【摘要】：隨著三維掃描技術(shù)和建模技術(shù)的不斷發(fā)展,三維模型被大量運用到游戲、虛擬現(xiàn)實、影視動畫、生物學等領(lǐng)域。三維模型數(shù)量的快速增加為數(shù)字幾何處理提出了新的挑戰(zhàn),其中亟待解決的問題就是如何基于它們的幾何形狀進行整理和分類。另外,在幾何建模和模型處理等領(lǐng)域,如何對三維模型進行自動地分割也變得越來越重要。它不但能幫助圖形理解,而且對很多計算機圖形學問題也是至關(guān)重要的,包括網(wǎng)格參數(shù)化、模型簡化、異常檢測、骨骼提取、分辨率建模和圖形檢索等等。本文對三維模型分類與分割問題進行了研究,并分別提出了相關(guān)的算法。在三維模型分割算法中,該算法可以自動地對單個三維模型進行分割或?qū)ν活惾S模型進行協(xié)同分割(co-segmentation)。首先對每個三維模型進行預分割(over-segmentation)來得到一個個小塊,然后利用特征描述符計算每個塊的特征并以此作為此三維模型的低級特征。然后再基于深度學習算法并以無監(jiān)督的方式從各個三維模型的低級特征中學到高級特征。最后,通過在高級特征空間中對各個三維模型的一個個塊進行聚類,從而可以很快的得到分割或協(xié)同分割的結(jié)果。實驗結(jié)果表明,與其它三維模型分割算法相比,本文的算法展現(xiàn)出更優(yōu)異的分割效果。在三維模型分類算法中,該算法基于密度峰值聚類(Density Peaks Clustering)來有效提高分類的準確率。算法首先利用多種特征描述符分別對每個三維模型提取相應的特征向量,并將由此得到的特征向量運用魯棒主成分分析(Robust Principle Component Analysis)去除噪聲并降維,最后通過密度峰值聚類實現(xiàn)三維模型的分類。本文算法具有可以通過決策圖以直觀的方式確定三維模型分類類別數(shù)的優(yōu)點,克服了傳統(tǒng)算法在這方面的缺陷。實驗結(jié)果表明,與傳統(tǒng)算法相比,本文算法具有準確率高,魯棒性強等優(yōu)點。
[Abstract]:With the development of 3D scanning and modeling techniques, 3D models are widely used in the fields of game, virtual reality, video animation, biology and so on. The rapid increase in the number of 3D models poses a new challenge to digital geometry processing, among which the problem to be solved is how to sort and classify them based on their geometric shapes. In addition, in the field of geometric modeling and model processing, how to segment 3D models automatically becomes more and more important. It not only helps to understand graphics, but also plays an important role in many computer graphics problems, including mesh parameterization, model simplification, anomaly detection, bone extraction, resolution modeling and graphic retrieval. In this paper, the classification and segmentation of three-dimensional models are studied, and relevant algorithms are proposed. In the 3D model segmentation algorithm, the algorithm can automatically segment a single 3D model or co-partition the same kind of 3D model (co-segmentation). At first, each 3D model is prepartitioned (over-segmentation) to obtain a small block, and then the feature descriptor is used to calculate the features of each block as the low-level feature of the 3D model. Then, based on the depth learning algorithm and in an unsupervised manner, we can learn advanced features from the low-level features of each 3D model. Finally, by clustering the blocks of each 3D model in the high-level feature space, the results of segmentation or co-segmentation can be obtained quickly. Experimental results show that the proposed algorithm is more effective than other 3D model segmentation algorithms. In the 3D model classification algorithm, the algorithm based on the peak density clustering (Density Peaks Clustering) to effectively improve the accuracy of classification. The algorithm firstly extracts the corresponding feature vectors for each 3D model using a variety of feature descriptors, and uses the robust principal component analysis (Robust Principle Component Analysis) to remove noise and reduce the dimension. Finally, the classification of 3D models is realized by peak density clustering. This algorithm has the advantage that the classification number of 3D models can be determined intuitively by the decision graph, which overcomes the defects of the traditional algorithm in this respect. The experimental results show that the proposed algorithm has the advantages of high accuracy and robustness compared with the traditional algorithm.
【學位授予單位】：太原科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 陳琳,秦學英,王青;復雜三維模型的遮擋檢測加速算法[J];工程圖學學報;2005年02期

2 高峻峰;朱林;;三維模型多量級協(xié)同方法研究[J];機械工程師;2007年02期

3 高秦瑞;李芹濤;;基于藍光數(shù)字化平臺建立礦山三維模型[J];中國礦山工程;2007年04期

4 張陽;;淺談三維模型在網(wǎng)絡傳輸中的特點和應用[J];內(nèi)蒙古科技與經(jīng)濟;2009年08期

5 徐志良;張靜;;三維模型下廠[J];CAD/CAM與制造業(yè)信息化;2010年Z1期

6 黃海峰;易武;曾懷恩;黎華;饒興平;;利用Google SketchUp快速構(gòu)建滑坡三維模型[J];地球與環(huán)境;2010年03期

7 陳靜;許嘉;李墨;謝秉雄;;網(wǎng)絡環(huán)境下三維模型的多尺度數(shù)據(jù)組織方法[J];測繪科學;2011年06期

8 王曉寧;陳秋偉;;三維模型產(chǎn)品的驗收方法及問題淺析[J];北京測繪;2012年02期

9 王守利;;關(guān)于土建專業(yè)三維模型層次自動命名的研究[J];電氣技術(shù);2013年03期

10 萬莉君;;三維模型構(gòu)建師崗位勝任能力分析[J];信息與電腦(理論版);2013年07期

相關(guān)會議論文 前10條

1 付鑫;唐雁;;三維模型傳輸技術(shù)[A];2008年計算機應用技術(shù)交流會論文集[C];2008年

2 陳春林;劉萍;王黎;段慧;陳蘭;唐怡欣;毛東瑞;;在體盆腔數(shù)字化三維模型構(gòu)建的方法和意義[A];中華醫(yī)學會第十次全國婦產(chǎn)科學術(shù)會議婦科腫瘤會場（婦科腫瘤學組、婦科病理學組）論文匯編[C];2012年

3 富瑤;楊青;羅建峰;;三維模型歸檔方案初探[A];檔案事業(yè)改革與創(chuàng)新——2013年全國青年檔案工作者研討會論文集[C];2013年

4 張銘和;;展覽展示應用中的三維模型快速合成方法[A];創(chuàng)意科技助力數(shù)字博物館[C];2011年

5 李少華;張尚鋒;汪海濤;;P油田長61小層孔隙度三維模型的建立[A];2001年全國沉積學大會摘要論文集[C];2001年

6 邢玉輝;呂天陽;王鉦旋;王添翼;;利用共面性計算射線與三維模型表面交點的快速算法[A];第十二屆全國圖象圖形學學術(shù)會議論文集[C];2005年

7 劉曉靜;黃維通;;三維模型預處理技術(shù)及其在檢索中的應用[A];第四屆和諧人機環(huán)境聯(lián)合學術(shù)會議論文集[C];2008年

8 宿太學;王鉦旋;呂天陽;邢玉輝;;兩個自動終止聚類算法應用于三維模型數(shù)據(jù)集的效果研究[A];第十二屆全國圖象圖形學學術(shù)會議論文集[C];2005年

9 劉玉杰;李宗民;李華;;基于電場模板的三維模型反射對稱性檢測[A];中國圖學新進展2007——第一屆中國圖學大會暨第十屆華東六省一市工程圖學學術(shù)年會論文集[C];2007年

10 逯巖;逯允海;郭希娟;;一種基于MRG(Multiresolutional Reeb Graph)的三維檢索技術(shù)的改進算法[A];2005年全國理論計算機科學學術(shù)年會論文集[C];2005年

相關(guān)重要報紙文章 前10條

1 記者 吳曉菁;樓盤采光好不好看三維模型就知道[N];廈門日報;2011年

2 記者 吳曉菁;樓盤采光好不好看三維模型就知道[N];廈門日報;2011年

3 劉陽　李兆平;北京院完成首鋼廠區(qū)精細數(shù)字三維模型[N];中國測繪報;2012年

4 朱冰;重建真實樹木三維模型實現(xiàn)重要突破[N];中國高新技術(shù)產(chǎn)業(yè)導報;2008年

5 記者 宋蘭蘭;我市建成國內(nèi)首個特大城市三維模型[N];長江日報;2010年

6 曲臣;裝備制造勁吹3D風[N];中國航天報;2012年

7 本報記者 耿諾 實習生 陳諾;6萬張高清圖“重建”昔日首鋼[N];北京日報;2012年

8 記者 吳勁松;身臨其境體驗城區(qū)現(xiàn)狀與未來[N];昆明日報;2014年

9 記者 張巍巍;美改進阻止癌癥復發(fā)化療技術(shù)[N];科技日報;2012年

10 北京青云航空儀表公司 黃迪生 高級工程師;用PLM理念夯實信息化基礎(chǔ)[N];科技日報;2005年

相關(guān)博士學位論文 前10條

1 范玉雪;帶多種屬性的三維模型的簡化與壓縮技術(shù)研究[D];山東大學;2017年

2 謝越;面向普通用戶的三維模型設(shè)計方法研究[D];浙江大學;2016年

3 蔣立軍;三維模型的局部匹配和檢索方法研究[D];哈爾濱工業(yè)大學;2014年

4 孫挺;三維模型特征提取技術(shù)研究[D];西北大學;2011年

5 章志勇;三維模型幾何相似性比較的研究[D];浙江大學;2005年

6 孫曉鵬;三維模型的分割及應用研究[D];中國科學院研究生院（計算技術(shù)研究所）;2005年

7 柳偉;三維模型特征提取與檢索[D];上海交通大學;2008年

8 郭競;三維模型語義檢索相關(guān)問題研究[D];西北大學;2013年

9 何其真;三維模型的表達、分析及其在三維仿真與模型檢索中的應用[D];中國科學技術(shù)大學;2010年

10 田豐林;海量三維模型的交互繪制[D];浙江大學;2010年

相關(guān)碩士學位論文 前10條

1 楊亮;航天器典型產(chǎn)品三維模型輕量化轉(zhuǎn)換技術(shù)研究[D];北華航天工業(yè)學院;2015年

2 史周許;基于稀疏重建的三維模型分割[D];鄭州大學;2015年

3 周杭民;三維模型處理算法在骨科與牙科中的應用[D];浙江大學;2015年

4 王俊;基于組織連續(xù)切片的宮頸周圍韌帶內(nèi)神經(jīng)脈管數(shù)字化三維模型的構(gòu)建[D];南方醫(yī)科大學;2015年

5 羅福琪;道路高邊坡穩(wěn)定快速評價系統(tǒng)中數(shù)據(jù)傳輸技術(shù)的研究[D];貴州大學;2015年

6 趙曉娣;樹木三維模型骨架提取方法研究[D];電子科技大學;2015年

7 DO NHAT QUANG（全杜fD）;基于三維模型的自動語義標注研究與應用[D];上海交通大學;2015年

8 高廣亮;基于煤礦井三維模型的漫游查詢模塊研究與實現(xiàn)[D];東北大學;2013年

9 龔敏;基于OpenGL的乳腺三維模型可視化軟件的設(shè)計與實現(xiàn)[D];電子科技大學;2014年

10 陳充澤;基于本體的三維模型管理框架的研究與應用[D];上海交通大學;2015年

，

本文編號：2273114