文摘
为了满足当今社会的更高要求的细节和忠诚的3 d模型,三维网络模型的关键点检测方法提出了基于虚拟现实技术。关键技术步骤包括模型归一化预处理,特征提取和相似性计算。的三维模型检索测试汽车,卡车,公共汽车是使用VTFT算法。结果表明,在不同的数据库中,成功率最高为86.4%,最低为77.10%。实践证明,该方法可以有效改善当前三维模型处理的效率和准确性,可以更好地满足社会需求,比如游戏和娱乐。
1。介绍
随着计算机图形学的发展和提高三维模型获取技术和计算机硬件技术,三维模型不仅有飞跃需求量也越来越广泛的应用。主要应用领域包括工业产品设计、虚拟现实、三维游戏、建筑设计、影视动画、医学诊断和分子生物学研究。如图1虚拟现实是一个计算机系统,可以创建和体验虚拟世界。由计算机生成,作用于用户通过观察,倾听,触摸,闻,等,为用户产生身临其境的互动体验。浸、交互性和概念化是虚拟现实系统的三个基本特征1]。为代表的数字娱乐产业动画卡通、网络游戏、手机游戏,和影视产品,以其独特的和丰富的艺术形式和巨大的市场前景,已成为另一个行业(后新的经济增长点2]。人们不满意的显示形式的二维平面。为了得到更直观的视觉效果,三维模型技术应运而生3]。一些细微的表面模型的表面细节,如肿块,折痕,和皱纹的模型,通常是视觉认知中非常敏感的特性。3 d建模软件是用来画与高保真三维模型,和表面的有效操作细节使他们有特殊的视觉效果。高质量的主要功能智能三维模型库管理系统是建立一个合理的和可重用的3 d模型库与直观的三维模型检索功能(4]。同时,这也是一个开放的系统,动画师可以根据需要继续补充数据。
如今,不仅大量的三维模型还存在大量的三维模型生成每一天。面临巨大的三维模型数据库,如何快速搜索所需的模型已经成为一个紧迫的研究课题,它涉及到计算机图形学的知识,计算机视觉,模式识别等领域。MPEG-7在国际标准,它也规定,相关媒体数据不仅包括二维多媒体信息也虚拟多媒体信息,如三维模型和三维场景5]。
随着科技的发展,生活,实战场景构建的虚拟现实仿真平台,和人体的动作和姿态信息收集通过相关设备与虚拟场景交互。除了提高游戏操作的经验,战斗和培训也可以进行虚拟战斗场景,这样可以提高士兵的战斗技能(6]。此外,虚拟环境还可以提供一些复杂的人机交互和行为跟踪配合仿真系统进行测试,培训,和控制,具有相当大的潜力和研究意义。
2。文献综述
人体姿势识别一直是计算机视觉研究的热门领域之一。主要目的是预测人类的姿势类型视频由计算机和正确的预测结果划分为相应的姿势类型标签。罗等人使用密集的轨迹(DT)算法提取视频密集的轨道跟踪通过使用光学流场(7]。每一块计算,视频中的运动信息和周边环境集中提取来捕获视频的运动信息。同时,梯度直方图(猪)和光学流直方图(霍夫)对应于每一块的轨迹运动过程来描述地表特征和局部运动信息提取视频中,分别。此外,运动边界信息介绍了直方图(MBH)来提高视频中行人姿态检测的准确性,和良好的分类结果实现对几家大型行为识别的数据集。在此基础上,改进了密集的轨迹(IDT)算法也提出了。通过优化光学流图像,冲浪特性和密集的光流信息是用来匹配特征点来提高相机运动位置的估计,以消除摄像机抖动的影响(8]。L1正则表达式用于正常的功能,以及数据集ucf50精度91.2%。米等人采用单流卷积方法,使用pretrained conv2d神经网络连接和扩展信息的融合时间序列提取本地视频的时空信息,极大地提高CNN的操作性能。它使用一个单一的建筑融合在最后阶段视频帧信息。缺点是由于时空特征点不捕获的姿态特征字符移动时,它变得更困难的学习有效的神经网络特性(9]。吴等人的方向单流卷积,RNN的优势与神经网络相结合可以进一步映射的输入视频长度,进一步提出长期时间递归卷积神经网络(LRCN),添加LSTM层卷积模块后,加权平均和输入的预测结果RGB和光学流信息,最后获得最好的结果。整个网络架构是一个端到端的培训与学习框架(10]。锅等人提出的3 d卷积神经网络(C3d)。与二维卷积网络相比,最大的区别在于使用3 d卷积块卷积。卷积结果不再是一个2 d地图功能,有更多的时间维度特征信息,并具有良好的泛化性能和压缩性能(11]。然而,相比之下,二维卷积的识别结果在静态图片,人体姿势识别的效果并不理想,和训练过程需要占用大量的计算和内存资源。
在当前研究的基础上,提出了一种三维模型检索技术,这是一个基于内容的检索方法。首先,模型标准化预处理。然后,三维模型的特征提取,和一组特征向量。最后,实现了三维模型检索比较特征向量之间的相似度。关键技术步骤包括模型标准化预处理,特征提取和相似性计算。
3所示。方法
3.1。严格的三维模型的特征提取算法
目前,大多数算法对特征提取的3 d模型专注于不同类别之间的3 d模型检索。这些算法主要分为四类。这四种算法可以进一步分为许多子类。我们主要介绍了经典算法,如图2。(1)统计特征提取算法:如表所示1,基于统计特征的方法主要是计算几何特征的积累程度在一个特定的特征空间的维度。它的特点是计算简单,速度快,所以它广泛应用于三维模型领域的相似度计算。该方法具有良好的不变性和不需要3 d模型的标准化预处理。然而,这种方法的描述能力通常不够结实,和三维模型的描述是不够的(2)基于特征提取算法:在这个方法中,3 d模型预计为一组二维图像,三维模型是描述的多个图像的特点从不同的观点。该方法的思想是,如果两个3 d模型看起来类似的四面八方,他们被认为是类似的。研究重点是在哪里染料形象,有多少图片呈现,以及如何组织这些图像。这种方法可以用更成熟的图像匹配技术来减少匹配的复杂性。提取的特征是相对简单和容易计算12]。然而,在投射的过程3 d模型转换为一个图像,它是必要的条件约束项目正多面体的顶点或近似正多面体,所以很容易失去一些重要的信息代表三维结构(3)基于函数变换的特征提取算法:转换特性指的是三维模型的数学变换,变换系数是用来描述功能。因为变换域使用分析空间与空间域不同,这种特征与其他特征具有良好的互补效应。此外,变换域信号可以提供多分辨率分析的特性,可以实现从粗到细的描述功能,并能更好地描述三维模型,但特征提取的计算量很大13](4)基于混合提取算法特点:从上面的分析,可以看出,每种方法都有各自的优势和劣势。因此,最近,一些学者提出了综合使用两种或两种以上的功能互补,以提高三维模型检索的准确性
3.2。基于函数变换的特征提取算法
后提取视图功能,我们只得到“外”三维模型的特点。为了获得“内部”特性的3 d模型,我们基于函数变换提取特征(14]。函数变换的特征提取是实现通过使用两种形式的三维转换:径向积分变换和球面积分变换。提取函数转换的特性之前,需要对三维模型体素。因为视图三维模型的特征提取,没有必要体素表面最外层的3 d模型。系统化的过程是先计算3 d模型的边界框,这是一样的,用于呈现2 d图像部分,如图。然后,最小的盒子周围的3 d模型分为相等的块体元。我们把盒子分成 网格,如图。每个小立体像素块形成一个独立的元素 。我们每个单元binarize如图。当网格单元格包含3 d模型的一部分,单元格的值被定义为1;否则,它被定义为0,所以代表体素的集合块包含3 d模型的一部分在周围的框。这样,离散二进制的描述体素的功能如下:
离散二进制体元函数是用来计算每个立体像素块的价值。具体过程如下:扫描体素街区的3 d模型 分别轴。首先,确定的开始和结束立体像素块,的每一行轴。其中,立体像素块 位于之间的线段和形成一组在每一行。同样的,和可以生成。函数值的立体像素块的一部分,属于三组设置为1的交集;否则,它被设置为0。完成三维模型的二元图形之后,我们开始提取径向积分函数变换特性和球面积分函数变换特性的三维模型。介绍了径向积分函数和球面积分函数,分别低于[15]。让单位矢量和是真正的价值。
三维的积分表达式氡在飞机上函数的变换公式 如下:
检索速度是衡量平均特征提取时间和平均检索时间。表2总结了特征提取的平均时间和平均检索时间。我们的算法实现了在PC配置IntelCore2Duo, 2.53 gu7 CPU, 2 g内存。从表2,我们可以看到本章VFTF算法慢比使用单一特征检索算法。与其他两个混合特性的算法相比,VFTF算法比设计算法和速度比慢ARTED-SGD。特征提取是离线完成。VFTF算法的检索速度不会影响检索系统的实时要求。考虑到检索准确性和检索速度,VFTF算法具有更好的检索性能(16]。
3.3。多尺度关键检测
我们第一次发现在固定范围内模型的要点,然后建立一个自动规模选择机制实现多尺度的过程关键检测(17]。我们定义的点满足以下三个约束作为重点。发现关键点的三个约束条件是必须有一个高度的多维视图和3 d模型之间的重复相同的对象。为了提取不变的地方特色,一个独特的3 d坐标基础可以定义从邻居表面。邻居表面关键点必须包含足够的描述信息唯一代表,以确保当地特征提取的关键是独一无二的,可以准确地确定。3 d模型,它可能会发现大量的点满足上述三个约束,这会削弱的最初目的重点检测,即检测有限数量的关键点,提高特征提取的效率18]。我们可以使用稀疏采样或随机抽样形式为特征提取要点的一个子集。然而,根据两种标准的重复性和局部表面描述能力,稀疏采样或随机抽样不能形成最佳的关键点。为了解决这个问题,我们使用基于当地主曲率表面作为标准度量来衡量质量的关键点,主要用于分类要点并选择最好的要点(集19]。图3显示关键质量之间的关系和比例的关键点。从图可以看出,关键点的比例将减少线性增加的关键质量。图4显示之间的关系的关键质量和重复的百分比。从图可以看出,重复增加而增加的关键质量的关键。从数据可以得出结论3和4重复性将增加减少的关键点,这表明,关键点的质量可以正确反映关键点的可重复性。
要点被确定后,我们开始提取特征不变性和在这些关键点描述能力强。我们从多尺度提取地方特色重点利用热核(香港)信号的局部特征。热核的局部特征信号是等距不变量和健壮的拓扑噪音,连接变异和随机抽样。然而,香港本地特征尺度变化很敏感。为了解决这个问题,我们把香港本地特色融入功能包框架。特性包框架,问题转化为一个翻译问题,规模和直方图平移不变性是通过量化解决规模敏感问题(20.]。
4所示。结果与讨论
一般3 d模型库(1400年)3 d模型由我们实验室,我们使用VTFT算法在第三部分检索测试,评估标准也使用3月,地图,F-Measure。这1400的3 d模型是由800年的组合模型在上面的三维模型库和600个模型在非刚性的3 d模型库,其中包括63类别。在所有这些类,实验结果表明,该地图是75.4%,地图是77.3%,第一层是73.1%,第二层是74.3%。表3显示了使用VTFT算法检索性能指标对“汽车”,“卡车”,“公共汽车”,“人”,“树”和“狗”(21- - - - - -23]。
5。结论
摘要提出了一种三维模型检索技术,这是一个基于内容的检索方法。首先,模型标准化预处理。然后,三维模型的特征提取和一组特征向量。最后,实现了三维模型检索比较特征向量之间的相似度。关键技术步骤包括模型标准化预处理,特征提取和相似性计算。通过观察VTFT的检索性能数据,可以成功地观察并建立三维模型,这也将非常有助于建立博弈模型。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。