一个基于深度图像的三维模型检索算法

三维模型检索是现在的研究热点,提出一种基于深度图像的三维模型检索算法。对三维模型进行规范化处理,采用基于正交投影的方法计算三维模型在其包围立方体的六个面上的深度图像;提取深度图像的边界方向直方图和Zernike矩特征;利用特征距离度量进行三维模型检索,并采用相关反馈技术实现权值的调整,得到用户最满意的目标检索模型。对比实验表明,该算法避免了传统视觉图像丢失三维模型空间信息的缺点,有效地提高了检索的精确性和鲁棒性。     

基于深度学习的三维模型检索算法综述

近年来,深度学习被广泛应用于各个领域并取得了显著的进展,如何利用深度学习高效管理呈爆炸式增长的三维模型一直是一个研究热点.本文介绍了发展至今主流的基于深度学习的三维模型检索算法,并根据实验得出的算法性能评估分析了其优缺点.根据检索任务的不同,可将主要的三维模型检索算法分为两类:(1)基于模型的三维模型检索方法,即检索对...     

内部结构自支撑的三维打印浮体平衡优化算法

为了使浮体能够在熔融挤压式三维打印机中一次成型,提出一种内部结构自支撑的浮体平衡优化算法.首先在给定漂浮姿势的输入模型内部,利用递归细分方法生成自支撑的格子结构,并把输入模型与格子结构组合为初始浮体模型.然后以初始浮体模型中格子单元体积为变量构建平衡优化方程,根据方程解算结果调整初始浮体模型中每个格子单元的体积,从而生成最终的浮体模型.实验结果表明,文中算法生成的浮体模型可以使用熔融挤压式三维打印机直接打印,打印的实体不但能够按照预设的姿势漂浮在液体中,而且具有较好的抗压能力;算法中的递归细分策略能够在模型内部产生较多的格子单元,具有节省打印材料的优势.     

基于桶型深度剥离算法的屏幕空间环境遮挡

针对屏幕空间环境遮挡算法不能计算屏幕空间中被遮挡物体产生的环境遮挡值,提出了一种基于桶型深度剥离算法的屏幕空间环境遮挡算法。将位于场景中不同深度层次的物体的深度值信息剥离出来,并用这些信息计算场景中所有物体产生的环境遮挡值,从而解决了屏幕空间环境遮挡算法中被遮挡物体无法产生环境遮挡值的问题。该方法的计算过程完全在图形处理器中完成,实验结果表明,该方法具有较好的真实感并保证实时绘制速度。     

一个相关反馈三维模型深度图像检索算法

基于图像的三维模型检索比形状特征和拓扑结构特征具有更易于实现且检索效果好等优点,但现有基于图像的三维模型检索方法存在一些问题,如没有考虑三维深度信息、所提特征不能全部表达三维模型信息且不能实现用户交互操作等。对此提出一种基于深度图像的三维模型相关反馈检索算法:首先提取三维模型深度图像边界方向直方图和Zernike矩特征;然后利用特征距离度量进行三维模型检索,并采用相关反馈技术实现分类器的构造和模型的标注;最后利用调整好的权值分类器进行检索和标注。实验表明,该算法实现了三维模型的相关反馈检索和标注,提高了检索的精确性,并增强了系统的实用性,为进一步进行语义检索打下基础。     

基于深度卷积神经网络的三维模型检索

为了更有效地利用三维模型数据集进行特征的自主学习,提出一种使用自然图像作为输入源,以三维模型的较优视图集为基础,通过深度卷积神经网络的训练提取深度特征用于检索的三维模型检索方法。首先,从多个视点对三维模型进行视图提取,并根据灰度熵的排序选取较优视图;然后,通过深度卷积神经网络对视图集进行训练,从而提取较优视图的深度特征并进行降维,同时,对输入的自然图像提取边缘轮廓图,经过相似度匹配获得一组三维模型;最后,基于检索结果中同类模型总数占检索列表长度的比例对列表进行重排序,从而获得最终的检索结果。实验结果表明,该算法能够有效利用深度卷积神经网络对三维模型的视图进行深度特征提取,同时降低了输入源的获取难度,有效提高了检索效果。     

3D-HEVC深度模型模式楔形优化算法

3D视频编码采用了HEVC帧内预测和深度模型模式(DMM)技术来提高深度图像编码性能,但其中楔形分块模式给深度图的压缩带来了难以承受的复杂性.基于绝对变换误差(SATD)的方式获得图像纹理特征,提出了一种快速确定帧内预测楔形分块的优化算法,从而大大减化了计算复杂度,但在解码器端视图合成后BD-rate有较小的增加.     

基于正视图的三维模型特征提取算法

提出一种基于正视图的三维模型特征提取算法,从前、顶、右、后、底与左分别对模型进行投影,获得6个正视图,使用不同半径的同心圆将每个正视图分割,计算每个同心圆内的高度信息和,得到相邻2个同心圆内高度信息和的差值,每个三维模型特征由 6个正视图描述。实验结果证明,该方法的检索效果与光场法相当,计算速度较快。     

基于深度学习的三维目标检测算法综述

随着自动驾驶行业的快速发展,基于深度学习的三维目标检测技术也得到了快速发展,目前自动驾驶汽车主要依赖图像与激光雷达点云进行环境感知。基于这两种数据的三维目标检测技术可提取出物体的空间结构信息,包括物体的姿态、尺寸、运动方向、形状等,因此该技术不仅可用于自动驾驶的感知,还可用于工业机器人对物体的识别与抓取,以及仓储机器人的视觉导航等。近年来,计算能力的提升、数据集的公开、深度学习的发展,为三维目标检测算法带来了巨大的变革。     

基于三维模型的定位算法研究

为使清洁机器人在清扫的房间中能快速确定自己的位置,根据广角摄像头采集到的墙角画面图像中墙角的三条棱线对应的角度关系,来确定清洁机器人离墙面的距离,进而确定在房间中的位置。首先对广角摄像头采集到的畸变图像进行校正,再识别提取出墙角棱线,最后依据测量出来的房间的高度和位置信息建立三维模型并利用神经网络模拟数学关系实现定位。仿真与实际数据对比表明,此算法稳定,能够满足清洁机器人的定位需求。     

基于深度强化学习的三维路径规划算法

合理的路线选择是智能体三维路径规划研究领域的难点。现有路径规划方法存在不能很好地适应未知地形,避障形式单一等问题。针对这些问题,提出了一种基于LSTM-PPO的智能体三维路径规划算法。利用虚拟射线探测仿真环境,并将收集到的状态空间和动作状态引入长短时记忆网络。通过额外的奖惩函数和好奇心驱动让智能体学会跳跃通过低矮障碍物,避开大型障碍物。利用PPO算法的截断项机制使得规划策略更新的幅度更加优化。实验结果表明,该算法是可行的,能够更加智能合理地选择路线,很好地适应存在多样障碍物的未知环境。     

基于多任务模型的深度预测算法研究

图像的深度值预测是计算机视觉和机器人领域中的一个热门的研究课题.深度图的构建是三维重建的重要前提,传统方法主要依靠确定固定点深度进行人工标注或是根据相机的位置变化来进行双目定位预测深度,但这类方法一方面费时费力,另一方面也受到相机位置、定位方式、分布概率性等因素的限制,准确率很难得到保证,从而导致预测的深度图难以完成后...     

基于曲度特征的三维模型检索算法

针对如何提高复杂曲面的三维模型的检索精度的问题,提出了一种基于曲度特征的三维模型检索算法。首先,在模型表面选取随机采样点,计算点所在局部曲面的高斯曲率和平均曲率,通过高斯曲率和平均曲率求出随机点的曲度值,曲度值表明了曲面的凹凸属性。然后,以模型的质心为球心,以随机点与质心距离和曲度值为坐标轴建立坐标系,统计出一定距离范围内曲度值分布的概率,构建距离与曲度的分布矩阵,以此分布矩阵作为三维模型特征描述符。该特征描述符具有旋转不变性和平移不变性,能够很好地反映复杂曲面的几何特征。最后,通过比较分布矩阵给出不同模型间的相似度。实验结果表明,该方法相比形状分布算法的检索性能有较大提高,尤其适用于具有复杂曲面的三维模型检索。     

基于蚁群算法的三维CAD模型检索

为了更好地实现CAD模型的重用,提出一种利用蚁群算法的三维CAD模型检索算法.通过提取CAD模型的B-rep信息,将模型用属性邻接图来表示;根据如果2个CAD模型存在相似的特征或局部结构,那么CAD模型对应的属性邻接图就应存在公共子图这一原理,利用蚁群算法来检测属性邻接图中的公共子图,从而得到2个CAD模型相似的局部细节特征;然后通过比较相似局部细节特征对CAD模型进行相似性评价.实验结果表明,该算法能较好地实现三维CAD模型检索,检索性能高于通用领域的检索算法,可以实现CAD模型设计和制造知识的重用.     

基于聚类的三维模型检索算法

将聚类算法应用于三雏模型对称特性的提取上,实现三维模型的检索.对三维模型表面进行采样,根据采样点计算三维模型的对称平面,通过聚类算法得出三维模型实际的对称平面,以此对称特性作为三维模型的特征信息,进行三维模型的检索.     

基于SFM算法的三维人脸模型重建

提出了一种根据两幅正面人脸图像和一幅侧面图像重建人脸三维模型的算法，该算法主要包括4个步骤：寻找匹配点；采用SFM算法计算出特征点的三维坐标，并组成稀疏的三维网格结构；采用分步紧支撑径向基函数进行三维插值，得到三维模型；最后根据多分辨图像拼接算法生成纹理图像并将其映射到三维模型上，从而增强真实感，与其它算法相比，该算法最大的不同之处在于匹配点的寻找，匹配点的准确与否直接影响SFM算法结果的正确性，许多寻找匹配点的算法如角点匹配算法，在处理人脸图像时得到的结果并不稳定，这是因为人脸图像上包含了许多低纹理和重复纹理区域，大多数算法将代表人脸结构基本特征的基准模型运用在重建过程的最后一步，通过三维逼近运算，得到最终的重建模型，而该算法将反映人脸共性特征的几何对称性和规律性运用到匹配点的寻找中，能够快速准确地找出SFM算法需要的匹配点，用户使用普通照相机拍摄到的图像经本算法的处理后就可以得到相应的三维人脸结构。