论文部分内容阅读
秦俑考古发掘得到的实测三维数据维度高,邻接关系复杂。大量高维复杂碎片自动拼接属NP难问题。本文围绕目标模型部位模板获取,应用部位模板对大量三维碎片进行部位标注展开研究,使得部位模板作为智能拼接的目标导向,将大量复杂邻接碎片按部位分类标注,从而缩小碎片试拼接范围,提高碎片拼接效率,降低拼接难度。主要的研究工作和创新点如下：(1)单模型部位模板获取：针对传统模型分割算法在整个模型上计算曲率时间复杂度高、不适合高维数据的问题,提出了基于区域曲率约束的三维模型分割线提取算法。利用约束区域减少离散曲率的计算范围,避免了过分割,提高了高维度数据单模型分割的效率。应用于单个主体分支明显的兵马俑模型上,能够得到“有意义”的分割部位,形成准确的部位模板。(2)模型集部位模板获取：对于复杂模型单模型分割算法难以产生一致性的分割结果。提出了基于多特征谱聚类的模型集一致性分割算法。算法利用多特征描述子产生多个相似性矩阵,自动计算多个相似性矩阵的权重,发挥多特征的优势实现无监督的模型集聚类分割,得到整个模型集的部位模板,克服了一致性分割算法准确度不高的问题。(3)基于表面特征相似度检索的碎片部位标注：提出了基于精确欧氏局部敏感哈希(E~2LSH)的相似碎片快速标注算法。首先提取碎片的表面特征,并对表面特征进行基于E~2LSH的哈希索引。其次对部位模板进行碎片特征同尺度随机采样,提取采样的表面特征作为已标注样本。最后基于E~2LSH算法检索出与已标注样本相似的碎片进行部位标注。基于E~2LSH的检索算法将检索的时间复杂度降到次线性,与基于k-means聚类的检索算法比较,证明了算法的高效性和精确性,对大规模高维数据具有良好的实用性。(4)秦俑三维模型语义网构建：提出了基于本体的兵马俑数字三维模型语义网构建方法。构建兵马俑领域本体,并基于WordNet对本体进行扩展,利用语义网检索相似碎片或者部位模板。实现对兵马俑领域知识及拼接关系的有效管理。