CN115953522A - 一种物体三维模型定向方法、装置、设备及存储介质 - Google Patents
一种物体三维模型定向方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115953522A CN115953522A CN202310238975.7A CN202310238975A CN115953522A CN 115953522 A CN115953522 A CN 115953522A CN 202310238975 A CN202310238975 A CN 202310238975A CN 115953522 A CN115953522 A CN 115953522A
- Authority
- CN
- China
- Prior art keywords
- candidate
- dimensional model
- convex hull
- patch
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 3
- 230000036544 posture Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
申请提供一种物体三维模型定向方法、装置、设备及存储介质,涉及三维重建技术领域。该方法通过对物体三维模型进行凸包计算,得到多个凸包面片;根据多个凸包面片,生成候选底面集合;根据物体三维模型的对称平面,从候选底面集合中确定目标底面;根据物体三维模型的对称平面,以及预设的对称平面和模型正面的空间位置关系,生成物体三维模型的候选正面集合;从候选正面集合中确定目标正面;根据目标底面和目标正面,对物体三维模型分别进行垂直定向和水平定向。从而,实现垂直定向和水平定向结合,提升了定向的精准度,并适用于多场景的物体三维模型,节省了人力物力,实现精准地对物体三维模型进行自动定向。
Description
技术领域
本发明涉及三维重建技术领域,具体而言,涉及一种物体三维模型定向方法、装置、设备及存储介质。
背景技术
目前,利用物品进行数字化三维模型构建主要有三种方式:(1)多视角影像三维重建;(2)激光扫描三维重建;(3)人工辅助构建。基于多视角影像物品三维重建生成的模型的初始姿态通常取决于图像序列中第一幅图像的姿态和空中三角测量的误差。由于无法预知用户拍摄的第一张照片与建模对象的姿态关系,无法预知空中三角测量的误差,因此,基于多视角影像物品三维重建完成后,模型的初始姿态是无规律的。激光扫描三维重建通常可以得到高精度物品三维模型,然而物品扫描通常采用手持激光扫描仪,生成的模型姿态与激光靶点、扫描仪坐标有关,模型初始姿态也是不确定的。人工辅助构建时,虽然,一般工作者在模型导出时,会将姿态调整至符合人类习惯感知的正确姿态,但并没有统一标准约束同类模型保持姿态一致。
上述物品三维模型的姿态问题,无法通过模型处理程序自动修正,使得大批量的物品三维模型出现上下颠倒、前后颠倒、无序翻转等各种问题,且同类模型的翻转角度并不一致。这些错乱无序的模型姿态与人类习惯感知的正确姿态无法保持一致,因而造成观者不同程度的观感不适,也非常不利于直观获取模型信息。
为了修正物品三维模型姿态不规律、不统一的问题,现有的模型姿态修正功能,只能通过人眼目视判断与人工交互方式实现。对于三维模型数据集,人工针对成千上万的三维模型逐一调整姿态,是耗费大量人力和资源的一大痛点问题。因此,迫切需要一种物品三维模型自动定向方法。
发明内容
本发明的目的在于,针对上述现有技术中的不足,本申请提供了一种物体三维模型定向方法、装置、设备及存储介质,以解决现有技术中物体三维模型无法自动定向等问题。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供一种物体三维模型定向方法,所述方法包括:
对物体三维模型进行凸包计算,得到多个凸包面片;
根据所述多个凸包面片,生成候选底面集合;
根据所述物体三维模型的对称平面,从所述候选底面集合中确定目标底面;
根据所述物体三维模型的对称平面,以及预设的对称平面和模型正面的空间位置关系,生成所述物体三维模型的候选正面集合;
从所述候选正面集合中确定目标正面;
根据所述目标底面和所述目标正面,对所述物体三维模型分别进行垂直定向和水平定向。
可选地,所述根据所述多个凸包面片,生成候选底面集合,包括:
将所述多个凸包面片聚类为多个面片簇;
对每个面片簇中的所有凸包面片进行加权拟合,得到拟合平面;
根据所述每个面片簇中的所有凸包面片投影到所述拟合平面上形成的多边形,生成所述每个面片簇对应的一个候选底面,所述候选底面集合包括:所述多个面片簇对应的候选底面,其中,所述每个面片簇对应一个候选底面。
可选地,所述将所述多个凸包面片聚类为多个面片簇,包括:
创建一个面片簇作为当前簇;
将所述多个凸包面片中面积最大的凸包面片作为种子面片,加入至所述当前簇中;
若所述种子面片与第一凸包面片的角度小于第一预设角度,则将所述第一凸包面片加入至所述当前簇中,所述第一凸包面片为与所述种子面片相邻的凸包面片;
若新入簇的所述第一凸包面片与第二凸包面片的角度小于第二预设角度,则将所述第二凸包面片也加入至所述当前簇中,所述第二凸包面片为与所述第一凸包面片相邻的凸包面片,所述第二预设角度小于所述第一预设角度;
重新创建一个面片簇,直至所述多个凸包面片均被聚类至对应的簇中。
可选地,所述根据所述物体三维模型的对称平面,从所述候选底面集合中确定目标底面,包括:
根据所述物体三维模型的对称平面,从所述候选底面集合中确定垂直于所述对称平面的多个候选底面;
获取所述物体三维模型的质心在所述多个候选底面上的投影点;
获取所述多个候选底面的外接多边形的中心点;
获取所述多个候选底面的外接多边形顶点的均值点;
计算由所述多个候选底面的投影点、中心点、均值点围成的三角形的面积分别作为所述多个候选底面对应的面积;
确定所述多个候选底面中面积最小的候选底面为所述目标底面。
可选地,所述根据所述对称平面,以及预设的对称平面和模型正面的空间位置关系,生成所述物体三维模型的候选正面集合,包括:
平移所述物体三维模型的模型中心点使得所述模型中心点与预设坐标系的原点重合;
保持所述物体三维模型的模型中心点位置不变,旋转所述物体三维模型的纵轴与所述预设坐标系的纵轴重合;
保持所述物体三维模型的纵轴位置不变,旋转所述物体三维模型的对称平面与所述预设坐标系的正立面重合;
确定所述物体三维模型的最小边界框中垂直于所述对称平面且平行于所述物体三维模型的竖轴的两个平面作为所述物体三维模型的候选正面,重新旋转所述物体三维模型,直至垂直于所述对称平面的平面均被使用。
可选地,所述从所述候选正面集合中确定目标正面,包括:
根据所述物体三维模型的信息,计算所述候选正面集合中各个候选正面的信息量;
根据所述各个候选正面的信息量,从所述候选正面集合中确定信息量最大的候选正面作为所述目标正面。
可选地,所述根据所述物体三维模型的信息,计算所述候选正面集合中各个候选正面的信息量,包括:
根据所述物体三维模型的信息,计算所述各个候选正面的几何结构信息量和所述各个候选正面的纹理图像信息量;
对所述各个候选正面的几何结构信息量和纹理图像信息量进行加权,得到所述各个候选正面的信息量。
第二方面,本申请实施例提供一种物体三维模型定向装置,所述装置包括:
计算模块,用于对物体三维模型进行凸包计算,得到多个凸包面片;
第一生成模块,用于根据所述多个凸包面片,生成候选底面集合;
第一确定模块,用于根据所述物体三维模型的对称平面,从所述候选底面集合中确定目标底面;
第二生成模块,用于根据所述物体三维模型的对称平面,以及预设的对称平面和模型正面的空间位置关系,生成所述物体三维模型的候选正面集合;
第二确定模块,用于从所述候选正面集合中确定目标正面;
定向模块,用于根据所述目标底面和所述目标正面,对所述物体三维模型分别进行垂直定向和水平定向。
第三方面,本申请实施例提供一种电子设备,包括:处理器、存储介质,所述处理器与所述存储介质之间通过总线通信连接,所述存储介质存储有所述处理器可执行的程序指令,所述处理器调用存储介质中存储的程序,以执行如第一方面任一所述的物体三维模型定向方法的步骤。
第四方面,本申请实施例提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如第一方面任一所述的物体三维模型定向的步骤。
相对于现有技术而言,本申请具有以下有益效果:
本申请提供一种物体三维模型定向方法、装置、设备及存储介质,该方法通过对物体三维模型进行凸包计算,得到多个凸包面片;根据多个凸包面片,生成候选底面集合;根据物体三维模型的对称平面,从候选底面集合中确定目标底面;根据物体三维模型的对称平面,以及预设的对称平面和模型正面的空间位置关系,生成物体三维模型的候选正面集合;从候选正面集合中确定目标正面;根据目标底面和目标正面,对物体三维模型分别进行垂直定向和水平定向。从而,通过凸包计算得到目标底面和目标正面,实现垂直定向和水平定向结合,提升了定向的精准度,并适用于多场景的物体三维模型,节省了人力物力,实现精准地对物体三维模型进行自动定向。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请提供的一种物体三维模型定向方法的流程示意图;
图2为本申请实施例提供的一种生成候选底面集合的方法的流程示意图;
图3为本申请实施例提供的一种凸包面片聚类方法的流程示意图;
图4为本申请实施例提供的一种从候选底面集合中确定目标底面的方法的流程示意图;
图5为本申请实施例提供的一种生成候选正面集合的方法的流程示意图;
图6为本申请实施例提供的一种从候选正面集合中确定目标正面的方法的流程示意图;
图7为本申请实施例提供的一种计算候选正面的信息量的方法的流程示意图;
图8为本申请实施例提供的一种物体三维模型定向装置的示意图;
图9为本申请实施例提供的一种电子设备的示意图。
图标:801-计算模块、802-第一生成模块、803-第一确定模块、804-第二生成模块、805-第二确定模块、806-定向模块、901-处理器、902-存储介质。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。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它实施例,都属于本申请保护的范围。
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定义和解释。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
为精准地实现物品三维模型定向,本申请提供了一种物体三维模型定向方法、装置、设备及存储介质。
如下通过具体示例对本申请提供的一种物体三维模型定向方法进行解释说明。图1为本申请提供的一种物体三维模型定向方法的流程示意图,该方法的执行主体为电子设备,该电子设备可以为具有计算处理功能的设备。如图1所示,该方法包括:
S101、对物体三维模型进行凸包计算,得到多个凸包面片。
物体三维模型是指现实世界中的三维实物物体,例如:雕塑、玩具等。凸是指图形内任意两点的连线都不经过物体内部,而凸包就是物体三维模型上所有不经过物体内部的连线组成的多面体,该多面体上的所有顶点就是物体三维模型的凸点。
通过获取物体三维模型的三维点云信息,计算得到物体三维模型对应的凸包。在实际计算的时候,可以不需要精准地计算物体三维模型所有点的实际三维坐标信息,只需要将所有不经过物体内部的连线连起来即可。获取凸包上的面,作为物体三维模型的凸包面片。从而,不需要精确计算物体三维模型的多个坐标,即使在点云分布不均匀、物体存在残缺的情况下,也能正常处理,适用于多场景处理。
S102、根据多个凸包面片,生成候选底面集合。
凸包面片表征着物体三维模型的表面,无论物体三维模型处于什么样的放置状态,总有一个凸包面片与物体三维模型的放置平台接触。因此,物体三维模型的底面肯在包含在多个凸包面片中。可将多个凸包面片中,物体三维模型随机旋转变换后所有可能的物理支撑面的集合作为候选底面集合。
S103、根据物体三维模型的对称平面,从候选底面集合中确定目标底面。
在此步骤之前,需要先获取物体三维模型的对称平面。经过大量地观察,现实世界中大多数三维物体在水平方向上具有对称性(例如,花瓶、雕塑),这使它们都具有垂直于底面的对称平面或对称主轴。有的物体三维模型只有一个对称平面,有的三维模型有多个对称平面(例如,正方体模具)。有的物体三维模型有一个对称主轴,有的物体三维模型没有对称主轴。若物体三维模型具备对称平面和对称主轴,则获取物体三维模型的对称平面和对称主轴;若物体三维模型只有对称平面,则获取物体三维模型的对称平面。
可以理解的,物体三维模型定向后的目标底面与物体三维模型的对称平面在三维空间中是垂直关系。根据此位置关系,可以从候选底面集合中确定目标底面。
此外,若物体三维模型有对称主轴,目标底面与对称主轴为垂直关系,也可以根据物体三维模型的对称主轴,从候选底面集合中确定目标底面。
S104、根据物体三维模型的对称平面,以及预设的对称平面和模型正面的空间位置关系,生成物体三维模型的候选正面集合。
其中,预设的对称平面和模型正面的空间位置关系为垂直关系。
可以理解的,物体三维模型基于目标底面放置后,与物体三维模型的对称平面垂直的多个平面中肯定包括物体三维模型的正面。而物体三维模型的对称平面可能有多个,因此,将与物体三维模型的每个对称平面垂直的平面都可以作为物体三维模型的候选正面集合。
S105、从候选正面集合中确定目标正面。
从三维空间位置来看,候选正面集合中的平面都满足物体三维模型的正面的空间物理关系要求。但是,物理三维模型的目标正面只有一个。可以理解的是,在制作物体时,往往正面的图像信息最为丰富。因此,可根据物理三维模型的图像信息进一步地从候选正面集合中确定目标正面。
S106、根据目标底面和目标正面,对物体三维模型分别进行垂直定向和水平定向。
确定了根据目标底面和目标正面之后。根据目标底面确定物体三维模型的放置平面,进行垂直定向。在将目标底面作为物体三维模型的放置平面的基础上,水平旋转物体三维模型,根据目标正面确定物体三维模型的朝向观察者的平面,进行水平定向。通过确定物体三维模型的底面及正面,精准地对物体三维模型进行自动定向。不依赖于机器学习或深度学习,因而无需准备大量的人工标注定向真值的三维模型训练集,节省了大量重复的人工标注工作。
综上,在本实施例中,通过对物体三维模型进行凸包计算,得到多个凸包面片;根据多个凸包面片,生成候选底面集合;根据物体三维模型的对称平面,从候选底面集合中确定目标底面;根据物体三维模型的对称平面,以及预设的对称平面和模型正面的空间位置关系,生成物体三维模型的候选正面集合;从候选正面集合中确定目标正面;根据目标底面和目标正面,对物体三维模型分别进行垂直定向和水平定向。从而,通过凸包计算得到目标底面和目标正面,实现垂直定向和水平定向结合,提升了定向的精准度,并适用于多场景的物体三维模型,节省了人力物力,实现精准地对物体三维模型进行自动定向。
在上述图1对应的实施例的基础上,本申请实施例还提供了一种生成候选底面集合的方法。图2为本申请实施例提供的一种生成候选底面集合的方法的流程示意图。如图2所示,S102中的根据多个凸包面片,生成候选底面集合,包括:
S201、将多个凸包面片聚类为多个面片簇。
将多个凸包面片中相邻的凸包面片聚类为一个面片簇。以此,将多个凸包面片聚类为多个面片簇。每一个面片簇中的多个凸包面片都为相邻的面片,特征相似,可在后续的处理中近似地看做一个平面。
S202、对每个面片簇中的所有凸包面片进行加权拟合,得到拟合平面。
物体三维模型的底面为一个平面,而每个面片簇中的所有凸包面片之间仍然存在夹角,无法表征为有一个平面。因此,需要对每个面片簇中的所有凸包面片进行拟合,得到拟合平面。
示例地,可以根据凸包面片的面积对每个面片簇中的所有凸包面片进行加权拟合,得到拟合平面。此处仅为示例,也可以根据凸包面片的其他参数进行拟合,对所有凸包面片进行加权拟合的方式都在本申请的保护范围之内。
S203、根据每个面片簇中的所有凸包面片投影到拟合平面上形成的多边形,生成每个面片簇对应的一个候选底面,候选底面集合包括:多个面片簇对应的候选底面,其中,每个面片簇对应一个候选底面。
将每个面片簇中的所有凸包面片投影到该面片簇对应的拟合平面上,形成一个多边形,将该多边形确定为该面片簇对应的一个候选底面。
每个面片簇都对应一个候选底面,将所有的候选底面组成候选底面集合。
综上,在本实施例中,将多个凸包面片聚类为多个面片簇;根据凸包面片的面积对每个面片簇中的所有凸包面片进行加权拟合,得到拟合平面;根据每个面片簇中的所有凸包面片投影到拟合平面上形成的多边形,生成每个面片簇对应的一个候选底面,候选底面集合包括:多个面片簇对应的候选底面,其中,每个面片簇对应一个候选底面。从而,根据物体空间特性,获取了候选底面集,提高了确定目标底面的精准度。
在上述图2对应的实施例的基础上,本申请实施例还提供了一种凸包面片聚类方法。图3为本申请实施例提供的一种凸包面片聚类方法的流程示意图。如图3所示,S201中的将多个凸包面片聚类为多个面片簇,包括:
S301、创建一个面片簇作为当前簇。
S302、将多个凸包面片中面积最大的凸包面片作为种子面片,加入至当前簇中。
计算多个凸包面片的面积,将多个凸包面片中面积最大的凸包面片作为种子面片,加入至当前簇中。以面积最大的凸包面片开始聚类。
S303、若种子面片与第一凸包面片的角度小于第一预设角度,则将第一凸包面片加入至当前簇中。
其中,第一凸包面片为与种子面片相邻的凸包面片。
示例地,第一预设角度可以为30°,在种子面片相邻的第一凸包面片中,筛选与种子面片之间的夹角小于30°的第一凸包面片。这类第一凸包面片与种子面片之间的夹角较小,可以认为这类第一凸包面片与种子面片可近似在同一平面上。因此,将这类与种子面片之间的夹角小于30°的第一凸包面片加入至当前簇中。
S304、若新入簇的第一凸包面片与第二凸包面片的角度小于第二预设角度,则将第二凸包面片也加入至当前簇中。
其中,第二凸包面片为与第一凸包面片相邻的凸包面片,第二预设角度小于第一预设角度。
示例地,第二预设角度可以为2.5°。除了将符合步骤S303条件的第一凸包面片加入至当前簇中。在新入簇的第一凸包面片相邻的第二凸包面片中,筛选与新入簇的第一凸包面片之间的夹角小于2.5°的第二凸包面片。这类第二凸包面片与第一凸包面片之间的夹角较小,可以认为这类第二凸包面片与第一凸包面片可近似在同一平面上,由于2.5°远小于30°,也可以认为这类第二凸包面片与种子面片可近似在同一平面上。因此,将这类与新入簇的第一凸包面片之间的夹角小于2.5°的第二凸包面片加入至当前簇中,丰富当前簇中的面片。至此,一个面片簇聚类完成。
S305、重新创建一个面片簇,直至多个凸包面片均被聚类至对应的簇中。
重新创建一个面片簇,在未被聚类至面片簇的剩余多个凸包面片中,继续筛选面积最大的凸包面片作为种子面片,加入至新的当前簇中。将与种子面片的角度小于第一预设角度的第一凸包面片加入至当前簇中。将与新入簇的第一凸包面片的角度小于第二预设角度的第二凸包面片也加入至当前簇中,完成该面片簇的聚类。以此,逐渐聚类,直至多个凸包面片均被聚类至对应的簇中。
综上,在本实施例中,创建一个面片簇作为当前簇;将多个凸包面片中面积最大的凸包面片作为种子面片,加入至当前簇中;若种子面片与第一凸包面片的角度小于第一预设角度,则将第一凸包面片加入至当前簇中,第一凸包面片为与种子面片相邻的凸包面片;若新入簇的第一凸包面片与第二凸包面片的角度小于第二预设角度,则将第二凸包面片也加入至当前簇中,第二凸包面片为与第一凸包面片相邻的凸包面片,第二预设角度小于第一预设角度;重新创建一个面片簇,直至多个凸包面片均被聚类至对应的簇中。从而,根据凸包面片近似平行的特征,将多个凸包面片完成聚类。
在上述图1对应的实施例的基础上,本申请实施例还提供了一种从候选底面集合中确定目标底面的方法。图4为本申请实施例提供的一种从候选底面集合中确定目标底面的方法的流程示意图。如图4所示,S103中根据物体三维模型的对称平面,从候选底面集合中确定目标底面,包括:
S401、根据物体三维模型的对称平面,从候选底面集合中确定垂直于对称平面的多个候选底面。
在候选底面集合中,筛选垂直于物体三维模型的一个对称平面的平面。将垂直于物体三维模型的对称平面的多个平面确定为多个候选底面。
此处需要说明的是,虽然物体三维模块可能有多个对称平面,但是多个对称平面都是物体垂直方向上的平面,因此若一个对称平面垂直某一个平面,则其他对称平面也垂直于该平面。进而,采用物体三维模型的一个对称平面就可以确定多个候选底面。
进一步地,在部分情况下,经过采用对称平面筛选可以得到唯一的候选底面,可将该候选底面作为目标底面。若候选底面有多个,可进一步地继续筛选。
S402、获取物体三维模型的质心在多个候选底面上的投影点。
确定物体三维模型的质心。通过物体三维模型的质心在每个候选底面上投影,得到投影点。进而获取物体三维模型的质心在多个候选底面上的投影点。
S403、获取多个候选底面的外接多边形的中心点。
每个候选底面是通过面片簇而确定的。即每个面片簇中的所有凸包面片投影到拟合平面上形成的多边形,该多边形就是该候选底面的外接多边形。
计算每个候选底面的外接多边形的几何中心点。进而获取多个候选底面的外接多边形的几何中心点。
S404、获取多个候选底面的外接多边形顶点的均值点。
根据每个候选底面的外接多边形顶点的进行算术平均计算得到外接多边形顶点的均值点。进而获取多个候选底面的外接多边形顶点的均值点。
S405、计算由多个候选底面的投影点、中心点、均值点围成的三角形的面积分别作为多个候选底面对应的面积。
一个候选底面的投影点、中心点、均值点可以围成一个三角形,根据候选底面的投影点、中心点、均值点的坐标计算三角形面积,进而得到多个候选底面对应的三角形面积。
S406、确定多个候选底面中面积最小的候选底面为目标底面。
一个物体的实际底面的稳定性大于其他候选底面的稳定性,因此本申请通过稳定性来进一步地筛选候选基座。显然,投影点和中心点之间的距离越小,候选底面的稳定性越高;中心点和均值点之间的距离越小,候选底面的多边形越接近于规则的多边形,从而越符合人工制作物体底面的原则。因此,为综合体现出投影点和中心点之间的距离以及中心点和均值点之间的距离,本申请将三点围成的三角形面积作为确定候选底面的稳定性指标。
三角形面积越小,三点之间的距离就越小,候选底面的稳定性也就越高。因此,将多个候选底面中面积最小的候选底面确定为目标底面。
进一步地,为了使筛选得到的目标底面具有容错性,本申请保留面积最小的两个候选底面。如果面积最大的候选底面经勘验为错误选择,可以修正为面积第二小的候选底面。
综上,在本实施例中,根据物体三维模型的对称平面,从候选底面集合中确定垂直于对称平面的多个候选底面;获取物体三维模型的质心在多个候选底面上的投影点;获取多个候选底面的外接多边形的中心点;获取多个候选底面的外接多边形顶点的均值点;计算由多个候选底面的投影点、中心点、均值点围成的三角形的面积分别作为多个候选底面对应的面积;确定多个候选底面中面积最小的候选底面为目标底面。从而,通过稳定性指标精准地确定了目标底面。
在上述图1对应的实施例的基础上,本申请实施例还提供了一种生成候选正面集合的方法。图5为本申请实施例提供的一种生成候选正面集合的方法的流程示意图。如图5所示,S104中的根据对称平面,以及预设的对称平面和模型正面的空间位置关系,生成物体三维模型的候选正面集合,包括:
S501、平移物体三维模型的模型中心点使得模型中心点与预设坐标系的原点重合。
确定了目标底面之后,将物体三维模型以目标底面为底进行放置。为进一步地确定物体三维模型的目标正面。以预设坐标系为参照,保持目标底面为底,平移物体三维模型的模型中心点与预设坐标系的原点重合。
其中,预设坐标系为三维坐标系,由坐标原点、X轴、Y轴、Z轴组成,坐标原点、X轴、Y轴组成了水平面(XOY面),坐标原点、X轴、Z轴组成了侧立面(XOZ面),坐标原点、Y轴、Z轴组成了正立面(YOZ面)。如上,平移物体三维模型时,物体三维模型的目标底面始终与XOY面平行。
S502、保持物体三维模型的模型中心点位置不变,旋转物体三维模型的纵轴与预设坐标系的纵轴重合。
确定了物体三维模型的模型中心点位置之后,保持物体三维模型的模型中心点位置不变,继续保持物体三维模型的目标底面与XOY面平行。旋转物体三维模型的纵轴与预设坐标系的纵轴重合。
S503、保持物体三维模型的纵轴位置不变,旋转物体三维模型的对称平面与预设坐标系的正立面重合。
保持物体三维模型的纵轴位置不变,继续保持物体三维模型的模型中心点位置不变,继续保持物体三维模型的目标底面与XOY面平行。旋转物体三维模型的对称平面与预设坐标系的YOZ面重合。
至此,将物体三维模型按照要求与预设坐标系进行了空间位置重合。
S504、确定物体三维模型的最小边界框中垂直于对称平面且平行于物体三维模型的竖轴的两个平面作为物体三维模型的候选正面,重新旋转物体三维模型,直至垂直于对称平面的平面均被使用。
旋转物体三维模型的对称平面与预设坐标系的YOZ面重合之后,物体三维模型的最小边界框中的多个平面中的正前面和正后面都有可能为物体三维模型的正面,而由于对称平面与YOZ面重合,因此,此时的正前面和正后面都与对称平面垂直。其中,物体三维模型的最小边界框可以为物体三维模型的最小外接多面体。
可以通过确定物体三维模型的最小边界框中垂直于对称平面且平行于物体三维模型的竖轴的两个平面作为物体三维模型此时的正前面和正后面,并将物体三维模型此时的正前面和正后面作为物体三维模型的候选正面。其中,最小边界框中有四个平面垂直于对称平面,分别为正前面、正后面、正顶面、正底面,必须再参考平行于物体三维模型的竖轴确定正前面、正后面。
由上述实施例可知,物体三维模型可能存在多个对称平面。因此,找到一个对称平面对应的候选正面之后,继续重新旋转物体三维模型的下一个对称平面与预设坐标系的YOZ面重合,进而确定下一个对称平面对应的候选正面,直至垂直于对称平面的平面均被使用。即,所有对称平面的垂直平面都被找到,并都作为物体三维模型的候选正面,此处的垂直平面是指垂直于对称平面且平行于物体三维模型的竖轴的平面。
综上,在本实施例中,通过平移物体三维模型的模型中心点使得模型中心点与预设坐标系的原点重合;保持物体三维模型的模型中心点位置不变,旋转物体三维模型的纵轴与预设坐标系的纵轴重合;保持物体三维模型的纵轴位置不变,旋转物体三维模型的对称平面与预设坐标系的YOZ面重合;确定物体三维模型的最小边界框中垂直于对称平面且平行于物体三维模型的竖轴的两个平面作为物体三维模型的候选正面,重新旋转物体三维模型,直至垂直于对称平面的平面均被使用。从而,通过参照预设坐标系,确定多个候选正面,缩小了正面确定的范围,提高了正面确定的精度。
在上述图1对应的实施例的基础上,本申请实施例还提供了一种从候选正面集合中确定目标正面的方法。图6为本申请实施例提供的一种从候选正面集合中确定目标正面的方法的流程示意图。如图6所示,S105中的从候选正面集合中确定目标正面,包括:
S601、根据物体三维模型的信息,计算候选正面集合中各个候选正面的信息量。
制作物体时,存在一个客观规律:制作物体时总是在正面呈现重要信息和丰富细节。
为使得物体的信息丰富程度可被量化。根据物体三维模型的信息,计算候选正面集合中各个候选正面的信息量。
具体地,将一个候选正面作为正面而放置物体三维模型放置,并通过映射获取当前位置物体三维模型的正面投影的信息。类似于,从候选正面的位置为物体三维模型拍了一张照片,该照片可呈现出观察者从候选正面的位置看到的物体三维模型的所有信息。
S602、根据各个候选正面的信息量,从候选正面集合中确定信息量最大的候选正面作为目标正面。
由于物体三维模型的正面信息是最丰富的,而候选正面的信息量代表了候选正面的丰富程度。因此,根据各个候选正面的信息量,从候选正面集合中确定信息量最大的候选正面作为目标正面。
进一步地,为了使筛选得到的目标正面具有容错性,本申请保留信息量最大的两个候选正面。如果信息量最大的候选正面经勘验为错误选择,可以修正为信息量第二大的候选正面。
综上,在本实施例中,根据物体三维模型的信息,计算候选正面集合中各个候选正面的信息量;根据各个候选正面的信息量,从候选正面集合中确定信息量最大的候选正面作为目标正面。从而,精准地确定了目标正面。
在上述图1对应的实施例的基础上,本申请实施例还提供了一种计算候选正面的信息量的方法。图7为本申请实施例提供的一种计算候选正面的信息量的方法的流程示意图。如图7所示,S601中的根据物体三维模型的信息,计算候选正面集合中各个候选正面的信息量,包括:
S701、根据物体三维模型的信息,计算各个候选正面的几何结构信息量和各个候选正面的纹理图像信息量。
物体三维模型正面投影中可使三角形的数量直接反映了正面几何结构的复杂性,因此可采用正面投影中三角形的数量表征几何体的信息量。在同一投影区域内,更多的三角形可以代表更丰富的细节和更多的几何信息量。因此,通过三角形的数量计算候选正面的几何结构信息量。具体的计算方式如下公式(1)所示:
其中,N是候选正面的可视三角形的数量,𝑆是候选正面的投影面积。
物体三维模型正面投影至候选正面可以得到一张投影图片,投影图片就是该候选正面作为真实正面时观察者能够看到的影像,因此投影图片的信息熵可以看作是候选正面的纹理图像信息量。像素层面的图像信息熵波动较大,可采用基于超级像素分割的图像信息熵计算方法,合适的超级像素分割可以减少图像中冗余像素引起的信息熵波动。具体计算方式如下公式(2)所示:
S702、对各个候选正面的几何结构信息量和纹理图像信息量进行加权,得到各个候选正面的信息量。
对于没有纹理的白色模型,只计算几何结构信息量;对于摄影测量三维模型,分别计算几何结构信息量和纹理图像信息量,并进行加权,求得候选正面的信息量,具体计算方式如下公式(3)所示:
其中,ω是平衡几何结构信息量和纹理图像信息量的权重。
综上,在本实施例中,根据物体三维模型的信息,计算各个候选正面的几何结构信息量和各个候选正面的纹理图像信息量;对各个候选正面的几何结构信息量和纹理图像信息量进行加权,得到各个候选正面的信息量。从而,精准地计算得到候选正面的信息量。
下述对用以执行的本申请所提供的一种物体三维模型定向装置、设备及存储介质等进行说明,其具体的实现过程以及技术效果参见上述,下述不再赘述。
图8为本申请实施例提供的一种物体三维模型定向装置的示意图,如图8所示,该装置包括:
计算模块801,用于对物体三维模型进行凸包计算,得到多个凸包面片。
第一生成模块802,用于根据多个凸包面片,生成候选底面集合。
第一确定模块803,用于根据物体三维模型的对称平面,从候选底面集合中确定目标底面。
第二生成模块804,用于根据物体三维模型的对称平面,以及预设的对称平面和模型正面的空间位置关系,生成物体三维模型的候选正面集合。
第二确定模块805,用于从候选正面集合中确定目标正面。
定向模块806,用于根据目标底面和目标正面,对物体三维模型分别进行垂直定向和水平定向。
进一步地,第一生成模块802,具体用于将多个凸包面片聚类为多个面片簇;根据凸包面片的面积对每个面片簇中的所有凸包面片进行加权拟合,得到拟合平面;根据每个面片簇中的所有凸包面片投影到拟合平面上形成的多边形,生成每个面片簇对应的一个候选底面,候选底面集合包括:多个面片簇对应的候选底面,其中,每个面片簇对应一个候选底面。
进一步地,第一生成模块802,具体还用于创建一个面片簇作为当前簇;将多个凸包面片中面积最大的凸包面片作为种子面片,加入至当前簇中;若种子面片与第一凸包面片的角度小于第一预设角度,则将第一凸包面片加入至当前簇中,第一凸包面片为与种子面片相邻的凸包面片;若新入簇的第一凸包面片与第二凸包面片的角度小于第二预设角度,则将第二凸包面片也加入至当前簇中,第二凸包面片为与第一凸包面片相邻的凸包面片,第二预设角度小于第一预设角度;重新创建一个面片簇,直至多个凸包面片均被聚类至对应的簇中。
进一步地,第一确定模块803,具体还用于根据物体三维模型的对称平面,从候选底面集合中确定垂直于对称平面的多个候选底面;获取物体三维模型的质心在多个候选底面上的投影点;获取多个候选底面的外接多边形的中心点;获取多个候选底面的外接多边形顶点的均值点;计算由多个候选底面的投影点、中心点、均值点围成的三角形的面积分别作为多个候选底面对应的面积;确定多个候选底面中面积最小的候选底面为目标底面。
进一步地,第二生成模块804,具体用于平移物体三维模型的模型中心点使得模型中心点与预设坐标系的原点重合;保持物体三维模型的模型中心点位置不变,旋转物体三维模型的纵轴与预设坐标系的纵轴重合;保持物体三维模型的纵轴位置不变,旋转物体三维模型的对称平面与预设坐标系的正立面重合;确定物体三维模型的最小边界框中垂直于对称平面且平行于物体三维模型的竖轴的两个平面作为物体三维模型的候选正面,重新平移物体三维模型的模型中心点,直至垂直于对称平面的平面均被使用。
进一步地,第二确定模块805,具体还用于根据物体三维模型的信息,计算候选正面集合中各个候选正面的信息量;根据各个候选正面的信息量,从候选正面集合中确定信息量最大的候选正面作为目标正面。
进一步地,第二确定模块805,具体还用于根据物体三维模型的信息,计算各个候选正面的几何结构信息量和各个候选正面的纹理图像信息量;对各个候选正面的几何结构信息量和纹理图像信息量进行加权,得到各个候选正面的信息量。
图9为本申请实施例提供的一种电子设备的示意图,该电子设备可以是具备计算处理功能的设备。
该电子设备包括:处理器901、存储介质902。处理器901和存储介质902通过总线连接。
存储介质902用于存储程序,处理器901调用存储介质902存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本发明还提供一种存储介质,包括程序,该程序在被处理器执行时用于执行上述方法实施例。在本发明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。另一点,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,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个存储介质中。上述软件功能单元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)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-OnlyMemory,简称:ROM)、随机存取存储器(英文:RandomAccess Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种物体三维模型定向方法,其特征在于,所述方法包括:
对物体三维模型进行凸包计算,得到多个凸包面片;
根据所述多个凸包面片,生成候选底面集合;
根据所述物体三维模型的对称平面,从所述候选底面集合中确定目标底面;
根据所述物体三维模型的对称平面,以及预设的对称平面和模型正面的空间位置关系,生成所述物体三维模型的候选正面集合;
从所述候选正面集合中确定目标正面;
根据所述目标底面和所述目标正面,对所述物体三维模型分别进行垂直定向和水平定向。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个凸包面片,生成候选底面集合,包括:
将所述多个凸包面片聚类为多个面片簇;
对每个面片簇中的所有凸包面片进行加权拟合,得到拟合平面;
根据所述每个面片簇中的所有凸包面片投影到所述拟合平面上形成的多边形,生成所述每个面片簇对应的一个候选底面,所述候选底面集合包括:所述多个面片簇对应的候选底面,其中,所述每个面片簇对应一个候选底面。
3.根据权利要求2所述的方法,其特征在于,所述将所述多个凸包面片聚类为多个面片簇,包括:
创建一个面片簇作为当前簇;
将所述多个凸包面片中面积最大的凸包面片作为种子面片,加入至所述当前簇中;
若所述种子面片与第一凸包面片的角度小于第一预设角度,则将所述第一凸包面片加入至所述当前簇中,所述第一凸包面片为与所述种子面片相邻的凸包面片;
若新入簇的所述第一凸包面片与第二凸包面片的角度小于第二预设角度,则将所述第二凸包面片也加入至所述当前簇中,所述第二凸包面片为与所述第一凸包面片相邻的凸包面片,所述第二预设角度小于所述第一预设角度;
重新创建一个面片簇,直至所述多个凸包面片均被聚类至对应的簇中。
4.根据权利要求1所述的方法,其特征在于,所述根据所述物体三维模型的对称平面,从所述候选底面集合中确定目标底面,包括:
根据所述物体三维模型的对称平面,从所述候选底面集合中确定垂直于所述对称平面的多个候选底面;
获取所述物体三维模型的质心在所述多个候选底面上的投影点;
获取所述多个候选底面的外接多边形的中心点;
获取所述多个候选底面的外接多边形顶点的均值点;
计算由所述多个候选底面的投影点、中心点、均值点围成的三角形的面积分别作为所述多个候选底面对应的面积;
确定所述多个候选底面中面积最小的候选底面为所述目标底面。
5.根据权利要求1所述的方法,其特征在于,所述根据所述对称平面,以及预设的对称平面和模型正面的空间位置关系,生成所述物体三维模型的候选正面集合,包括:
平移所述物体三维模型的模型中心点使得所述模型中心点与预设坐标系的原点重合;
保持所述物体三维模型的模型中心点位置不变,旋转所述物体三维模型的纵轴与所述预设坐标系的纵轴重合;
保持所述物体三维模型的纵轴位置不变,旋转所述物体三维模型的对称平面与所述预设坐标系的正立面重合;
确定所述物体三维模型的最小边界框中垂直于所述对称平面且平行于所述物体三维模型的竖轴的两个平面作为所述物体三维模型的候选正面,重新旋转所述物体三维模型,直至垂直于所述对称平面的平面均被使用。
6.根据权利要求1所述的方法,其特征在于,所述从所述候选正面集合中确定目标正面,包括:
根据所述物体三维模型的信息,计算所述候选正面集合中各个候选正面的信息量;
根据所述各个候选正面的信息量,从所述候选正面集合中确定信息量最大的候选正面作为所述目标正面。
7.根据权利要求6所述的方法,其特征在于,所述根据所述物体三维模型的信息,计算所述候选正面集合中各个候选正面的信息量,包括:
根据所述物体三维模型的信息,计算所述各个候选正面的几何结构信息量和所述各个候选正面的纹理图像信息量;
对所述各个候选正面的几何结构信息量和纹理图像信息量进行加权,得到所述各个候选正面的信息量。
8.一种物体三维模型定向装置,其特征在于,所述装置包括:
计算模块,用于对物体三维模型进行凸包计算,得到多个凸包面片;
第一生成模块,用于根据所述多个凸包面片,生成候选底面集合;
第一确定模块,用于根据所述物体三维模型的对称平面,从所述候选底面集合中确定目标底面;
第二生成模块,用于根据所述物体三维模型的对称平面,以及预设的对称平面和模型正面的空间位置关系,生成所述物体三维模型的候选正面集合;
第二确定模块,用于从所述候选正面集合中确定目标正面;
定向模块,用于根据所述目标底面和所述目标正面,对所述物体三维模型分别进行垂直定向和水平定向。
9.一种电子设备,其特征在于,包括:处理器、存储介质,所述处理器与所述存储介质之间通过总线通信连接,所述存储介质存储有所述处理器可执行的程序指令,所述处理器调用存储介质中存储的程序,以执行如权利要求1至7任一所述的物体三维模型定向方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一所述的物体三维模型定向的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310238975.7A CN115953522B (zh) | 2023-03-14 | 2023-03-14 | 一种物体三维模型定向方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310238975.7A CN115953522B (zh) | 2023-03-14 | 2023-03-14 | 一种物体三维模型定向方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115953522A true CN115953522A (zh) | 2023-04-11 |
CN115953522B CN115953522B (zh) | 2023-05-23 |
Family
ID=85906980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310238975.7A Active CN115953522B (zh) | 2023-03-14 | 2023-03-14 | 一种物体三维模型定向方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953522B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012018485A2 (en) * | 2010-08-06 | 2012-02-09 | Intergraph Technologies Company | 3-d model view manipulation apparatus |
US20160133026A1 (en) * | 2014-11-06 | 2016-05-12 | Symbol Technologies, Inc. | Non-parametric method of and system for estimating dimensions of objects of arbitrary shape |
CN113681896A (zh) * | 2021-08-20 | 2021-11-23 | 上海轮廓科技有限公司 | 用于3d打印的方法、装置、设备、存储介质和程序产品 |
CN115690364A (zh) * | 2021-07-29 | 2023-02-03 | 北京芙睿特无限科技发展有限公司 | Ar模型的获取方法、电子设备和可读存储介质 |
CN115685237A (zh) * | 2022-11-10 | 2023-02-03 | 上海交通大学 | 视锥与几何约束相结合的多模态三维目标检测方法及系统 |
-
2023
- 2023-03-14 CN CN202310238975.7A patent/CN115953522B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012018485A2 (en) * | 2010-08-06 | 2012-02-09 | Intergraph Technologies Company | 3-d model view manipulation apparatus |
US20160133026A1 (en) * | 2014-11-06 | 2016-05-12 | Symbol Technologies, Inc. | Non-parametric method of and system for estimating dimensions of objects of arbitrary shape |
CN115690364A (zh) * | 2021-07-29 | 2023-02-03 | 北京芙睿特无限科技发展有限公司 | Ar模型的获取方法、电子设备和可读存储介质 |
CN113681896A (zh) * | 2021-08-20 | 2021-11-23 | 上海轮廓科技有限公司 | 用于3d打印的方法、装置、设备、存储介质和程序产品 |
CN115685237A (zh) * | 2022-11-10 | 2023-02-03 | 上海交通大学 | 视锥与几何约束相结合的多模态三维目标检测方法及系统 |
Non-Patent Citations (6)
Title |
---|
HONGBO FU,ETC.: "Upright Orientation of Man-Made Objects", 《 ACM TRANSACTIONS ON GRAPHICS》 * |
ZISHUN LIU,ETC.: "Upright orientation of 3D shapes with Convolutional Networks", 《GRAPHICAL MODELS》 * |
姜玻;曾鸣;刘新国;: "利用形状特征的三维人造物体模型正朝向识别算法", 计算机辅助设计与图形学学报 * |
尹立成;王斌;: "基于随机森林的三维人造模型前朝向识别算法", 计算机辅助设计与图形学学报 * |
张爱军,薛勇: "基于规则的曲面体三维重建", 计算机集成制造系统-CIMS * |
韩红雷;王文成;华淼;: "基于视点评分的三维模型摆正", 软件学报 * |
Also Published As
Publication number | Publication date |
---|---|
CN115953522B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658365B (zh) | 图像处理方法、装置、系统和存储介质 | |
CN111247561A (zh) | 一种基于拍照重建三维空间场景的方法 | |
CN101872492B (zh) | 三维仿真城市的多角度地图实现方法 | |
CN104157010B (zh) | 一种3d人脸重建的方法及其装置 | |
KR20230127313A (ko) | 3차원 재구성 및 관련 인터랙션, 측정 방법 및 관련장치, 기기 | |
CN108648269A (zh) | 三维建筑物模型的单体化方法和系统 | |
CN110392251B (zh) | 一种基于虚拟现实的动态投影方法及系统 | |
CN107193372A (zh) | 从多个任意位置矩形平面到可变投影中心的投影方法 | |
US6226004B1 (en) | Modeling system using surface patterns and geometric relationships | |
CN114329747B (zh) | 一种面向建筑数字孪生的虚实实体坐标映射方法及系统 | |
US10848733B2 (en) | Image generating device and method of generating an image | |
CN111161394B (zh) | 一种三维建筑模型的放置方法和装置 | |
CN105493155A (zh) | 用于表示物理场景的方法和设备 | |
CN108876910A (zh) | 一种三维建模方法、装置、设备及计算机可读存储介质 | |
US9147279B1 (en) | Systems and methods for merging textures | |
CN114782647A (zh) | 一种模型重建方法、装置、设备及存储介质 | |
CN115797535B (zh) | 一种三维模型纹理贴图方法及相关装置 | |
KR20220053332A (ko) | 파노라마 영상으로부터 공간 모델을 생성하는 서버, 방법 및 컴퓨터 프로그램 | |
CN116057577A (zh) | 用于增强现实的地图 | |
CN114387386A (zh) | 一种基于三维点阵渲染的快速建模方法及系统 | |
CN115205494A (zh) | 对象建模方法、装置、计算机设备和存储介质 | |
CN111653175A (zh) | 一种虚拟沙盘展示方法及装置 | |
CN107590858A (zh) | 基于ar技术的医学样品展示方法和计算机设备、存储介质 | |
CN112560126B (zh) | 用于3d打印的数据处理方法、系统及存储介质 | |
CN115953522B (zh) | 一种物体三维模型定向方法、装置、设备及存储介质 |
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 |