CN116091365A - 基于三角面的三维模型缺口修复方法、装置、设备及介质 - Google Patents

基于三角面的三维模型缺口修复方法、装置、设备及介质 Download PDF

Info

Publication number
CN116091365A
CN116091365A CN202310362383.6A CN202310362383A CN116091365A CN 116091365 A CN116091365 A CN 116091365A CN 202310362383 A CN202310362383 A CN 202310362383A CN 116091365 A CN116091365 A CN 116091365A
Authority
CN
China
Prior art keywords
model
dimensional model
point
defect
vertex
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
CN202310362383.6A
Other languages
English (en)
Other versions
CN116091365B (zh
Inventor
罗除
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.)
Shenzhen Kaihong Digital Industry Development Co Ltd
Original Assignee
Shenzhen Kaihong Digital Industry Development 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 Shenzhen Kaihong Digital Industry Development Co Ltd filed Critical Shenzhen Kaihong Digital Industry Development Co Ltd
Priority to CN202310362383.6A priority Critical patent/CN116091365B/zh
Publication of CN116091365A publication Critical patent/CN116091365A/zh
Application granted granted Critical
Publication of CN116091365B publication Critical patent/CN116091365B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请涉及三维模型修复技术领域，具体公开了一种基于三角面的三维模型缺口修复方法、装置、设备及介质。其中方法包括：获取建模设备输出的待处理三维模型；基于缺口修复算法提取待处理三维模型的模型顶点，生成模型顶点集合、边集合和三角面集合；并确定待处理三维模型是缺陷模型时，基于缺口修复算法，获得修补三角面，对缺陷模型进行修复，获得修复后的目标模型。该方法可通过缺口修复算法将输入的存在残缺的三维模型分解成点、边以及三角面，并通过缺口修复算法生成没有缺陷的三角面，将修补好的三角面合并至原三维模型，从而获得修补好的三维模型，实现三维模型缺陷的自动化修复，进而降低了修补工作量、提升了修补效率。

Description

基于三角面的三维模型缺口修复方法、装置、设备及介质
技术领域
本申请涉及三维模型修复技术领域，尤其涉及一种基于三角面的三维模型缺口修复方法、装置、设备及介质。
背景技术
现有的自动化三维建模技术中，生成的模型质量普遍不高，模型经常含有各种不规则的缺口，有些模型缺口的体积很大。现有的三维模型算法均不能对大面积的缺口进行修补，虽然人工方法可以修补模型的各种类型缺口，但是人工方法所需的时间较长，且成本很高，需要一种自动化、快速、低成本、容易部署的方法，能够对模型中较大体积的缺口进行修补，替代或大幅度降低人工修补的工作量。因此，如何实现三维模型中较大面积以及不规则缺口的自动化修补，降低修补工作量、提升修补效率成为了亟需解决的问题。
发明内容
本申请提供了一种基于三角面的三维模型缺口修复方法、装置、设备及介质，以实现三维模型中较大面积缺口的自动化修补，降低修补工作量、提升修补效率。
第一方面，本申请提供了一种基于三角面的三维模型缺口修复方法，所述方法包括：
获取建模设备输出的待处理三维模型；
基于缺口修复算法提取所述待处理三维模型的模型顶点，生成模型顶点集合，并基于所述模型顶点，生成所述待处理三维模型的边集合和三角面集合；
基于所述模型顶点集合、所述边集合以及所述三角面集合，确定所述待处理三维模型是缺陷模型时，基于所述缺口修复算法，获得修补三角面，基于所述修补三角面，对所述缺陷模型进行修复，获得修复后的目标模型。
进一步地，所述基于所述模型顶点集合、所述边集合以及所述三角面集合，确定所述待处理三维模型是缺陷模型之前，还包括：
基于预设分段数以及所述模型顶点集合中各所述模型顶点的坐标值，对预设坐标轴进行分类，确定所述待处理三维模型的高度轴；
基于所述边集合、所述三角面集合以及所述高度轴，在所述模型顶点集合中确定绝对缺陷点；
基于所述绝对缺陷点，确定所述待处理三维模型为缺陷模型。
进一步地，所述基于预设分段数以及所述模型顶点集合中各所述模型顶点的坐标值，对预设坐标轴进行分类，确定所述待处理三维模型的高度轴，包括：
对所述待处理三维模型的第一预设坐标轴、第二预设坐标轴以及第三预设坐标轴按照所述预设分段数进行分段，分别生成第一坐标轴分段集、第二坐标轴分段集以及第三坐标轴分段集；
获取所述模型顶点的坐标值在所述第一坐标轴分段集、所述第二坐标轴分段集以及所述第三坐标轴分段集中的第一分布情况、第二分布情况以及第三分布情况；
基于所述第一分布情况、所述第二分布情况以及所述第三分布情况，确定存在目标分段的目标分段集，将所述目标分段集对应的坐标轴作为高度轴，其中，所述目标分段包含的坐标值最多。
进一步地，所述基于所述边集合、所述三角面集合以及所述高度轴，在所述模型顶点集合中确定绝对缺陷点，包括：
将与所述高度轴垂直的平面作为地平面，获取所述模型顶点集合中高于所述地平面的模型顶点作为悬空顶点；
基于所述模型顶点集合，获取所述悬空顶点的至少一个邻接点，并基于所述高度轴，分别获取所述邻接点的高度；
基于所述邻接点的高度确定所述悬空顶点是待定缺陷点时，基于所述边集合以及所述三角面集合，获得所述待定缺陷点的第一邻边对应的三角面数量；
若所述三角面数量唯一，则确定所述待定缺陷点为绝对缺陷点。
进一步地，所述基于所述高度轴，分别获取所述邻接点的高度，以判断所述悬空顶点是否为待定缺陷点，包括：
基于至少一个所述邻接点的高度，判断所述邻接点是否均不低于所述悬空顶点的自身高度，获得高度比较结果；
基于所述高度比较结果，判断所述悬空顶点是否为待定缺陷点。
进一步地，所述基于所述邻接点的高度确定所述悬空顶点是待定缺陷点时，基于所述边集合以及所述三角面集合，获得所述待定缺陷点的第一邻边对应的三角面数量，包括：
基于所述边集合，获取所述待定缺陷点的至少一个所述第一邻边；
基于所述三角面集合，确定各所述第一邻边对应的三角面数量。
进一步地，所述基于所述缺口修复算法，获得修补三角面，基于所述修补三角面，包括：
基于各所述模型顶点在地面坐标轴中的坐标值，获得所述三维模型的中心轴线；
将三角面数量唯一的第一邻边作为缺陷边，获取所述缺陷边的顶点；
将所述缺陷边的顶点与至少一个绝对缺陷点分别作为第一目标点，并生成所述第一目标点在地平面的投影点；
基于预设条件、所述中心轴线以及所述投影点，获得第二目标点，并获取所述第二目标点的第二邻边；
在所述第二邻边为缺陷边时，基于第二邻边以及所述第一目标点，生成所述修补三角面。
进一步地，所述预设条件，包括：所述第二目标点的高度低于所述第一目标点的高度、中心交点与所述第二目标点之间的距离小于所述中心交点与所述投影点之间的距离以及第一空间向量与第二空间向量的夹角小于预设角度，其中，所述中心交点为所述中心轴线与地面上界的交点，所述第一空间向量由所述中心交点指向所述第二目标点，所述第二空间向量由所述中心交点指向所述投影点。
进一步地，所述基于缺口修复算法提取所述待处理三维模型的模型顶点，生成模型顶点集合，并基于所述模型顶点，生成所述待处理三维模型的边集合和三角面集合之前，还包括：
获取至少一个残缺三维模型以及所述残缺三维模型对应的标准模型；
将所述残缺三维模型输入至预训练算法，基于所述预训练算法，对所述三维模型进行修复，获得修复模型；
将所述修复模型与所述标准模型进行比对，获得所述预训练算法的修复准确率；
在所述修复准确率达到预设的准确率阈值时，确定所述预训练算法为所述缺口修复算法。
进一步地，所述将所述修复模型与所述标准模型进行比对，获得所述预训练算法的修复准确率之后，还包括：
在所述修复准确率小于所述准确率阈值时，基于所述标准模型，重新训练所述预训练算法。
进一步地，所述基于所述修补三角面，对所述缺陷模型进行修复，获得修复后的目标模型，包括：
将所述修补三角面并入所述待处理三维模型，获得所述目标模型。
第二方面，本申请还提供了一种基于三角面的三维模型缺口修复装置，所述装置包括：
模型获取模块，用于获取建模设备输出的待处理三维模型；
顶点获得模块，用于基于缺口修复算法提取所述待处理三维模型的模型顶点，生成模型顶点集合，并基于所述模型顶点，生成所述待处理三维模型的边集合和三角面集合；
模型修复模块，用于基于所述模型顶点集合、所述边集合以及所述三角面集合，确定所述待处理三维模型是缺陷模型时，基于所述缺口修复算法，获得修补三角面，基于所述修补三角面，基于所述修补三角面，对所述缺陷模型进行修复，获得修复后的目标模型。
第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的基于三角面的三维模型缺口修复方法。
第四方面，本申请还提供了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使所述处理器实现如上述的基于三角面的三维模型缺口修复方法。
本申请公开了一种基于三角面的三维模型缺口修复方法、装置、计算机设备及存储介质，获取建模设备输出的待处理三维模型；基于缺口修复算法提取所述待处理三维模型的模型顶点，生成模型顶点集合，并基于所述模型顶点，生成所述待处理三维模型的边集合和三角面集合；基于所述模型顶点集合、所述边集合以及所述三角面集合，确定所述待处理三维模型是缺陷模型时，基于所述缺口修复算法，获得修补三角面，基于所述修补三角面，对所述缺陷模型进行修复，获得修复后的目标模型。该方法可通过缺口修复算法将输入的存在残缺的三维模型分解成点、边以及三角面，并通过缺口修复算法生成没有缺陷的三角面，将修补好的三角面合并至原三维模型，从而获得修补好的三维模型，实现三维模型缺陷的自动化修复，进而降低了修补工作量、提升了修补效率。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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是本申请的实施例提供的一种基于三角面的三维模型缺口修复方法的第一实施例示意流程图；
图2是本申请的实施例提供的一种基于三角面的三维模型缺口修复方法的第二实施例示意流程图；
图3是本申请的实施例提供的一种基于三角面的三维模型缺口修复方法的第三实施例示意流程图；
图4是本申请的实施例提供的一种基于三角面的三维模型缺口修复方法的第四实施例示意流程图；
图5是本申请的实施例提供的一种基于三角面的三维模型缺口修复方法的第五实施例示意流程图；
图6为本申请的实施例提供的另一种基于三角面的三维模型缺口修复装置的示意性框图；
图7为本申请的实施例提供的一种计算机设备的结构示意性框图。
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做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。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进理解，在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本申请的实施例提供了一种基于三角面的三维模型缺口修复方法、装置、设备及介质。其中，该基于三角面的三维模型缺口修复方法可以应用于服务器中，通过通过缺口修复算法，实现缺口的自动化修复，降低修补工作量、提升修补效率。其中，该服务器可以为独立的服务器，也可以为服务器集群。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图1，图1是本申请的实施例提供的一种基于三角面的三维模型缺口修复方法的示意流程图。该基于三角面的三维模型缺口修复方法可应用于服务器中，用于通过缺口修复算法，实现缺口的自动化修复，降低修补工作量、提升修补效率。
如图1所示，该基于三角面的三维模型缺口修复方法具体包括步骤S101至步骤S103。
S101、获取建模设备输出的待处理三维模型。
在一个实施例中，在各种通过图片识别室外场景的自动化三维建模中，自动化的算法所建成的模型常常存在很多缺口。因为拍摄的图片数量与角度、光照等条件受限，以及大多数计算机的硬件配置并不高，各种自动化建模的算法很难生成完美无缺的模型。
在一个实施例中，现有的自动化三维建模方法都无法保证生成模型的质量，模型往往存在各种缺口。例如从空中视角对一棵树建模，因为上半部分的树叶往往会挡住树的下半部分，基于无人机航拍图片的自动化三维建模算法很难完整地生成一棵树的模型。自动化三维建模算法往往会在一个场景中输出很多具有较大体积缺口的模型。
在一个实施例中，将建模设备输出的三维模型作为待处理三维模型。
S102、基于缺口修复算法提取所述待处理三维模型的模型顶点，生成模型顶点集合，并基于所述模型顶点，生成所述待处理三维模型的边集合和三角面集合。
在一个实施例中，三维模型的模型顶点集合表示为P，包含三维模型的每个顶点pm，如pm=(x,y,z)，其中x、y和z是这个顶点的三轴坐标，数据类型为浮点数，数据的下界与上界可以是部署所需的计算机系统支持的数值范围。
在一个实施例中，三维模型的三角面集合表示为F，包含三维模型的每个三角面fn，如fn={pi,pj,pk}，其中pi、pj和pk是这个三角面的三个顶点，数据类型为顶点的整数编号，同时，结合三角面以及模型顶点，可以生成模型的边。
基于缺口修复算法提取所述待处理三维模型的模型顶点，生成模型顶点集合，并基于所述模型顶点，生成所述待处理三维模型的边集合和三角面集合之前，还包括：获取至少一个残缺三维模型以及所述残缺三维模型对应的标准模型；将所述残缺三维模型输入至预训练算法，基于所述预训练算法，对所述三维模型进行修复，获得修复模型；将所述修复模型与所述标准模型进行比对，获得所述预训练算法的修复准确率；在所述修复准确率达到预设的准确率阈值时，确定所述预训练算法为所述缺口修复算法。
将所述修复模型与所述标准模型进行比对，获得所述预训练算法的修复准确率之后，还包括：在所述修复准确率小于所述准确率阈值时，基于所述标准模型，重新训练所述预训练算法。
在一个实施例中，在使用缺口修复算法进行模型修复之前，通过存在缺口的缺陷模型以及缺陷模型对应的标准模型对算法进行训练，在算法修复准确率达到准确率阈值时，确定为缺口修复算法，若修复准确率达不到准确率阈值，则根据标准模型，对算法进行重新训练直至算法的修复准确率达到准确率阈值。
S103、基于所述模型顶点集合、所述边集合以及所述三角面集合，确定所述待处理三维模型是缺陷模型时，基于所述缺口修复算法，获得修补三角面，基于所述修补三角面，对所述缺陷模型进行修复，获得修复后的目标模型。
在一个实施例中，根据三维模型的顶点，边，以及三角面，判断三维模型是否存在缺陷，若存在缺陷则为缺陷模型。
在一个实施例中，因为不同软件中三维模型的X、Y、Z轴的含义可能不一致，所以需要先识别出地平面上的高度轴。
在一个实施例中，根据高度轴和地平面首先确定高于地平面的顶点，作为悬空顶点，再判断悬空顶点的邻接点是否均低于悬空顶点自身的高度。若邻接点均低于悬空顶点自身的高度，则将这些顶点作为待定缺陷点，待定缺陷点即可能存在缺陷的顶点。再根据待定缺陷点邻边的三角面数量，确定待定缺陷点是否真的存在缺陷，即绝对缺陷点。
在一个实施集中，一条边至少被两个三角面包含，若某待定缺陷点的邻边边仅对应一个三角面，则说明该边为缺陷边，相应的待定缺陷点确定为绝对缺陷点。
在一个实施例中，将存在绝对缺陷点的三维模型确定为缺陷模型。
基于所述修补三角面，对所述缺陷模型进行修复，获得修复后的目标模型，包括：将所述修补三角面并入所述待处理三维模型，获得所述目标模型。
在一个实施例中，基于缺口修复算法生成缺陷模型的修补三角面集合，将修补三角面集合中的每个三角面并入原缺陷模型，得到修补好的目标模型。
在一个实施例中，将集合A与集合W的并集记为集合V。在集合V中，对于每一个点vg=(xg,yg,zg)，找到其在地面的投影点dg，投影点的高度为地面范围上界t，其他两个轴的坐标与vg在这两个轴的坐标相同。再利用地面范围上界t作为高度坐标，确定中心轴线M在地面范围上界的交点Mt。在Mt与dg之间，找到地面的点集合R，其中的每个顶点ri：(1)顶点ri的高度低于点vg的高度；(2)顶点ri与Mt的距离值小于Mt与dg的距离值；(3)空间向量(Mt,ri)与空间向量(Mt,dg)的夹角小于45度。
在一个实施例中，对于集合R中的每个顶点ri，找到顶点ri的邻边的集合Ei。如果Ei中存在一定数量的边仅被一个三角面包含，则用这些边中每条边的两个顶点与点vg生成新的三角面，作为缺口的修补，并入集合S。对于绝对悬空边的集合Q，用其中的每条边的两个顶点与集合R中的距离这条边的中点最近的点生成新的三角面，作为缺口的修补，并入集合S。把集合S中每个三角面并入原模型，并输出修补后的模型。
请参阅图2，图2是本申请的实施例提供的一种基于三角面的三维模型缺口修复方法的示意流程图。该基于三角面的三维模型缺口修复方法可应用于服务器中，用于通过缺口修复算法，实现缺口的自动化修复，降低修补工作量、提升修补效率。
如图2所示，该基于三角面的三维模型缺口修复方法的所述步骤S102，具体包括步骤S201至步骤S203。
S201、基于预设分段数以及所述模型顶点集合中各所述模型顶点的坐标值，对预设坐标轴进行分类，确定所述待处理三维模型的高度轴；
S202、基于所述边集合、所述三角面集合以及所述高度轴，在所述模型顶点集合中确定绝对缺陷点；
S203、基于所述绝对缺陷点，确定所述待处理三维模型为缺陷模型。
在一个实施例中，对于模型顶点集合P中所有的顶点坐标，以10个分段的直方图统计方式，分别统计三个轴的坐标值分布。找出频数最高的分段，这个分段所在的坐标轴即为高度轴，把这个分段的上界作为地面范围上界t。其它的两个坐标轴是地面坐标轴。
具体实施例中，对于模型顶点集合P中任何高度高于地面的点pu，如果其邻接点中不存在比它更低的点，则视pu为可能缺陷的点，即待定缺陷点，这些点很可能位于缺口的位置。对于每一个可能缺陷的点ph中，如果相邻的边只被一个三角面包含，则视这些边为缺陷边，把这些缺陷边的集合记为Q，同时，视ph为绝对缺陷点，把绝对缺陷点的集合记为A。并将三维模型标记为缺陷模型。
请参阅图3，图3是本申请的实施例提供的一种基于三角面的三维模型缺口修复方法的示意流程图。该基于三角面的三维模型缺口修复方法可应用于服务器中，用于通过缺口修复算法，实现缺口的自动化修复，降低修补工作量、提升修补效率。
如图3所示，该基于三角面的三维模型缺口修复方法的所述步骤S201，具体包括步骤S301至步骤S303。
S301、对所述待处理三维模型的第一预设坐标轴、第二预设坐标轴以及第三预设坐标轴按照所述预设分段数进行分段，分别生成第一坐标轴分段集、第二坐标轴分段集以及第三坐标轴分段集；
S302、获取所述模型顶点的坐标值在所述第一坐标轴分段集、所述第二坐标轴分段集以及所述第三坐标轴分段集中的第一分布情况、第二分布情况以及第三分布情况；
S303、基于所述第一分布情况、所述第二分布情况以及所述第三分布情况，确定存在目标分段的目标分段集，将所述目标分段集对应的坐标轴作为高度轴，其中，所述目标分段包含的坐标值最多。
在一个实施例中，根据预设分段数n对预设坐标轴进行分段，可以分别获得第一预设坐标轴、第二预设坐标轴以及第三预设坐标轴的n个分段，分别将每个坐标轴的分段作为第一坐标分段集、第二坐标分段集以及第三坐标分段集。
在一个实施例中，获得模型顶点坐标的坐标值在各个分段中的分布情况，将坐标值分布最多的分段对应的分段集作为目标分段集，并将该分段集对应的坐标轴作为高度轴。
具体实施例中，例如，对于模型顶点集合P中所有的顶点坐标，以10个分段的直方图统计方式，分别统计三个轴的坐标值分布。找出频数最高的分段，这个分段所在的坐标轴即为高度轴，把这个分段的上界作为地面范围上界t，其它的两个坐标轴是地面坐标轴。
请参阅图4，图4是本申请的实施例提供的一种基于三角面的三维模型缺口修复方法的示意流程图。该基于三角面的三维模型缺口修复方法可应用于服务器中，用于通过缺口修复算法，实现缺口的自动化修复，降低修补工作量、提升修补效率。
如图4所示，该基于三角面的三维模型缺口修复方法的所述步骤S202，具体包括步骤S401至步骤S404。
S401、将与所述高度轴垂直的平面作为地平面，获取所述模型顶点集合中高于所述地平面的模型顶点作为悬空顶点；
S402、基于所述模型顶点集合，获取所述悬空顶点的至少一个邻接点，并基于所述高度轴，分别获取所述邻接点的高度；
S403、基于所述邻接点的高度确定所述悬空顶点是待定缺陷点时，基于所述边集合以及所述三角面集合，获得所述待定缺陷点的第一邻边对应的三角面数量；
S404、若所述三角面数量唯一，则确定所述待定缺陷点为绝对缺陷点。
基于所述高度轴，分别获取所述邻接点的高度，以判断所述悬空顶点是否为待定缺陷点，包括：基于至少一个所述邻接点的高度，判断所述邻接点是否均不低于所述悬空顶点的自身高度，获得高度比较结果；基于所述高度比较结果，判断所述悬空顶点是否为待定缺陷点。
基于所述邻接点的高度确定所述悬空顶点是待定缺陷点时，基于所述边集合以及所述三角面集合，获得所述待定缺陷点的第一邻边对应的三角面数量，包括：基于所述边集合，获取所述待定缺陷点的至少一个所述第一邻边；基于所述三角面集合，确定各所述第一邻边对应的三角面数量。
在一个实施例中，对于顶点集合P中任何高度高于地面的点pu，如果其邻接点中不存在比它更低的点，则视pu为可能缺陷的点，这些点很可能位于缺口的位置。
在一个实施例中，对于每一个可能缺陷的点ph中，如果相邻的边只被一个三角面包含，则视这些边为缺陷边，把这些缺陷边的集合记为Q，同时，视ph为绝对缺陷点，把绝对缺陷点的集合记为A，存在绝对缺陷点的模型即为缺陷模型。
请参阅图5，图5是本申请的实施例提供的一种基于三角面的三维模型缺口修复方法的示意流程图。该基于三角面的三维模型缺口修复方法可应用于服务器中，用于通过缺口修复算法，实现缺口的自动化修复，降低修补工作量、提升修补效率。
如图5所示，该基于三角面的三维模型缺口修复方法的所述步骤S103，具体包括步骤S501至步骤S505。
S501、基于各所述模型顶点在地面坐标轴中的坐标值，获得所述三维模型的中心轴线；
S502、将三角面数量唯一的第一邻边作为缺陷边，获取所述缺陷边的顶点；
S503、将所述缺陷边的顶点与至少一个绝对缺陷点分别作为第一目标点，并生成所述第一目标点在地平面的投影点；
S504、基于预设条件、所述中心轴线以及所述投影点，获得第二目标点，并获取所述第二目标点的第二邻边；
S505、在所述第二邻边为缺陷边时，基于第二邻边以及所述第一目标点，生成所述修补三角面。
预设条件包括：所述第二目标点的高度低于所述第一目标点的高度、中心交点与所述第二目标点之间的距离小于所述中心交点与所述投影点之间的距离以及第一空间向量与第二空间向量的夹角小于预设角度，其中，所述中心交点为所述中心轴线与地面上界的交点，所述第一空间向量由所述中心交点指向所述第二目标点，所述第二空间向量由所述中心交点指向所述投影点。
在一个实施例中，对于模型顶点集合P中所有高度高于地面的点，分别统计它们的两个地面坐标轴的坐标值的平均值，这两个平均值表示了三维模型高于地面部分的中心轴线M。
在一个实施例中，对于每一个可能缺陷的点ph中，如果相邻的边只被一个三角面包含，则视这些边为缺陷边，把这些缺陷边的集合记为Q，同时，视ph为绝对缺陷点，把绝对缺陷点的集合记为A。对于集合Q中的各条边的两个顶点，把其中不在A中的顶点的集合记为W，统计集合W的元素数量。
在一个实施例中，对于W中的每个顶点，进行缺陷判断，如果满足：(1)W中的这个顶点的高度高于地面范围上界t；(2)这个顶点相邻的边的另一个顶点不在集合A中也不在集合W中，且这个相邻的边只被一个三角面包含。则视这个相邻的边为一条缺陷边，把这条边并入集合Q。同时，把这条边中不在集合W中的顶点并入集合W。
在一个实施例中，统计集合W的元素数量，如果元素数量有增加，则对操作后的集合W再进行一轮悬空判断和操作。如果集合W的元素数量在一轮悬空判断和操作后不再增加，则进入下一步。
在一个实施例中，将集合A与集合W的并集记为集合V，将集合V中的点作为第一目标点。在集合V中，对于每一个点vg=(xg,yg,zg)，找到其在地面的投影点dg，投影点的高度为地面范围上界t，其他两个轴的坐标与vg在这两个轴的坐标相同。再利用地面范围上界t作为高度坐标，确定中心轴线M在地面范围上界的交点Mt。在Mt与dg之间，找到地面的点集合R，将集合R中的点作为第二目标点。
其中，R中的每个顶点ri满足条件：(1)顶点ri的高度低于点vg的高度；(2)顶点ri与Mt的距离值小于Mt与dg的距离值；(3)空间向量(Mt,ri)与空间向量(Mt,dg)的夹角小于45度。然后，对于集合R中的每个顶点ri，找到顶点ri的邻边的集合Ei。如果Ei中存在一定数量的边仅被一个三角面包含，将这些边记为第二邻边，则用这些边中每条边的两个顶点与点vg生成新的三角面，作为缺口的修补，并入集合S。其中，集合S表示修补面集合，初始状态为空，在修补过程中不断增加集合元素，最终将包含一些用于修补缺口的三角面。
在一个实施例中，对于缺陷边的集合Q，用其中的每条边的两个顶点与集合R中的距离这条边的中点最近的点生成新的三角面，作为缺口的修补，并入集合S，把集合S中每个三角面并入原模型，并输出修补后的模型。
请参阅图6，图6是本申请的实施例提供一种基于三角面的三维模型缺口修复装置的示意性框图，该基于三角面的三维模型缺口修复装置用于执行前述的基于三角面的三维模型缺口修复方法。其中，该基于三角面的三维模型缺口修复装置可以配置于服务器。
如图6所示，该基于三角面的三维模型缺口修复装置600，包括：
模型获取模块601，用于获取建模设备输出的待处理三维模型；
顶点获得模块602，用于基于缺口修复算法提取所述待处理三维模型的模型顶点，生成模型顶点集合，并基于所述模型顶点，生成所述待处理三维模型的边集合和三角面集合；
模型修复模块603，用于基于所述模型顶点集合、所述边集合以及所述三角面集合，确定所述待处理三维模型是缺陷模型时，基于所述缺口修复算法，获得修补三角面，基于所述修补三角面，对所述缺陷模型进行修复，获得修复后的目标模型。
在一个实施例中，所述模型修复模块603，包括：
高度轴确定子模块，用于基于预设分段数以及所述模型顶点集合中各所述模型顶点的坐标值，对预设坐标轴进行分类，确定所述待处理三维模型的高度轴；
绝对缺陷点判断子模块，用于基于所述边集合、所述三角面集合以及所述高度轴，在所述模型顶点集合中确定绝对缺陷点；
缺陷模型判断子模块，用于基于所述绝对缺陷点，确定所述待处理三维模型为缺陷模型。
在一个实施例中，所述高度轴确定子模块，包括：
坐标轴分段单元，用于对所述待处理三维模型的第一预设坐标轴、第二预设坐标轴以及第三预设坐标轴按照所述预设分段数进行分段，分别生成第一坐标轴分段集、第二坐标轴分段集以及第三坐标轴分段集；
分布情况获得单元，用于获取所述模型顶点的坐标值在所述第一坐标轴分段集、所述第二坐标轴分段集以及所述第三坐标轴分段集中的第一分布情况、第二分布情况以及第三分布情况；
高度轴确定单元，用于基于所述第一分布情况、所述第二分布情况以及所述第三分布情况，确定存在目标分段的目标分段集，将所述目标分段集对应的坐标轴作为高度轴，其中，所述目标分段包含的坐标值最多。
在一个实施例中，所述绝对缺陷点判断子模块，包括：
悬空顶点获取单元，用于将与所述高度轴垂直的平面作为地平面，获取所述模型顶点集合中高于所述地平面的模型顶点作为悬空顶点；
待定缺陷点判断单元，用于基于所述模型顶点集合，获取所述悬空顶点的至少一个邻接点，并基于所述高度轴，分别获取所述邻接点的高度；
三角面数量获得单元，用于基于所述邻接点的高度确定所述悬空顶点是待定缺陷点时，基于所述边集合以及所述三角面集合，获得所述待定缺陷点的第一邻边对应的三角面数量；
绝对缺陷点确定单元，用于若所述三角面数量唯一，则确定所述待定缺陷点为绝对缺陷点。
在一个实施例中，所述待定缺陷点确定单元，包括：
邻接点高度判断子单元，用于基于至少一个所述邻接点的高度，判断所述邻接点是否均不低于所述悬空顶点的自身高度，获得高度比较结果；
待定缺陷点确定子单元，用于基于所述高度比较结果，判断所述悬空顶点是否为待定缺陷点。
在一个实施例中，所述三角面数量获得单元，包括：
第一邻边获取子单元，用于基于所述边集合，获取所述待定缺陷点的至少一个所述第一邻边；
三角面数量确定子单元，用于基于所述三角面集合，确定各所述第一邻边对应的三角面数量。
在一个实施例中，所述模型修复模块604，包括：
中心轴线获得单元，用于基于各所述模型顶点在地面坐标轴中的坐标值，获得所述三维模型的中心轴线；
缺陷边顶点获取单元，用于将三角面数量唯一的第一邻边作为缺陷边，获取所述缺陷边的顶点；
投影点生成单元，用于将所述缺陷边的顶点与至少一个绝对缺陷点分别作为第一目标点，并生成所述第一目标点在地平面的投影点；
第二邻边获取单元，用于基于预设条件、所述中心轴线以及所述投影点，获得第二目标点，并获取所述第二目标点的第二邻边；
修补三角面生成单元，用于在所述第二邻边为缺陷边时，基于第二邻边以及所述第一目标点，生成所述修补三角面。
在一个实施例中，所述预设条件，包括：所述第二目标点的高度低于所述第一目标点的高度、中心交点与所述第二目标点之间的距离小于所述中心交点与所述投影点之间的距离以及第一空间向量与第二空间向量的夹角小于预设角度，其中，所述中心交点为所述中心轴线与地面上界的交点，所述第一空间向量由所述中心交点指向所述第二目标点，所述第二空间向量由所述中心交点指向所述投影点。
在一个实施例中，所述基于三角面的三维模型缺口修复装置600，还包括缺口修复算法确定模块，所述缺口修复算法确定模块，包括：
模型获取单元，用于获取至少一个残缺三维模型以及所述残缺三维模型对应的标准模型；
目标模型获得单元，用于将所述残缺三维模型输入至预训练算法，基于所述预训练算法，对所述三维模型进行修复，获得修复模型；
修复准确率获得单元，用于将所述修复模型与所述标准模型进行比对，获得所述预训练算法的修复准确率；
缺口修复算法确定单元，用于在所述修复准确率达到预设的准确率阈值时，确定所述预训练算法为所述缺口修复算法。
在一个实施例中，所述缺口修复算法确定模块，还包括：
修复准确率判断单元，用于在所述修复准确率小于所述准确率阈值时，基于所述标准模型，重新训练所述预训练算法。
在一个实施例中，所述模型修复模块603，包括：
目标模型获得单元，用于将所述修补三角面并入所述待处理三维模型，获得所述目标模型。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
上述的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图7所示的计算机设备上运行。
请参阅图7，图7是本申请的实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以是服务器。
参阅图7，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种基于三角面的三维模型缺口修复方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种基于三角面的三维模型缺口修复方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元 (Central Processing Unit，CPU)，该处理器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)、现场可编程门阵列(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。其中，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。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
获取建模设备输出的待处理三维模型；
基于缺口修复算法提取所述待处理三维模型的模型顶点，生成模型顶点集合，并基于所述模型顶点，生成所述待处理三维模型的边集合和三角面集合；
基于所述模型顶点集合、所述边集合以及所述三角面集合，确定所述待处理三维模型是缺陷模型时，基于所述缺口修复算法，获得修补三角面，基于所述修补三角面，对所述缺陷模型进行修复，获得修复后的目标模型。
在一个实施例中，所述处理器在实现基于所述模型顶点集合、所述边集合以及所述三角面集合，确定所述待处理三维模型是缺陷模型之前，还用于实现：
基于预设分段数以及所述模型顶点集合中各所述模型顶点的坐标值，对预设坐标轴进行分类，确定所述待处理三维模型的高度轴；
基于所述边集合、所述三角面集合以及所述高度轴，在所述模型顶点集合中确定绝对缺陷点；
基于所述绝对缺陷点，确定所述待处理三维模型为缺陷模型。
在一个实施例中，所述处理器在实现基于预设分段数以及所述模型顶点集合中各所述模型顶点的坐标值，对预设坐标轴进行分类，确定所述待处理三维模型的高度轴时，用于实现：
对所述待处理三维模型的第一预设坐标轴、第二预设坐标轴以及第三预设坐标轴按照所述预设分段数进行分段，分别生成第一坐标轴分段集、第二坐标轴分段集以及第三坐标轴分段集；
获取所述模型顶点的坐标值在所述第一坐标轴分段集、所述第二坐标轴分段集以及所述第三坐标轴分段集中的第一分布情况、第二分布情况以及第三分布情况；
基于所述第一分布情况、所述第二分布情况以及所述第三分布情况，确定存在目标分段的目标分段集，将所述目标分段集对应的坐标轴作为高度轴，其中，所述目标分段包含的坐标值最多。
在一个实施例中，所述处理器在实现基于所述边集合、所述三角面集合以及所述高度轴，在所述模型顶点集合中确定绝对缺陷点时，用于实现：
将与所述高度轴垂直的平面作为地平面，获取所述模型顶点集合中高于所述地平面的模型顶点作为悬空顶点；
基于所述模型顶点集合，获取所述悬空顶点的至少一个邻接点，并基于所述高度轴，分别获取所述邻接点的高度；
基于所述邻接点的高度确定所述悬空顶点是待定缺陷点时，基于所述边集合以及所述三角面集合，获得所述待定缺陷点的第一邻边对应的三角面数量；
若所述三角面数量唯一，则确定所述待定缺陷点为绝对缺陷点。
在一个实施例中，所述处理器在实现基于所述高度轴，分别获取所述邻接点的高度，以判断所述悬空顶点是否为待定缺陷点时，用于实现：
基于至少一个所述邻接点的高度，判断所述邻接点是否均不低于所述悬空顶点的自身高度，获得高度比较结果；
基于所述高度比较结果，判断所述悬空顶点是否为待定缺陷点。
在一个实施例中，所述处理器在实现基于所述邻接点的高度确定所述悬空顶点是待定缺陷点时，基于所述边集合以及所述三角面集合，获得所述待定缺陷点的第一邻边对应的三角面数量时，用于实现：
基于所述边集合，获取所述待定缺陷点的至少一个所述第一邻边；
基于所述三角面集合，确定各所述第一邻边对应的三角面数量。
在一个实施例中，所述处理器在实现基于所述缺口修复算法，获得修补三角面，基于所述修补三角面时，用于实现：
基于各所述模型顶点在地面坐标轴中的坐标值，获得所述三维模型的中心轴线；
将三角面数量唯一的第一邻边作为缺陷边，获取所述缺陷边的顶点；
将所述缺陷边的顶点与至少一个绝对缺陷点分别作为第一目标点，并生成所述第一目标点在地平面的投影点；
基于预设条件、所述中心轴线以及所述投影点，获得第二目标点，并获取所述第二目标点的第二邻边；
在所述第二邻边为缺陷边时，基于第二邻边以及所述第一目标点，生成所述修补三角面。
在一个实施例中，所述预设条件，包括：所述第二目标点的高度低于所述第一目标点的高度、中心交点与所述第二目标点之间的距离小于所述中心交点与所述投影点之间的距离以及第一空间向量与第二空间向量的夹角小于预设角度，其中，所述中心交点为所述中心轴线与地面上界的交点，所述第一空间向量由所述中心交点指向所述第二目标点，所述第二空间向量由所述中心交点指向所述投影点。
在一个实施例中，所述处理器在实现基于缺口修复算法提取所述待处理三维模型的模型顶点，生成模型顶点集合，并基于所述模型顶点，生成所述待处理三维模型的边集合和三角面集合之前，还用于实现：
获取至少一个残缺三维模型以及所述残缺三维模型对应的标准模型；
将所述残缺三维模型输入至预训练算法，基于所述预训练算法，对所述三维模型进行修复，获得修复模型；
将所述修复模型与所述标准模型进行比对，获得所述预训练算法的修复准确率；
在所述修复准确率达到预设的准确率阈值时，确定所述预训练算法为所述缺口修复算法。
在一个实施例中，所述处理器在实现将所述修复模型与所述标准模型进行比对，获得所述预训练算法的修复准确率之后，还用于实现：
在所述修复准确率小于所述准确率阈值时，基于所述标准模型，重新训练所述预训练算法。
在一个实施例中，所述处理器在实现基于所述修补三角面，对所述缺陷模型进行修复，获得修复后的目标模型时，用于实现：
将所述修补三角面并入所述待处理三维模型，获得所述目标模型。
本申请的实施例中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，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本申请实施例提供的任一项基于三角面的三维模型缺口修复方法。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (14)

1.一种基于三角面的三维模型缺口修复方法，其特征在于，包括：
获取建模设备输出的待处理三维模型；
基于缺口修复算法提取所述待处理三维模型的模型顶点，生成模型顶点集合，并基于所述模型顶点，生成所述待处理三维模型的边集合和三角面集合；
基于所述模型顶点集合、所述边集合以及所述三角面集合，确定所述待处理三维模型是缺陷模型时，基于所述缺口修复算法，获得修补三角面，基于所述修补三角面，对所述缺陷模型进行修复，获得修复后的目标模型。
2.根据权利要求1所述的基于三角面的三维模型缺口修复方法，其特征在于，所述基于所述模型顶点集合、所述边集合以及所述三角面集合，确定所述待处理三维模型是缺陷模型之前，还包括：
基于预设分段数以及所述模型顶点集合中各所述模型顶点的坐标值，对预设坐标轴进行分类，确定所述待处理三维模型的高度轴；
基于所述边集合、所述三角面集合以及所述高度轴，在所述模型顶点集合中确定绝对缺陷点；
基于所述绝对缺陷点，确定所述待处理三维模型为缺陷模型。
3.根据权利要求2所述的基于三角面的三维模型缺口修复方法，其特征在于，所述基于预设分段数以及所述模型顶点集合中各所述模型顶点的坐标值，对预设坐标轴进行分类，确定所述待处理三维模型的高度轴，包括：
对所述待处理三维模型的第一预设坐标轴、第二预设坐标轴以及第三预设坐标轴按照所述预设分段数进行分段，分别生成第一坐标轴分段集、第二坐标轴分段集以及第三坐标轴分段集；
获取所述模型顶点的坐标值在所述第一坐标轴分段集、所述第二坐标轴分段集以及所述第三坐标轴分段集中的第一分布情况、第二分布情况以及第三分布情况；
基于所述第一分布情况、所述第二分布情况以及所述第三分布情况，确定存在目标分段的目标分段集，将所述目标分段集对应的坐标轴作为高度轴，其中，所述目标分段包含的坐标值最多。
4.根据权利要求2所述的基于三角面的三维模型缺口修复方法，其特征在于，所述基于所述边集合、所述三角面集合以及所述高度轴，在所述模型顶点集合中确定绝对缺陷点，包括：
将与所述高度轴垂直的平面作为地平面，获取所述模型顶点集合中高于所述地平面的模型顶点作为悬空顶点；
基于所述模型顶点集合，获取所述悬空顶点的至少一个邻接点，并基于所述高度轴，分别获取所述邻接点的高度；
基于所述邻接点的高度确定所述悬空顶点是待定缺陷点时，基于所述边集合以及所述三角面集合，获得所述待定缺陷点的第一邻边对应的三角面数量；
若所述三角面数量唯一，则确定所述待定缺陷点为绝对缺陷点。
5.根据权利要求4所述的基于三角面的三维模型缺口修复方法，其特征在于，所述基于所述高度轴，分别获取所述邻接点的高度，以判断所述悬空顶点是否为待定缺陷点，包括：
基于至少一个所述邻接点的高度，判断所述邻接点是否均不低于所述悬空顶点的自身高度，获得高度比较结果；
基于所述高度比较结果，判断所述悬空顶点是否为待定缺陷点。
6.根据权利要求4所述的基于三角面的三维模型缺口修复方法，其特征在于，所述基于所述邻接点的高度确定所述悬空顶点是待定缺陷点时，基于所述边集合以及所述三角面集合，获得所述待定缺陷点的第一邻边对应的三角面数量，包括：
基于所述边集合，获取所述待定缺陷点的至少一个所述第一邻边；
基于所述三角面集合，确定各所述第一邻边对应的三角面数量。
7.根据权利要求1所述的基于三角面的三维模型缺口修复方法，其特征在于，所述基于所述缺口修复算法，获得修补三角面，基于所述修补三角面，包括：
基于各所述模型顶点在地面坐标轴中的坐标值，获得所述三维模型的中心轴线；
将三角面数量唯一的第一邻边作为缺陷边，获取所述缺陷边的顶点；
将所述缺陷边的顶点与至少一个绝对缺陷点分别作为第一目标点，并生成所述第一目标点在地平面的投影点；
基于预设条件、所述中心轴线以及所述投影点，获得第二目标点，并获取所述第二目标点的第二邻边；
在所述第二邻边为缺陷边时，基于第二邻边以及所述第一目标点，生成所述修补三角面。
8.根据权利要求7所述的基于三角面的三维模型缺口修复方法，其特征在于，所述预设条件，包括：所述第二目标点的高度低于所述第一目标点的高度、中心交点与所述第二目标点之间的距离小于所述中心交点与所述投影点之间的距离以及第一空间向量与第二空间向量的夹角小于预设角度，其中，所述中心交点为所述中心轴线与地面上界的交点，所述第一空间向量由所述中心交点指向所述第二目标点，所述第二空间向量由所述中心交点指向所述投影点。
9.根据权利要求1所述的基于三角面的三维模型缺口修复方法，其特征在于，所述基于缺口修复算法提取所述待处理三维模型的模型顶点，生成模型顶点集合，并基于所述模型顶点，生成所述待处理三维模型的边集合和三角面集合之前，还包括：
获取至少一个残缺三维模型以及所述残缺三维模型对应的标准模型；
将所述残缺三维模型输入至预训练算法，基于所述预训练算法，对所述三维模型进行修复，获得修复模型；
将所述修复模型与所述标准模型进行比对，获得所述预训练算法的修复准确率；
在所述修复准确率达到预设的准确率阈值时，确定所述预训练算法为所述缺口修复算法。
10.根据权利要求9所述的基于三角面的三维模型缺口修复方法，其特征在于，所述将所述修复模型与所述标准模型进行比对，获得所述预训练算法的修复准确率之后，还包括：
在所述修复准确率小于所述准确率阈值时，基于所述标准模型，重新训练所述预训练算法。
11.根据权利要求1-10任一项所述的基于三角面的三维模型缺口修复方法，其特征在于，所述基于所述修补三角面，对所述缺陷模型进行修复，获得修复后的目标模型，包括：
将所述修补三角面并入所述待处理三维模型，获得所述目标模型。
12.一种基于三角面的三维模型缺口修复装置，其特征在于，包括：
模型获取模块，用于获取建模设备输出的待处理三维模型；
顶点获得模块，用于基于缺口修复算法提取所述待处理三维模型的模型顶点，生成模型顶点集合，并基于所述模型顶点，生成所述待处理三维模型的边集合和三角面集合；
模型修复模块，用于基于所述模型顶点集合、所述边集合以及所述三角面集合，确定所述待处理三维模型是缺陷模型时，基于所述缺口修复算法，获得修补三角面，基于所述修补三角面，对所述缺陷模型进行修复，获得修复后的目标模型。
13.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至11中任一项所述的基于三角面的三维模型缺口修复方法。
14.一种计算机可读存储介质，其特征在于，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使所述处理器实现如权利要求1至11中任一项所述的基于三角面的三维模型缺口修复方法。
CN202310362383.6A 2023-04-07 2023-04-07 基于三角面的三维模型缺口修复方法、装置、设备及介质 Active CN116091365B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310362383.6A CN116091365B (zh) 2023-04-07 2023-04-07 基于三角面的三维模型缺口修复方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310362383.6A CN116091365B (zh) 2023-04-07 2023-04-07 基于三角面的三维模型缺口修复方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN116091365A true CN116091365A (zh) 2023-05-09
CN116091365B CN116091365B (zh) 2023-06-20

Family

ID=86187203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310362383.6A Active CN116091365B (zh) 2023-04-07 2023-04-07 基于三角面的三维模型缺口修复方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116091365B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110838129A (zh) * 2019-11-18 2020-02-25 四川视慧智图空间信息技术有限公司 基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法
CN112634455A (zh) * 2020-12-25 2021-04-09 东北大学 一种利用切割三角面片应用于三维模型棱线修复方法
CN114066768A (zh) * 2021-11-24 2022-02-18 武汉大势智慧科技有限公司 建筑物立面图像修复方法、装置、设备及存储介质
CN114529676A (zh) * 2022-02-21 2022-05-24 北京市商汤科技开发有限公司 三维模型的漏洞填补方法、装置、计算机设备及存储介质
US20220392144A1 (en) * 2020-08-27 2022-12-08 Tencent Technology (Shenzhen) Company Limited Image rendering method and apparatus, electronic device, and storage medium
CN115619970A (zh) * 2022-10-24 2023-01-17 电子科技大学长三角研究院(湖州) 一种三维模型修复方法、系统、介质、设备及终端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110838129A (zh) * 2019-11-18 2020-02-25 四川视慧智图空间信息技术有限公司 基于倾斜摄影测量的三维建筑物模型轮廓特征线提取方法
US20220392144A1 (en) * 2020-08-27 2022-12-08 Tencent Technology (Shenzhen) Company Limited Image rendering method and apparatus, electronic device, and storage medium
CN112634455A (zh) * 2020-12-25 2021-04-09 东北大学 一种利用切割三角面片应用于三维模型棱线修复方法
CN114066768A (zh) * 2021-11-24 2022-02-18 武汉大势智慧科技有限公司 建筑物立面图像修复方法、装置、设备及存储介质
CN114529676A (zh) * 2022-02-21 2022-05-24 北京市商汤科技开发有限公司 三维模型的漏洞填补方法、装置、计算机设备及存储介质
CN115619970A (zh) * 2022-10-24 2023-01-17 电子科技大学长三角研究院(湖州) 一种三维模型修复方法、系统、介质、设备及终端

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SHUN PAN ET AL.: "Incomplete 3D Model’s Repair Based on AFPF Technology", 《 ADVANCED GRAPHIC COMMUNICATIONS AND MEDIA TECHNOLOGIES 》, pages 739 - 744 *
谢倩茹 等: "三维模型孔洞修补方法的研究", 《计算机应用研究》, vol. 30, no. 10, pages 3175 - 3177 *

Also Published As

Publication number Publication date
CN116091365B (zh) 2023-06-20

Similar Documents

Publication Publication Date Title
US9189862B2 (en) Outline approximation for point cloud of building
CN112734641A (zh) 目标检测模型的训练方法、装置、计算机设备及介质
CN111985036B (zh) 户型框线图绘制方法和装置、存储介质、电子设备
CN107169489B (zh) 倾斜图像校正的方法和装置
KR20170068462A (ko) 에지를 이용한 3차원 모델 생성
CN110598541A (zh) 一种提取道路边缘信息的方法及设备
JP2022541977A (ja) 画像のラベリング方法、装置、電子機器及び記憶媒体
US8395824B2 (en) Method for determining ground line
CN115525951A (zh) 建筑物轮廓优化及特征边重构的规则化方法及装置
EP4246452A1 (en) Three-dimensional point cloud densification device, three-dimensional point cloud densification method, and program
CN111353957A (zh) 图像处理方法、装置、存储介质及电子设备
CN111369680A (zh) 生成建筑物的三维图像的方法及装置
CN116091365B (zh) 基于三角面的三维模型缺口修复方法、装置、设备及介质
CN111080792B (zh) 模型简化处理方法、装置以及电子设备、存储介质
JPWO2015151553A1 (ja) 異動検出支援装置、異動検出支援方法、及びプログラム
EP3410389A1 (en) Image processing method and device
CN116721230A (zh) 一种三维实景模型的构建方法、装置、设备及存储介质
CN113379826A (zh) 物流件的体积测量方法以及装置
CN115033972B (zh) 一种建筑主体结构批量单体化方法、系统及可读存储介质
CN115272549A (zh) 一种超大数字场景的存储和渲染调度方法及装置
CN105741345A (zh) 点云法向量调整方法及系统
CN116071276B (zh) 基于顶点的三维模型缺口修复方法、装置、设备及介质
CN114444185A (zh) 原位标注的识别方法、装置及电子设备
US11281935B2 (en) 3D object detection from calibrated 2D images
CN113763563A (zh) 一种基于平面识别的三维点云几何网格结构生成方法

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