基于谱变换的非刚性模型局部匹配

面向海量复杂的非刚性三维模型的匹配与检索需求,提出了基于谱变换的局部匹配方法,有效提高了局部检索的性能,为进一步实现三维模型的形状编辑、修补以及创新合成奠定了坚实的基础。首先,基于离散拉普拉斯映射方法,通过ICP配准方法有效分析二维谱图,提取最优的谱特征表示;其次,构建谱特征的形状描述算子,计算谱空间的几何变换参数;进而,引入区域查询实现基于谱变换的区域配准;最终,通过区域搜索与相似性度量实现高效的非刚性模型局部匹配。实验结果表明,本方法不仅能够有效识别同一类非刚性模型的局部结构,而且对于不完整的模型匹配具有较强的鲁棒性,具有更优的局部检索性能。     

非刚性三维形状匹配中基于谱分析的形状描述符综述

基于谱分析的形状描述符在非刚性三维形状匹配中取得了较好的匹配效果，引起了研究者的广泛关注.谱分析是基于流形上拉普拉斯贝尔特拉米算子谱分解的一种内蕴形状分析方法.谱形状描述符和谱距离分布函数是最主要的两类谱分析形状描述符，它们具有不同的数学性质和物理意义.基于两类不同的形状描述符，给出了详细的方法分析及其在形状匹配中的应用.首先，给出了应用基于谱分析的形状描述符的非刚性三维形状匹配框架，介绍了几种常用的谱形状描述符及谱距离分布函数的基本思想和计算方法；然后，分析比较了这些形状描述符的优缺点及应用场景，为研究者选择基于谱分析的形状描述符提供参考；最后，通过实验对比了不同基于谱分析的形状描述符的算法鲁棒性、时间耗费及非刚性匹配性能，以此推动谱分析形状描述符的应用进程.     

自适应稀疏编码融合的非刚性三维模型分类算法

针对传统的三维模型单一特征识别精度低问题,提出一种自适应稀疏编码融合的非刚性三维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征,以构造互补的多特征形状描述;其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量,通过随机样本建立特征权值矩阵;最后利用特征权值矩阵与稀疏优化编码自适应融合,并采用Softmax分类算法实现非刚性模型的有效分类.通过在非刚性数据集SHREC10与SHREC11上的综合实验表明,自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.     

基于深度特征的质量感知旋转舰船模板匹配算法

天基高价值目标连续跟踪在态势预警、军事决策等方面有着广泛应用。目前基于遥感视频卫星的跟踪都是单星目标跟踪,由于低轨卫星过顶时间有限,因此难以进行连续跟踪。为了实现跨星接力跟踪,接力卫星在经过非连续时间的目标环境和观察视角变化后需要唯一地匹配出高价值目标,为此,采用卷积神经网络VGG19作为主干网络,提出一种基于深度特征的质量感知旋转舰船模板匹配算法。设计双级特征融合模块,通过融合不同深度的特征信息解决因舰船目标尺寸差异较大导致的匹配不准确问题;针对因环境变化导致的定位不准确问题,引入质量感知模板匹配模块;使用细粒度舰船角度定位模块,利用贝叶斯公式确定舰船方向信息,为跨星连续跟踪提供准确的模板。实验结果表明,该算法提高了舰船目标匹配准确率,相对于QATM、DDIS、SIFT方法,AUC分别提升了9.5、16.0和17.5个百分点,AP75分别提升了21.1、30.5和6.9个百分点,所提算法可以有效提高舰船模板匹配的精度,能够为实现卫星星座跨星连续跟踪提供技术支持。     

面向自动扫描的三维形状多层次局部匹配算法

为了让机器人在对未知场景的扫描与重建过程中同时获得对该场景的理解,需要基于目前已有的部分信息进行物体分割与识别,解决基于不完整点云的局部匹配问题.针对已有的局部匹配方法面临着匹配准确度低、计算复杂度高等问题,提出三维形状的多层次局部匹配算法.在粗层次上,通过使用改进的词袋方法进行降维加速;在细层次上,通过精细地筛选三维特征点对之间的对应关系提升精度.首先使用基于深度学习描述子的多尺度SVM方法对数据库中模型上的特征点进行聚类,然后采用基于空间关系的视觉词袋方法在数据库中检索候选模型,最后基于全局和局部等距性对不完整点云与候选模型间的特征点对对应关系进行筛选.文中对于各部分算法分别进行验证,并与相关算法进行对比和评估,实验结果表明,该算法显著提高了局部匹配的准确性,为机器人在线场景扫描、分析、重建等相关工作提供了十分有意义的参考和支持.     

非刚性三维模型检索特征提取技术研究

三维模型特征描述符是一种简洁且信息量丰富的表示方式.特征提取是许多三维模型分析处理任务的关键步骤.近年来,针对非刚性三维模型特征提取技术的研究引起了人们的广泛关注.本文首先汇总了常用的非刚性三维模型基准数据集和算法评价标准.然后在广泛调研大量文献和最新成果的基础上,将非刚性三维模型特征分为人工设计的特征描述符和基于学习的特征描述符两大类并分别加以介绍.对每类方法所包含的典型算法,尤其是最近几年基于深度学习的特征提取算法的基本思想、优缺点进行了分析、对比和总结.最后进行总结,并对未来可能的发展趋势加以展望.     

融合全局与局部特征的深度卷积神经网络算法

为进一步提高人脸表情识别的准确率,提出一种融合全局与局部特征的深度卷积神经网络算法(GL-DCNN).该算法由两个改进的卷积神经网络分支组成,全局分支和局部分支,分别用于提取全局特征和局部特征,对两个分支的特征进行加权融合,使用融合后的特征进行分类.首先,提取全局特征,全局分支基于迁移学习,使用改进的VGG19网络模型...     

三维动态模型的非刚性注册技术综述

三维动态模型表示了物理世界中随时间演变的动态对象，通过非刚性注册匹配扫描获取或手工合成的离散帧序列是生成三维动态模型的核心问题，是当前学术界和产业界关注的新焦点。如何注册三维动态模型是极富挑战性的工作，因为它包含了完全交织在一起的对应关系计算和非刚性变换等具有非线性性质的问题的求解，此外，输入的帧数据通常不完美，因此解决非刚性注册问题的难度很大。文章概述了三维动态模型非刚性注册的原理、属性和应用，系统地介绍了这一领域的工作成果并进行了分类，分析了典型算法的优缺点，最后展望了这一技术的发展前景。     

基于分层策略的三维非刚性模型配准算法

在三维非刚性模型分析中,通常需要对不同姿态下的模型进行配准。针对传统配准算法存在复杂度高、计算量大、精确度低等问题,提出一种新的基于分层策略的三维非刚性模型配准算法。首先,定义热核签名函数为模型的标量域,使用同源聚类算法提取模型的特征点和特征区域,进而提出三维几何模型的树形表示方法:它的根节点为三维几何模型,内部节点为模型的特征区域,叶节点为包含在相应区域的特征点。然后,根据三维几何模型的树形表示提出模型的分层配准算法。在SHREC 2010模型配准数据集上对比分析了分层配准算法、推广的多维尺度变换算法（GMDS）和博弈论方法在等距变换、孔洞、小孔洞、尺度变换、局部尺度变换、重采样、噪声、散粒噪声以及拓扑变换等情况下的性能。实验结果表明,在以上三维几何模型数据受干扰的情况下,分层配准算法的准确性明显优于GMDS方法和博弈论方法,同时具有较低的计算复杂度。     

基于联合特征匹配的多视角三维重建方法

本研究提出了一种基于角点与直线联合特征的三阶段匹配算法,依次经过相关匹配、松弛迭代匹配和最小平方中值法匹配三个步骤,并与此同时加入限定图像匹配区域、添加手工匹配点对以及局部直线匹配三个人机交互环节,将局部坐标系中得到的数据点进行三维数据融合到一个坐标系中,能较好解决视差不连续区域和遮挡区域的误匹配问题.实验证明该算法具有良好的运行效率和稳定性,能够对非平面物体进行精确三维重建并实现多视角显示.     

Partial 3D Shape Retrieval by Reeb Pattern Unfolding

This paper presents a novel approach for fast and efficient partial shape retrieval on a collection of 3D shapes. Each shape is represented by a Reeb graph associated with geometrical signatures. Partial similarity between two shapes is evaluated by computing a variant of their maximum common sub-graph.
By investigating Reeb graph theory, we take advantage of its intrinsic properties at two levels. First, we show that the segmentation of a shape by a Reeb graph provides charts with disk or annulus topology only. This topology control enables the computation of concise and efficient sub-part geometrical signatures based on parameterisation techniques. Secondly, we introduce the notion of Reeb pattern on a Reeb graph along with its structural signature. We show this information discards Reeb graph structural distortion and still depicts the topology of the related sub-parts. The number of combinations to evaluate in the matching process is then dramatically reduced by only considering the combinations of topology equivalent Reeb patterns.
The proposed framework is invariant against rigid transformations and robust against non-rigid transformations and surface noise. It queries the collection in interactive time (from 4 to 30 seconds for the largest queries). It outperforms the competing methods of the SHREC 2007 contest in term of NDCG vector and provides, respectively, a gain of 14.1% and 40.9% on the approaches by Biasotti et al. [ BMSF06 ] and Cornea et al. [ CDS*05 ].
As an application, we present an intelligent modelling-by-example system which enables a novice user to rapidly create new 3D shapes by composing shapes of a collection having similar sub-parts.     

三维曲面的特征描述和特征匹配

本文提出了一种新的三维曲面特征描述算法,将二维图像上的特征描述思想推广到三维网格。算法将三维网格表示成从顶点到高斯曲率的映射函数,从而获得可类比于二维图像的相似性。借助于法线和梯度建立局部球坐标系,通过二维统计直方图对特征点邻域的几何信息进行描述,使得特征描述具有平移、旋转和缩放不变性,最终生成128维的特征向量(特征描述符)。基于特征向量,我们实现了多分辨率和异拓扑网格下的特征匹配,展示并分析了实验结果。本文的研究动机来源于三维扫描建模以及多视点三维重建技术中对特征描述和特征匹配的需求,主要的应用方向包括:扫描配准、模型注册、动画跟踪、对称检测和模型检索。     

基于多层空间特征融合的三维人体姿态估计

在三维人体姿态估计任务当中, 人体关节之间的连接关系形成了一种复杂的拓扑结构, 利用图卷积网络对该结构进行建模, 可以有效捕捉局部关节间的联系; 尽管不相邻关节之间没有直接的物理连接, 但由于人体的运动和姿态受到生物力学约束以及人体关节之间的协同作用, 利用Transformer编码器建立关节之间的上下文关系, 可以更好地推断出人体姿态; 在大模型的背景下, 如何在保证模型性能的同时, 降低参数量, 也显得尤为重要. 针对上述问题, 设计了一个基于图卷积和Transformer的多层空间特征融合网络模型(MLSFFN), 在使用相对少量的参数基础上, 有效地融合了局部和全局空间特征. 实验结果表明, 本文提出的方法在仅需2.1M参数量的情况下, 在Human3.6M数据集上达到了49.9 mm的平均每关节误差(MPJPE). 此外, 模型在MPI-INF-3DHP数据集上也展示出了较强的泛化能力.     

基于形状特征描述算子的3D模型检索

针对投影图像的形状特征,结合傅里叶描述算子、Zernke不变矩、形状参数、离心率的特点,提出一种基于权重关系的合成的形状特征描述算子,将其应用到3D模型投影图像检索算法中。实验结果表明,相比其他4种形状特征描述算子,该算子能较好描述投影图像的轮廓、区域以及整体特征信息,并可提高算法的检索效率。     

基于热核信号的3D图形的分层匹配方法

3D图形稠密匹配是计算机视觉领域中的一个重要课题.为解决图形匹配中如何提高对拓扑噪声的鲁棒性和效率这2个基本问题,提出一种基于热核信号的3D图形分层匹配方法.首先利用热核信号函数检测特征点,并采用局部融合策略和最远点采样法适当去除冗余点和添加一些"辅助点",实现特征点优化;然后在这些特征点集上构造热核信号描述子,并利用熵将特征点按显著性排序作初始层匹配,再通过特征点各层邻域的局部匹配最终实现3D图形由粗到细的稠密匹配.在TOSCA数据库上进行数值实验,并将文中方法与已有的经典方法进行比较的结果表明,该方法在一定程度上克服了拓扑噪声的影响,并且运算效率较高,更适应于实际应用.     

基于形状轮廓特征的金字塔匹配算法

形状检索在计算机视觉中一直是一个具有挑战性的问题，其中对形状特征直方图距离的测量是评价形状检索算法优劣的一个重要因素。针对轮廓特征的直方图距离测量，算法引进一种在图像分类领域中应用广泛的金字塔匹配算法。不同于其他传统的直方图度量算法，金字塔匹配算法将形状的轮廓分成若干块，给每一块分配相应的权重，然后分别统计块中的特征，再计算特征的加权和进行相似度的测量。通过在不同形状数据集下实验，该方法能够有效地进行形状匹配和检索，且能得到较好的形状匹配精度。     

浅层特征融合引导的深层网络行人检测

行人检测是目标检测中的一个重要研究方向。针对行人检测算法在复杂场景和目标太小情况下漏检的问题,在Faster R-CNN检测算法的基础上,提出一种基于浅层特征融合引导的深层网络行人检测。通过HOG特征、改进的LBP特征与深度网络特征融合获得准确的行人特征,在国际上广泛使用的行人数据集上进行一系列实验。结果表明,所提出的改进方法在检测准确率和速率方面都有所提高。