CN114677473A - 三维模型的重建方法、装置、设备及存储介质 - Google Patents

三维模型的重建方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114677473A
CN114677473A CN202210190859.8A CN202210190859A CN114677473A CN 114677473 A CN114677473 A CN 114677473A CN 202210190859 A CN202210190859 A CN 202210190859A CN 114677473 A CN114677473 A CN 114677473A
Authority
CN
China
Prior art keywords
data
dimensional model
grid
texture
collapsed
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.)
Pending
Application number
CN202210190859.8A
Other languages
English (en)
Inventor
薛均晓
李博
万里红
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.)
Henan Zhongyuan Power Intelligent Manufacturing Co ltd
Original Assignee
Henan Zhongyuan Power Intelligent Manufacturing 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 Henan Zhongyuan Power Intelligent Manufacturing Co ltd filed Critical Henan Zhongyuan Power Intelligent Manufacturing Co ltd
Priority to CN202210190859.8A priority Critical patent/CN114677473A/zh
Publication of CN114677473A publication Critical patent/CN114677473A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/04—Texture mapping
    • 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
    • G06T17/205—Re-meshing

Abstract

本申请公开了一种三维模型的重建方法、装置、设备及存储介质，通过获取三维模型的第一网格数据和纹理数据，并基于网格数据，确定三维模型的塌缩边数据，塌缩边数据为网格简化代价最小的边数据，以检查三维模型的黑色三角面；以及若塌缩边数据符合预设拓扑条件，则基于塌缩边数据，对第一网格数据进行网格简化，得到第二网格数据，从而在保证塌缩边数据符合预设拓扑条件的情况下进行网格简化，以避免在网格简化后出现纹理坐标将跳到纹理图像的无效区域；最后根据第二网格数据和纹理数据，对三维模型进行纹理坐标压缩，得到目标三维模型，以有效降低模型文件数据冗余，提高三维模型的渲染效率。

Description

三维模型的重建方法、装置、设备及存储介质
技术领域
本申请涉及三维重建技术领域，尤其涉及一种三维模型的重建方法、装置、设备及存储介质。
背景技术
对于大规模场景，三维重建技术难以在保持三维虚拟场景逼真度的同时，高效处理海量三维模型数据，以及在渲染三维场景细节时提高渲染效率。
目前，三维重建技术主要应用到网格简化技术。但是，大规模场景的三维模型在网格简化后，纹理坐标将跳到纹理图像的无效区域，导致三维模型的纹理贴图出现黑色三角面，从而影响渲染效果。
发明内容
本申请提供了一种三维模型的重建方法及装置，以解决当前三维模型出现黑色三角面的技术问题。
为了解决上述技术问题，第一方面，本申请实施例提供了一种三维模型的重建方法，包括：
获取三维模型的第一网格数据和纹理数据，第一网格数据包括多个边数据；
基于网格数据，确定三维模型的塌缩边数据，塌缩边数据为网格简化代价最小的边数据；
若塌缩边数据符合预设拓扑条件，则基于塌缩边数据，对第一网格数据进行网格简化，得到第二网格数据；
根据第二网格数据和纹理数据，对三维模型进行纹理坐标压缩，得到目标三维模型。
本实施例通过获取三维模型的第一网格数据和纹理数据，并基于网格数据，确定三维模型的塌缩边数据，塌缩边数据为网格简化代价最小的边数据，以检查三维模型的黑色三角面；以及若塌缩边数据符合预设拓扑条件，则基于塌缩边数据，对第一网格数据进行网格简化，得到第二网格数据，从而在保证塌缩边数据符合预设拓扑条件的情况下进行网格简化，以避免在网格简化后出现纹理坐标将跳到纹理图像的无效区域；最后根据第二网格数据和纹理数据，对三维模型进行纹理坐标压缩，得到目标三维模型，以有效降低模型文件数据冗余，提高三维模型的渲染效率。
在一实施例中，第一网格数据还包括多个点数据，基于网格数据，确定三维模型的塌缩边数据，包括：
基于点数据的第一正定矩阵，确定边数据的第二正定矩阵；
利用预设的代价函数，根据第二正定矩阵，确定每个边数据的最小代价值；
将最小代价值最小的目标边数据判定为塌缩边数据。
在一实施例中，基于点数据的第一正定矩阵，确定边数据的第二正定矩阵，包括：
对于每个点数据，将与点数据相连的多边形对应的正定矩阵作为第一正定矩阵；
对于每个边数据，将组成边数据的两个点数据所对应的第一正定矩阵相加，得到边数据的第二正定矩阵。
在一实施例中，利用预设的代价函数，根据第二正定矩阵，确定每个边数据的最小代价值，包括：
对于每个边数据，确定边数据上的多个塌缩点数据；
基于边数据的第二正定矩阵和多个塌缩点数据，对代价函数进行迭代，直至代价函数的代价值最小，得到边数据的最小代价值和目标点数据，目标点数据为最小代价值时对应的塌缩点数据。
在一实施例中，若塌缩边数据符合预设拓扑条件，则基于塌缩边数据，对第一网格数据进行网格简化，得到第二网格数据之前，还包括：
检查塌缩边数据是否为边界数据；
若塌缩边数据不为边界数据，则检查目标纹理数据是否为同一个纹理数据，目标纹理数据为与塌缩边数据相连的所有多边形对应的纹理数据；
若目标纹理数据为同一个纹理数据，则检查塌缩边数据对应的纹理坐标是否连通；
若塌缩边数据对应的纹理坐标连通，则判定塌缩边数据符合预设拓扑条件。
在一实施例中，若塌缩边数据符合预设拓扑条件，则基于塌缩边数据，对第一网格数据进行网格简化，得到第二网格数据，包括：
若塌缩边数据符合预设拓扑条件，则去除第一网格数据中的塌缩边数据；
基于目标点数据，更新第一网格数据，得到第二边数据，目标点数据为塌缩边数据上的点数据。
在一实施例中，根据第二网格数据和纹理数据，对三维模型进行纹理坐标压缩，得到目标三维模型，包括：
将纹理数据映射到第二网格数据，得到中间三维模型；
对中间三维模型的纹理坐标进行区间划分，得到纹理坐标的分区数据；
根据分区数据，对中间三维模型的纹理坐标进行清洗，得到目标三维模型。
第二方面，本申请实施例提供一种三维模型的重建装置，包括：
获取模块，用于获取三维模型的第一网格数据和纹理数据，第一网格数据包括边数据；
确定模块，用于基于网格数据，确定三维模型的塌缩边数据，塌缩边数据为网格简化代价最小的边数据；
简化模块，用于若塌缩边数据符合预设拓扑条件，则基于塌缩边数据，对第一网格数据进行网格简化，得到第二网格数据；
压缩模块，用于根据第二网格数据和纹理数据，对三维模型进行纹理坐标压缩，得到目标三维模型。
第三方面，本申请实施例提供一种计算机设备，包括处理器和存储器，存储器用于存储计算机程序，计算机程序被处理器执行时实现如第一方面的三维模型的重建方法。
第四方面，本申请实施例提供一种计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时实现如第一方面的三维模型的重建方法。
需要说明的是，上述第二方面至第四方面的有益效果请参见上述第一方面的相关描述，在此不再赘述。
附图说明
图1为本申请实施例示出的三维模型的重建方法的流程示意图；
图2为本申请实施例示出的纹理贴图的示意图；
图3为本申请实施例示出的网格简化的示意图；
图4为本申请实施例示出的装置的结构示意图；
图5为本申请实施例示出的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
如相关技术记载，大规模场景的三维模型在网格简化后，纹理坐标将跳到纹理图像的无效区域，导致三维模型的纹理贴图出现黑色三角面，具体如图2 所示的黑色位置，从而影响渲染效果。
为此，本申请实施例提供一种三维模型的重建方法，通过获取三维模型的第一网格数据和纹理数据，并基于网格数据，确定三维模型的塌缩边数据，塌缩边数据为网格简化代价最小的边数据，以检查三维模型的黑色三角面；以及若塌缩边数据符合预设拓扑条件，则基于塌缩边数据，对第一网格数据进行网格简化，得到第二网格数据，从而在保证塌缩边数据符合预设拓扑条件的情况下进行网格简化，以避免在网格简化后出现纹理坐标将跳到纹理图像的无效区域；最后根据第二网格数据和纹理数据，对三维模型进行纹理坐标压缩，得到目标三维模型，以有效降低模型文件数据冗余，提高三维模型的渲染效率。
请参照图1，图1为本申请实施例提供的一种三维模型的重建方法的流程示意图。本申请实施例的三维模型的重建方法可应用于计算机设备，该计算机设备包括但不限于智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备。如图1所示，本实施例的三维模型的重建方法包括步骤 S101至步骤S104，详述如下：
步骤S101，获取三维模型的第一网格数据和纹理数据，所述第一网格数据包括多个边数据。
在本步骤中，第一网格数据还包括多个点数据，其中每个边数据由两个点数据组成，即一条边的两个端点，如图3所示的边数据L1由点数据V3和点数据V4连接得到。
步骤S102，基于所述网格数据，确定所述三维模型的塌缩边数据，所述塌缩边数据为网格简化代价最小的所述边数据。
在本步骤中，坍塌边数据可以为如图3所示的L1。网格简化代价最小为多个边数据的最小代价值中最小的一个。
步骤S103，若所述塌缩边数据符合预设拓扑条件，则基于所述塌缩边数据，对所述第一网格数据进行网格简化，得到第二网格数据。
在本步骤中，预设拓扑条件包括塌缩边数据不属于边界数据、拓扑合法以及纹理坐标能够连通。通过在符合预设拓扑条件的情况下进行网格简化，能够解决大规模场景三维重建模型时出现黑色三角面的问题，减小三维模型的复杂度和数据量，从而提高模型渲染效率。
步骤S104，根据所述第二网格数据和所述纹理数据，对所述三维模型进行纹理坐标压缩，得到目标三维模型。
在本步骤中，通过压缩纹理坐标，减少纹理内存，使压缩后的纹理使用时更加高效。
在一实施例中，在图1所示实施例的基础上，所述第一网格数据还包括多个点数据，上述步骤S102，包括：
基于所述点数据的第一正定矩阵，确定所述边数据的第二正定矩阵；
利用预设的代价函数，根据所述第二正定矩阵，确定每个所述边数据的最小代价值；
将所述最小代价值最小的目标边数据判定为所述塌缩边数据。
在本实施例中，可选地，所述基于所述点数据的第一正定矩阵，确定所述边数据的第二正定矩阵，包括：
对于每个所述点数据，将与所述点数据相连的多边形对应的正定矩阵作为所述第一正定矩阵；
对于每个所述边数据，将组成所述边数据的两个所述点数据所对应的所述第一正定矩阵相加，得到所述边数据的第二正定矩阵。
在本可选实施例中，
首先给每个点Vi赋值一个初始正定矩阵Ai＝∑Ci，其中Ci表示每个Vi相连的多变形对应的正定矩阵，假设此多边形的方程为ax+by+cz+d＝0，(a，b，c) 为单位向量，那么
Figure RE-GDA0003631057130000061
再给每个边赋值一个正定矩阵Ei，Ei等于边上两端点的正定阵相加。
可选地，所述利用预设的代价函数，根据所述第二正定矩阵，确定每个所述边数据的最小代价值，包括：
对于每个所述边数据，确定所述边数据上的多个塌缩点数据；
基于所述边数据的第二正定矩阵和多个所述塌缩点数据，对所述代价函数进行迭代，直至所述代价函数的代价值最小，得到所述边数据的最小代价值和目标点数据，所述目标点数据为所述最小代价值时对应的所述塌缩点数据。
在本可选实施中，假设塌缩点的位置为x，使得代价函数xTEix最小，由于 这是二次方程，故可求得x的值和最小代价值。计算每个边的最小代价值，对 多个最小代价值中最小的边进行塌缩，例如图3的边数据塌缩为点数据V5。进 一步地，每次塌缩边时生成的点(即目标点数据)的正定矩阵Ai可以由Ei代替。
在一实施例中，所述若所述塌缩边数据符合预设拓扑条件，则基于所述塌缩边数据，对所述第一网格数据进行网格简化，得到第二网格数据之前，还包括：
检查所述塌缩边数据是否为边界数据；
若所述塌缩边数据不为边界数据，则检查目标纹理数据是否为同一个纹理数据，所述目标纹理数据为与所述塌缩边数据相连的所有多边形对应的纹理数据；
若所述目标纹理数据为同一个纹理数据，则检查所述塌缩边数据对应的纹理坐标是否连通；
若所述塌缩边数据对应的纹理坐标连通，则判定所述塌缩边数据符合所述预设拓扑条件。
在本实施例中，为了防止对边界塌缩，应该加入边界的判定条件。判断塌缩边是否是边界，如果是，放弃这条边；判断是否拓扑合法，如果不合法，放弃；判断纹理坐标是否连通，如果不连通，放弃。其中拓扑合法检查为判断纹理坐标值是否落在合法区域，即要塌缩的边所有相连的多边形的纹理图片指向同一张纹理图片，以及要塌缩的边两个顶点，在其每个面片的纹理坐标值足够相近(小于阈值)。
在一实施例中，所述若所述塌缩边数据符合预设拓扑条件，则基于所述塌缩边数据，对所述第一网格数据进行网格简化，得到第二网格数据，包括：
若所述塌缩边数据符合所述预设拓扑条件，则去除所述第一网格数据中的所述塌缩边数据；
基于目标点数据，更新所述第一网格数据，得到第二边数据，所述目标点数据为所述塌缩边数据上的点数据。
在本实施例中，如图3所示，计算新点v5在三角形V1V2V3平面的三角坐标：将V5投影在三角形V1V2V3所在平面得到V5，那么V5的位置可以由V1 V2V3的位置描述，即如下方程：
Figure RE-GDA0003631057130000081
获得三角坐标后，V4的纹理坐标为V1、V2、 V3的纹理坐标之间的加权和，加权系数为λi。
在一实施例中，所述根据所述第二网格数据和所述纹理数据，对所述三维模型进行纹理坐标压缩，得到目标三维模型，包括：
将所述纹理数据映射到所述第二网格数据，得到中间三维模型；
对所述中间三维模型的纹理坐标进行区间划分，得到纹理坐标的分区数据；
根据所述分区数据，对所述中间三维模型的纹理坐标进行清洗，得到所述目标三维模型。
在本实施例中，在纹理映射后的网格模型文件中，储存有纹理坐标数据，有时候不同面片的纹理坐标值相同或者相近，反复储存这样的值会增加文件大小和读取网格数据后的内存占用。对网格数据中的纹理坐标进行压缩，纹理坐标是二维空间点，所以对三维模型点进行重采样。具体利用八叉树进行区间划分，当区间划分足够细时，每个六面体内的点可以由平均点代替，从而实现纹理坐标压缩。
为了执行上述方法实施例对应的三维模型的重建方法，以实现相应的功能和技术效果。参见图4，图4示出了本申请实施例提供的一种三维模型的重建装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分，本申请实施例提供的三维模型的重建装置，包括：
获取模块501，用于获取三维模型的第一网格数据和纹理数据，所述第一网格数据包括边数据；
确定模块502，用于基于所述网格数据，确定所述三维模型的塌缩边数据，所述塌缩边数据为网格简化代价最小的所述边数据；
简化模块503，用于若所述塌缩边数据符合预设拓扑条件，则基于所述塌缩边数据，对所述第一网格数据进行网格简化，得到第二网格数据；
压缩模块504，用于根据所述第二网格数据和所述纹理数据，对所述三维模型进行纹理坐标压缩，得到目标三维模型。
在一实施例中，所述第一网格数据还包括多个点数据，所述确定模块502，包括：
第一确定单元，用于基于所述点数据的第一正定矩阵，确定所述边数据的第二正定矩阵；
第二确定单元，用于利用预设的代价函数，根据所述第二正定矩阵，确定每个所述边数据的最小代价值；
判定单元，用于将所述最小代价值最小的目标边数据判定为所述塌缩边数据。
在一实施例中，所述第一确定单元，包括：
作为子单元，用于对于每个所述点数据，将与所述点数据相连的多边形对应的正定矩阵作为所述第一正定矩阵；
相加子单元，用于对于每个所述边数据，将组成所述边数据的两个所述点数据所对应的所述第一正定矩阵相加，得到所述边数据的第二正定矩阵。
在一实施例中，所述第二确定单元，包括：
确定子单元，用于对于每个所述边数据，确定所述边数据上的多个塌缩点数据；
迭代子单元，用于基于所述边数据的第二正定矩阵和多个所述塌缩点数据，对所述代价函数进行迭代，直至所述代价函数的代价值最小，得到所述边数据的最小代价值和目标点数据，所述目标点数据为所述最小代价值时对应的所述塌缩点数据。
在一实施例中，所述重建装置，还包括：
第一检查模块，用于检查所述塌缩边数据是否为边界数据；
第二检查模块，用于若所述塌缩边数据不为边界数据，则检查目标纹理数据是否为同一个纹理数据，所述目标纹理数据为与所述塌缩边数据相连的所有多边形对应的纹理数据；
第三检查模块，用于若所述目标纹理数据为同一个纹理数据，则检查所述塌缩边数据对应的纹理坐标是否连通；
判定模块，用于若所述塌缩边数据对应的纹理坐标连通，则判定所述塌缩边数据符合所述预设拓扑条件。
在一实施例中，所述简化模块503，包括：
去除单元，用于若所述塌缩边数据符合所述预设拓扑条件，则去除所述第一网格数据中的所述塌缩边数据；
更新单元，用于基于目标点数据，更新所述第一网格数据，得到第二边数据，所述目标点数据为所述塌缩边数据上的点数据。
在一实施例中，所述压缩模块504，包括：
映射单元，用于将所述纹理数据映射到所述第二网格数据，得到中间三维模型；
划分单元，用于对所述中间三维模型的纹理坐标进行区间划分，得到纹理坐标的分区数据；
清洗单元，用于根据所述分区数据，对所述中间三维模型的纹理坐标进行清洗，得到所述目标三维模型。
上述的三维模型的重建装置可实施上述方法实施例的三维模型的重建方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
图5为本申请一实施例提供的计算机设备的结构示意图。如图5所示，该实施例的计算机设备6包括：至少一个处理器60(图5中仅示出一个)处理器、存储器61以及存储在所述存储器61中并可在所述至少一个处理器60上运行的计算机程序62，所述处理器60执行所述计算机程序62时实现上述任意方法实施例中的步骤。
所述计算机设备6可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器60、存储器61。本领域技术人员可以理解，图5仅仅是计算机设备6的举例，并不构成对计算机设备6 的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，该处理器60还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit， ASIC)、现成可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61在一些实施例中可以是所述计算机设备6的内部存储单元，例如计算机设备6的硬盘或内存。所述存储器61在另一些实施例中也可以是所述计算机设备6的外部存储设备，例如所述计算机设备6上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述计算机设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
另外，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中，可以理解的是，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。
所述功能如果以软件功能模块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，本申请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执行本申请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－Only Memory)、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例，对本申请的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本申请的具体实施例而已，并不用于限定本申请的保护范围。特别指出，对于本领域技术人员来说，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种三维模型的重建方法，其特征在于，包括：
获取三维模型的第一网格数据和纹理数据，所述第一网格数据包括多个边数据；
基于所述网格数据，确定所述三维模型的塌缩边数据，所述塌缩边数据为网格简化代价最小的所述边数据；
若所述塌缩边数据符合预设拓扑条件，则基于所述塌缩边数据，对所述第一网格数据进行网格简化，得到第二网格数据；
根据所述第二网格数据和所述纹理数据，对所述三维模型进行纹理坐标压缩，得到目标三维模型。
2.如权利要求1所述的三维模型的重建方法，其特征在于，所述第一网格数据还包括多个点数据，所述基于所述网格数据，确定所述三维模型的塌缩边数据，包括：
基于所述点数据的第一正定矩阵，确定所述边数据的第二正定矩阵；
利用预设的代价函数，根据所述第二正定矩阵，确定每个所述边数据的最小代价值；
将所述最小代价值最小的目标边数据判定为所述塌缩边数据。
3.如权利要求2所述的三维模型的重建方法，其特征在于，所述基于所述点数据的第一正定矩阵，确定所述边数据的第二正定矩阵，包括：
对于每个所述点数据，将与所述点数据相连的多边形对应的正定矩阵作为所述第一正定矩阵；
对于每个所述边数据，将组成所述边数据的两个所述点数据所对应的所述第一正定矩阵相加，得到所述边数据的第二正定矩阵。
4.如权利要求2所述的三维模型的重建方法，其特征在于，所述利用预设的代价函数，根据所述第二正定矩阵，确定每个所述边数据的最小代价值，包括：
对于每个所述边数据，确定所述边数据上的多个塌缩点数据；
基于所述边数据的第二正定矩阵和多个所述塌缩点数据，对所述代价函数进行迭代，直至所述代价函数的代价值最小，得到所述边数据的最小代价值和目标点数据，所述目标点数据为所述最小代价值时对应的所述塌缩点数据。
5.如权利要求1所述的三维模型的重建方法，其特征在于，所述若所述塌缩边数据符合预设拓扑条件，则基于所述塌缩边数据，对所述第一网格数据进行网格简化，得到第二网格数据之前，还包括：
检查所述塌缩边数据是否为边界数据；
若所述塌缩边数据不为边界数据，则检查目标纹理数据是否为同一个纹理数据，所述目标纹理数据为与所述塌缩边数据相连的所有多边形对应的纹理数据；
若所述目标纹理数据为同一个纹理数据，则检查所述塌缩边数据对应的纹理坐标是否连通；
若所述塌缩边数据对应的纹理坐标连通，则判定所述塌缩边数据符合所述预设拓扑条件。
6.如权利要求1所述的三维模型的重建方法，其特征在于，所述若所述塌缩边数据符合预设拓扑条件，则基于所述塌缩边数据，对所述第一网格数据进行网格简化，得到第二网格数据，包括：
若所述塌缩边数据符合所述预设拓扑条件，则去除所述第一网格数据中的所述塌缩边数据；
基于目标点数据，更新所述第一网格数据，得到第二边数据，所述目标点数据为所述塌缩边数据上的点数据。
7.如权利要求1所述的三维模型的重建方法，其特征在于，所述根据所述第二网格数据和所述纹理数据，对所述三维模型进行纹理坐标压缩，得到目标三维模型，包括：
将所述纹理数据映射到所述第二网格数据，得到中间三维模型；
对所述中间三维模型的纹理坐标进行区间划分，得到纹理坐标的分区数据；
根据所述分区数据，对所述中间三维模型的纹理坐标进行清洗，得到所述目标三维模型。
8.一种三维模型的重建装置，其特征在于，包括：
获取模块，用于获取三维模型的第一网格数据和纹理数据，所述第一网格数据包括边数据；
确定模块，用于基于所述网格数据，确定所述三维模型的塌缩边数据，所述塌缩边数据为网格简化代价最小的所述边数据；
简化模块，用于若所述塌缩边数据符合预设拓扑条件，则基于所述塌缩边数据，对所述第一网格数据进行网格简化，得到第二网格数据；
压缩模块，用于根据所述第二网格数据和所述纹理数据，对所述三维模型进行纹理坐标压缩，得到目标三维模型。
9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的三维模型的重建方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的三维模型的重建方法。
CN202210190859.8A 2022-02-25 2022-02-25 三维模型的重建方法、装置、设备及存储介质 Pending CN114677473A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210190859.8A CN114677473A (zh) 2022-02-25 2022-02-25 三维模型的重建方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210190859.8A CN114677473A (zh) 2022-02-25 2022-02-25 三维模型的重建方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114677473A true CN114677473A (zh) 2022-06-28

Family

ID=82071436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210190859.8A Pending CN114677473A (zh) 2022-02-25 2022-02-25 三维模型的重建方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114677473A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115830273A (zh) * 2023-01-10 2023-03-21 北京飞渡科技股份有限公司 一种三维场景渲染前轻量化网格的优化方法及装置
CN117115392A (zh) * 2023-10-24 2023-11-24 中科云谷科技有限公司 模型图像压缩方法、装置、计算机设备及可读存储介质
CN117456110A (zh) * 2023-12-25 2024-01-26 北京飞渡科技股份有限公司 一种三维场景变态网格数据轻量化处理方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115830273A (zh) * 2023-01-10 2023-03-21 北京飞渡科技股份有限公司 一种三维场景渲染前轻量化网格的优化方法及装置
CN117115392A (zh) * 2023-10-24 2023-11-24 中科云谷科技有限公司 模型图像压缩方法、装置、计算机设备及可读存储介质
CN117115392B (zh) * 2023-10-24 2024-01-16 中科云谷科技有限公司 模型图像压缩方法、装置、计算机设备及可读存储介质
CN117456110A (zh) * 2023-12-25 2024-01-26 北京飞渡科技股份有限公司 一种三维场景变态网格数据轻量化处理方法
CN117456110B (zh) * 2023-12-25 2024-03-19 北京飞渡科技股份有限公司 一种三维场景变态网格数据轻量化处理方法

Similar Documents

Publication Publication Date Title
CN114677473A (zh) 三维模型的重建方法、装置、设备及存储介质
US8310480B2 (en) Method, medium, and system for compressing and decoding mesh data in three-dimensional mesh model
CN111815755A (zh) 虚拟物体被遮挡的区域确定方法、装置及终端设备
CN113838176B (zh) 模型的训练方法、三维人脸图像生成方法及设备
CN111598986B (zh) 虚拟流体表面的渲染方法、装置、设备及存储介质
CN109979013B (zh) 三维人脸贴图方法及终端设备
CN107578467B (zh) 一种医疗器械三维建模方法及装置
WO2020093307A1 (zh) 三维网格模型的简化方法与装置
CN111279384B (zh) 图形流水线中的索引的压缩和解压缩
WO2018039936A1 (en) Fast uv atlas generation and texture mapping
CN113642589B (zh) 图像特征提取方法及装置、计算机设备和可读存储介质
CN113256755B (zh) 图像的渲染方法、智能终端以及存储装置
CN109377552B (zh) 图像遮挡计算方法、装置、计算设备及存储介质
CN109523634B (zh) 优化网格的方法及装置
CN112669432A (zh) 容积云渲染方法、装置、电子设备及存储介质
CN110038302B (zh) 基于Unity3D的网格生成方法及装置
CN111768353A (zh) 一种三维模型的孔洞填补方法及装置
CN116993955A (zh) 三维模型的重拓扑方法、装置、设备及存储介质
CN112419463B (zh) 一种模型数据处理方法、装置、设备及可读存储介质
CN111062878A (zh) 图像的去噪方法、装置及计算机可读存储介质
CN107977923B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN113240720A (zh) 一种三维表面重建方法、装置、服务器以及可读存储介质
CN113592994B (zh) 用于纹理贴图的方法、装置和存储介质
EP4231243A1 (en) Data storage management method, object rendering method, and device
CN114723796A (zh) 一种三维点云生成方法、装置及电子设备

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