基于稀疏重建的三维模型分割

摘要

三维模型作为一种多媒体数据类型，已经被广泛应用在计算机辅助设计与制造（CAD/CAM）、虚拟现实、3D游戏和影视动画等众多领域，继二维图像、视频和声音之后带动新一轮的多媒体数据浪潮。在识别三维模型的时候，那些显著的形状特征更加容易引起本文的注意，为了获取这些显著的形状特征，本文必须对模型进行分割。该技术广泛应用到计算机视觉、计算图形学等各项应用和研究中，典型的应用与研究包含网格模型的参数化、网格模型的简化、网格变形、三维模型重建、三维模型检索、纹理映射、从点云中重建网格模型、以及曲面重建等逆向工程的各项图形学研究。三维模型分割总体上可以分为两大类：基于单一模型的分割和多模型的一致性分割。基于单一模型的分割是指根据模型自身的立体几何特性和网格表面的物理拓扑特征进行分割。多模型的一致性分割是指对模型进行分割时，不仅考虑自身具有的局部几何特性、网格拓扑结构，还针对模型数据库中同一类模型进行联合处理。
　　本文提出的三维模型分割算法就是基于多模型一致性分割，算法整体上可以分为三个阶段：检索相似模型、随机化产生大量的模型分割、稀疏重建出最终的模型分割。当对一个模型进行分割时，首先，从模型数据库中搜索到与其同一类型的模型，本文取前十个最相似的模型作为参考模型；然后，本文使用随机分割算法对选择的模型进行随机分割，借鉴分层分割算法的边界处理方法，光滑处理这些模型分割的边界，这样就可以得到大量的模型分割块；接着，本文利用选择出的参考模型对这些分割块进行稀疏重建，求出这些模型块的重建误差，最后，本文提出了一个线性二进制整数规划算法，将从大量分割块中选择最终分割的问题，数学建模为一个线性二进制整数规划求最优值的问题，从而得到一个最终的模型分割结果。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1研究背景和意义

1.2国内外研究现状

1.3研究内容

1.4本文组织结构

2 背景知识简介

2.1三维模型的处理

2.2三维模型分割

2.3模型分割基础知识

2.4本章小结

3 稀疏重建与模型分割

3.1算法概述

3.2模型特征向量

3.3模型检索

3.4随机化分割

3.5稀疏重建

3.6线性规划

3.7本章小结

4 实验与结果分析

4.1实验性能概述

4.2 Benchmark库的分割展示

4.3模型分割评判标准数据

4.4鲁棒性测试

4.5 Label识别

5 总结与展望

5.1总结

5.2展望

参考文献

致谢

个人简历、在学期间发表的学术论文

个人简历

在学期间发表的学术论文