CN112966327B - 基于空间关联关系的三维室内场景生成方法及系统 - Google Patents
基于空间关联关系的三维室内场景生成方法及系统 Download PDFInfo
- Publication number
- CN112966327B CN112966327B CN202110287645.8A CN202110287645A CN112966327B CN 112966327 B CN112966327 B CN 112966327B CN 202110287645 A CN202110287645 A CN 202110287645A CN 112966327 B CN112966327 B CN 112966327B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- spatial
- indoor scene
- dimensional space
- space model
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
Abstract
本发明提供一种基于空间关联关系的三维室内场景生成方法及系统,该方法包括:获取多个三维空间模型实例;根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区;根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景。本发明通过结合完全空间随机性测试,测量三维室内场景中每个家具对象之间的空间关系强度,从而根据该空间关系强度,将各个家具的三维空间模型实例构建为更合理的功能区,并通过预设的离散关联关系,对功能区中的家具对象进行快速布局,从而生成更为准确三维室内场景。
Description
技术领域
本发明涉及计算机图形学与人工智能技术领域,尤其涉及一种基于空间关联关系的三维室内场景生成方法及系统。
背景技术
三维室内场景布置是自动排列家具对象,有利于各种应用,包括视频游戏、虚拟现实、家居装饰,甚至可以创建用于三维场景理解的数据集。随着3D室内场景的各种数据集的出现,家具对象的排列技术已经转向数据驱动的方法,即建模优先,表达现有家具对象布局的策略。
然而,三维室内场景布置在各个方面都存在着固有的困难。首先,在复杂的高维空间中,连续或离散地参数化家具布局是不可避免的。一些工作试图将布局简化为独立的集团或子集;然而,它们的基础度量依赖于“共现”,这仅仅是计算共存频率,频繁的共现并不一定意味着家具对象之间的强烈空间关系,换言之,纯粹基于共现的合成可能会产生奇怪的结果。其次,由于布局的策略数不胜数,所以需要详尽地列出所有可能存在的空间关系的对象,或在数学上为它们建立统一而精确的模型。例如,Chang等人规定了一组特定的可能关系,如“支持”、“右”和“前”等,这些关系基本上限制了各种可能合成的场景。因此,要用多个模式对空间关系进行建模,一种常见的方法是将观察到的布局与模型相匹配,然而,“拟合模型”可能会引入噪声并受到噪声的影响,特别是当潜在模式不满足模型的假设时,例如,常用的高斯混合模型(Gaussian Mixture Model,简称GMM)和卷积神经网络(Convolutional Neural Networks,简称CNN)等。
因此,现在亟需一种基于空间关联关系的三维室内场景生成方法及系统来解决上述问题。
发明内容
针对现有技术存在的问题,本发明提供一种基于空间关联关系的三维室内场景生成方法及系统。
本发明提供一种基于空间关联关系的三维室内场景生成方法,包括:
获取多个三维空间模型实例;
根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区;
根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景。
根据本发明提供的一种基于空间关联关系的三维室内场景生成方法,在所述根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区之前,所述方法还包括:
获取多个样本三维空间模型实例,并获取每两个样本三维空间模型实例在样本三维室内场景中的共同出现次数和模型实例相对位置;
根据所述共同出现次数和所述模型实例相对位置,通过完全空间随机性测试,得到样本三维空间模型实例之间的完全空间随机化度量值,以根据所述完全空间随机化度量值构建得到预设先验度量。
根据本发明提供的一种基于空间关联关系的三维室内场景生成方法,所述根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区,包括:
根据预设先验度量,获取三维空间模型实例之间的完全空间随机化度量值;
对所述完全空间随机化度量值进行判断,若满足预设阈值,则将对应的三维空间模型实例划分到同一个功能区。
根据本发明提供的一种基于空间关联关系的三维室内场景生成方法,在所述根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景之前,所述方法还包括:
获取样本三维空间模型实例在样本三维室内场景中各个房间的空间相对位置和空间相对朝向;
基于密度峰聚类算法,根据所述空间相对位置和所述空间相对朝向,获取满足预设条件的目标数据点;
根据所述目标数据点,构建预设先验模板。
根据本发明提供的一种基于空间关联关系的三维室内场景生成方法,在所述基于密度峰聚类算法,根据所述空间相对位置和所述空间相对朝向,获取满足预设条件的目标数据点之后,所述方法还包括:
通过豪斯多夫度量和基于位置模拟算法,对所述目标数据点进行迭代优化处理,当满足预设迭代次数之后,得到优化处理后的目标数据点。
根据本发明提供的一种基于空间关联关系的三维室内场景生成方法,所述根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景,包括:
根据预设先验模板,对每个功能区内部的三维空间模型实例进行布局,并基于物理约束,对功能区之间进行布局。
根据本发明提供的一种基于空间关联关系的三维室内场景生成方法,所述根据预设先验模板,对每个功能区内部的三维空间模型实例进行布局,并基于物理约束,对功能区之间进行布局,包括:
根据所述预设先验模板和所述物理约束,构建先验布局公式,所述先验布局公式为:
其中,X表示所有三维空间模型实例的当前变换,Xi表示第i个三维空间模型实例的当前变换,k表示三维空间模型实例的第k个点,R表示房间形状各个点的集合;r表示索引到墙体上的第r个点,r和r+1共同表示一面墙;l表示索引到三维空间模型实例上的第l个点;tR用于判断输入的任意一个点是否在由其他两个点连成直线的左边,tL用于判断输入的任意一个点是否在由其他两个点连成直线的右边,表示第i个三维空间模型实例和第j个三维空间模型实例之间的完全空间随机化度量值,dH表示豪斯多夫度量,Col表示物理约束,Colwall表示物体与墙体的约束,Colobj表示物体之间的物理约束,p表示取点操作,表示第i个三维空间模型实例相对第j个三维空间模型实例的先验集合,Ep表示全部学习到的先验;
根据所述先验布局公式,对所述多个功能区进行布局,生成对应的三维室内场景。
本发明还提供一种基于空间关联关系的三维室内场景生成系统,包括:
模型实例获取模块,用于获取多个三维空间模型实例;
功能区划分模块,用于根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区;
三维室内场景构建模块,用于根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述基于空间关联关系的三维室内场景生成方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于空间关联关系的三维室内场景生成方法的步骤。
本发明提供的基于空间关联关系的三维室内场景生成方法及系统,通过结合完全空间随机性测试,测量三维室内场景中每个家具对象之间的空间关系强度,从而根据该空间关系强度,将各个家具的三维空间模型实例构建为更合理的功能区,并通过预设的离散关联关系,对功能区中的家具对象进行快速布局,从而生成更为准确三维室内场景。
附图说明
为了更清楚地说明本发明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作一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于空间关联关系的三维室内场景生成方法的流程示意图;
图2为本发明提供的完全空间随机化测试的效果示意图;
图3为本发明提供的基于空间关联关系的三维室内场景生成系统的结构示意图;
图4为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
图1为本发明提供的基于空间关联关系的三维室内场景生成方法的流程示意图,如图1所示,本发明提供了一种基于空间关联关系的三维室内场景生成方法,包括:
步骤101,获取多个三维空间模型实例。
在本发明中,三维空间模型实例是以家具在三维室内场景中的布置进行说明,布置完成的三维室内场景可应用于视频游戏、虚拟现实和家居装饰等。在进行三维室内场景的自动生成过程之前,首先获取用于构建目标三维室内场景所需的多个三维空间模型实例,以构建得到对应的实例集合,这些三维空间模型实例可根据实际进行选取,例如,床、床头柜、茶几、餐桌、衣柜和电视柜等。
步骤102,根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区。
在本发明中,在获取到一批关于家具的三维空间模型实例之后,通过预设先验度量,对每个三维空间模型实例之间的的空间关联关系的强弱进行度量。具体地,在本发明中,利用完全空间随机性(Complete Spatial Randomness,简称CSR)测试,测量物体之间空间关系强度。CSR测试描述了生成一组事件的可能性,即平面泊松过程,直观地说,该测试衡量了预设模式在一组点中存在的明显程度,因此,将具有高测量值的对象倾向于分组和排列在一起,从而根据CSR测试结果对三维空间模型实例间的层级关系进行建立。进一步地,本发明根据预设先验度量,在输入的三维空间模型实例集合中找到一批互相之间度量值均达到预设阈值的实例作为一个功能区,并找到一个度量之和最高的实例作为功能区中的主物体,例如,将床作为功能区的主物体,作为该功能区中的其他物体,与床之间存在较高的度量值(且一定满足预设阈值),从而构建得到一个功能区;而未通过CSR测试的对象将被忽略,即使它们有很高的共现性。
步骤103,根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景。
在本发明中,基于预设先验模板,对每个功能区内部进行布局,其中,预设先验模板是基于密度峰聚类算法,根据样本三维空间模型实例在样本三维室内场景中各个房间的空间相对位置和空间相对朝向,生成多种不同的布局框架构建得到的;然后在预设先验模板中,输入已通过空间关联关系划分得到的功能区,从而对每个功能区内部的三维空间模型实例进行布局。进一步地,在本发明中,通过物理约束对每个功能区之间的关系进行优化布局,最终生成三维室内场景。
本发明提供的基于空间关联关系的三维室内场景生成方法,通过结合完全空间随机性测试,测量三维室内场景中每个家具对象之间的空间关系强度,从而根据该空间关系强度,将各个家具的三维空间模型实例构建为更合理的功能区,并通过预设的离散关联关系,对功能区中的家具对象进行快速布局,从而生成更为准确三维室内场景。
在上述实施例的基础上,在所述根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区之前,所述方法还包括:
获取多个样本三维空间模型实例,并获取每两个样本三维空间模型实例在样本三维室内场景中的共同出现次数和模型实例相对位置。
在本发明中,预设先验度量通过完全空间随机化度量(Tests for SpatialRandomness),度量物体间(每个三维空间模式实例之间)的空间关联关系的强弱。实验证明,通过完全空间随机化度量对物体关系强弱进行度量,其得到的关联准确性高于传统的共生关系(Co-Occorrence)。
根据所述共同出现次数和所述模型实例相对位置,通过完全空间随机性测试,得到样本三维空间模型实例之间的完全空间随机化度量值,以根据所述完全空间随机化度量值构建得到预设先验度量。
在本发明中,在样本数据集中(通过样本三维空间模型实例和样本三维室内场景构建的),统计两个物体间的共同出现次数与模型实例相对位置,然后将这些数据整理后,统一输入到CSR测试中,经过多轮迭代,得到每个物体间的度量结果D,从而获取预设先验度量,具体地,在本发明中,可通过以下公式获取得到度量结果:
其中,d表示度量结果,x表示各个数据点,Fm表示经验分布函数,F表示概率累计函数,ε表示度量阈值,m表示数据点的数量,sup表示去取上界,上述公式整体度量了两个分布之间的差距大小。
在上述实施例的基础上,所述根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区,包括:
根据预设先验度量,获取三维空间模型实例之间的完全空间随机化度量值;
对所述完全空间随机化度量值进行判断,若满足预设阈值,则将对应的三维空间模型实例划分到同一个功能区。
在本发明中,在实际的三维室内场景生成的应用中,基于预设先验度量,从中获取每个三维空间模型实例之间的完全空间随机化度量值,然后对该完全空间随机化度量值进行判断,若满足预设阈值,则将对应的三维空间模型实例划分到同一个功能区。具体地,图2为本发明提供的完全空间随机化测试的效果示意图,可参考图2所示,在本发明中,预设阈值d设置为1.628,例如,床与床头柜之间的完全空间随机化度量值为2.47(不同类型的床与床头柜之间的完全空间随机化度量值存在一定的浮动范围),说明这两个物体可以划分到同一个功能区;衣柜和茶几之间的完全空间随机化度量值为1.12,说明这两个物体大概率不属于同一个功能区。
在上述实施例的基础上,在所述根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景之前,所述方法还包括:
获取样本三维空间模型实例在样本三维室内场景中各个房间的空间相对位置和空间相对朝向;
基于密度峰聚类算法,根据所述空间相对位置和所述空间相对朝向,获取满足预设条件的目标数据点;
根据所述目标数据点,构建预设先验模板。
在本发明中,基于密度峰聚类算法(Density Peak Clustering,简称DPC)对样本三维空间模型实例之间进行形状任意的先验提取。具体地,获取样本三维空间模型实例之间在各个房间中出现的空间相对位置与空间相对朝向,例如,床相对于房间中的电视柜或床头柜的位置以及朝向;然后,基于DPC,对空间相对位置与空间相对朝向进行筛选与精炼,即去除其中的错误与不合理的布局(移除数据集中的异常点);然后,直接将剩余的数据作为“离散先验”,每一个数据都表示一个“精确”的转换,包括密度峰值聚类;最后,得到一批适用的目标数据点,生成各种布局框架,并且对于目标数据点的原始概率分布不需要任何提前假设。
在上述实施例的基础上,在所述基于密度峰聚类算法,根据所述空间相对位置和所述空间相对朝向,获取满足预设条件的目标数据点之后,所述方法还包括:
通过豪斯多夫度量和基于位置模拟算法,对所述目标数据点进行迭代优化处理,当满足预设迭代次数之后,得到优化处理后的目标数据点。
在本发明中,通过豪斯多夫度量(Hausdorff)与基于位置模拟算法(Position-Based)对布局框架场景进行迭代优化。具体地,基于样本三维室内场景中房间的几何形状,根据提取的先验信息(功能区)将输入对象(目标数据点)分成不相交的组,使得每个布局框架包括一批三维空间变换的集合,并且降低了计算复杂度。在优化时,每个布局框架中对应的两个物体(模型实例)之间的模板(可理解为成对的Hausdorff距离,在物理上类似于匹配每个物体的先验模板)要匹配对方的三维空间变换,并根据物体的三维空间变换与模板的差距得到优化的梯度,然后进行下一轮迭代优化,直到达到预设迭代次数后,得到优化处理后的目标数据点。
本发明基于豪斯多夫度量来优化家具布置,从而处理预先得到离散先验,达到快速构建预设先验模板,进一步地加快最终的三维室内场景的生成。
在上述实施例的基础上,所述根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景,包括:
根据预设先验模板,对每个功能区内部的三维空间模型实例进行布局,并基于物理约束,对功能区之间进行布局。
在上述实施例的基础上,所述根据预设先验模板,对每个功能区内部的三维空间模型实例进行布局,并基于物理约束,对功能区之间进行布局,包括:
根据所述预设先验模板和所述物理约束,构建先验布局公式,所述先验布局公式为:
其中,X表示所有三维空间模型实例的当前变换,例如平移、旋转等,Xi表示第i个三维空间模型实例的当前变换,k表示三维空间模型实例的第k个点,R表示房间形状各个点的集合;r表示索引到墙体上的第r个点,r和r+1共同表示一面墙;l表示索引到三维空间模型实例上的第l个点;tR用于判断输入的任意一个点是否在由其他两个点连成直线的左边,tL用于判断输入的任意一个点是否在由其他两个点连成直线的右边,即判断输入的某一个点在由另外两个点连成直线的左边还是右边;当tR的结果在右边时则返回0,即满足物体(三维空间模型实例)在墙内的约束,tL的结果如果在左边则返回0,即满足物体之间不在对方内部的物理约束;表示第i个三维空间模型实例和第j个三维空间模型实例之间的完全空间随机化度量值,dH表示豪斯多夫度量,Col表示物理约束,Colwall表示物体与墙体的约束,Colobj表示物体之间的物理约束;p表示取点操作,例如,输入p(Xi,k)表示取第i个三维空间模型实例在当前变换下的第k个点;表示第i个三维空间模型实例相对第j个三维空间模型实例的先验集合,该先验集合可理解为一个模板,两个物体(三维空间模型实例)之间的先验是一个离散的集合;Ep表示全部学习到的先验;
根据所述先验布局公式,对所述多个功能区进行布局,生成对应的三维室内场景。
在本发明中,首先根据学习好的空间关系强弱度量,对物体进行功能区的划分,功能区之间的关系较弱、功能区内部物体间关系较为内聚。对于每个功能区内部,会应用先验模板进行布局,功能区之间的关系则会基于物理约束来优化。
图3为本发明提供的基于空间关联关系的三维室内场景生成系统的结构示意图,如图3所示,本发明提供了一种基于空间关联关系的三维室内场景生成系统,包括模型实例获取模块301、功能区划分模块302和三维室内场景构建模块303,其中,模型实例获取模块301用于获取多个三维空间模型实例;功能区划分模块302用于根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区;三维室内场景构建模块303用于根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景。
本发明提供的基于空间关联关系的三维室内场景生成系统,通过结合完全空间随机性测试,测量三维室内场景中每个家具对象之间的空间关系强度,从而根据该空间关系强度,将各个家具的三维空间模型实例构建为更合理的功能区,并通过预设的离散关联关系,对功能区中的家具对象进行快速布局,从而生成更为准确三维室内场景。
本发明实施例提供的系统是用于执行上述各方法实施例的,具体流程和详细内容请参照上述实施例,此处不再赘述。
图4为本发明提供的电子设备的结构示意图,如图4所示,该电子设备可以包括:处理器(processor)401、通信接口(CommunicationsInterface)402、存储器(memory)403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储器403中的逻辑指令,以执行基于空间关联关系的三维室内场景生成方法,该方法包括:获取多个三维空间模型实例;根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区;根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景。
此外,上述的存储器403中的逻辑指令可以通过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所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的基于空间关联关系的三维室内场景生成方法,该方法包括:获取多个三维空间模型实例;根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区;根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的基于空间关联关系的三维室内场景生成方法,该方法包括:获取多个三维空间模型实例;根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区;根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景。
以上所描述的装置实施例仅仅是示意性的,其中所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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于空间关联关系的三维室内场景生成方法,其特征在于,包括:
获取多个三维空间模型实例;
根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区;
根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景;
在所述根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区之前,所述方法还包括:
获取多个样本三维空间模型实例,并获取每两个样本三维空间模型实例在样本三维室内场景中的共同出现次数和模型实例相对位置;
根据所述共同出现次数和所述模型实例相对位置,通过完全空间随机性测试,得到样本三维空间模型实例之间的完全空间随机化度量值,以根据所述完全空间随机化度量值构建得到预设先验度量;
在所述根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景之前,所述方法还包括:
获取样本三维空间模型实例在样本三维室内场景中各个房间的空间相对位置和空间相对朝向;
基于密度峰聚类算法,根据所述空间相对位置和所述空间相对朝向,获取满足预设条件的目标数据点;
根据所述目标数据点,构建预设先验模板。
2.根据权利要求1所述的基于空间关联关系的三维室内场景生成方法,其特征在于,所述根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区,包括:
根据预设先验度量,获取三维空间模型实例之间的完全空间随机化度量值;
对所述完全空间随机化度量值进行判断,若满足预设阈值,则将对应的三维空间模型实例划分到同一个功能区。
3.根据权利要求1所述的基于空间关联关系的三维室内场景生成方法,其特征在于,在所述基于密度峰聚类算法,根据所述空间相对位置和所述空间相对朝向,获取满足预设条件的目标数据点之后,所述方法还包括:
通过豪斯多夫度量和基于位置模拟算法,对所述目标数据点进行迭代优化处理,当满足预设迭代次数之后,得到优化处理后的目标数据点。
4.根据权利要求1所述的基于空间关联关系的三维室内场景生成方法,其特征在于,所述根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景,包括:
根据预设先验模板,对每个功能区内部的三维空间模型实例进行布局,并基于物理约束,对功能区之间进行布局。
5.根据权利要求4所述的基于空间关联关系的三维室内场景生成方法,其特征在于,所述根据预设先验模板,对每个功能区内部的三维空间模型实例进行布局,并基于物理约束,对功能区之间进行布局,包括:
根据所述预设先验模板和所述物理约束,构建先验布局公式,所述先验布局公式为:
其中,X表示所有三维空间模型实例的当前变换,Xi表示第i个三维空间模型实例的当前变换,k表示三维空间模型实例的第k个点,R表示房间形状各个点的集合;r表示索引到墙体上的第r个点,r和r+1共同表示一面墙;l表示索引到三维空间模型实例上的第l个点;tR用于判断输入的任意一个点是否在由其他两个点连成直线的左边,tL用于判断输入的任意一个点是否在由其他两个点连成直线的右边,表示第i个三维空间模型实例和第j个三维空间模型实例之间的完全空间随机化度量值,dH表示豪斯多夫度量,Col表示物理约束,Colwall表示物体与墙体的约束,Colobj表示物体之间的物理约束,p表示取点操作,表示第i个三维空间模型实例相对第j个三维空间模型实例的先验集合,Ep表示全部学习到的先验;
根据所述先验布局公式,对所述多个功能区进行布局,生成对应的三维室内场景。
6.一种基于空间关联关系的三维室内场景生成系统,其特征在于,包括:
模型实例获取模块,用于获取多个三维空间模型实例;
功能区划分模块,用于根据预设先验度量,对所述多个三维空间模型实例进行空间关联关系划分,得到由三维空间模型实例构建的多个功能区;
三维室内场景构建模块,用于根据预设先验模板,对所述多个功能区进行布局,生成对应的三维室内场景:
所述系统还用于:
获取多个样本三维空间模型实例,并获取每两个样本三维空间模型实例在样本三维室内场景中的共同出现次数和模型实例相对位置;
根据所述共同出现次数和所述模型实例相对位置,通过完全空间随机性测试,得到样本三维空间模型实例之间的完全空间随机化度量值,以根据所述完全空间随机化度量值构建得到预设先验度量;
所述系统还用于:
获取样本三维空间模型实例在样本三维室内场景中各个房间的空间相对位置和空间相对朝向;
基于密度峰聚类算法,根据所述空间相对位置和所述空间相对朝向,获取满足预设条件的目标数据点;
根据所述目标数据点,构建预设先验模板。
7.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述基于空间关联关系的三维室内场景生成方法的步骤。
8.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于空间关联关系的三维室内场景生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110287645.8A CN112966327B (zh) | 2021-03-17 | 2021-03-17 | 基于空间关联关系的三维室内场景生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110287645.8A CN112966327B (zh) | 2021-03-17 | 2021-03-17 | 基于空间关联关系的三维室内场景生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112966327A CN112966327A (zh) | 2021-06-15 |
CN112966327B true CN112966327B (zh) | 2022-09-16 |
Family
ID=76278994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110287645.8A Active CN112966327B (zh) | 2021-03-17 | 2021-03-17 | 基于空间关联关系的三维室内场景生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112966327B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116663130B (zh) * | 2023-08-01 | 2024-02-09 | 深圳大晟建设集团有限公司 | 一种基于物联网的多维数据模型信息管理系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737409A (zh) * | 2012-06-28 | 2012-10-17 | 北京中科广视科技有限公司 | 一种三维虚拟室内设计方案的生成方法 |
CN105513127A (zh) * | 2015-12-25 | 2016-04-20 | 武汉大学 | 基于密度峰值聚类的杆状物规则化三维建模方法及系统 |
CN110189399A (zh) * | 2019-04-26 | 2019-08-30 | 浙江大学 | 一种室内三维布局重建的方法及系统 |
CN110363849A (zh) * | 2018-04-11 | 2019-10-22 | 株式会社日立制作所 | 一种室内三维建模方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107369203B (zh) * | 2017-07-14 | 2020-04-28 | 北京航空航天大学 | 室内三维场景自适应构建方法及装置 |
-
2021
- 2021-03-17 CN CN202110287645.8A patent/CN112966327B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737409A (zh) * | 2012-06-28 | 2012-10-17 | 北京中科广视科技有限公司 | 一种三维虚拟室内设计方案的生成方法 |
CN105513127A (zh) * | 2015-12-25 | 2016-04-20 | 武汉大学 | 基于密度峰值聚类的杆状物规则化三维建模方法及系统 |
CN110363849A (zh) * | 2018-04-11 | 2019-10-22 | 株式会社日立制作所 | 一种室内三维建模方法及系统 |
CN110189399A (zh) * | 2019-04-26 | 2019-08-30 | 浙江大学 | 一种室内三维布局重建的方法及系统 |
Non-Patent Citations (2)
Title |
---|
半监督约束集成的快速密度峰值聚类算法;刘如辉等;《浙江大学学报(工学版)》;20181031(第11期);全文 * |
基于案例库的室内区域自动布局方法;刘米兰等;《计算机辅助设计与图形学学报》;20170131;第29卷(第01期);第90-100页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112966327A (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Deep learning for the classification of lung nodules | |
CN107609217B (zh) | 碰撞校核数据的处理方法及装置 | |
Ghassany et al. | Collaborative clustering using prototype-based techniques | |
EP1966760A2 (en) | Automatic 3-d object detection | |
CN112966327B (zh) | 基于空间关联关系的三维室内场景生成方法及系统 | |
US11074274B2 (en) | Large scale social graph segmentation | |
CN110335344A (zh) | 基于2d-3d注意机制神经网络模型的三维重建方法 | |
CN110516724A (zh) | 可视化作战场景的高性能多层字典学习特征图像处理方法 | |
CN102930026A (zh) | Cad模型的转换方法和装置 | |
CN111311702A (zh) | 一种基于BlockGAN的图像生成和识别模块及方法 | |
CN113436350A (zh) | 一种三维模型生成方法及系统 | |
CN111105317B (zh) | 一种基于购药记录的医疗保险欺诈检测方法 | |
CN108307306A (zh) | 基于空间分区的区域划分及定位方法及系统 | |
CN115471641A (zh) | 一种三维室内场景补全方法、装置、设备及存储介质 | |
CN110047509A (zh) | 一种两级子空间划分方法及装置 | |
CN113012249B (zh) | 一种在ct图像上生成病灶的方法、装置及存储介质 | |
KR101644426B1 (ko) | 변형3d모델에 대응되는 원본3d모델 인식방법 | |
CN107203916B (zh) | 一种用户信用模型建立方法及装置 | |
CN104036024A (zh) | 一种基于GACUC和Delaunay三角网的空间聚类方法 | |
CN106874916A (zh) | 一种复杂外板点云场景对比提取方法及装置 | |
CN114202469B (zh) | Frangi滤子的超参数选取方法、装置、电子设备及存储介质 | |
CN116611272B (zh) | 轮胎模具零件制造方法、系统、电子设备以及存储介质 | |
CN112446893A (zh) | 肝脏图像的轮廓分割方法和装置 | |
Katayama et al. | Extending deep interactive evolution with graph kernel for 3d design | |
CN109966744A (zh) | 一种动态组队匹配的方法和系统 |
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 |