1 / 53
文档名称:

三维网格模型分割及其在检索中的应用.pdf

格式:pdf   大小:2,023KB   页数:53页
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

三维网格模型分割及其在检索中的应用.pdf

上传人:莫欺少年穷 2021/9/20 文件大小:1.98 MB

下载得到文件列表

三维网格模型分割及其在检索中的应用.pdf

文档介绍

文档介绍:摘 要
随着三维扫描技术和计算机图形学的发展以及三维模型数量的快速增加,三维网格
模型分割技术已经成为近年来的一个热门的研究课题,并被广泛地应用于计算机图形学
的许多领域中,如:计算机动画、三维变形、网格压缩、纹理映射等。但目前该技术仍
然存在很大的挑战:(1) 没有统一的三维网格分割技术的评价标准。近年来,为了模仿
人类视觉感知,多数研究者追求有意义的分割。然而,人类的视觉感知又是错综复杂的;
此外,没有统一的分割模型,不同的分割算法选用各自的分割模型,不能直观的比较分
割结果;这些都使得有意义的分割具有很大的主观性。符合人类视觉感知的有意义的三
维网格分割算法仍是一个难题。 (2) 基于语义的分割算法。得到基于语义的分割结果,
而不仅仅得到模型的某个部分(例如:腿、胳膊等)。(3) 三维网格分割技术的应用领域。
寻找网格分割技术的应用领域,解决具体的应用问题。不同的分割算法适合不同的应用,
根据现有的算法,寻找相应的应用领域也是一个挑战性的问题。
本文围绕三维网格分割技术展开研究,主要针对三维网格分割算法的应用领域,结
合三维网格模型的检索技术所存在的问题,提出一种新的基于交互式分割的部分模型检
索方法。现有的检索技术还主要是针对于单个模型之间的比较,而在模型设计、形状修
复等应用领域中通常只需要模型的某个部分。如何从相似或不同种类的模型中检索出模
型的某个特殊的组成部分,仍然是一个难题。基于特征统计的方法虽然得到较好的检索
结果,但是不满足局部匹配,因而无法实现局部的检索;基于骨架提取和基于图的方法,
虽然满足局部的匹配,但是对三维模型的结构要求比较严格。由此,本文提出了基于交
互式分割的部分模型检索方法。首先采用交互式的分割方法,得到满足用户需求的部分
模型,将这些部分模型组织成一个小型的部分模型库;然后利用改进的形状分布方法提
取部分模型的形状特征,得到模型的局部匹配;最后,利用 PDF− L1 标准得到部分模型之
间的匹配度,从而实现部分模型的检索。实验结果表明,我们得到较好的检索结果。

关键字:三维网格分割、特征提取、相似性度量、部分模型检索
Abstract
In recent years, with the rapid development of the three-dimensional scanning
technology and computer graphics, as well as the increasing of three-dimensional models,
three-dimensional mesh segmentation technology has become an active field of research and
was widely used in many areas of computer graphics. However, the technology still has a lot
of challenges: (1) There is no uniform criterion of three-dimensional mesh segmentation
technology. In recent years, in order to imitate the human visual perception, most researchers
pursue a meaningful segmentation result. However, human visual perception is complex; In
addition, there are no uniform segmentation models, different segmentation algorithms select
the respective models, which can not directly compare the segmentation results, making a
meaningful segmentation result is very subjective. The attempt to imitate human visual
perception to get meaningful segmentation is still a problem. (2) Semantic-based