论文部分内容阅读
三维模型的特征检测和特征描述是近年来计算机视觉领域研究的热点问题。特征检测是指基于一定的特征定义在三维模型的表面检测出一系列显著的特征点,这些特征点从直观或非直观上能够区别于其它非特征点,并且在相同物体的不同采样模型上应具有一定的可重现性。特征描述是指基于一定的几何或者颜色信息生成特征点的特征描述符,该特征描述符能够满足欧式空间的仿射不变性和噪声鲁棒性,并且不同特征点的特征描述符应具有较强的区分力。由于基于特征检测和特征描述的特征匹配为扫描配准、模型注册、对称检测、动画跟踪和模型检索等提供了理论依据,因此本文的研究工作具有一定的理论意义和现实意义。尽管目前已经有很多特征检测和特征描述的方法,但是这些算法都存在一定的局限性,有待进一步的研究和探索。 基于前人成果,本文主要开展了以下几方面研究工作: 首先,将二维图像上最大稳定极值区域的定义拓展到三维网格,提出了一个种基于最大稳定极值区域的三维模型特征检测方法。该方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。借助于灌水算法的思想,在三维网格上生成一系列极值区域并从中提取出最大稳定极值区域,基于最大稳定极值区域检测出若干显著的特征点。通过对多个三维模型进行特征匹配,验证了该特征检测方法的有效性。 其次,将二维图像上梯度直方图的定义拓展到三维网格,提出了一种基于梯度直方图的三维模型特征描述方法。该方法充分考虑二维图像和三维网格之间的相似性与相异性,借助局部坐标系和直方图生成支撑区域内的梯度统计,同时在传统梯度直方图思想的基础上加入了圆盘采样的方法,在一定程度上克服了非均匀采样对特征描述所带来的影响,提高了特征描述符的鲁棒性。通过对多个三维模型进行特征匹配,验证了该特征描述方法的有效性。 最后,本文介绍了基于特征检测和特征描述的特征匹配和对称检测,两者广泛的应用于扫描配准、模型注册、网格编辑、模型分割和数据压缩等领域。 本文研究工作的主要贡献在于:将二维图像上的特征检测和特征描述思想推广到三维网格,通过创建映射函数和使用圆盘采样使得这些思想获得了适用于三维网格的理论依据和现实可能性。对于相同和相异采样频率和拓扑关系的三维模型以及刚性和非刚性的三维模型,应用本文的特征检测和特征描述方法都得到了较好的特征匹配效果。另外,基于特征匹配的刚性变换和对称检测为扫描配准、模型注册、网格编辑、模型分割和数据压缩等应用提供了必要的前提条件。