤S131、据目标光场描述子获取目标物体的星状拓扑图。
步骤S132、将目标物体的星状拓扑图的类似区域与光场描述子数据库中的每一三维模型对应的星状拓扑图的类似区域进行比较,获取目标物体与每一三维模型的相似度。
步骤S133、获取相似度最高的三维模型,并将其作为所述目标物体对应的三维模型。
其中,通过面积比值进行相似度比较,简单快捷,可有效提高检索识别的效率。
结合图7,优选地,所述步骤S132具体包括:
步骤S1321、获取目标物体的星状拓扑图中各类似区域的面积值,并将面积值按大小排序。
步骤S1322、获取光场描述子数据库中的每一三维模型对应的星状拓扑图的各类似区域的面积值,并将面积值按大小排序。
步骤S1323、根据面积值的大小顺序依序分别比较目标物体与每一三维模型的各类似区域的面积比值,根据面积比值获取目标物体与每一三维模型的相似度。
其中,通过将面积值按大小排序后再进行面积值比较,以先通过面积值大小顺序确定三维模型与目标物体的方向的一致性,提高检索识别的准确度,避免由于放置方向的不同导致的检索识别错误。
综上所述,本发明三维模型识别方法通过对三维模型数据库的三维模型进行预处理,获取所有三维模型对应的光场描述子以生成光场描述子数据库,对目标物体进行预处理获取对应的目标光场描述子,以将目标光场描述子与光场描述子数据库进行匹配,以确定目标物体对应的三维模型,无需关键字输入,且无需大量计算,通过构建视场球,分别获取位于球心的目标物体及三维模型数据库的每一三维模型的多个角度的表面图片,获取对应的傅里叶描述子,以获取对应的类似图片,并利用G-means算法对类似图片对应的空间坐标进行聚类,无需进行大量计算,提高检索识别效率和精度,并通过聚类后的类别划分视场球的球面,以获取对应的类似区域,根据类似区域的面积进行相似度比较,获取相似度最高的三维模型作为目标物体的三维模型,以实现三维模型检索识别,操作简便,精度高,检索识别效率高。
以上所述仅为本发明的优选实施例,而非对本发明做任何形式上的限制。本领域的技术人员可在上述实施例的基础上施以各种等同的更改和改进,凡在权利要求范围内所做的等同变化或修饰,均应落入本发明的保护范围之内。
Claims (10)
1.一种三维模型识别方法,其特征在于,包括以下步骤:
对三维模型数据库进行预处理,获取所有三维模型对应的光场描述子,生成光场描述子数据库;
对需要检索的目标物体进行预处理,获取该目标物体对应的目标光场描述子;
将目标光场描述子与所述光场描述子数据库进行匹配,根据匹配结果确定所述目标物体对应的三维模型。
2.如权利要求1所述的三维模型识别方法,其特征在于,所述对三维模型数据库进行预处理,获取所有三维模型对应的光场描述子,生成光场描述子数据库的步骤包括:
从多个角度拍摄所述三维模型数据库中的三维模型,获取对应的三维模型的多个表面图片;
对每一三维模型的所有表面图片提取傅里叶描述子,并根据所述傅里叶描述子比较获取每一三维模型的所有表面图片中的类似图片;
对拍摄每一三维模型的所有表面图片中的类似图片对应的摄像机的空间坐标采用G-means方法进行聚类;
根据G-means聚类后的类别划分不同的类似区域;
提取每一类似区域的傅里叶描述子,获取每一类似区域的中心,并将类似区域的中心与三维模型连接,获取对应的三维模型的星状拓扑图;
将对应的三维模型的类似区域的傅里叶描述子及星状拓扑图组成对应的三维模型的光场描述子,将三维模型数据库中所有三维模型的光场描述子组成光场描述子数据库。
3.如权利要求2所述的三维模型识别方法,其特征在于,所述从多个角度拍摄所述三维模型数据库中的三维模型,获取对应的三维模型的多个表面图片的步骤包括:
构建一个视场球,于其球面均匀分布多个摄像头面向球心的摄像机;
将所述三维模型数据库中的三维模型置于所述视场球的球心中,通过多个摄像机拍摄获取对应的三维模型的多个表面图片。
4.如权利要求3所述的三维模型识别方法,其特征在于,所述根据G-means聚类后的类别划分不同的类似区域具体为:根据G-means聚类后的类别将视场球的球面划分为不同的类似区域。
5.如权利要求4所述的三维模型识别方法,其特征在于,所述提取每一类似区域的傅里叶描述子,获取每一类似区域的中心,并将类似区域的中心与三维模型连接,获取对应的三维模型的星状拓扑图的步骤具体为:
提取每一类似区域的傅里叶描述子,获取每一类似区域的中心,并将类似区域的中心与视场球的球心连接,获取对应的三维模型的星状拓扑图。
6.如权利要求2所述的三维模型识别方法,其特征在于,所述对需要检索的目标物体进行预处理,获取该目标物体对应的目标光场描述子的步骤包括:
从多个角度拍摄所述目标物体,获取目标物体的多个表面图片;
对目标物体的所有表面图片提取傅里叶描述子,并根据所述傅里叶描述子比较获取目标物体的所有表面图片中的类似图片;
对拍摄目标物体的所有表面图片中的类似图片对应的摄像机的空间坐标采用G-means方法进行聚类;
根据G-means聚类后的类别划分不同的类似区域;
提取每一类似区域的傅里叶描述子,获取每一类似区域的中心,并将类似区域的中心与目标物体连接,获取目标物体的星状拓扑图;
将目标物体的类似区域的傅里叶描述子及星状拓扑图组成目标物体的目标光场描述子。
7.如权利要求6所述的三维模型识别方法,其特征在于,所述从多个角度拍摄所述目标物体,获取目标物体的多个表面图片的步骤包括:
构建一个视场球,于其球面均匀分布多个摄像头面向球心的摄像机;
将所述目标物体置于所述视场球的球心中,通过多个摄像机拍摄获取目标物体的多个表面图片。
8.如权利要求7所述的三维模型识别方法,其特征在于,所述根据G-means聚类后的类别划分不同的类似区域的步骤具体为:根据G-means聚类后的类别将视场球的球面划分为不同的类似区域。
9.如权利要求6所述的三维模型识别方法,其特征在于,所述将目标光场描述子与所述光场描述子数据库进行匹配,根据匹配结果确定所述目标物体对应的三维模型的步骤包括:
根据目标光场描述子获取目标物体的星状拓扑图;
将目标物体的星状拓扑图的类似区域与光场描述子数据库中的每一三维模型对应的星状拓扑图的类似区域进行比较,获取目标物体与每一三维模型的相似度;
获取相似度最高的三维模型,并将其作为所述目标物体对应的三维模型。
10.如权利要求9所述的三维模型识别方法,其特征在于,所述将目标物体的星状拓扑图的类似区域与光场描述子数据库中的每一三维模型对应的星状拓扑图的类似区域进行比较,获取目标物体与每一三维模型的相似度的步骤包括:
获取目标物体的星状拓扑图中各类似区域的面积值,并将面积值按大小排序;
获取光场描述子数据库中的每一三维模型对应的星状拓扑图的各类似区域的面积值,并将面积值按大小排序;
根据面积值的大小顺序依序分别比较目标物体与每一三维模型的各类似区域的面积比值,根据面积比值获取目标物体与每一三维模型的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010954780.9A CN112100417B (zh) | 2020-09-11 | 2020-09-11 | 三维模型识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010954780.9A CN112100417B (zh) | 2020-09-11 | 2020-09-11 | 三维模型识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112100417A true CN112100417A (zh) | 2020-12-18 |
CN112100417B CN112100417B (zh) | 2024-04-30 |
Family
ID=73750987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010954780.9A Active CN112100417B (zh) | 2020-09-11 | 2020-09-11 | 三维模型识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112100417B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102693285A (zh) * | 2012-05-11 | 2012-09-26 | 北京师范大学 | 一种基于形状认知的三维建筑模型匹配与检索的方法 |
CN106469216A (zh) * | 2016-09-07 | 2017-03-01 | 北京拓扑视景科技有限公司 | 一种三维模型检索方法及装置 |
CN108009576A (zh) * | 2017-11-28 | 2018-05-08 | 中国地质大学(武汉) | 一种目标匹配的物体识别方法、设备及存储设备 |
-
2020
- 2020-09-11 CN CN202010954780.9A patent/CN112100417B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102693285A (zh) * | 2012-05-11 | 2012-09-26 | 北京师范大学 | 一种基于形状认知的三维建筑模型匹配与检索的方法 |
CN106469216A (zh) * | 2016-09-07 | 2017-03-01 | 北京拓扑视景科技有限公司 | 一种三维模型检索方法及装置 |
CN108009576A (zh) * | 2017-11-28 | 2018-05-08 | 中国地质大学(武汉) | 一种目标匹配的物体识别方法、设备及存储设备 |
Non-Patent Citations (1)
Title |
---|
KE DING等: "A Probabilistic 3D Model Retrieval System Using Sphere Image", ACCV 2012, pages 1 - 12 * |
Also Published As
Publication number | Publication date |
---|---|
CN112100417B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960140B (zh) | 基于多区域特征提取和融合的行人再识别方法 | |
US8798357B2 (en) | Image-based localization | |
WO2018137358A1 (zh) | 基于深度度量学习的目标精确检索方法 | |
Kazmi et al. | A survey of 2D and 3D shape descriptors | |
EP2805262B1 (en) | Image index generation based on similarities of image features | |
Gao et al. | View-based 3D object retrieval: challenges and approaches | |
US8274508B2 (en) | Method for representing objects with concentric ring signature descriptors for detecting 3D objects in range images | |
CN108764157B (zh) | 基于法向量高斯分布的建筑物激光脚点提取方法及系统 | |
CN110490915B (zh) | 一种基于卷积受限玻尔兹曼机的点云配准方法 | |
Daras et al. | Investigating the effects of multiple factors towards more accurate 3-D object retrieval | |
CN106874421A (zh) | 基于自适应矩形窗口的图像检索方法 | |
CN111078916A (zh) | 一种基于多层次特征对齐网络的跨域三维模型检索方法 | |
CN111797269A (zh) | 基于多级视图关联卷积网络的多视图三维模型检索方法 | |
CN109284409B (zh) | 基于大规模街景数据的图片组地理定位方法 | |
CN110633749A (zh) | 基于改进视点特征直方图的三维点云识别方法 | |
CN111597367B (zh) | 基于视图和哈希算法的三维模型检索方法 | |
CN112100417B (zh) | 三维模型识别方法 | |
Srivastava et al. | Drought stress classification using 3D plant models | |
Yuan et al. | Automatic cables segmentation from a substation device based on 3D point cloud | |
CN113327282A (zh) | 一种办公转椅打孔位置与连接点识别方法 | |
Jiang et al. | Efficient Match Pair Retrieval for Large-scale UAV Images via Graph Indexed Global Descriptor | |
CN102402575A (zh) | 一种基于形状的海量图像数据快速检索方法 | |
CN110807810A (zh) | 基于三维点云的拆卸产品结构机器人视觉识别方法 | |
CN116701698B (zh) | 基于向量检索技术的模型检索方法、装置、介质及设备 | |
CN117113321B (zh) | 一种以脸搜脸的图像搜索方法及系统 |
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 |