JP2009129337A - 三次元類似形状検索装置 - Google Patents

Abstract

【課題】三次元形状モデルの特徴量を抽出し，類似形状を検索する。
【解決手段】検索対象となる三次元形状モデルを，ランダム回転行列生成部６と二次元画像生成部７を用いて様々な方向からレンダリングして画像特徴量を抽出して，画像特徴量データベースに登録する。検索キーとなる三次元形状モデルを，ランダム回転行列生成部１０と二次元画像生成部１１を用いて様々な方向からレンダリングして画像特徴量を抽出して，前記画像特徴量データベースと比較することで，類似形状を検索する。
【選択図】図１

Description

本発明は，三次元形状モデルを検索する方法及び装置に関するものである。

近年，計算機及びネットワークの進歩により，三次元形状モデルは様々な場面で利用されるようになりつつある。そのデータ数は増大する一方であり，三次元形状モデルデータの効率的な管理や，ユーザが所望の形状を効率よく検索するという要求が高まっている。このため，三次元形状モデルの検索方法に関して様々な方法が提案されている。三次元形状モデルの検索方法として，三次元形状から二次元画像を生成し，二次元画像から特徴量を求めることで検索する方法が提案されている。

特開２００６−２７７１６６号公報 特開２００７−１４０８１０号公報 J.W.H. Tangelder, R.C. Veltkamp: A survey of content based 3D shape retrieval methods, Proceedings of the Shape Modeling Applications, 2004, pp. 145-156. D.-Y. Chen, X.-P. Tian, Y.-T. Shen, and M. Ouhyoung: On visual similarity based 3D model retrieval. Computer Graphics Forum (EG 2003 Proceedings), 22(3), 2003.

しかし，二次元画像を用いた三次元類似形状検索では，距離（非類似度）を求める対象である２つの三次元形状モデルの向きが揃っていない場合には，比較が正しく行われない場合があるという問題がある。特許文献１では，正面図，上面図，側面図を用いて検索を行っているが，任意の三次元形状モデルに対して，正面図，上面図，側面図を表示するということは，三次元形状モデルに対して，３つの主軸を与えることに対応し，非特許文献１にも記載があるように，これは難しい問題である。特許文献２では，３つの主軸を求めるために，形状の最も長い方向を第１軸としているが，前述のように複雑な三次元形状に対しては誤差が問題となる。

非特許文献２では，上記の形状モデルの向きを揃える問題を回避するために，三次元形状モデルに対して，予め決められた１０方向から画像を生成して，これらを用いて三次元形状モデルの検索を行う方法が提案されている。この方法では，三次元形状モデルの周囲に配置された１０個の視点から得られたシルエット画像から画像特徴量を求める。形状モデルの回転の自由度に対応するために，６０通りの組み合わせを考えて画像間の距離計算を行う。さらに，微妙に角度を変更した１０視点のグループを１０個作り，形状モデルの回転に依存しない距離計算を行っている。このため，三次元形状モデル間の距離計算では，多次元の特徴量を５４６０回照合し，最小の距離を求める必要がある。このため，計算量が膨大となるという問題があった。

本発明は上述したような従来技術の問題点を考慮してなされたものであり，方向の揃っていない三次元形状モデルに対しても，少ない計算量で三次元形状モデル間の距離（非類似度）を求めることで，精度のよい三次元形状検索方法を提供することを目的とする。

上記目的を達成するために本発明は，検索対象となる三次元形状モデルを，乱数を用いて回転することで複数の方向から見た二次元画像を生成し，その二次元画像から画像特徴量を抽出する。同様に，検索キーとなる三次元形状モデルを，乱数を用いて回転することで複数の方向から見た二次元画像を生成し，その二次元画像からも画像特徴量を抽出する。こうして抽出された検索対象となる三次元形状モデルの特徴量と検索キーとなる三次元形状モデルの特徴量を用いて類似形状検索を行い，検索キーに類似する三次元形状モデルを検索する。

本発明では乱数を用いた回転によって二次元画像を生成するため，対象となる三次元形状モデルの向きが揃っていない場合にも距離を算出することが可能である。

以下，図面を参照して，本発明の好適な実施形態について詳細に説明する。
図１は，本発明による三次元類似形状検索システムの構成例を示す図である。この検索システムは登録部１と検索部２を有する。登録部１は，検索対象となる三次元形状を登録する部分であり，検索対象となる三次元形状データを入力とし，三次元形状を三次元形状データベース３に登録する。さらに，検索対象となる三次元形状の特徴量を求め，特徴量データベース４に登録する。なお，三次元形状の特徴量の詳細は後述する。検索部２は類似形状を検索する部分であり，三次元形状データベース３及び特徴量データベース４と接続されている。検索部２は検索したい形状と類似している形状を入力とし，三次元形状データベース３及び特徴量データベース４を用いて類似形状を検索し，検索結果を表示する。

登録部１は，三次元形状モデル入力部５，ランダム回転行列生成部６，二次元画像生成部７，二次元画像特徴量抽出部８を備えている。検索部２は，検索形状モデル指定部９，ランダム回転行列生成部１０，二次元画像生成部１１，二次元画像特徴量抽出部１２，類似検索部１３，検索結果表示部１４，特徴量データ部１５を備えている。なお，登録部１のランダム回転行列生成部６と検索部２のランダム回転行列生成部１０は同じ機能を有している。また，登録部１の二次元画像生成部７と検索部２の二次元画像生成部１１，登録部１の二次元画像特徴量抽出部８と検索部２の二次元画像特徴量抽出部１２とは，それぞれ，同じ機能を有している。

図２は，本発明の三次元類似形状検索方法を実施するコンピュータの内部構成を示すブロック回路図である。図２において，データバス２４上には，ＣＰＵ２０，ＲＯＭ２１，ＲＡＭ２２，ハードディスク２３，媒体入力部２６，入力制御部２８，画像生成部２９が接続される。本発明の三次元類似形状検索方法を実行するプログラムは，記録媒体２５から媒体入力部２６を用いてＲＡＭ２２に格納される。あるいは，ハードディスク２３から，三次元形状検索プログラムをＲＡＭ２２に格納することも可能である。入力装置２７からのユーザの入力情報は，入力制御部２８によってＣＰＵ２０に伝えられる。三次元形状検索結果により，画像生成部２９は画像情報を作成し，ディスプレイ装置３０に表示する。

次に，図１に示したシステムの動作についてフローチャートを参照して説明する。図３に，検索対象となる三次元形状モデルの登録部１の処理手順を説明するためのフローチャートを示す。まず，三次元形状モデル入力部５によって登録したい三次元形状モデルを入力する（Ｓ１０１）。このとき，三次元形状モデルを原点に移動し，さらにサイズの正規化を行う。次に，二次元画像生成の処理回数のカウンタであるｉに１を代入する（Ｓ１０２）。ランダム回転行列生成部６によってランダムな回転行列を生成する（Ｓ１０３）。二次元画像生成部７は三次元形状モデル入力部５から入力された入力三次元形状モデルに対し，ランダムな回転行列を用いて二次元画像を生成する（Ｓ１０４）。二次元画像特徴量抽出部８は，生成された二次元画像から画像特徴量を抽出する（Ｓ１０５）。抽出された二次元画像特徴量は特徴量データベース４に登録する（Ｓ１０６）。次に，二次元画像生成の処理回数のカウンタｉをインクリメントする（Ｓ１０７）。カウンタｉと予め設定した二次元画像生成数Ｎ_rとを比較し（Ｓ１０８），カウンタｉがＮ_r以下の場合にはＳ１０３に戻り，二次元画像生成及び画像特徴量の抽出処理を継続する。カウンタｉがＮ_rより大きい場合には，画像特徴量の抽出処理を終了し，次のステップに移る（Ｓ１０８）。次に，入力された三次元形状を三次元形状データベース３に登録する（Ｓ１０９）。

以上で，１つの三次元形状モデルが検索対象としてデータベースに登録される。複数の三次元形状モデルを検索対象として登録するためには，上記の処理を登録したい三次元形状モデルごとに実行する。

１つの三次元形状モデルについて，Ｎ_r個の２次元画像特徴量が抽出され，特徴量データベース４に格納される。二次元画像生成数Ｎ_rは予めユーザが設定しておく数である。このＮ_rの値を大きく設定すると検索の精度が上がるが，同時に検索時間が増大する。Ｎ_rの値は任意であるが，例えばＮ_r＝６４などの値を用いればよい。

Ｓ１０１の三次元形状モデル入力処理では，前述のように三次元形状モデルを原点に移動し，サイズの正規化を行う。この処理は，三次元形状モデルからバウンディングボックスを求め，バウンディングボックスの中心が原点になるように三次元形状モデルを移動することで実現する。サイズの正規化は，例えばバウンディングボックスの三軸の中で最も長い軸の長さを，予め与えた大きさ（例えば１）になるように拡大縮小することで実現する。

Ｓ１０３のランダム回転行列生成処理では，乱数を用いて方向がランダムな回転行列を生成する。この処理の詳細は，例えば，「James Arvo :Fast random rotation matrices. In David Kirk, editor, Graphics Gems III, pages 117-120. Academic Press, 1992.」に記述されている。

Ｓ１０４の二次元画像生成処理では，OpenGL，DirectX等のグラフィックライブラリの機能を用いてレンダリングを行う。ここで，レンダリング画像の種類として，（１）光源モデルを仮定した陰影画像，（２）三次元形状モデルを黒で塗りつぶすシルエット画像，（３）三次元形状モデルの奥行きを濃淡で表現する奥行き画像の３つを選択できる。図１０に陰影画像，シルエット画像，奥行き画像の例を示す。図１０で８１が陰影画像，８２がシルエット画像，８３が奥行き画像である。

OpenGL，DirectX等のグラフィックライブラリを用いることで，ポリゴン形状，自由曲面形状を高速にレンダリングすることが可能である。

シルエット画像８２の生成では背景を白，物体を黒に設定してレンダリングすることでシルエット画像が生成できる。

奥行き画像８３の生成は，OpenGLのＺバッファ機能を用いてレンダリングした後，Ｚバッファ情報を読み込み，Ｚバッファの値に従って濃淡画像を生成することで実現できる。図１０の８３の例では，奥行きＺが視点に近い場合に白，遠い場合に黒を割り当てた例である。

前記の光源モデルを仮定した陰影画像８１の生成方法では，様々なレンダリング方法が考えられる。光源の位置や光源の色や強度，種類などを変更可能である。また，形状モデルに色やテクスチャー，反射属性が設定されている場合もある。

類似形状の検索という意味では，検索対象のすべてと検索キーとで同一の条件でレンダリングする必要がある。また，できるだけ高速にレンダリングができると都合がよい。これは，例えば，光源としてカメラ位置から物体中心の方向への平行光源を用いることで達成される。また，反射属性として拡散反射だけを仮定するランバートモデルを用いる。

なお，二次元画像生成処理では，上記の３種類の画像生成方法から１種類の画像生成方法を選択することも可能であるし，陰影画像と奥行き画像のように複数種類の画像生成方法を組み合わせることも可能である。複数種類の画像を生成する場合には，後述する画像間の距離計算では同種類の画像を用いて距離計算を行う。

上記の方法は，陰影画像の生成において，三次元形状モデルに固有の色やテクスチャーなどの情報を無視してレンダリングする方法である。この場合には，三次元形状モデルの検索においては色柄テクスチャーの情報を無視して，形状情報だけから検索することが可能となる。

一方，三次元形状モデルに固有の色やテクスチャーなどの情報も用いて形状検索を行いたい場合もある。この場合には，陰影画像の生成において，三次元形状モデルに固有の色やテクスチャーなどの情報を用いてレンダリングすることも可能である。この場合には，三次元形状モデルの検索においては色柄テクスチャーの情報も用いた検索が可能となる。図１０の８４に色つきの画像の例を示す。画像８４は赤色の画像である。

図４は，Ｓ１０４の二次元画像生成処理の結果の例を示した説明図である。４０に示す三次元形状モデルをランダムな回転行列で回転して，Ｎ_r枚（図４ではＮ_r＝１２）の奥行き画像４１が生成される。

Ｓ１０５の二次元画像特徴量抽出処理では，二次元画像から画像特徴量を生成する。画像特徴量としては，様々な種類のものが提案されているが，本発明では，特徴量の種類は，いかなるものも使用できる。本実施例では特開２０００−２９８８５号公報に記載の濃淡ヒストグラム特徴量とエッジ特徴量を用いた。濃淡ヒストグラム特徴量は，画像に対して格子状に構図分割を行い、分割された各領域の濃淡ヒストグラムから作られる多次元ベクトルを、画像特徴量とする。エッジパターン特徴量は以下のように求める。まず、特徴的なエッジパターンを予め複数設定する。そして、画像に対して格子状に構図分割を行い、各領域内に含まれるエッジパターン数を計数する。このエッジパターン数からヒストグラムを生成し、多次元ベクトルとすることによって、画像特徴量を作成する。

Ｓ１０６によって画像特徴量は特徴量データベース４に格納される。図５は，画像特徴量データベース４に格納されたデータの例を示している。ここで，検索対象として登録した三次元形状モデルの数をＮとする。各モデルに対して，Ｎ_r枚の画像を生成するため，各モデルに対してＮ_r個の特徴量ベクトルが抽出される。図５で，モデルｉの視点ｊの特徴量がＦ_i,jである。なお，視点ｊは各モデルｉに対して異なった回転を用いることも可能であるし，各モデルｉに対して同じ回転を用いることも可能である。

図６は，検索部２の処理手順を説明するためのフローチャートである。検索形状モデル指定部９によって，検索のキーとなる三次元形状モデルを指定する（Ｓ２０１）。このとき，三次元形状モデルを原点に移動し，さらにサイズの正規化を行う。次に，二次元画像生成の処理回数のカウンタであるｉに１を代入する（Ｓ２０２）。ランダム回転行列生成部１０によってランダムな回転行列を生成する（Ｓ２０３）。二次元画像生成部１１は検索キーモデルを検索形状モデル指定部９から入力し，ランダムな回転行列を用いて二次元画像を生成する（Ｓ２０４）。二次元画像特徴量抽出部１２は，生成された二次元画像から画像特徴量を抽出する（Ｓ２０５）。抽出された二次元画像特徴量は特徴量データ１５に登録する（Ｓ２０６）。次に，二次元画像生成の処理回数のカウンタｉをインクリメントする（Ｓ２０７）。カウンタｉと予め設定した二次元画像生成数Ｎ_sとを比較し，カウンタｉがＮ_s以下の場合にはＳ２０３に戻り，二次元画像生成及び画像特徴量の抽出処理を継続する（Ｓ２０８）。カウンタｉがＮ_sより大きい場合には，画像特徴量の抽出処理を終了し，次のステップに移る（Ｓ２０８）。次に，検索キーモデルの特徴量データ１５と特徴量データベース４を用いて，データベース内のすべてのモデルとの距離計算を行う（Ｓ２０９）。この処理内容の詳細は後述する。求められた距離によって検索対象モデルをソーティングする（Ｓ２１０）。距離順にソートされた形状モデルをディスプレイ３０に表示する（Ｓ２１１）。以上で，三次元類似形状モデルの検索が実現される。

二次元画像生成数Ｎ_sは予めユーザが設定しておく数である。このＮ_sの値を大きく設定すると検索の精度が上がるが，同時に検索時間が増大する。Ｎ_sの値は任意であるが，例えばＮ_s＝１６などの値を用いればよい。

Ｓ２０１の検索形状指定処理は，登録部１のＳ１０１の処理に準じるものであり，バウンディングボックスの情報から三次元形状モデルを原点に移動し，サイズを正規化する。Ｓ２０３のランダム回転行列生成処理は登録部のＳ１０３の処理と同様である。Ｓ２０４の二次元画像生成処理は，登録部のＳ１０４の処理と同様であり，Ｓ１０４の二次元画像生成処理と同種類の画像を生成する。

図７は，Ｓ２０４の二次元画像生成処理の結果の例を示した説明図である。６０に示す三次元形状モデルをランダムな回転行列で回転して，Ｎ_s枚（図７ではＮ_s＝６）の奥行き画像が生成される。

Ｓ２０５の二次元画像特徴量抽出処理は登録部のＳ１０５の処理と同様である。Ｓ２０６によってキーモデルの画像特徴量は特徴量データ１５に格納される。図８は画像特徴量データベース４に格納されたデータの例である。キー形状モデルに対して，Ｎ_s枚の画像を生成するため，Ｎ_s個の特徴量ベクトルが抽出される。図８で，視点ｊの特徴量がＱ_jである。

次に，Ｓ２０９の距離計算の詳細について，図９のフローチャートを用いて説明する。ここでは，検索対象モデルｋと検索キーモデルとの距離計算方法を示している。検索キーモデルはＮ_s個の特徴量ベクトルＱ_i（１≦ｉ≦Ｎ_s）を有しているため，Ｎ_s個の特徴量ベクトルＱ_iに対して，検索対象モデルｋと距離計算を行う。このＮ_s回の距離計算のためのカウンタｉを１に初期化する（Ｓ３０１）。次に，検索対象モデルｋと検索キーモデルとの距離ｄ_totalを０に初期化する（Ｓ３０２）。検索キーモデルの特徴量ベクトルＱ_iと検索対象モデルｋのすべての特徴量ベクトルＦ_k,j（１≦ｊ≦Ｎ_r）との距離計算を行い，最小の距離を，Ｑ_iと検索対象モデルｋとの距離とする。このためのカウンタｊを１に初期化し，さらに，最小の距離を記憶するための変数ｄを十分大きい数ＢＩＧに初期化する（Ｓ３０３）。Ｑ_iとＦ_k,jとの距離計算を行い，結果をｄｔに格納する（Ｓ３０４）。もし，新たに求められた距離ｄｔがこれまでの最小の距離ｄよりも小さい場合には，ｄにｄｔを代入し，最小の距離ｄを更新する（Ｓ３０５）。Ｓ３０６によりカウンタｊをインクリメントし，カウンタｊがＮ_r以下の場合には，Ｑ_iと対象形状モデルｋとの最小距離計算を継続する（Ｓ３０７）。カウンタｉがＮ_rを超えた場合には，Ｑ_iと検索対象モデルｋの特徴量ベクトルの最小距離がｄに格納される。この距離ｄをモデル間の距離の合計ｄ_totalに加算する（Ｓ３０８）。カウンタｉをインクリメントし（Ｓ３０９），カウンタｉがＮ_s以下の場合には，Ｑ_i+1に対して同様に距離計算を行う（Ｓ３１０）。カウンタｉがＮ_sより大きい場合には，ｄ_totalが求めるキーモデルと検索対象モデルｋとの距離である。

なお，Ｓ３０４の特徴量ベクトルＱ_iと特徴量ベクトルＦ_k,jとの距離計算は，多次元ベクトルの距離の二乗和によって求める。ここで，多次元ベクトル間の距離としてはマンハッタン距離を用いることも可能である。

検索キーモデルと検索対象モデルｋとの距離計算は，検索対象モデル数をＮとして，Ｎ回実行する。

以上により，検索キーモデルと類似した三次元形状モデルを検索対象から求めることが可能である。

なお，本実施例では，生成する二次元画像の種類として，陰影画像，シルエット画像，奥行き画像を用いることが可能である。さらに，これらを組み合わせることも可能である。画像の種類は組み合わせて用いる場合には，Ｓ３０４の処理で同じ種類の画像だけを距離計算の対象とすればよい。

Ｓ２０９のキーとなる三次元形状モデルと検索対象である三次元形状モデルｋとの距離計算には，Ｎ_s×Ｎ_r回の距離計算が必要である。検索対象となる三次元形状モデルの数をＮとすると合計，Ｎ_s×Ｎ_r×Ｎ回の距離計算が必要となる。実証実験によれば，Ｎ_s＝１６，Ｎ_r＝６４程度の値で，三次元形状検索が可能であることがわかっている。この場合の距離計算回数は１０２４回であり，非特許文献２の５４６０回と比較して５分の１以下と削減されている。さらに，検索実験によれば，非特許文献２の検索精度と比較してより精度のよい検索結果が得られている。

検索実験は，具体的には，「Philip Shilane, Patrick Min, Michael Kazhdan, Thomas Funkhouser: The Princeton Shape Benchmark, Proc. International Conference on Shape Modeling and Applications 2004 (SMI‘04), pp. 167-178, 2004」に記載のPrinceton Shape Benchmark（以下ＰＳＢと略す）を用いて行った。ＰＳＢのテスト用の９０７のデータを用いた。ＰＳＢでは９２のカテゴリが付与されている。このカテゴリを用いてNearest Neighbor（ＮＮ），R-Precision（１Ｒ），2R-Precision（２Ｒ）を求めた。ここで，ＮＮ，１Ｒ，２Ｒは以下のような評価尺度である。データベース中のモデルがカテゴリＣ_i（ｉ＝１，…，ｎ）に分類されているとする。R-Precisionは，検索要求ｍ∈Ｃ_iとした場合，検索結果上位｜Ｃ_i｜個の中に正解モデルが含まれる割合である。2R-PrecisionはR-Precisionとほぼ同様であるが，検索結果上位２｜Ｃ_i｜個に含まれる正解モデルの割合である。Nearest Neighborは，検索結果の最上位に求めるカテゴリのモデルが来る割合である。非特許文献２の性能は，ＮＮ，１Ｒ，２Ｒについてそれぞれ６６．０％，３７．８％，４８．７％であった。本実施例では，ＮＮ，１Ｒ，２Ｒは６９．５％，４１．３％，５１．４％であった。以上のように，本発明は非特許文献２の方法と比較して検索精度が高い。さらに，計算量も少ないという特徴がある。

さらに，本発明の実施例における検索の計算量は以下のように削減できる。検索キー形状モデルから抽出されたＮ_s個の画像特徴量からＭ_s（Ｍ_s＜Ｎ_s）個の画像特徴量を選択する。例えば，Ｎ_s＝１６に対してＭ_s＝４とする。さらに，検索対象モデルｋのＮ_r個の画像特徴量からＭ_r（Ｍ_r＜Ｎ_r）個の画像特徴量を選択する。例えば，Ｎ_r＝６４に対してＭ_r＝１６とする。選択した検索キー形状モデルのＭ_s個の画像特徴量と，検索対象モデルｋのＭ_r個の画像特徴量から，Ｓ２０９と同じ処理によって検索キー形状モデルと検索対象モデルとの近似距離を求める。この計算はＭ_s×Ｍ_r回である。上記の例では，６４回である。この近似距離が小さい形状モデル，すなわち，類似検索の上位候補だけを選択する。上位候補の選択方法は，近似距離が小さい方から予め決められた個数だけ選択する方法でもよいし，近似距離が予め設定した閾値より小さなものを選択する方法であってもよい。選択された三次元形状モデルに対してだけＳ２０９の距離計算を行うことで，より少ない計算時間で類似形状検索が実現できる。

次に本実施形態の効果を説明する。登録部１において，ランダム回転行列生成部５によって複数のランダムな回転行列を生成し，これを用いて二次元画像を生成し特徴量を抽出し，検索部２において，ランダム回転行列生成部１０によって複数のランダムな回転行列を生成し，これを用いて二次元画像を生成し特徴量を抽出し，前記の特徴量を比較することで，検索対象と検索キー形状の方向が揃っていない場合にも類似検索が可能となる。

類似検索においては，二次元画像生成部７及び二元画像生成部１０によって生成された二次元画像から抽出される特徴量だけを用いているため，レンダリング可能な三次元形状モデルであれば，ポリゴン，自由曲面，ボクセルなど，様々な三次元形状モデルに対して適用である。

本発明による三次元類似形状検索システムの構成例を示す図。 本発明の三次元類似形状検索方法を実施するコンピュータの内部構成を示すブロック図。 登録部の処理手順を説明するフローチャート。 二次元画像生成処理の結果の説明図。 画像特徴量データベースに格納されるデータの説明図。 検索部の処理手順を説明するフローチャート。 二次元画像生成処理の結果の説明図。 画像特徴量データベースに格納されるデータの説明図。 距離計算の手順を説明するフローチャート。 二次元画像の種類を説明する図。

符号の説明

１：登録部
２：検索部
３：三次元形状データベース
４：特徴量データベース
５：三次元形状入力部
６：ランダム回転行列生成部
７：二次元画像生成部
８：二次元画像特徴量抽出部
９：検索形状モデル指定部
１０：ランダム回転行列生成部
１１：二次元画像生成部
１２：二次元画像特徴量抽出部
１３：類似検索部
１４：検索結果表示部
１５：特徴量データ

Claims (5)

1. 検索対象となる複数の三次元形状モデルを，乱数を用いて回転することで各々の三次元形状モデルに対してそれぞれ複数の方向から見た二次元画像を生成する第１の二次元画像生成部と，
   前記第１の二次元画像生成部で生成された二次元画像から画像特徴量を抽出する第１の特徴量抽出部と，
   検索キーとなる三次元形状モデルを，乱数を用いて回転することで複数の方向から見た二次元画像を生成する第２の二次元画像生成部と，
   前記第２の二次元画像生成部で生成された二次元画像から画像特徴量を抽出する第２の特徴量抽出部と，
   前記第１の特徴量抽出部で抽出した特徴量と前記第２の特徴量抽出部で抽出した特徴量を用いて前記検索キーである三次元形状モデルと前記検索対象である個々の三次元形状モデル間の距離を計算し，前記検索キーに類似する三次元形状モデルを検索する類似検索部と，
   を有することを特徴とする三次元類似形状検索装置。
2. 請求項１に記載の三次元類似形状検索装置において，前記第１の二次元画像生成部及び前記第２の二次元画像生成部で生成される二次元画像は，シルエット画像，陰影画像あるいは奥行き画像のいずれか，あるいはそれらの組み合わせであることを特徴とする三次元類似形状検索装置。
3. 請求項１に記載の三次元類似形状検索装置において，前記第１の二次元画像生成部及び前記第２の二次元画像生成部で生成される二次元画像は，色及び／又はテクスチャーを有する陰影画像であることを特徴とする三次元類似形状検索装置。
4. 請求項１に記載の三次元類似形状検索装置において，前記類似検索部は，前記第２の特徴量抽出部で抽出されたＮ_s個の画像特徴量のそれぞれに対して前記第１の特徴量抽出部で１つの三次元形状モデルに対して抽出されたＮ_r個の画像特徴量との間で計算された最小の距離の和を，前記検索キーである三次元形状モデルと当該検索対象である三次元形状モデルの距離とすることを特徴とする三次元類似形状検索装置。
5. 請求項４に記載の三次元類似形状検索装置において，前記類似検索部は，前記Ｎ_s個の画像特徴量の中から複数個の画像特徴量を選択すると共に前記Ｎ_r個の画像特徴量の中から複数個の画像特徴量を選択し，選択された画像特徴量の組みを用いて前記検索キーである三次元形状モデルと検索対象である三次元形状モデルの近似距離を求め，当該近似距離の近い上位の三次元形状モデルに対してだけ三次元類似形状検索を行うことを特徴とする三次元類似形状検索装置。

Images