CN113470095A - 室内场景重建模型的处理方法和装置 - Google Patents

室内场景重建模型的处理方法和装置 Download PDF

Info

Publication number
CN113470095A
CN113470095A CN202111029053.2A CN202111029053A CN113470095A CN 113470095 A CN113470095 A CN 113470095A CN 202111029053 A CN202111029053 A CN 202111029053A CN 113470095 A CN113470095 A CN 113470095A
Authority
CN
China
Prior art keywords
vertex
point
target
mesh model
processing
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
Application number
CN202111029053.2A
Other languages
English (en)
Other versions
CN113470095B (zh
Inventor
李伟
胡洋
周杰
饶童
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beike Technology Co Ltd
Original Assignee
Beike Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beike Technology Co Ltd filed Critical Beike Technology Co Ltd
Priority to CN202111029053.2A priority Critical patent/CN113470095B/zh
Publication of CN113470095A publication Critical patent/CN113470095A/zh
Application granted granted Critical
Publication of CN113470095B publication Critical patent/CN113470095B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/50Depth or shape recovery
    • G06T7/521Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88Lidar systems specially adapted for specific applications
    • G01S17/89Lidar systems specially adapted for specific applications for mapping or imaging
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205Re-meshing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/08Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Electromagnetism (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本公开实施例公开了一种室内场景重建模型的处理方法和装置,其中,该方法包括:获取基于室内场景的点云通过泊松重建得到的表面网格模型;根据所述表面网格模型中所述多个面片中的顶点的稠密度值确定待形变处理的目标区域和所述目标区域的关联面片;根据所述目标区域的顶点信息和所述关联面片的顶点位置对所述目标区域进行形变处理。本公开可以在保证完整水密结构的前提下实现“鼓包”收缩。

Description

室内场景重建模型的处理方法和装置
技术领域
本公开涉及雷达和室内场景重建技术领域,尤其是一种室内场景重建模型的处理方法和装置。
背景技术
在应用激光扫描仪对房屋内部进行扫描重建时,受室内场景本身结构和材质的影响,难以保证扫描得到整个场景完整的点云模型,主要存在两种情况:一种是房间中物体之间的遮挡,例如在床一侧扫描会遮挡到另一侧的床面和地面,例如较高的柜子会遮挡其本身的顶面和墙面;另一种是窗户上玻璃的透明度高,扫描不到点云。
应用不完整的点云模型进行泊松重建(Poisson Surface Reconstruction,PSR)虽然可以得到一个水密的完整模型,即无孔的模型,但是点云缺失区域的表面网格模型是由深度较低的八叉树节点基函数得到的,直观上看会是一个平滑的“鼓包”,非常影响模型的视觉效果。
相关技术中,在处理低密度点云形成的“鼓包”区域的方法时直接删除该区域的面片,但是删除面片后模型就不是完整水密的了,会存在破损孔洞,同样也是非常影响视觉效果。
发明内容
本公开实施例提供一种室内场景重建模型的处理方法和装置、电子设备和存储介质,不删除泊松重建后表面网格模型中“鼓包”区域的面片保证完整水密结构的前提下,缩小“鼓包”面积。
本公开实施例的第一方面,提供一种室内场景重建模型的处理方法,包括:
获取基于室内场景的点云通过泊松重建得到的表面网格模型,所述表面网格模型包括多个面片,每个片面包括多个顶点,所述表面网格模型中的所述多个面片中的顶点携带有稠密度值;
根据所述表面网格模型中所述多个面片中的顶点的稠密度值确定待形变处理的目标区域和所述目标区域的关联面片;
根据所述目标区域的顶点信息和所述关联面片的顶点位置对所述目标区域进行形变处理。
根据本公开实施例的室内场景重建模型的处理方法,所述根据所述表面网格模型中的顶点稠密度确定目标区域和所述目标区域的关联面片,包括:
建立所述表面网格模型中的点-点拓扑关系和点-面拓扑关系;
获取所述表面网格模型中所述多个面片中的顶点的稠密度值;
对稠密度值小于预设阈值的顶点,基于所述点-点拓扑关系生成目标点集,根据所述目标点集确定所述目标区域;
根据所述目标点集和所述点-面拓扑关系确定所述目标区域的关联面片。
根据本公开实施例的室内场景重建模型的处理方法,所述根据所述目标区域的顶点信息和所述关联面片的顶点位置对所述目标区域进行形变处理,包括:
基于所述关联面片的顶点坐标、平滑项权重系数和所述目标区域内顶点的顶点坐标,对所述目标区域进行面积缩小处理和表面平滑处理。
根据本公开实施例的室内场景重建模型的处理方法,所述关联面片包括多个面片,所述多个面片为三角面片,所述基于所述关联面片的顶点坐标、平滑项权重系数和所述目标区域内顶点的顶点坐标,对所述目标区域进行面积缩小处理和表面平滑处理,包括:
采用梯度下降法对能量优化函数进行计算处理,以优化所述目标区域的顶点位置;其中,所述能量优化函数为:
Figure 248558DEST_PATH_IMAGE001
其中,F为所述多个面片的集合,
Figure 805441DEST_PATH_IMAGE002
Figure 665949DEST_PATH_IMAGE003
Figure 599270DEST_PATH_IMAGE004
分别为第i个面片的三个顶点坐标,λ为所述平滑项权重系数,V为所述目标点集,v j 为第j个顶点坐标,Nv(j)为第j个顶点的相邻顶点集合,v k 为第j个顶点的相邻顶点集合中的第k个顶点坐标。
根据本公开实施例的室内场景重建模型的处理方法,迭代执行所述采用梯度下降法对所述能量优化方程进行计算处理,以优化所述目标区域的顶点位置的操作,直至满足预设条件。
本公开实施例的第二方面,提供一种室内场景重建模型的处理装置,包括:
表面网格模型获取模块,用于获取基于室内场景的点云通过泊松重建得到的表面网格模型,所述表面网格模型包括多个面片,每个片面包括多个顶点,所述表面网格模型中的所述多个面片中的顶点携带有稠密度值;
确定模块,用于根据所述表面网格模型中各顶点的稠密度值确定待形变处理的目标区域和所述目标区域的关联面片;
形变模块,用于根据所述目标区域的顶点信息和所述关联面片的顶点位置对所述目标区域进行形变处理。
根据本公开实施例的室内场景重建模型的处理装置,所述确定模块包括:
拓扑关系建立单元,用于建立所述表面网格模型中的点-点拓扑关系和点-面拓扑关系;
获取单元,用于获取所述表面网格模型中所述多个面片中的顶点的稠密度值;
目标区域确定单元,用于对稠密度值小于预设阈值的顶点,基于所述点-点拓扑关系生成目标点集,根据所述目标点集确定所述目标区域;
关联面片确定单元,用于根据所述目标点集和所述点-面拓扑关系确定所述目标区域的关联面片。
根据本公开实施例的室内场景重建模型的处理装置,所述形变模块用于基于所述关联面片的顶点坐标、平滑项权重系数和所述目标区域内顶点的顶点坐标,对所述目标区域进行面积缩小处理和表面平滑处理。
根据本公开实施例的室内场景重建模型的处理装置,所述关联面片包括多个面片,所有多个面片均为三角面片,所述形变模块用于采用梯度下降法对能量优化函数进行计算处理,以优化所述目标区域的顶点位置,其中,所述能量优化函数E l 为:
Figure 2570DEST_PATH_IMAGE005
其中,F为所述多个面片的集合,
Figure 589409DEST_PATH_IMAGE002
Figure 78159DEST_PATH_IMAGE006
Figure 549592DEST_PATH_IMAGE007
分别为第i个面片的三个顶点坐标,λ为所述平滑项权重系数,V为所述目标点集,v j 为第j个顶点坐标,Nv(j)为第j个顶点的相邻顶点集合,v k 为第j个顶点的相邻顶点集合中的第k个顶点坐标。
根据本公开实施例的室内场景重建模型的处理装置,所述形变模块用于迭代执行所述采用梯度下降法对所述能量优化方程进行计算处理,以优化所述目标区域的顶点位置的操作,直至满足预设条件。
本公开实施例的第三方面,提供一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现上述第一方面所述的室内场景重建模型的处理方法。
本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时,实现上述第一方面所述的室内场景重建模型的处理方法。
本公开实施例的室内场景重建模型的处理方法和装置、电子设备和存储介质,基于室内场景的雷达点云,通过泊松重建得到完整水密的表面网格模型,该表面网格模型包括多个面片,表面网格模型中的所有顶点携带有稠密度值。基于表面网格模型中所有顶点的稠密度值,确定需要形变的目标区域,以及该目标区域的关联面片。基于目标区域的顶点信息和关联面片的顶点位置,对所述目标区域进行形变处理,可以实现在不删除泊松重建后表面网格模型中“鼓包”区域的面片,保证完整水密结构的前提下,缩小所述目标区域的面积,从而可以在保证完整水密结构的前提下实现“鼓包”收缩。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同描述一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1为本公开实施例的室内场景重建模型的处理方法的流程图;
图2为本公开一个实施例中对目标室内进行泊松重建后的原始模型示意图;
图3为图2的侧视图;
图4为对图2所示的原始模型使用本公开室内场景重建模型的处理方法进行处理后的示意图;
图5为图4的侧视图;
图6为本公开实施例的室内场景重建模型的处理装置的结构框图;
图7为本公开电子设备一个应用实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本公开实施例的室内场景重建模型的处理方法的流程图。如图1所示,本公开的室内场景重建模型的处理方法,包括:
S1:获取基于室内场景的点云通过泊松重建得到的表面网格模型。其中,表面网格模型包括多个面片,每个片面包括多个顶点。表面网格模型中的多个面片中的顶点携带有稠密度值。
具体地,使用激光雷达对目标室内进行扫描得到目标室内的雷达点云数据,基于目标室内的雷达点云数据,通过泊松重建可以生成目标室内的表面网格模型。其中,泊松重建的核心思想是点云代表了物体表面的位置,其法向量代表了内外的方向。通过隐式地拟合一个由物体派生的指示函数,可以给出一个平滑的物体表面的估计。
S2:根据表面网格模型中各顶点的稠密度值确定待形变处理的目标区域和目标区域的关联面片。
在本公开的实施例中,稠密度(density)是拓扑空间的函数,当一个区域内的顶点稠密度值较低时,则在表面网格模型中容易生成“鼓包”区域。其中,泊松重建对点云进行八叉树划分,点云越稠密的区域划分的深度越高。对于点云缺失的区域,八叉树的深度会很低,低深度的节点对应的基函数对表面网格模型表进行处理时,通常会出现“鼓包”。本公开的实施例中,目标区域为待形变的“鼓包”区域。目标区域的关联面片即为“鼓包”区域的关联面片。
S3:根据目标区域的顶点信息和关联面片的顶点位置对目标区域进行形变处理。
在本公开的实施例中,目标区域的顶点信息包括目标区域内所有顶点的坐标。目标区域内所有顶点的坐标可以反映目标区域内所有顶点在表面网格模型的三维空间位置分布信息。基于关联面片的顶点坐标和目标区域的顶点信息,可以对目标区域进行形变。
在本实施例中,基于室内场景的雷达点云,通过泊松重建得到完整水密的表面网格模型,该表面网格模型包括多个面片,表面网格模型中的多个面片中的顶点携带有稠密度值。基于表面网格模型中所有顶点的稠密度值,确定需要形变的目标区域,以及该目标区域的关联面片。基于目标区域的顶点信息和关联面片的顶点位置,对目标区域进行形变处理,可以实现在不删除泊松重建后表面网格模型中“鼓包”区域的面片,保证完整水密结构的前提下,缩小目标区域的面积,将该区域从“鼓包”状态在满足一定约束的情况下,缩小到平面状态,从而可以在保证完整水密结构的前提下实现“鼓包”收缩。
在本公开的一个实施例中,步骤S2包括:
S2-1:建立表面网格模型中的点-点拓扑关系和点-面拓扑关系。
在本公开实施例中,表面网格模型的所有面片为三角面片。在点-点拓扑关系中,任意两个顶点,可以是直接相连(两个顶点位于一个三角面片内),也可以是间接相连(两个顶点不属于同一个三角面片)。在点-面拓扑关系中,任意一个顶点m和三角面片n,顶点m可以是三角面片n的一个顶点,或者顶点m不是三角面片n的一个顶点,顶点m需要通过拓扑关系连接到三角面片n。
S2-2:获取表面网格模型中多个面片中的顶点的稠密度值。
S2-3:对稠密度值小于预设阈值的顶点,基于点-点拓扑关系生成目标点集,根据目标点集确定目标区域。其中,目标点集可以包括多组独立点集,也可以仅包括一组独立点集。每个点集表示一个待形变区域。
S2-4:根据目标点集和点-面拓扑关系确定目标区域的关联面片,即所有待形变区域的关联面片。
在本实施例中,通过建立表面网格模型中的点-点拓扑关系和点-面拓扑关系,根据表面网格模型中所有顶点的稠密度值确定“鼓包”区域后,基于建立的点-点拓扑关系和点-面拓扑关系,可以准确地确定“鼓包”区域的关联面片,便于后续步骤中针对“鼓包”区域进行形变处理。
在本公开的一个实施例中,步骤S3包括:基于关联面片的顶点坐标、平滑项权重系数和目标区域内顶点的顶点坐标,对目标区域进行面积缩小处理和表面平滑处理。其中,关联面片的顶点坐标可以反映“鼓包”内所有位置点的空间位置信息。平滑项权重系数和目标区域内顶点的顶点坐标可以反映“鼓包”的凸起程度,基于关联面片的顶点坐标、平滑项权重系数和目标区域内顶点的顶点坐标进行形变处理,一方面可以缩小“鼓包”面积,另一方面可以使“鼓包”表面平滑。
在本发明的一个实施例中,关联面片包括多个面片,多个面片均为三角面片,步骤S3包括:采用梯度下降法对能量优化函数进行计算处理,以优化目标区域的顶点位置。其中,能量优化函数E l 为:
Figure 666452DEST_PATH_IMAGE008
Figure 830717DEST_PATH_IMAGE009
为数据项,目的时让形变区域的面积最小化。
Figure 665818DEST_PATH_IMAGE010
为平滑项,让每个顶点向其相邻顶点靠近。
其中,F为多个面片的集合,
Figure 675363DEST_PATH_IMAGE002
Figure 53254DEST_PATH_IMAGE006
Figure 981896DEST_PATH_IMAGE007
分别为第i个面片的三个顶点坐标,λ为平滑项权重系数,V为目标点集,v j 为第j个顶点坐标,Nv(j)为第j个顶点的相邻顶点集合,v k 为第j个顶点的相邻顶点集合中的第k个顶点坐标。
具体地,利用梯度下降法来优化每组顶点的位置,每次迭代计算让能量函数降低的梯度方向,顶点位置沿梯度下降方向移动一小步,直至满足预设条件。在本实施例中,预设条件包括但不限于能量优化函数收敛,或者达到预设迭代次数。示例性地,预设迭代次数可以是60至100次之间的一个整数。本公开实施例通过对目标区域的顶点进行位置优化,可以让“鼓包”表面逐步收缩,最终趋于一个平面。
在本实施例中,通过能量优化方程的数据项,可以让形变区域的面积最小化。通过能量优化方程的平滑项,可以让每个顶点向相邻顶点靠近,从而实现“鼓包”收缩。
图2为本公开一个实施例中对目标室内进行泊松重建后的原始模型示意图,图3为图2的侧视图。如图2和图3所示,对目标室内进行泊松重建后,模型中存在一个“鼓包”。
在本公开的实施例中,泊松重建的方式,可以包括:
构建八叉树:采用的是自适应的空间网格划分的方法(根据点云的密度调整网格的深度),根据采样点集的位置定义八叉树,然后细分八叉树使每个采样点都落在深度为D的叶节点。
设置函数空间:对八叉树的每个节点设置空间函数,所有节点的空间函数的线性和可以表示向量场 V。
创建向量场:均匀采样的情况下,假设划分的块是常量,通过向量场 V 逼近指示函数的梯度。采用三次条样插值(三线插值)。
求解泊松方程:方程的解采用拉普拉斯矩阵迭代求出。
提取等值面:为得到重构表面,需要选择阈值获得等值面;先估计采样点的位置,然后用其平均值进行等值面提取,然后用移动立方体算法得到等值面。
对目标室内进行泊松重建后,既可以得到带有顶点稠密度的表面网格模型。
图4为对图2所示的原始模型使用本公开室内场景重建模型的处理方法进行处理后的示意图,图5为图4的侧视图。如图4和图5所示,通过本公开的室内场景重建模型的处理方法进行处理后,“鼓包”被明显收缩,趋于一个平面。
本公开实施例的室内场景重建模型的处理方法,在不删除泊松重建后表面网格模型中“鼓包”区域的面片,保证完整水密结构的前提下,通过获取目标相变区域和目标区域的关联面片,并根据关联面片的顶点坐标、平滑项权重系数和目标区域的顶点信息进行处理,可以缩小目标区域的面积,从而可以在保证完整水密结构的前提下实现“鼓包”收缩。
图6为本公开实施例的室内场景重建模型的处理装置的结构框图。如图6所示,本公开实施例的室内场景重建模型的处理装置,包括:表面网格模型获取模块610、确定模块620和形变模块630。
其中,表面网格模型获取模块610用于获取基于室内场景的点云通过泊松重建得到的表面网格模型。表面网格模型包括多个面片,每个片面包括多个顶点。表面网格模型中的多个面片中的顶点携带有稠密度值。确定模块620用于根据表面网格模型中的顶点稠密度确定待形变处理的目标区域和目标区域的关联面片。形变模块630用于根据目标区域的顶点信息和关联面片的顶点位置对目标区域进行形变处理。
在本公开的一个实施例中,确定模块620包括:
拓扑关系建立单元,用于建立表面网格模型中的点-点拓扑关系和点-面拓扑关系;
获取单元,用于获取表面网格模型中多个面片中的顶点的稠密度值;
目标区域确定单元,用于对稠密度值小于预设阈值的顶点,基于点-点拓扑关系生成目标点集,根据目标点集确定目标区域;
关联面片确定单元,用于根据目标点集和点-面拓扑关系确定目标区域的关联面片。
在本公开的一个实施例中,形变模块630用于基于关联面片的顶点坐标、平滑项权重系数和目标区域内顶点的顶点坐标,对目标区域进行面积缩小处理和表面平滑处理。
在本公开的一个实施例中,关联面片包括多个面片,多个面片为三角面片。形变模块630用于采用梯度下降法对能量优化函数进行计算处理,以优化目标区域的顶点位置。其中,能量优化函数为:
Figure 445238DEST_PATH_IMAGE011
其中,F为多个面片的集合,
Figure 258474DEST_PATH_IMAGE002
Figure 349926DEST_PATH_IMAGE006
Figure 855994DEST_PATH_IMAGE007
分别为第i个面片的三个顶点坐标,λ为平滑项权重系数,V为目标点集,v j 为第j个顶点坐标,Nv(j)为第j个顶点的相邻顶点集合,v k 为第j个顶点的相邻顶点集合中的第k个顶点坐标。
在本公开的一个实施例中,形变模块630用于迭代执行采用梯度下降法对能量优化方程进行计算处理,以优化目标区域的顶点位置的操作,直至满足预设条件。
需要说明的是,本实施例的室内场景重建模型的处理装置的具体实施方式与本实施例的室内场景重建模型的处理方法的具体实施方式类似,具体参见室内场景重建模型的处理方法部分,为了减少冗余,不做赘述。
另外,本公开实施例还提供了一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现本公开上述任一实施例所述的室内场景重建模型的处理方法。
图7为本公开电子设备一个应用实施例的结构示意图。下面,参考图7来描述根据本公开实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。
如图7所示,电子设备包括一个或多个处理器和存储器。
处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器可以运行所述程序指令,以实现上文所述的本公开的各个实施例的室内场景重建模型的处理方法以及/或者其他期望的功能。
在一个示例中,电子设备还可以包括:输入装置和输出装置,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外,该输入设备还可以包括例如键盘、鼠标等等。
该输出装置可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出设备可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图7中仅示出了该电子设备中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的室内场景重建模型的处理方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的室内场景重建模型的处理方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种室内场景重建模型的处理方法,其特征在于,包括:
获取基于室内场景的点云通过泊松重建得到的表面网格模型,所述表面网格模型包括多个面片,每个片面包括多个顶点,所述表面网格模型中的所述多个面片中的顶点携带有稠密度值;
根据所述表面网格模型中所述多个面片中的顶点的稠密度值确定待形变处理的目标区域和所述目标区域的关联面片;
根据所述目标区域的顶点信息和所述关联面片的顶点位置对所述目标区域进行形变处理。
2.根据权利要求1所述的室内场景重建模型的处理方法,其特征在于,所述根据所述表面网格模型中的顶点稠密度确定目标区域和所述目标区域的关联面片,包括:
建立所述表面网格模型中的点-点拓扑关系和点-面拓扑关系;
获取所述表面网格模型中所述多个面片中的顶点的稠密度值;
对稠密度值小于预设阈值的顶点,基于所述点-点拓扑关系生成目标点集,根据所述目标点集确定所述目标区域;
根据所述目标点集和所述点-面拓扑关系确定所述目标区域的关联面片。
3.根据权利要求2所述的室内场景重建模型的处理方法,其特征在于,所述根据所述目标区域的顶点信息和所述关联面片的顶点位置对所述目标区域进行形变处理,包括:
基于所述关联面片的顶点坐标、平滑项权重系数和所述目标区域内顶点的顶点坐标,对所述目标区域进行面积缩小处理和表面平滑处理。
4.根据权利要求3所述的室内场景重建模型的处理方法,其特征在于,所述关联面片包括多个面片,所述多个面片为三角面片;
所述基于所述关联面片的顶点坐标、平滑项权重系数和所述目标区域内顶点的顶点坐标,对所述目标区域进行面积缩小处理和表面平滑处理,包括:
采用梯度下降法对能量优化函数进行计算处理,以优化所述目标区域的顶点位置;其中,所述能量优化函数E l 为:
Figure 605023DEST_PATH_IMAGE001
其中,F为所述多个面片的集合,
Figure 115638DEST_PATH_IMAGE002
Figure 364217DEST_PATH_IMAGE003
Figure 618481DEST_PATH_IMAGE004
分别为第i个面片的三个顶点坐标,λ为所述平滑项权重系数,V为所述目标点集,v j 为第j个顶点坐标,Nv(j)为第j个顶点的相邻顶点集合,v k 为第j个顶点的相邻顶点集合中的第k个顶点坐标。
5.根据权利要求4所述的室内场景重建模型的处理方法,其特征在于,迭代执行所述采用梯度下降法对所述能量优化方程进行计算处理,以优化所述目标区域的顶点位置的操作,直至满足预设条件。
6.一种室内场景重建模型的处理装置,其特征在于,包括:
表面网格模型获取模块,用于获取基于室内场景的点云通过泊松重建得到的表面网格模型,所述表面网格模型包括多个面片,每个片面包括多个顶点,所述表面网格模型中的所述多个面片中的顶点携带有稠密度值;
确定模块,用于根据所述表面网格模型中各顶点的稠密度值确定待形变处理的目标区域和所述目标区域的关联面片;
形变模块,用于根据所述目标区域的顶点信息和所述关联面片的顶点位置对所述目标区域进行形变处理。
7.根据权利要求6所述的室内场景重建模型的处理装置,其特征在于,所述确定模块包括:
拓扑关系建立单元,用于建立所述表面网格模型中的点-点拓扑关系和点-面拓扑关系;
获取单元,用于获取所述表面网格模型中所述多个面片中的顶点的稠密度值;
目标区域确定单元,用于对稠密度值小于预设阈值的顶点,基于所述点-点拓扑关系生成目标点集,根据所述目标点集确定所述目标区域;
关联面片确定单元,用于根据所述目标点集和所述点-面拓扑关系确定所述目标区域的关联面片。
8.根据权利要求7所述的室内场景重建模型的处理装置,其特征在于,所述形变模块用于基于所述关联面片的顶点坐标、平滑项权重系数和所述目标区域内顶点的顶点坐标,对所述目标区域进行面积缩小处理和表面平滑处理。
9.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现上述权利要求1-4任一所述的室内场景重建模型的处理方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时,实现上述权利要求1-4任一所述的室内场景重建模型的处理方法。
CN202111029053.2A 2021-09-03 2021-09-03 室内场景重建模型的处理方法和装置 Active CN113470095B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111029053.2A CN113470095B (zh) 2021-09-03 2021-09-03 室内场景重建模型的处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111029053.2A CN113470095B (zh) 2021-09-03 2021-09-03 室内场景重建模型的处理方法和装置

Publications (2)

Publication Number Publication Date
CN113470095A true CN113470095A (zh) 2021-10-01
CN113470095B CN113470095B (zh) 2021-11-16

Family

ID=77867262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111029053.2A Active CN113470095B (zh) 2021-09-03 2021-09-03 室内场景重建模型的处理方法和装置

Country Status (1)

Country Link
CN (1) CN113470095B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114442895A (zh) * 2022-04-07 2022-05-06 阿里巴巴达摩院(杭州)科技有限公司 三维模型构建方法
CN114494653A (zh) * 2021-12-29 2022-05-13 北京城市网邻信息技术有限公司 一种虚拟空间中的模型缩放方法及设备
CN114821541A (zh) * 2022-06-23 2022-07-29 深圳大学 一种基于网格模型的道路面损伤检测方法及相关设备

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063719A (zh) * 2010-12-23 2011-05-18 西北工业大学 一种三维模型局部匹配方法
CN105912562A (zh) * 2016-03-21 2016-08-31 华南理工大学 基于层次化模型的数据可视化方法及其系统
CN106023312A (zh) * 2016-05-13 2016-10-12 南京大学 基于航空LiDAR数据的三维建筑物模型自动重建方法
CN106355646A (zh) * 2016-09-13 2017-01-25 广州市香港科大霍英东研究院 应用于图像处理的表面细化方法、装置以及系统
CN107025685A (zh) * 2017-04-11 2017-08-08 南京林业大学 拓扑感知下的机载建筑屋顶点云建模方法
CN107123164A (zh) * 2017-03-14 2017-09-01 华南理工大学 保持锐利特征的三维重建方法及系统
CN107578472A (zh) * 2017-08-18 2018-01-12 中国科学院自动化研究所 三维表面三角网络模型的角度优化方法及装置
CN109191584A (zh) * 2018-08-16 2019-01-11 Oppo广东移动通信有限公司 三维模型处理方法、装置、电子设备及可读存储介质
CN109410335A (zh) * 2018-09-21 2019-03-01 浙江理工大学 一种基于可复用拉普拉斯矩阵的高效网格融合方法
CN109461198A (zh) * 2018-11-12 2019-03-12 网易(杭州)网络有限公司 网格模型的处理方法及装置
CN109636839A (zh) * 2018-11-15 2019-04-16 山东理工大学 局部泊松曲面约束的实物表面采样点集法向估计方法
CN110473159A (zh) * 2019-08-20 2019-11-19 Oppo广东移动通信有限公司 图像处理方法和装置、电子设备、计算机可读存储介质
CN110533048A (zh) * 2018-05-23 2019-12-03 上海交通大学 基于全景区域场景感知的组合语义层次连接模型的实现方法及系统
CN110570428A (zh) * 2019-08-09 2019-12-13 浙江合信地理信息技术有限公司 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及系统
CN112767531A (zh) * 2020-12-30 2021-05-07 浙江大学 面向移动端的虚拟试衣的人体模型脸部分区域建模方法
CN113129372A (zh) * 2021-03-29 2021-07-16 西安理工大学 基于HoloLens空间映射的三维场景语义分析方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063719A (zh) * 2010-12-23 2011-05-18 西北工业大学 一种三维模型局部匹配方法
CN105912562A (zh) * 2016-03-21 2016-08-31 华南理工大学 基于层次化模型的数据可视化方法及其系统
CN106023312A (zh) * 2016-05-13 2016-10-12 南京大学 基于航空LiDAR数据的三维建筑物模型自动重建方法
CN106355646A (zh) * 2016-09-13 2017-01-25 广州市香港科大霍英东研究院 应用于图像处理的表面细化方法、装置以及系统
CN107123164A (zh) * 2017-03-14 2017-09-01 华南理工大学 保持锐利特征的三维重建方法及系统
CN107025685A (zh) * 2017-04-11 2017-08-08 南京林业大学 拓扑感知下的机载建筑屋顶点云建模方法
CN107578472A (zh) * 2017-08-18 2018-01-12 中国科学院自动化研究所 三维表面三角网络模型的角度优化方法及装置
CN110533048A (zh) * 2018-05-23 2019-12-03 上海交通大学 基于全景区域场景感知的组合语义层次连接模型的实现方法及系统
CN109191584A (zh) * 2018-08-16 2019-01-11 Oppo广东移动通信有限公司 三维模型处理方法、装置、电子设备及可读存储介质
CN109410335A (zh) * 2018-09-21 2019-03-01 浙江理工大学 一种基于可复用拉普拉斯矩阵的高效网格融合方法
CN109461198A (zh) * 2018-11-12 2019-03-12 网易(杭州)网络有限公司 网格模型的处理方法及装置
CN109636839A (zh) * 2018-11-15 2019-04-16 山东理工大学 局部泊松曲面约束的实物表面采样点集法向估计方法
CN110570428A (zh) * 2019-08-09 2019-12-13 浙江合信地理信息技术有限公司 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及系统
CN110473159A (zh) * 2019-08-20 2019-11-19 Oppo广东移动通信有限公司 图像处理方法和装置、电子设备、计算机可读存储介质
CN112767531A (zh) * 2020-12-30 2021-05-07 浙江大学 面向移动端的虚拟试衣的人体模型脸部分区域建模方法
CN113129372A (zh) * 2021-03-29 2021-07-16 西安理工大学 基于HoloLens空间映射的三维场景语义分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王宇新 等: "海冰与海洋平台碰撞分析中的可视化", 《计算机辅助工程》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114494653A (zh) * 2021-12-29 2022-05-13 北京城市网邻信息技术有限公司 一种虚拟空间中的模型缩放方法及设备
CN114442895A (zh) * 2022-04-07 2022-05-06 阿里巴巴达摩院(杭州)科技有限公司 三维模型构建方法
CN114821541A (zh) * 2022-06-23 2022-07-29 深圳大学 一种基于网格模型的道路面损伤检测方法及相关设备
CN114821541B (zh) * 2022-06-23 2022-10-04 深圳大学 一种基于网格模型的道路面损伤检测方法及相关设备

Also Published As

Publication number Publication date
CN113470095B (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN113470095B (zh) 室内场景重建模型的处理方法和装置
Salinas et al. Structure‐aware mesh decimation
Winkler et al. Multi‐scale geometry interpolation
US7443393B2 (en) Method, system, and program product for re-meshing of a three-dimensional input model using progressive implicit approximating levels
KR20140139984A (ko) 3d 모델링된 오브젝트의 압축 및 압축해제
JP2018518747A (ja) 幾何学モデルを単純化する方法
WO2013123636A1 (en) Method and apparatus for mesh simplification
Thiery et al. CageR: cage‐based reverse engineering of animated 3D shapes
Yoshiyasu et al. As‐conformal‐as‐possible surface registration
Ho et al. Topology aware data‐driven inverse kinematics
CN112991547A (zh) 模型简化处理方法、装置以及电子设备、介质
US20180189419A1 (en) System maintaining domain-specific 3d models as a graph within computer aided design
Xian et al. Automatic generation of coarse bounding cages from dense meshes
Lalos et al. Signal processing on static and dynamic 3d meshes: Sparse representations and applications
Chen et al. Binary orientation trees for volume and surface reconstruction from unoriented point clouds
WO2021073530A1 (zh) 房屋模型的简化处理方法、装置以及电子设备、存储介质
US20160335799A1 (en) Method, system and computer program product for 3d objects graphical representation
Wei et al. Field‐aligned Quadrangulation for Image Vectorization
CN113538562B (zh) 室内面积确定方法、装置以及电子设备、存储介质
Wu et al. Implicit fitting and smoothing using radial basis functions with partition of unity
Weimer et al. Fast approximating triangulation of large scattered datasets
Viertel et al. Toward a paver replacement.
CN111986300A (zh) 房屋装修的渲染点确定方法和装置、存储介质、电子设备
Dhibi et al. Multi‐mother wavelet neural network‐based on genetic algorithm and multiresolution analysis for fast 3D mesh deformation
Zint et al. Feature‐Preserving Offset Mesh Generation from Topology‐Adapted Octrees

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