CN116310149B - 一种体素合并方法、装置、设备及存储介质 - Google Patents
一种体素合并方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116310149B CN116310149B CN202310563811.1A CN202310563811A CN116310149B CN 116310149 B CN116310149 B CN 116310149B CN 202310563811 A CN202310563811 A CN 202310563811A CN 116310149 B CN116310149 B CN 116310149B
- Authority
- CN
- China
- Prior art keywords
- voxel
- voxels
- boundary point
- target
- merging
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 15
- 230000007704 transition Effects 0.000 description 8
- 230000004927 fusion Effects 0.000 description 7
- 230000010354 integration Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000006870 function Effects 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
- 230000002085 persistent effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- 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
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Generation (AREA)
Abstract
本发明涉及人工智能领域，公开了一种体素合并方法、装置、设备及存储介质，用于提高体素合并的精度以及体素合并的效率。方法包括：分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例，并对目标比例进行加权计算，得到权重参数；获取每个第二体素的第一边界点，并查找第二体素的相邻体素所对应的第二边界点，计算第一边界点与第二边界点之间的距离和夹角，以及根据距离和夹角，对第一边界点以及第二边界点进行连接，得到多个第二体素对应的目标表面；根据目标表面和权重参数，对多个第二体素进行加权运算，得到多个加权后的第二体素，并对多个加权后的第二体素进行体素合并，生成目标体素集合。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种体素合并方法、装置、设备及存储介质。
背景技术
体素数据是指由三维空间中的等大小元素组成的立方体数据。它是计算机图形学、医学图像处理等领域中常用的数据表示方式之一。通常情况下，体素数据包含了丰富的几何信息和属性信息，可以用于建立三维模型、进行可视化和仿真等应用。然而，在实际应用中，常常需要对多个体素数据进行合并，以便得到更完整和更精确的三维信息。
现有方案中的问题包括数据冗余、边界连接和数据噪声等问题。由于不同体素数据之间存在重叠或者交叉的部分，导致了合并后的体素集合出现了大量的冗余数据；同时，在体素数据边界连接时，可能会出现空隙或者断裂等情况，导致合并后的体素集合表面不连续或者不平滑；此外，由于实际采集过程中存在噪声和误差等问题，导致体素数据存在一定的噪声和不精确性，进而影响了体素合并结果的准确性和精度。
发明内容
本发明提供了一种体素合并方法、装置、设备及存储介质，用于提高体素合并的精度以及体素合并的效率。
本发明第一方面提供了一种体素合并方法，所述体素合并方法包括：
获取待合并的第一体素集合，并对所述第一体素集合中的多个第一体素进行重叠部分去除和边界确定，得到第二体素集合，其中，所述第二体素集合包括：多个第二体素；
分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例，并对每个第二体素对应的目标比例进行加权计算，得到每个第二体素的权重参数；
获取每个第二体素的第一边界点，并查找所述第二体素的相邻体素所对应的第二边界点，计算所述第一边界点与所述第二边界点之间的距离和夹角，以及根据所述距离和所述夹角，对所述第一边界点以及所述第二边界点进行连接，得到所述多个第二体素对应的目标表面；
根据所述目标表面和所述权重参数，对所述多个第二体素进行加权运算，得到多个加权后的第二体素，并对所述多个加权后的第二体素进行体素合并，生成目标体素集合。
结合第一方面，在本发明第一方面的第一实施方式中，所述获取待合并的第一体素集合，并对所述第一体素集合中的多个第一体素进行重叠部分去除和边界确定，得到第二体素集合，其中，所述第二体素集合包括：多个第二体素，包括：
获取待合并的第一体素集合，并提取所述第一体素集合中的多个第一体素；
查询所述多个第一体素之间的位置关系，并根据所述位置关系对所述多个第一体素进行重叠部分去除，得到去重后的多个第一体素；
对所述去重后的多个第一体素进行边界计算，生成第二体素集合，其中，所述第二体素集合包括：多个第二体素。
结合第一方面，在本发明第一方面的第二实施方式中，所述对所述去重后的多个第一体素进行边界计算，生成第二体素集合，其中，所述第二体素集合包括：多个第二体素，包括：
对所述去重后的多个第一体素进行边界识别，得到每个第一体素的三维空间表面；
对每个第一体素的三维空间表面进行对象划分，生成第二体素集合，其中，所述第二体素集合包括：多个第二体素。
结合第一方面，在本发明第一方面的第三实施方式中，所述分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例，并对每个第二体素对应的目标比例进行加权计算，得到每个第二体素的权重参数，包括：
分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例；
根据每个第二体素对应的目标比例计算每个目标比例的倒数；
将每个目标比例的倒数作为每个第二体素对应的权重参数。
结合第一方面，在本发明第一方面的第四实施方式中，所述获取每个第二体素的第一边界点，并查找所述第二体素的相邻体素所对应的第二边界点，计算所述第一边界点与所述第二边界点之间的距离和夹角，以及根据所述距离和所述夹角，对所述第一边界点以及所述第二边界点进行连接，得到所述多个第二体素对应的目标表面，包括：
获取每个第二体素的第一边界点，并查找所述第二体素的相邻体素所对应的第二边界点；
计算所述第一边界点与所述第二边界点之间的距离和夹角；
根据所述距离和所述夹角，匹配对应的目标插值方案；
根据所述目标插值方案，对所述第一边界点以及所述第二边界点进行连接，得到所述多个第二体素对应的目标表面。
结合第一方面，在本发明第一方面的第五实施方式中，所述根据所述目标表面和所述权重参数，对所述多个第二体素进行加权运算，得到多个加权后的第二体素，并对所述多个加权后的第二体素进行体素合并，生成目标体素集合，包括：
根据所述权重参数，对所述多个第二体素进行加权运算，得到多个加权后的第二体素；
获取每个加权后的第二体素对应的多个体素点，并对所述多个体素点进行加权平均运算，得到每个体素点的目标值；
根据所述目标表面以及每个体素点的目标值，对所述多个加权后的第二体素进行体素合并，生成目标体素集合。
结合第一方面，在本发明第一方面的第六实施方式中，所述体素合并方法还包括：
获取所述多个第二体素的边界点以及非空间连续的点；
根据所述边界点以及所述非空间连续的点匹配对应的插值方案；
根据所述插值方案对所述多个第二体素进行补全，得到光滑的体素表面。
本发明第二方面提供了一种体素合并装置，所述体素合并装置包括：
获取模块，用于获取待合并的第一体素集合，并对所述第一体素集合中的多个第一体素进行重叠部分去除和边界确定，得到第二体素集合，其中，所述第二体素集合包括：多个第二体素；
计算模块，用于分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例，并对每个第二体素对应的目标比例进行加权计算，得到每个第二体素的权重参数；
连接模块，用于获取每个第二体素的第一边界点，并查找所述第二体素的相邻体素所对应的第二边界点，计算所述第一边界点与所述第二边界点之间的距离和夹角，以及根据所述距离和所述夹角，对所述第一边界点以及所述第二边界点进行连接，得到所述多个第二体素对应的目标表面；
合并模块，用于根据所述目标表面和所述权重参数，对所述多个第二体素进行加权运算，得到多个加权后的第二体素，并对所述多个加权后的第二体素进行体素合并，生成目标体素集合。
本发明第三方面提供了一种体素合并设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述体素合并设备执行上述的体素合并方法。
本发明的第四方面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中存储有指令，当其在计算机上运行时，使得计算机执行上述的体素合并方法。
本发明提供的技术方案中，通过在预处理步骤中采用自适应网格划分和曲面重建等技术，能够有效地去除体素数据中的噪声和不精确性，从而提高合并结果的精度和准确性，实现了多级加权融合，提高体素数据质量。在加权步骤中，该方法采用多级加权融合技术，将不同层次的体素数据进行融合，从而提高了体素数据的质量和可靠性。采用插值方法连接边界，实现平滑过渡。在连接步骤中，该方法采用插值方法对相邻体素之间的边界进行连接，从而实现平滑过渡效果，保证了体素集合表面的连续性和平滑性。整合步骤采用加权平均方法，实现快速高效的体素合并。在整合步骤中，该方法采用加权平均方法对所有加权后的体素数据进行加和运算，从而得到最终的体素集合，具有快速高效的特点。本发明具有多级加权融合、插值连接边界和加权平均整合等关键步骤，能够有效地提高体素数据的精度、准确性和质量，实现快速高效的体素合并。
附图说明
图1为本发明实施例中体素合并方法的一个实施例示意图；
图2为本发明实施例中重叠部分去除以及边界计算的流程图；
图3为本发明实施例中权重参数计算的流程图；
图4为本发明实施例中生成目标表面的流程图；
图5为本发明实施例中体素合并装置的一个实施例示意图；
图6为本发明实施例中体素合并设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种体素合并方法、装置、设备及存储介质，用于提高体素合并的精度以及体素合并的效率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中体素合并方法的一个实施例包括：
S101、获取待合并的第一体素集合，并对第一体素集合中的多个第一体素进行重叠部分去除和边界确定，得到第二体素集合，其中，第二体素集合包括：多个第二体素；
可以理解的是，本发明的执行主体可以为体素合并装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的，在合并多个第一体素集合之前，需要先对待合并的第一体素集合进行预处理。具体的，根据待合并的第一体素集合中多个第一体素的位置关系，检测是否存在重叠部分，如果存在，则需要将重叠部分进行剔除，以避免后续合并过程中的数据冗余和错误。确定各个第一体素的边界，这里所说的边界指的是各个第一体素的表面，在三维空间中可以看作是一个曲面或者平面，在本发明实施例中，计算出每个第一体素在三维空间中的表面，并将其划分为边界上的离散点或者线段等对象，以便后续插值和连接操作的实现。
S102、分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例，并对每个第二体素对应的目标比例进行加权计算，得到每个第二体素的权重参数；
具体的，计算加权比例，对于每个第二体素，计算其在合并后的体素集合中所占比例，并根据比例对该体素进行加权。在进行体素合并的过程中，每个第二体素都需要被赋予一个权重，该权重反映了该体素在合并后的体素集合中所占比例，具体的，对于每一个待合并的第二体素，需要计算其在合并后体素集合中所占的比例，例如，根据第二体素的物理大小，或者按照表面积、体积等几何属性进行计算。将每个第二体素的比例转化为权重。
S103、获取每个第二体素的第一边界点，并查找第二体素的相邻体素所对应的第二边界点，计算第一边界点与第二边界点之间的距离和夹角，以及根据距离和夹角，对第一边界点以及第二边界点进行连接，得到多个第二体素对应的目标表面；
需要说明的是，在本发明实施例中，采用插值方法将体素边界点进行连接，从而产生平滑的过渡效果。具体操作包括：针对每个第二体素的边界点，确定相邻体素的最近边界点，并计算它们之间的距离和夹角。根据距离和夹角的大小通过预置的插值方法进行连接。
S104、根据目标表面和权重参数，对多个第二体素进行加权运算，得到多个加权后的第二体素，并对多个加权后的第二体素进行体素合并，生成目标体素集合。
具体的，在完成体素边界的连接后，将所有加权后的体素进行合并，得到最终的体素集合。具体的，对于每个第二体素，先根据其权重对体素进行加权。对于每个第二体素的每个点，将其在所有待合并体素中对应位置的值进行加权平均，并得到合并后该点的新值，其中，对多个加权后的第二体素进行体素合并，生成目标体素集合。
本发明实施例中，分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例，并对目标比例进行加权计算，得到权重参数；获取每个第二体素的第一边界点，并查找第二体素的相邻体素所对应的第二边界点，计算第一边界点与第二边界点之间的距离和夹角，以及根据距离和夹角，对第一边界点以及第二边界点进行连接，得到多个第二体素对应的目标表面；根据目标表面和权重参数，对多个第二体素进行加权运算，得到多个加权后的第二体素，并对多个加权后的第二体素进行体素合并，生成目标体素集合。本发明实施例中，在加权步骤中，该方法采用多级加权融合技术，将不同层次的体素数据进行融合，从而提高了体素数据的质量和可靠性。采用插值方法连接边界，实现平滑过渡，采用插值方法对相邻体素之间的边界进行连接，从而实现平滑过渡效果，保证了体素集合表面的连续性和平滑性，同时，采用加权平均方法，实现快速高效的体素合并。在整合步骤中，该方法采用加权平均方法对所有加权后的体素数据进行加和运算，从而得到最终的体素集合，具有快速高效的特点。
在一具体实施例中，如图2所示，执行步骤S101的过程可以具体包括如下步骤：
S201、获取待合并的第一体素集合，并提取第一体素集合中的多个第一体素；
S202、查询多个第一体素之间的位置关系，并根据位置关系对多个第一体素进行重叠部分去除，得到去重后的多个第一体素；
S203、对去重后的多个第一体素进行边界计算，生成第二体素集合，其中，第二体素集合包括：多个第二体素。
需要说明的是，体素是一种常用的数据表示方法，它将三维空间中的物体划分为小的块，每个块称为一个体素，在合并多个体素集合之前，需要对待合并的体素集合进行预处理，以去除重叠部分并确定各自的边界。首先，检测待合并的体素集合之间是否存在重叠的部分。如果存在，则将这些重叠部分进行剔除，具体的，可以将待合并的第一体素集合以八叉树的形式进行组织，然后通过Ray-casting算法来检查每个体素的表面与其他体素的相交情况。如果某两个体素之间存在相交或者包含关系，则说明它们之间存在重叠部分，需要将其剔除。其次，需要确定各个第一体素的边界。其中，对去重后的多个第一体素进行边界计算，生成第二体素集合，其中，第二体素集合包括：多个第二体素。
在一具体实施例中，执行步骤S203的过程可以具体包括如下步骤：
（1）对去重后的多个第一体素进行边界识别，得到每个第一体素的三维空间表面；
（2）对每个第一体素的三维空间表面进行对象划分，生成第二体素集合，其中，第二体素集合包括：多个第二体素。
具体的，服务器对去重后的多个第一体素进行边界识别，得到每个第一体素的三维空间表面，其中，服务器对去重后的多个第一体素进行轮廓信息分析，确定每个第一体素对应的轮廓信息，进而服务器通过每个第一体素对应的轮廓信息对去重后的多个第一体素进行边界识别，得到每个第一体素的三维空间表面，进而，服务器对每个第一体素的三维空间表面进行对象划分，生成第二体素集合，其中，第二体素集合包括：多个第二体素。
在一具体实施例中，如图3所示，执行步骤S102的过程可以具体包括如下步骤：
S301、分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例；
S302、根据每个第二体素对应的目标比例计算每个目标比例的倒数；
S303、将每个目标比例的倒数作为每个第二体素对应的权重参数。
具体的，服务器在体素合并的过程中，每个第二体素在合并后的体素集合中所占比例不同。为了保证体素合并的准确性和精度，需要根据每个第二体素在合并后的体素集合中所占比例对其进行加权。首先，需要计算每个第二体素在合并后的体素集合中所占比例，例如，在数字建模中，按照表面积、体积等几何属性进行计算。总之，进而，需要将每个第二体素的比例转化为权重参数，以便后续的加权运算。一般情况下，使用比例的倒数作为该第二体素的权重，因为较大的比例应该对合并结果产生较小的贡献。具体来说，假设某个体素在合并后的体素集合中所占比例为p，则其权重w可以计算如下：
；
需要注意的是，当某个体素的比例p等于0时，其权重应该设置为一个较大值，以避免在加权平均运算中产生无限大的值。最后，可以对每个体素进行加权。对于每个待合并的体素，先根据其权重对第二体素进行加权，得到其加权后的数值。然后，对于每个第二体素的每个点，将其在所有待合并体素中对应位置的值进行加权平均，并得到合并后该点的新值。
在一具体实施例中，如图4所示，执行步骤S103的过程可以具体包括如下步骤：
S401、获取每个第二体素的第一边界点，并查找第二体素的相邻体素所对应的第二边界点；
S402、计算第一边界点与第二边界点之间的距离和夹角；
S403、根据距离和夹角，匹配对应的目标插值方案；
S404、根据目标插值方案，对第一边界点以及第二边界点进行连接，得到多个第二体素对应的目标表面。
具体的，服务器在体素合并的过程中，不同体素集合之间的边界可能存在空隙或者断裂，这会导致合并后的体素集合表面不连续或者不平滑。为了解决这个问题，采用插值方法将相邻体素之间的边界连接起来，从而产生平滑的过渡效果。首先，需要确定每个第二体素边界上需要进行插值的点。一般情况下，选择位于第二体素边界上的离散点作为插值点，然后计算它们与相邻体素边界插值位置之间的距离和方向，以便进行插值运算。在确定插值点时，需要注意避免重复插值和丢失边界信息等问题。进而，使用不同的插值方法对相邻体素边界进行连接。常用的插值方法包括线性插值、样条插值、Bezier曲线等。具体来说，线性插值法通过对两个相邻点之间直线进行插值来连接相邻体素边界；样条插值法则利用多项式函数近似曲线来实现插值操作；Bezier曲线则使用Bezier曲线进行插值。最后，需要对插值连接后的边界进行平滑处理，以确保体素集合表面的连续性和平滑性。在本发明实施例中，采用局部平均方法。具体来说，局部平均法通过对每个点周围一定范围内的点进行平均运算来实现空间平滑，需要注意的是，平滑参数和半径需要根据实际情况进行调整，以避免过度平滑和产生形变等问题，最终，计算第一边界点与第二边界点之间的距离和夹角，根据距离和夹角，匹配对应的目标插值方案，根据目标插值方案，对第一边界点以及第二边界点进行连接，得到多个第二体素对应的目标表面。
在一具体实施例中，执行步骤S104的过程可以具体包括如下步骤：
（1）根据权重参数，对多个第二体素进行加权运算，得到多个加权后的第二体素；
（2）获取每个加权后的第二体素对应的多个体素点，并对多个体素点进行加权平均运算，得到每个体素点的目标值；
（3）根据目标表面以及每个体素点的目标值，对多个加权后的第二体素进行体素合并，生成目标体素集合。
具体的，服务器在体素合并的过程中，对于每个待合并的第二体素，都对其进行了预处理、加权和连接等操作，最后得到了一组加权后的体素数据。为了得到最终的体素集合，需要将这些加权后的体素数据进行合并，将所有加权后的第二体素数据转化为统一的坐标系，在三维空间中进行对齐，对齐包括位置对齐和方向对齐两个方面，保证所有体素在三维空间中的位置和朝向一致。一般情况下，可以使用仿射变换或者旋转平移等变换来实现体素的对齐操作。具体来说，可以选择一个参考体素作为基准，然后对其他体素进行对齐变换，进而，将所有加权后的第二体素数据进行加和运算，得到最终的体素集合，在所有加权后的体素数据中对应位置的值进行加权平均，以得到最终的体素集合表面的数值。需要注意的是，不同的第二体素数据之间可能存在重叠或者交叉的部分，需要根据实际情况进行处理，避免合并后的体素集合出现重复或者错误信息，最终，服务器根据目标表面以及每个体素点的目标值，对多个加权后的第二体素进行体素合并，生成目标体素集合。
在一具体实施例中，执行上述体素合并方法的过程还包括如下步骤：
（1）获取多个第二体素的边界点以及非空间连续的点；
（2）根据边界点以及非空间连续的点匹配对应的插值方案；
（3）根据插值方案对多个第二体素进行补全，得到光滑的体素表面。
具体的，在三维重建中，每个第二体素的表面可以表示为一组三维坐标点的集合，其中边界点是指表面上在两个或多个不同第二体素之间的点，而非空间连续的点是指表面上在同一第二体素内部但不连续的点。因此，获取每个第二体素的边界点可以通过计算不同第二体素之间的交点得到，获取每个第二体素的非空间连续的点可以通过计算表面曲率得到。然后，将所有第二体素的边界点集合和非空间连续的点集合合并，得到多个第二体素的边界点以及非空间连续的点的总集合，根据边界点以及非空间连续的点匹配对应的插值方案在三维重建中，插值是指通过已知点的坐标和属性值，计算未知点的属性值的过程。对于多个第二体素的边界点以及非空间连续的点的总集合，需要将它们划分为不同的插值区域，并计算每个插值区域的插值方案。划分插值区域的方法通常是基于点云配准算法，将每个点与其对应的点在其他第二体素中的位置进行匹配。然后，将匹配后的点集划分为不同的插值区域，并计算每个插值区域的插值方案。根据插值方案对多个第二体素进行补全，得到光滑的体素表面在三维重建中，补全是指将缺失的表面数据通过插值算法得到。对于多个第二体素的边界点以及非空间连续的点的总集合，需要根据插值方案对每个插值区域内的点进行插值，得到插值后的点集。然后，将插值后的点集与原始点云数据合并，得到补全后的点云数据。最后，对补全后的点云数据进行表面重建，得到光滑的体素表面，可用于三维建模、可视化等应用。
上面对本发明实施例中体素合并方法进行了描述，下面对本发明实施例中体素合并装置进行描述，请参阅图5，本发明实施例中体素合并装置一个实施例包括：
获取模块501，用于获取待合并的第一体素集合，并对所述第一体素集合中的多个第一体素进行重叠部分去除和边界确定，得到第二体素集合，其中，所述第二体素集合包括：多个第二体素；
计算模块502，用于分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例，并对每个第二体素对应的目标比例进行加权计算，得到每个第二体素的权重参数；
连接模块503，用于获取每个第二体素的第一边界点，并查找所述第二体素的相邻体素所对应的第二边界点，计算所述第一边界点与所述第二边界点之间的距离和夹角，以及根据所述距离和所述夹角，对所述第一边界点以及所述第二边界点进行连接，得到所述多个第二体素对应的目标表面；
合并模块504，用于根据所述目标表面和所述权重参数，对所述多个第二体素进行加权运算，得到多个加权后的第二体素，并对所述多个加权后的第二体素进行体素合并，生成目标体素集合。
通过上述各个组成部分的协同合作，通过在预处理步骤中采用自适应网格划分和曲面重建等技术，能够有效地去除体素数据中的噪声和不精确性，从而提高合并结果的精度和准确性，实现了多级加权融合，提高体素数据质量。在加权步骤中，该方法采用多级加权融合技术，将不同层次的体素数据进行融合，从而提高了体素数据的质量和可靠性。采用插值方法连接边界，实现平滑过渡。在连接步骤中，该方法采用插值方法对相邻体素之间的边界进行连接，从而实现平滑过渡效果，保证了体素集合表面的连续性和平滑性。整合步骤采用加权平均方法，实现快速高效的体素合并。在整合步骤中，该方法采用加权平均方法对所有加权后的体素数据进行加和运算，从而得到最终的体素集合，具有快速高效的特点。本发明具有多级加权融合、插值连接边界和加权平均整合等关键步骤，能够有效地提高体素数据的精度、准确性和质量，实现快速高效的体素合并。
上面图5从模块化功能实体的角度对本发明实施例中的体素合并装置进行详细描述，下面从硬件处理的角度对本发明实施例中体素合并设备进行详细描述。
图6是本发明实施例提供的一种体素合并设备的结构示意图，该体素合并设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（centralprocessing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对体素合并设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在体素合并设备600上执行存储介质630中的一系列指令操作。
体素合并设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的体素合并设备结构并不构成对体素合并设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种体素合并设备，所述体素合并设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述体素合并方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述体素合并方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
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，或者网络设备等）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（read-only memory，ROM）、随机存取存储器（random acceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种体素合并方法，其特征在于，所述体素合并方法包括：
获取待合并的第一体素集合，并对所述第一体素集合中的多个第一体素进行重叠部分去除和边界确定，得到第二体素集合，其中，所述第二体素集合包括：多个第二体素；
分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例，并对每个第二体素对应的目标比例进行加权计算，得到每个第二体素的权重参数；
获取每个第二体素的第一边界点，并查找所述第二体素的相邻体素所对应的第二边界点，计算所述第一边界点与所述第二边界点之间的距离和夹角，以及根据所述距离和所述夹角，对所述第一边界点以及所述第二边界点进行连接，得到所述多个第二体素对应的目标表面；
根据所述目标表面和所述权重参数，对所述多个第二体素进行加权运算，得到多个加权后的第二体素，并对所述多个加权后的第二体素进行体素合并，生成目标体素集合。
2.根据权利要求1所述的体素合并方法，其特征在于，所述获取待合并的第一体素集合，并对所述第一体素集合中的多个第一体素进行重叠部分去除和边界确定，得到第二体素集合，其中，所述第二体素集合包括：多个第二体素，包括：
获取待合并的第一体素集合，并提取所述第一体素集合中的多个第一体素；
查询所述多个第一体素之间的位置关系，并根据所述位置关系对所述多个第一体素进行重叠部分去除，得到去重后的多个第一体素；
对所述去重后的多个第一体素进行边界计算，生成第二体素集合，其中，所述第二体素集合包括：多个第二体素。
3.根据权利要求2所述的体素合并方法，其特征在于，所述对所述去重后的多个第一体素进行边界计算，生成第二体素集合，其中，所述第二体素集合包括：多个第二体素，包括：
对所述去重后的多个第一体素进行边界识别，得到每个第一体素的三维空间表面；
对每个第一体素的三维空间表面进行对象划分，生成第二体素集合，其中，所述第二体素集合包括：多个第二体素。
4.根据权利要求1所述的体素合并方法，其特征在于，所述分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例，并对每个第二体素对应的目标比例进行加权计算，得到每个第二体素的权重参数，包括：
分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例；
根据每个第二体素对应的目标比例计算每个目标比例的倒数；
将每个目标比例的倒数作为每个第二体素对应的权重参数。
5.根据权利要求1所述的体素合并方法，其特征在于，所述获取每个第二体素的第一边界点，并查找所述第二体素的相邻体素所对应的第二边界点，计算所述第一边界点与所述第二边界点之间的距离和夹角，以及根据所述距离和所述夹角，对所述第一边界点以及所述第二边界点进行连接，得到所述多个第二体素对应的目标表面，包括：
获取每个第二体素的第一边界点，并查找所述第二体素的相邻体素所对应的第二边界点；
计算所述第一边界点与所述第二边界点之间的距离和夹角；
根据所述距离和所述夹角，匹配对应的目标插值方案；
根据所述目标插值方案，对所述第一边界点以及所述第二边界点进行连接，得到所述多个第二体素对应的目标表面。
6.根据权利要求1所述的体素合并方法，其特征在于，所述根据所述目标表面和所述权重参数，对所述多个第二体素进行加权运算，得到多个加权后的第二体素，并对所述多个加权后的第二体素进行体素合并，生成目标体素集合，包括：
根据所述权重参数，对所述多个第二体素进行加权运算，得到多个加权后的第二体素；
获取每个加权后的第二体素对应的多个体素点，并对所述多个体素点进行加权平均运算，得到每个体素点的目标值；
根据所述目标表面以及每个体素点的目标值，对所述多个加权后的第二体素进行体素合并，生成目标体素集合。
7.根据权利要求1所述的体素合并方法，其特征在于，所述体素合并方法还包括：
获取所述多个第二体素的边界点以及非空间连续的点；
根据所述边界点以及所述非空间连续的点匹配对应的插值方案；
根据所述插值方案对所述多个第二体素进行补全，得到光滑的体素表面。
8.一种体素合并装置，其特征在于，所述体素合并装置包括：
获取模块，用于获取待合并的第一体素集合，并对所述第一体素集合中的多个第一体素进行重叠部分去除和边界确定，得到第二体素集合，其中，所述第二体素集合包括：多个第二体素；
计算模块，用于分别计算每个第二体素在合并后的体素集合中所占的比例，得到每个第二体素对应的目标比例，并对每个第二体素对应的目标比例进行加权计算，得到每个第二体素的权重参数；
连接模块，用于获取每个第二体素的第一边界点，并查找所述第二体素的相邻体素所对应的第二边界点，计算所述第一边界点与所述第二边界点之间的距离和夹角，以及根据所述距离和所述夹角，对所述第一边界点以及所述第二边界点进行连接，得到所述多个第二体素对应的目标表面；
合并模块，用于根据所述目标表面和所述权重参数，对所述多个第二体素进行加权运算，得到多个加权后的第二体素，并对所述多个加权后的第二体素进行体素合并，生成目标体素集合。
9.一种体素合并设备，其特征在于，所述体素合并设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述体素合并设备执行如权利要求1-7中任一项所述的体素合并方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的体素合并方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310563811.1A CN116310149B (zh) | 2023-05-18 | 2023-05-18 | 一种体素合并方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310563811.1A CN116310149B (zh) | 2023-05-18 | 2023-05-18 | 一种体素合并方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116310149A CN116310149A (zh) | 2023-06-23 |
| CN116310149B true CN116310149B (zh) | 2023-07-21 |
Family
ID=86801757
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310563811.1A Active CN116310149B (zh) | 2023-05-18 | 2023-05-18 | 一种体素合并方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116310149B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8462155B1 (en) * | 2012-05-01 | 2013-06-11 | Google Inc. | Merging three-dimensional models based on confidence scores |
| CN109118564A (zh) * | 2018-08-01 | 2019-01-01 | 湖南拓视觉信息技术有限公司 | 一种基于融合体素的三维点云标记方法和装置 |
| CN110147815A (zh) * | 2019-04-10 | 2019-08-20 | 深圳市易尚展示股份有限公司 | 基于k均值聚类的多帧点云融合方法及装置 |
| CN115701871A (zh) * | 2022-05-27 | 2023-02-14 | 深圳市安华光电技术有限公司 | 一种点云融合的方法、装置、三维扫描设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005052863A2 (en) * | 2003-11-28 | 2005-06-09 | Bracco Imaging S.P.A. | Method and system for distinguishing surfaces in 3d data sets ('dividing voxels') |
-
2023
- 2023-05-18 CN CN202310563811.1A patent/CN116310149B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8462155B1 (en) * | 2012-05-01 | 2013-06-11 | Google Inc. | Merging three-dimensional models based on confidence scores |
| CN109118564A (zh) * | 2018-08-01 | 2019-01-01 | 湖南拓视觉信息技术有限公司 | 一种基于融合体素的三维点云标记方法和装置 |
| CN110147815A (zh) * | 2019-04-10 | 2019-08-20 | 深圳市易尚展示股份有限公司 | 基于k均值聚类的多帧点云融合方法及装置 |
| CN115701871A (zh) * | 2022-05-27 | 2023-02-14 | 深圳市安华光电技术有限公司 | 一种点云融合的方法、装置、三维扫描设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 改进的空间体素融合方法及其在线重建;王剑飞 等;湖南大学学报(自然科学版);第45卷(第02期);第141-150页 * |
| 激光点云与密集匹配点云融合方法;闫利 等;中国激光;第49卷(第9期);第1-8页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116310149A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1710720B1 (en) | Method of computer-aided design of a modeled object having several faces | |
| US8860723B2 (en) | Bounded simplification of geometrical computer data | |
| US8130221B2 (en) | Method and system for repairing triangulated surface meshes | |
| Wang et al. | Enhanced remeshing from STL files with applications to surface grid generation | |
| Wang et al. | Surface reconstruction from unoriented point clouds by a new triangle selection strategy | |
| Zheng et al. | A primitive-based 3D reconstruction method for remanufacturing | |
| Ramanathan et al. | Interior medial axis transform computation of 3D objects bound by free-form surfaces | |
| Kwon | Design point generation method from a lightweight model for dimensional quality management in shipbuilding | |
| US8207965B2 (en) | Rewritable compression of triangulated data | |
| JP2022125003A (ja) | 機械部品を表す３ｄモデル化オブジェクトのセグメント化 | |
| US8289332B2 (en) | Apparatus and method for determining intersections | |
| Yin | Direct generation of extended STL file from unorganized point data | |
| CN116310149B (zh) | 一种体素合并方法、装置、设备及存储介质 | |
| US7388584B2 (en) | Method and program for determining insides and outsides of boundaries | |
| EP4092557A1 (en) | Parameterization of digital irregular freeform geometries | |
| Song et al. | Modeling and 3D object reconstruction by implicitly defined surfaces with sharp features | |
| Hormann | From scattered samples to smooth surfaces | |
| Tremel et al. | Automatic unstructured surface mesh generation for complex configurations | |
| KR101811135B1 (ko) | 최적 정밀도 결정을 통한 모델 단순화 장치 및 방법 | |
| Urick et al. | Reconstruction of gap-free intersections for trimmed NURBS surfaces | |
| Fakih et al. | Piecewise reconstruction of 3d euler spirals from planar polygonal curves | |
| Zhou et al. | AN EFFICIENT METHOD FOR SURFACE RECONSTRUCTION BASED ON LOCAL COORDINATE SYSTEM TRANSFORM AND PARTITION OF UNITY. | |
| Park et al. | Geometric modeling from scattered 3-D range data | |
| CN113920276B (zh) | 一种三角网格模型的特征识别方法及其特征识别系统 | |
| CN110945499A (zh) | 应用维度混洗变换的实时三维空间搜索与点云配准的方法与系统 |
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 |