CN113298838A - 一种物体轮廓线提取方法及系统 - Google Patents
一种物体轮廓线提取方法及系统 Download PDFInfo
- Publication number
- CN113298838A CN113298838A CN202110849598.1A CN202110849598A CN113298838A CN 113298838 A CN113298838 A CN 113298838A CN 202110849598 A CN202110849598 A CN 202110849598A CN 113298838 A CN113298838 A CN 113298838A
- Authority
- CN
- China
- Prior art keywords
- point
- points
- growing
- growth
- contour line
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 31
- 239000013598 vector Substances 0.000 claims description 93
- 238000007781 pre-processing Methods 0.000 claims description 22
- 230000009467 reduction Effects 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 abstract description 43
- 230000008569 process Effects 0.000 abstract description 24
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000012216 screening Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical group [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000013507 mapping Methods 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 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
- G06T7/12—Edge-based segmentation
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种物体轮廓线提取方法,包括:获取物体的表面模型;在表面模型上获取特征点;从特征点中选择至少一个特征点作为生长点;选取生长点第一预设范围内的不包括生长点的特征点作为待选点;根据生长点的生长方向从待选点中选取新生长点;将新生长点作为生长点进行下一次新生长点的选取;根据所有的生长点生成物体轮廓线。本发明还公开了一种物体轮廓线提取系统。本发明一种物体轮廓线提取方法及系统,通过被赋值的特征点进行数据处理后,就可以生成物体轮廓线,相比于现有技术而言,由于特征点的生长方向有了基础的参照,所以极大的简化的后续运算过程,并且对轮廓线细节精度有了很大提高。
Description
技术领域
本发明涉及轮廓线提取技术,具体涉及一种物体轮廓线提取方法及系统。
背景技术
基于三维模型的轮廓线提取技术已经被普遍应用于几何处理、逆向工程、航拍路线规划和计算机可视化等诸多领域之中。
现有技术中,对于轮廓线的提取普遍基于特征点之间的几何关系,如投影、曲率、PCA、视角提取等方式,普遍具有时间代价高、参数设置复杂、微细特征提取能力弱等缺陷。
发明内容
本发明实施例所要解决的技术问题是现有的轮廓线提取技术存在诸多缺陷,目的在于提供一种物体轮廓线提取方法及系统,解决上述问题。
本发明实施例通过下述技术方案实现:
一种物体轮廓线提取方法,包括:
获取物体的表面模型;
在所述表面模型上获取特征点;
从所述特征点中选择至少一个特征点作为生长点;
选取所述生长点第一预设范围内的不包括生长点的特征点作为待选点;
根据所述生长点的生长方向从所述待选点中选取新生长点;将所述新生长点作为生长点进行下一次新生长点的选取;根据所有的所述生长点生成物体轮廓线。
现有技术公开了多种通过特征点进行轮廓线提取的技术,如聚类分析、投影算法、高斯映射等各种方式,其可以普遍的应用于各种不同的领域当中,但是发明人发现这些现有技术往往很难在计算量和精度之间达到一个很好的平衡点,很容易出现高精度但是计算量巨大或者计算量较小但是精度很低的情况,本发明实施例的其中一个主要目的就是为了实现轮廓线提取时计算量和精度之间的平衡,本发明实施例可以有效的应用于需要进行轮廓线提取的场合,尤其适用于需要进行轮廓线现场解算,并且需要一定精度来保障安全的场合,特别适用于进行无人机航拍的路线规划。
作为本发明实施例的一种实现方式,需要获取物体的表面模型,表面模型可以采用现有技术中成熟的OSGB、OBJ等格式的三维模型,也可以采用其他类型的模型,如DEM、DSM、点云数据等也能表示为不规则三角网(TIN)形式,亦或者采用算法例如狄洛尼Delaunay三角网算法来构建的模型表面,只需要可以具备描述物体表面的功能即可,甚至可以使用二维模型或一维线性模型。应当理解的是,使用何种表面模型均应当等同于本实施例中所述的表面模型。
在进行科学研究创新的过程中,发明人发现,现有技术之所以不能够实现计算量和精度之间的均衡,主要的原因在于现有技术中通过特征点描绘轮廓线时,无法准确的选取生长点;而在本实施例中通过对第一预设范围进行待选点的限定,可以压缩计算量,再通过生长点的生长方向进行轮廓线的生长,可以提高计算精度。
进一步的,所述表面模型为网格模型;所述网格模型包括多个设置于所述物体表面的网格单元;
在所述表面模型上获取特征点包括:
获取预设截面与所述网格单元的交点,形成特征点。
进一步的,获取所述生长点的生长方向包括:
提取特征点对应的法向量;特征点对应的法向量为所述特征点对应的网格单元朝向所述表面模型外部的法向量;
根据所述法向量生成生长方向;所述生长方向垂直于所述法向量,且位于所述预设截面上。
进一步的,根据所述生长点的生长方向从所述待选点中选取新生长点包括:
将夹角最小的待选点作为新生长点;所述夹角为所述生长点到所述待选点的方向与所述生长点的生长方向的夹角;
或者,从生长点预设范围内的待选点中获得正向待选点,将夹角最小的正向待选点作为新生长点;正向待选点为夹角在90度范围的待选点。
进一步的,根据所述生长点的生长方向从所述待选点中选取新生长点还包括:
当最小的所述夹角大于90度时,停止当前新生长点选取,并从最初始的生长点进行反向生长;
所述反向生长包括:
选取生长点第一预设范围内的待选点;将夹角最大的待选点作为新生长点;
或者,当生长点没有正向待选点之后,从最初始的生长点开始以生长方向的反方向为生长方向继续选取新生长点。
进一步的,根据所有的所述新生长点生成物体轮廓线包括:
对所述新生长点进行处理生成预处理轮廓线;
当所述预处理轮廓线为多条时,将多条所述预处理轮廓线进行拼接形成完整的物体轮廓线。
进一步的,形成特征点包括:
将所述网格单元重合于所述预设截面的边对应的所述交点剔除后,将剩余所述交点作为待处理交点;
对所述待处理交点进行预处理后形成所述特征点。
进一步的,对所述待处理交点进行预处理后形成所述特征点包括:
获取所述特征点的法向量,法向量为所述特征点对应的网格单元朝向所述网格模型外部的法向量;
对所述待处理交点进行去重处理、降噪处理和矫正处理中的至少一种;
所述去重处理包括:
从所述待处理交点提取重合的交点作为一组重合交点;
根据一组重合交点中待处理交点对应的法向量获取平均法向量;
在一组重合交点中保留一个待处理交点作为去重交点,并将所述平均法向量作为所述去重交点对应的法向量;
所述降噪处理包括:
从所述待处理交点中获取基准点,并提取所述基准点第二预设范围之内的包括所述基准点在内的待处理交点作为对应于所述基准点的待降噪交点;
从所述待降噪交点中剔除噪声交点;所述噪声交点对应法向量的预设角度范围内存在对应于相同基准点的其他待降噪交点;
所述矫正处理包括:
从所述待处理交点中获取待矫正交点,并将所述待矫正交点的第三预设范围内所有待处理交点的法向量进行均值处理形成矫正法向量;
将所述矫正法向量作为所述待矫正交点对应的法向量。
采用上述任意一种物体轮廓线提取方法的系统,包括:
模型获取单元,被配置为获取物体的表面模型;
特征点获取单元,被配置为在所述表面模型上获取特征点;
轮廓线生成单元,被配置为从所述特征点中选择至少一个特征点作为生长点;
所述轮廓线生成单元选取所述生长点第一预设范围内的不包括生长点的特征点作为待选点;
所述轮廓线生成单元根据所述生长点的生长方向从所述待选点中选取新生长点;将所述新生长点作为生长点进行下一次新生长点的选取;根据所有的所述生长点生成物体轮廓线。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明实施例所公开的一种物体轮廓线提取方法及一种物体轮廓线提取系统,由于生长方向有了基础的参照,所以极大的简化的后续运算过程,并且对轮廓线细节精度有了很大提高;同时选出的新生长点都可以保证最终的轮廓线弯折尽量少,又可以与真实物体轮廓比较接近。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明实施例一种物体轮廓线提取方法步骤示意图;
图2为本发明实施例网格模型及法向量示意图;
图3为本发明实施例截面与物体位置关系示意图;
图4为本发明实施例截面与三角形网格相交示意图;
图5为本发明实施例去噪预处理示意图;
图6为本发明实施例生长点获取示意图;
图7为本发明实施例一种物体轮廓线提取系统架构示意图。
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明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例
请结合参阅图1,为本发明实施例所提供的一种物体轮廓线提取方法的流程示意图,所述一种物体轮廓线提取方法可以应用于图7中的一种物体轮廓线提取系统,进一步地,所述一种物体轮廓线提取方法具体可以包括以下步骤S1-步骤S5所描述的内容。
一种物体轮廓线提取方法,包括:
S1:获取物体的表面模型;
S2:在所述表面模型上获取特征点;
S3:从所述特征点中选择至少一个特征点作为生长点;
S4:选取所述生长点第一预设范围内的不包括生长点的特征点作为待选点;
S5:根据所述生长点的生长方向从所述待选点中选取新生长点;将所述新生长点作为生长点进行下一次新生长点的选取;根据所有的所述生长点生成物体轮廓线。
作为本发明实施例的一种实现方式,需要获取物体的表面模型,表面模型可以采用现有技术中成熟的OSGB、OBJ等格式的三维模型,也可以采用其他类型的模型,如DEM、DSM、点云数据等也能表示为不规则三角网(TIN)形式,亦或者采用算法例如狄洛尼Delaunay三角网算法来构建的模型表面,只需要可以具备描述物体表面的功能即可,甚至可以使用二维模型或一维线性模型。应当理解的是,使用何种表面模型均应当等同于本实施例中所述的表面模型。
在进行科学研究创新的过程中,发明人发现,现有技术之所以不能够实现计算量和精度之间的均衡,主要的原因在于现有技术中通过特征点描绘轮廓线时,无法准确的选取生长点;而在本实施例中通过对第一预设范围进行待选点的限定,可以压缩计算量,再通过生长点的生长方向进行轮廓线的生长,可以提高计算精度。
在一个实施例中,所述表面模型为网格模型;所述网格模型包括多个设置于所述物体表面的网格单元;
在所述表面模型上获取特征点包括:
获取预设截面与所述网格单元的交点,形成特征点。
在本实施例实施时,请参阅图2,以三角形的网格模型为例,表面模型为三角形网格模型,而三角形网格模型包括多个设置于所述物体表面的三角形网格单元。在本实施例中所阐述的预设截面,可以通过多种方式获得,如从观测的方向得到、测绘的方向建立预设截面。
在一个实施例中,特征点的获取过程被设定为通过对所述预设截面与所述网格单元的交点的筛选处理来获取,请参阅图4,示出了作为预设截面的拍摄截面与具体的三角形网格模型相交形成的交点。
可以理解的是,这是特征点的一种获取方式,其他特征点的获取方式应当被认为等同于本实施例中的特征点获取。但是作为一种优选的特征点获取方式,本实施例与无人机航拍的路线规划技术高度契合,因为在本实施例中的轮廓线用于无人机的航线规划时,一组精准的特征点是必须的基础。
在一个更具体的实施例中,应用于航拍技术领域,在本实施例实施时,可以根据预设的拍摄方向来建立预设截面,值得注意的是,由于拍摄方向可能不在一个平面上,甚至可能不会闭合,所以所述拍摄截面是根据需要的拍摄方式选择横截面、或者竖直截面、或者与横截面或竖直截面呈一定角度的截面,甚至可以是曲面和残缺的面。同时预设截面的建立还可以参考海拔高度设置截面,或者根据坐标、经纬度等设置截面。拍摄方向可以理解为进行无人机航拍中预计的大致的拍摄方向,也可以理解为对物体实体进行数据采样的大致方向;这种方式有别于现有技术通过拍摄后得到的图像信息获取特征点的方式,得到的数据会更为精准,而且特别有利于对特大型物体进行特征点提取,因为这类物体往往难以获得准确的完整图像数据。
如图3所示出的,在一个更具体的实施例中,拍摄截面被设置为平面,并且根据海拔高度直接获取了水平面。
在一个实施例中,获取所述生长点的生长方向包括:
提取特征点对应的法向量;特征点对应的法向量为所述特征点对应的网格单元朝向所述表面模型外部的法向量;
根据所述法向量生成生长方向;所述生长方向垂直于所述法向量,且位于所述预设截面上。
在进行科学研究创新的过程中,发明人发现,现有技术之所以不能够实现计算量和精度之间的均衡,主要的原因在于现有技术中通过特征点描绘轮廓线时,轮廓线所需要的生长方向是通过相邻的特征点之间的位置关系进行获取的,虽然可以精简特征点数据,但是运算过程反而会更加复杂,精度也受到了很大影响。
在本实施例实施时,发明人创造性的将网格单元的数据赋予了特征点,特征点的获取过程也与现有技术有所区别,其主要表现在:在本实施例中,特征点是通过预设截面在网格单元上进行获取的。在本实施例中,通过对应有法向量的特征点进行数据处理后,就可以生成物体轮廓线,相比于现有技术而言,由于特征点的生长方向有了基础的参照,所以极大的简化的后续运算过程,并且对轮廓线细节精度有了很大提高。
特征点都对应有法向量,法向量是直接从网格单元获得的,发明人发现网格单元的法向量数据比起单纯的特征点之间的关系数据更能体现物体表面的走向,对于物体表面细节的刻画更为准确;值得注意的是,这些网格单元的法向量应当是一致的,即统一朝向物体外部或者朝向物体内部。
生长方向则是由法向量通过计算获取;通过本实施例确认的生长方向需要垂直于所述法向量,并且位于所述预设截面上。应当理解的是,相邻的特征点的生长方向应当是相近的,判断相近的方式可以采用夹角阈值等方式,其具体方式不应当被用于解释权利要求。
值得注意的是,虽然在本实施例中提到了特征点对应有法向量、部分或者全部特征点对应有生长方向,但是法向量生成的时间点在本实施例中可以为特征点形成的时候、对特征点预处理的时候或对特征点完成生成之后,同时,通过法向量计算生长方向的具体时间点可以在法向量生成时进行,也可以在需要用到生长方向时进行,本实施例对此不做限定。
请参阅图2,以三角形的网格模型为例,表面模型为三角形网格模型,而三角形网格模型包括多个设置于所述物体表面的三角形网格单元以及三角网的所有三角形的法向量f,法向量的方向朝向物体外侧。图2中示出了物体表面的部分三角形网格,以及三角形的三角形的法向量。
在一个实施例中,根据所述生长点的生长方向从所述待选点中选取新生长点包括:
将夹角最小的待选点作为新生长点;所述夹角为所述生长点到所述待选点的方向与所述生长点的生长方向的夹角;
或者,从生长点预设范围内的待选点中获得正向待选点,将夹角最小的正向待选点作为新生长点;正向待选点为夹角在90度范围的待选点。
在本实施例实施时,通过特征点进行轮廓线的生成也是本发明实施例的一个重要的创新部分,虽然现有技术中也存在很多采用了一个预设范围内的点作为新的生长点,但是由于现有技术中没有将网格单元的特征如法向量等对应于特征点,所以对于每个特征点的生长方向实际上在选取之前是一个未知数,特征点的生长方向需要选中特征点后才能根据之前的生长方向进行确认,例如采用PCA分析、协方差分析、投影方式等等进行生长方向的确认。
发明人在认识到现有技术的缺陷时决定采用一种与现有技术相比更加简便的方式进行轮廓线绘制,其简便过程主要体现在生长方向的获取过程和精度上,由于特征点均有对应的法向量,而在本实施例中可以通过法向量获取生长方向,当需要生成生长方向时,可以通过法向量进行直接获取,减少了计算量。
在本实施例中,选取出的新生长点就应当为从当前生长点生长到的特征点,为了提供判断新生长点的具体依据,发明人采用了将夹角最小的待选点作为新生长点的方式判断新生长点;此处所述的夹角为所述生长点到所述待选点的方向与所述生长点的生长方向的夹角,应当理解的是,所述生长点到所述待选点的方向和所述生长点的生长方向是两个向量,两个向量的夹角对于本领域技术人员应当是准确清晰的。其主要好处在于,在基于已有的生长方向进行生长时,无论后期采用曲线拟合还是直接连接特征点的方式进行轮廓线生成,这样选出的新生长点都可以保证最终的轮廓线弯折尽量少,同时又可以与真实物体轮廓比较接近,其尤其适用于无人机的拍摄,兼顾了准确性与抗噪性。
而对于根据所有的所述生长点生成物体轮廓线的过程中,可以采用直接连接、或者采用插值、拟合、Douglas–Pecker算法简化生长点、采用例如高斯滤波等滤波方法或者其它平滑方法处理后获得轮廓线,也可以采用上述任意两种及以上的方法组合来获得轮廓线。
在一个实施例中,根据所述生长点的生长方向从所述待选点中选取新生长点还包括:
当最小的所述夹角大于90度时,停止当前新生长点选取,并从最初始的生长点进行反向生长;
所述反向生长包括:
选取生长点第一预设范围内的待选点;将夹角最大的待选点作为新生长点;
或者,当生长点没有正向待选点之后,从最初始的生长点开始以生长方向的反方向为生长方向继续选取新生长点。
本实施例实施时,应当理解的是,所述生长点到所述待选点的方向和所述生长点的生长方向是两个向量,从数学角度的定义看两个向量的夹角应当在0~180度之间,发明人发现,由于第一预设范围无法保证所有的生长过程都可以沿着大致的生长方向进行完全的生长;当所述夹角大于90度时,新生长点就可以被认为是不满足生长要求的。在本实施例中,停止当前新生长点选取,并从最初始的生长点进行反向生长,反向生长过程中,同样通过夹角进行新生长点选取,选取夹角最大的待选点作为新生长点可以保证在反方向生长出的新生长点同样具备上述实施例中正向生长过程的全部优点。
在一个更具体的实施例中,获得新生长点的方式还可以采用如下方式,请参阅图6,从生长点预设范围内的待选点中获得正向待选点,正向待选点为该生长点到所述待选点的方向与该生长点生长方向夹角在90度范围的待选点。其中,所述夹角在90度内的计算方式有多种。初始的生长点选择方式优选为随机,随机选取某一特征点作为初始的生长点P0,以初始的生长点P0为圆心构建半径R的生长圆,在该圆内获取正向待选点a、b、c,将该生长点到正向待选点的方向与该生长点生长方向夹角最小的正向待选点作为新生长点,由图可见c点满足要求,将c点作为新生长点P1;重复上述步骤。当生长点没有正向待选点之后,即正向生长完后,从P0开始以生长方向的反方向为生长方向,在其正向待选点中继续选取新生长点,相当于反向生长。
在一个实施例中,根据所有的所述新生长点生成物体轮廓线包括:
对所述新生长点进行处理生成预处理轮廓线;
当所述预处理轮廓线为多条时,将多条所述预处理轮廓线进行拼接形成完整的物体轮廓线。
本实施例实施时,通过上述实施例进行轮廓线生成时,很可能出现多条轮廓线,即轮廓线断裂的情况,成的是几条小段的轮廓线,此时需要将这几段轮廓线拼接成一整条。具体的拼接方案可以优选为按总体生长方向每段轮廓线包含起点终点,在某段轮廓线终点一定范围内搜索另一段的起点,然后连接。
在一个实施例中,形成特征点包括:
将所述网格单元重合于所述预设截面的边对应的所述交点剔除后,将剩余所述交点作为待处理交点;
对所述待处理交点进行预处理后形成所述特征点。
在本实施例实施时,发明人发现有可能出现预设截面与所述网格单元的边完全重合的情况,换而言之,就是网格单元的边完全落在在预设截面上,此时进行交点的提取时,该网格单元的的边所有节点会全部落在预设截面上,如果把这些点全部利用起来的话,对后期的轮廓线生成是不利的,尤其是出现大批连续的网格单元落在预设截面上时,会出现在局部特征点堆积的现象,增加轮廓线生成的计算成本。所以在本实施例中,直接将这些点进行剔除,值得注意的是,剔除的仅仅是这些网格单元的节点,而与这些网格单元相邻的网格单元,即使共用节点,这些节点也会被保留下来,保证了未来生成的特征点的连续性。通过本实施例生成的待处理交点的预处理后就可以生成特征点,在本实施例中所述的预处理内容包括但不限于去重、去噪、法向量矫正等过程,同样的,也可以包括现有技术中任何一种有利于特征点后期运算的预处理过程。可以理解的是,本实施例中所述的预处理内容执行的先后顺序并不在本实施例的限定范围内,即在本实施例即后续实施例中出现的预处理过程不存在执行顺序的限定。进行预处理的目的主要在于在执行拍摄过程中,被拍摄物体的表面特征往往非常复杂,例如对山体表面进行拍摄时,山体表面往往包括大量的树木、碎石等突出部位,这就会造成获取的待处理交点中会出现巨量噪点,本实施例中的预处理过程的一个主要作用在于去除这些噪点。
在一个实施例中,对所述待处理交点进行预处理后形成所述特征点包括:
获取所述特征点的法向量,法向量为所述特征点对应的网格单元朝向所述网格模型外部的法向量;
对所述待处理交点进行去重处理、降噪处理和矫正处理中的至少一种;
所述去重处理包括:
从所述待处理交点提取重合的交点作为一组重合交点;
根据一组重合交点中待处理交点对应的法向量获取平均法向量;
在一组重合交点中保留一个待处理交点作为去重交点,并将所述平均法向量作为所述去重交点对应的法向量;
所述降噪处理包括:
从所述待处理交点中获取基准点,并提取所述基准点第二预设范围之内的包括所述基准点在内的待处理交点作为对应于所述基准点的待降噪交点;
从所述待降噪交点中剔除噪声交点;所述噪声交点对应法向量的预设角度范围内存在对应于相同基准点的其他待降噪交点;
所述矫正处理包括:
从所述待处理交点中获取待矫正交点,并将所述待矫正交点的第三预设范围内所有待处理交点的法向量进行均值处理形成矫正法向量;
将所述矫正法向量作为所述待矫正交点对应的法向量。
在本实施例实施时,去重处理主要的作用在于对待处理交点进行去重,由于网格单元中,往往出现相邻的网格单元共用节点共用边,预设截面与一个网格单元的交点也往往是与其相邻的网格单元的交点,此时相当于两个交点重合,而当预设截面经过节点时,甚至可能出现多个交点重合的现象,此时将重合的交点作为一组重合交点进行处理,将每个交点对应的法向量进行计算得到平均法向量,并将平均法向量赋值于去重交点。应当理解的是,平均法向量仅仅是一种处理方式,采用法向量求和、法向量角度平均等各种可以实现法向量均值的方式,都应当被认定为与本实施例等同。
在本实施例中,降噪处理主要的作用在于对待处理交点进行去噪,去噪的主要目的在于去除待拍摄物体表面的杂物。需要从待处理交点中获取基准点,获取方式包括但不限于随机获取、人工筛选、机器筛选等各种方式,第二预设范围可以采用圆形范围、锥形区域、方形区域或者其他范围方式,其中优选为圆形范围便于筛选计算;降噪过程中,对于噪声交点的选择采用角度范围进行判断,对应法向量的预设角度范围实际为一个锥形,如果这个锥形内存在其他待降噪交点,说明这个待降噪交点属于突出的噪声点。
在本实施例的降噪过程中,通过两个范围结合对噪点进行去除,一方面可以减少噪点的误判,另一方面可以增加对噪点识别的准确度,例如在山体周围存在树木,发明人发现树木产生的待降噪交点一般会与山体产生的待降噪交点在同一个角度范围内,而树木本身所占用的空间又是有限的,所以需要定好第二预设范围进行基本的预判。
在一个更具体的实施例中,请参阅图5,以某个基准点p为圆心构建预设半径的圆,对于该圆内的所有待降噪交点进行如下操作:检测各个待降噪交点的法向量在预设角度范围内是否有位于该圆内的其它待降噪交点,若有,剔除该待降噪交点,若无,保留该待降噪交点;如下图所示,待降噪交点a的法向量与待降噪交点a、c之间连线的夹角θ1小于预设角度,说明a点法向量预设角度范围内有位于该圆内的其它待降噪交点,a点剔除,同理b点剔除,保留p、c、d、e。重复上述步骤。
在本实施例中,矫正处理相当于进行法向量矫正,首先需要明确生长方向的具体获取方式包括:
根据待处理交点对应的法向量获取所述待处理交点对应的生长方向;所述待处理交点对应的生长方向垂直于所述待处理交点对应的法向量,且所述生长方向位于所述拍摄截面上;相邻待处理交点对应的生长方向相匹配。
正常情况下,相邻的待处理交点沿着大致统一的生长方向,如果某待处理交点生长方向与周围待处理交点的生长方向偏差过多,该待处理交点并不能反映总体的生长趋势,需要矫正。
待矫正交点可以采用全部的待处理交点,也可以采用被判定为需要矫正的待处理交点;需要矫正的待处理交点为法向量与周围待处理交点的法向量偏移大于阈值的待处理交点。对于待矫正交点的矫正过程,采用第三预设范围内所有待处理交点的法向量进行均值处理,均值过程可以为类似均值滤波的过程,也可以为类似角度平均、向量求和的过程,应当理解的是,本领域技术人员可以根据现有技术和本实施例中的内容实现均值过程,且所有可以实现向量均值的方式均应当被认为等同于本实施例。
基于上述同样的发明构思,请结合参阅图7,还提供了一种物体轮廓线提取方法的系统的功能模块框图,关于所述一种物体轮廓线提取方法的系统的详细描述如下。包括:
模型获取单元,被配置为获取物体的表面模型;
特征点获取单元,被配置为在所述表面模型上获取特征点;
轮廓线生成单元,被配置为从所述特征点中选择至少一个特征点作为生长点;
所述轮廓线生成单元选取所述生长点第一预设范围内的不包括生长点的特征点作为待选点;
所述轮廓线生成单元根据所述生长点的生长方向从所述待选点中选取新生长点;将所述新生长点作为生长点进行下一次新生长点的选取;根据所有的所述生长点生成物体轮廓线。
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算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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方法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。
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,所述单元的划分,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。另外,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,也可以是电的,机械的或其它的形式连接。
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算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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方法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。
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,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元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,或者该技术方案的全部或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,或者网格设备等)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,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种物体轮廓线提取方法,其特征在于,包括:
获取物体的表面模型;
在所述表面模型上获取特征点;
从所述特征点中选择至少一个特征点作为生长点;
选取所述生长点第一预设范围内的不包括生长点的特征点作为待选点;
根据所述生长点的生长方向从所述待选点中选取新生长点;将所述新生长点作为生长点进行下一次新生长点的选取;根据所有的所述生长点生成物体轮廓线。
2.根据权利要求1所述的一种物体轮廓线提取方法,其特征在于,所述表面模型为网格模型;所述网格模型包括多个设置于所述物体表面的网格单元;
在所述表面模型上获取特征点包括:
获取预设截面与所述网格单元的交点,形成特征点。
3.根据权利要求2所述的一种物体轮廓线提取方法,其特征在于,获取所述生长点的生长方向包括:
提取特征点对应的法向量;特征点对应的法向量为所述特征点对应的网格单元朝向所述表面模型外部的法向量;
根据所述法向量生成生长方向;所述生长方向垂直于所述法向量,且位于所述预设截面上。
4.根据权利要求1~3任意一项所述的一种物体轮廓线提取方法,其特征在于,根据所述生长点的生长方向从所述待选点中选取新生长点包括:
将夹角最小的待选点作为新生长点;所述夹角为所述生长点到所述待选点的方向与所述生长点的生长方向的夹角;
或者,从生长点预设范围内的待选点中获得正向待选点,将夹角最小的正向待选点作为新生长点;正向待选点为夹角在90度范围的待选点。
5.根据权利要求4所述的一种物体轮廓线提取方法,其特征在于,根据所述生长点的生长方向从所述待选点中选取新生长点还包括:
当最小的所述夹角大于90度时,停止当前新生长点选取,并从最初始的生长点进行反向生长;
所述反向生长包括:
选取生长点第一预设范围内的待选点;将夹角最大的待选点作为新生长点;
或者,当生长点没有正向待选点之后,从最初始的生长点开始以生长方向的反方向为生长方向继续选取新生长点。
6.根据权利要求4所述的一种物体轮廓线提取方法,其特征在于,根据所有的所述新生长点生成物体轮廓线包括:
对所述新生长点进行处理生成预处理轮廓线;
当所述预处理轮廓线为多条时,将多条所述预处理轮廓线进行拼接形成完整的物体轮廓线。
7.根据权利要求2所述的一种物体轮廓线提取方法,其特征在于,形成特征点包括:
将所述网格单元重合于所述预设截面的边对应的所述交点剔除后,将剩余所述交点作为待处理交点;
对所述待处理交点进行预处理后形成所述特征点。
8.根据权利要求7所述的一种物体轮廓线提取方法,其特征在于,对所述待处理交点进行预处理后形成所述特征点包括:
获取所述特征点的法向量,法向量为所述特征点对应的网格单元朝向所述网格模型外部的法向量;
对所述待处理交点进行去重处理、降噪处理和矫正处理中的至少一种;
所述去重处理包括:
从所述待处理交点提取重合的交点作为一组重合交点;
根据一组重合交点中待处理交点对应的法向量获取平均法向量;
在一组重合交点中保留一个待处理交点作为去重交点,并将所述平均法向量作为所述去重交点对应的法向量;
所述降噪处理包括:
从所述待处理交点中获取基准点,并提取所述基准点第二预设范围之内的包括所述基准点在内的待处理交点作为对应于所述基准点的待降噪交点;
从所述待降噪交点中剔除噪声交点;所述噪声交点对应法向量的预设角度范围内存在对应于相同基准点的其他待降噪交点;
所述矫正处理包括:
从所述待处理交点中获取待矫正交点,并将所述待矫正交点的第三预设范围内所有待处理交点的法向量进行均值处理形成矫正法向量;
将所述矫正法向量作为所述待矫正交点对应的法向量。
9.采用权利要求1~8中任意一种物体轮廓线提取方法的系统,其特征在于,包括:
模型获取单元,被配置为获取物体的表面模型;
特征点获取单元,被配置为在所述表面模型上获取特征点;
轮廓线生成单元,被配置为从所述特征点中选择至少一个特征点作为生长点;
所述轮廓线生成单元选取所述生长点第一预设范围内的不包括生长点的特征点作为待选点;
所述轮廓线生成单元根据所述生长点的生长方向从所述待选点中选取新生长点;将所述新生长点作为生长点进行下一次新生长点的选取;根据所有的所述生长点生成物体轮廓线。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110849598.1A CN113298838B (zh) | 2021-07-27 | 2021-07-27 | 一种物体轮廓线提取方法及系统 |
CN202111255407.5A CN113963010A (zh) | 2021-07-27 | 2021-07-27 | 一种物体轮廓线提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110849598.1A CN113298838B (zh) | 2021-07-27 | 2021-07-27 | 一种物体轮廓线提取方法及系统 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111255407.5A Division CN113963010A (zh) | 2021-07-27 | 2021-07-27 | 一种物体轮廓线提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113298838A true CN113298838A (zh) | 2021-08-24 |
CN113298838B CN113298838B (zh) | 2021-09-21 |
Family
ID=77331108
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110849598.1A Active CN113298838B (zh) | 2021-07-27 | 2021-07-27 | 一种物体轮廓线提取方法及系统 |
CN202111255407.5A Pending CN113963010A (zh) | 2021-07-27 | 2021-07-27 | 一种物体轮廓线提取方法及系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111255407.5A Pending CN113963010A (zh) | 2021-07-27 | 2021-07-27 | 一种物体轮廓线提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN113298838B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114357683A (zh) * | 2022-01-11 | 2022-04-15 | 中南大学 | 基于交叉轮廓线法向动态估计的矿体建模方法及装置 |
CN116071605A (zh) * | 2023-03-07 | 2023-05-05 | 超音速人工智能科技股份有限公司 | 基于深度学习的标注方法、装置及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04222061A (ja) * | 1990-12-25 | 1992-08-12 | Babcock Hitachi Kk | メッシュ生成方法 |
US20060265198A1 (en) * | 2005-03-01 | 2006-11-23 | Satoshi Kanai | Apparatus and a method of feature edge extraction from a triangular mesh model |
CN104504693A (zh) * | 2014-12-16 | 2015-04-08 | 佛山市诺威科技有限公司 | 一种基于义齿简单冠修复网格模型的颈缘线提取方法 |
CN104809689A (zh) * | 2015-05-15 | 2015-07-29 | 北京理工大学深圳研究院 | 一种基于轮廓的建筑物点云模型底图配准方法 |
CN104966317A (zh) * | 2015-06-04 | 2015-10-07 | 中南大学 | 一种基于矿体轮廓线的三维自动建模方法 |
CN105069777A (zh) * | 2015-07-02 | 2015-11-18 | 广东工业大学 | 一种预备体网格模型的颈缘线自动提取方法 |
CN106530397A (zh) * | 2016-10-13 | 2017-03-22 | 成都希盟泰克科技发展有限公司 | 一种基于稀疏剖面地质轮廓线的地质面三维重建方法 |
CN109102538A (zh) * | 2018-07-17 | 2018-12-28 | 成都信息工程大学 | 利用等值线数据提取槽脊特征点与槽脊特征线的方法、天气图分析方法 |
CN109872396A (zh) * | 2019-01-29 | 2019-06-11 | 北京理工大学珠海学院 | 一种适用于三角网格模型的快速截面轮廓生成方法 |
CN109949326A (zh) * | 2019-03-21 | 2019-06-28 | 苏州工业园区测绘地理信息有限公司 | 基于背包式三维激光点云数据的建筑物轮廓线提取方法 |
CN111222516A (zh) * | 2020-01-06 | 2020-06-02 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 印制电路板点云关键轮廓特征提取方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106643578B (zh) * | 2016-09-30 | 2018-12-21 | 信阳师范学院 | 一种基于点云数据的树干横断面轮廓曲线的断面积计算方法 |
CN111508073B (zh) * | 2020-03-12 | 2023-03-31 | 浙江工业大学 | 一种三维建筑模型屋顶轮廓线的提取方法 |
-
2021
- 2021-07-27 CN CN202110849598.1A patent/CN113298838B/zh active Active
- 2021-07-27 CN CN202111255407.5A patent/CN113963010A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04222061A (ja) * | 1990-12-25 | 1992-08-12 | Babcock Hitachi Kk | メッシュ生成方法 |
US20060265198A1 (en) * | 2005-03-01 | 2006-11-23 | Satoshi Kanai | Apparatus and a method of feature edge extraction from a triangular mesh model |
CN104504693A (zh) * | 2014-12-16 | 2015-04-08 | 佛山市诺威科技有限公司 | 一种基于义齿简单冠修复网格模型的颈缘线提取方法 |
CN104809689A (zh) * | 2015-05-15 | 2015-07-29 | 北京理工大学深圳研究院 | 一种基于轮廓的建筑物点云模型底图配准方法 |
CN104966317A (zh) * | 2015-06-04 | 2015-10-07 | 中南大学 | 一种基于矿体轮廓线的三维自动建模方法 |
CN105069777A (zh) * | 2015-07-02 | 2015-11-18 | 广东工业大学 | 一种预备体网格模型的颈缘线自动提取方法 |
CN106530397A (zh) * | 2016-10-13 | 2017-03-22 | 成都希盟泰克科技发展有限公司 | 一种基于稀疏剖面地质轮廓线的地质面三维重建方法 |
CN109102538A (zh) * | 2018-07-17 | 2018-12-28 | 成都信息工程大学 | 利用等值线数据提取槽脊特征点与槽脊特征线的方法、天气图分析方法 |
CN109872396A (zh) * | 2019-01-29 | 2019-06-11 | 北京理工大学珠海学院 | 一种适用于三角网格模型的快速截面轮廓生成方法 |
CN109949326A (zh) * | 2019-03-21 | 2019-06-28 | 苏州工业园区测绘地理信息有限公司 | 基于背包式三维激光点云数据的建筑物轮廓线提取方法 |
CN111222516A (zh) * | 2020-01-06 | 2020-06-02 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 印制电路板点云关键轮廓特征提取方法 |
Non-Patent Citations (6)
Title |
---|
GUIZHEN HE: "Application of the slicing technique to extract the contour feature line", 《CLUSTER COMPUTING》 * |
JULIEN TIERNY等: "Enhancing 3D mesh topological skeletons with discrete contour constrictions", 《THE VISUAL COMPUTER》 * |
刘胜兰等: "三角网格模型的特征线提取", 《计算机辅助设计与图形学学报》 * |
樊少荣等: "破碎刚体三角网格曲面模型的特征轮廓线提取方法", 《计算机辅助设计与图形学学报》 * |
樊晶晶等: "模式向量法提取点云数据线轮廓点", 《光学精密工程》 * |
雒赬: "文物三维模型特征线提取及外表面和断裂面标识研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114357683A (zh) * | 2022-01-11 | 2022-04-15 | 中南大学 | 基于交叉轮廓线法向动态估计的矿体建模方法及装置 |
CN116071605A (zh) * | 2023-03-07 | 2023-05-05 | 超音速人工智能科技股份有限公司 | 基于深度学习的标注方法、装置及存储介质 |
CN116071605B (zh) * | 2023-03-07 | 2023-09-01 | 超音速人工智能科技股份有限公司 | 基于深度学习的标注方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113298838B (zh) | 2021-09-21 |
CN113963010A (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345620B (zh) | 融合快速点特征直方图的改进icp待测物体点云拼接方法 | |
CN110340891B (zh) | 基于点云模板匹配技术的机械臂定位抓取系统及方法 | |
CN111986115A (zh) | 激光点云噪声和冗余数据的精准剔除方法 | |
CN113298838B (zh) | 一种物体轮廓线提取方法及系统 | |
CN106156692B (zh) | 一种用于人脸边缘特征点定位的方法及装置 | |
CN109816664B (zh) | 一种三维点云分割方法及装置 | |
CN110688947B (zh) | 一种同步实现人脸三维点云特征点定位和人脸分割的方法 | |
CN110942515A (zh) | 基于点云的目标物体三维计算机建模方法和目标识别方法 | |
EP0514688A2 (en) | Generalized shape autocorrelation for shape acquisition and recognition | |
CN107481274B (zh) | 一种三维作物点云的鲁棒性重构方法 | |
CN108550166B (zh) | 一种空间目标图像匹配方法 | |
CN113296543B (zh) | 航拍航线规划方法及系统 | |
CN110660072B (zh) | 一种直线边缘的识别方法、装置、存储介质及电子设备 | |
CN114419085A (zh) | 建筑物轮廓线自动提取方法、装置、终端设备及存储介质 | |
CN108830888B (zh) | 基于改进的多尺度协方差矩阵特征描述子的粗匹配方法 | |
CN105405122A (zh) | 一种基于数据平稳性的圆检测方法 | |
CN111145129A (zh) | 基于超体素的点云去噪方法 | |
CN112907601B (zh) | 一种基于特征变换的隧道拱架点云自动提取方法及装置 | |
CN111798398A (zh) | 点云降噪方法、装置、电子设备和计算机可读存储介质 | |
CN116051822A (zh) | 凹障碍的识别方法和装置、处理器及电子设备 | |
CN114241018A (zh) | 一种牙齿点云配准方法、系统及可读存储介质 | |
CN116091727A (zh) | 一种基于多尺度特征描述的复杂曲面点云配准方法、电子设备及存储介质 | |
CN111489386B (zh) | 点云特征点提取方法、装置、存储介质、设备及系统 | |
CN112017290B (zh) | 一种圆锥面拟合方法、装置、计算机设备和存储介质 | |
CN112767462B (zh) | 基于脊谷特征与深度特征描述符的点云单点对齐方法 |
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 |