论文部分内容阅读
当前很多形状数据库中存储的数字几何三维模型的数量和复杂度都在不断增加。对这些模型进行分析、理解并最终加以使用成为了计算机图形学研究领域的一个热点。特别的,对于人造物体的研究近年来也引起了相关人员的广泛关注。其中的一个主要原因是人造物体形状具有非常丰富的变化,同类人造物体模型之间也存在着非常大的多样性。人造物体通常由多个部件组成,这些部件之间的相邻、包含、重复、平行以及对称性信息共同组成了对一个人造物体的部件结构的描述。很多形状分析和处理方法的效率和有效性是依赖于所分析或处理的形状自身的结构信息的。例如,物体中存在的对称信息可以被用于网格压缩、模型分割、形状匹配和网格优化等应用;而针对人造物体的网格编辑算法则必须考虑到输入模型本身的结构信息。另外,结构信息也是联系三维模型低层次几何信息和高层次语义和功能信息的桥梁。因此,结构信息是对人造物体进行分析和处理的关键。然而,由于包括基于三维扫描数据的网格重建算法等某些特定的建模技术不能够提供模型的结构信息,而且一些针对模型的处理操作也会导致模型已有结构信息的丢失。因此,现有的很多可以获取到的三维模型本身都不包含结构信息。因此,本文研究工作的目标是从输入的人造物体三维模型几何信息出发,提取出模型的结构信息这一非常具有挑战性的工作。本文的主要贡献包括:1.针对单个人造物体模型,提出了一种新的结构性表示方法——对称层次结构。人造物体包括两方面的特性:首先,人造物体中的部件具有高度的规则性和重复性,具体体现在人造物体中不同的对称形式上;其次,人造物体通常又是由多个组成部件一层一层递归的组装起来的,其结构具有层次性。我们结合“对称性”和“层次性”这两种特性,提出了一种新的高层次的形状表示方法。具体的,我们使用一个由对称分析得出的、模型组成部件的层次性组织形式描述一个人造物体三维模型。该表示方法充分利用人类感知和形状语义中的对称群组规律,能够反映物体部件的感知性和功能性组织方式。2.针对对称层次结构的构建,提出了一种使用规则集合的迭代式图收缩算法。针对一个输入模型,即使已经得到了其部件信息和所有低层次对称信息,提取出其部件间的自然而有意义的层次性组织方式也是一项非常困难的工作。从计算的角度,即使很少数量的部件就已经能够形成非常大的搜索空间。同时,由于需要涉及对人类认知过程的建模,因此也很难针对输入模型最优的层次结构定义一个严格的目标函数。针对这些困难,我们提出了一种迭代式的图收缩算法用于提取输入模型的对称层次结构。该算法使用了一系列优先规则来确定图收缩操作的先后顺序。这些优先规则是主要依据感知群组中的对称性法则和表示的简洁性原则得出的。3.将对称层次结构应用于人造物体的结构性形状分析与处理中。我们将人造物体的对称层次结构应用于针对人造物体的结构性分析和处理任务中。首先,我们指出对称层次结构可以自然得出模型的层次分割,而且该层次性模型分割结果比只考虑局部几何信息的方法更符合模型语义。然后,我们将对称层次结构应用于结构性形状编辑和人造物体的向上方向检测中。我们还使用所得到的模型层次分割和向上方向检测的结果进行同类模型的语义标注。在这些应用中取得的实验结果显示,强调模型结构信息而非大小、角度等几何度量的分析和处理方法更适合于人造物体模型。4.提出了人造物体模型集合的一致性层次结构。我们针对具有相同功能的人造物体(即同类人造物体)集合,定义了形状集合的一致性层次结构。本研究工作是建立在一个重要的观察结果之上的,即具有相似设计功能的人造物体通常都具有很强的结构相似性。因此,我们所提出方法的主要思想是通过对整个输入模型集合进行联合分析,以便得到能够抽象表示集合中模型共有结构信息的层次性组织结构。5.提出了一种演化式的一致性层次结构计算方法。为了将单个模型的结构信息与整个集合中模型部件间的对应信息结合起来,我们首先针对输入集合中的每一个物体模型生成一系列的候选层次结构。然后,我们提出了一种提取整个集合的一致性层次结构的演化式算法。该算法不断的对由所有的候选层次结构组成的种群中的个体进行演化操作,最终使得结果种群中的个体之间具有最大的相似性。虽然实验中输入的几类人造物体模型集合都存在着非常大的类内几何和拓扑差异,本文提出的算法仍然针对每一类人造物体模型集合成功的提取出了相应的一致性层次结构。