本發(fā)明涉及一種基于樹型空間的三維樹木模型匹配方法，包括以下步驟：S1：構建樹木模型數(shù)據(jù)集，并獲取樹木手繪輪廓；S2：構建樹型空間，并將樹木手繪輪廓的點數(shù)據(jù)和樹木模型數(shù)據(jù)集中三維樹木模型的點數(shù)據(jù)統(tǒng)一映射到樹型空間中；S3：計算樹木手繪輪廓和樹木模型數(shù)據(jù)集中三維樹木模型的凸包；S4：基于掃描算子的網(wǎng)格化編碼進行降維操作；S5：對樹木手繪輪廓和樹木模型數(shù)據(jù)集中的三維樹木模型進行相似性計算，完成三維樹木模型的匹配。與現(xiàn)有技術相比，本發(fā)明具有準確率高、有效提高三維樹木模型大規(guī)模檢索重用效率等優(yōu)點。

技術領域

本發(fā)明涉及三維模型匹配領域，尤其是涉及一種基于樹型空間的三維樹木模型匹配方法。

背景技術

在圖形圖像領域，三維模型具有內(nèi)容豐富真實，展現(xiàn)能力強的優(yōu)勢，其擁有更全面的信息，更能與生活實際相結合，是3D領域中良好的媒介，被大量使用于出行、建筑等多個領域。在檢索領域如何實現(xiàn)三維模型的快速檢索也漸漸成為重大的研究課題，對于三維模型的檢索能夠大大提高相應模型的復用率，因為有許多三維模型建模完成之后也許就只是堆砌在數(shù)據(jù)集中并沒有發(fā)揮任何作用，因此三維模型的快速檢索可以加速三維模型重用事件的發(fā)生。但是目前在三維模型快速檢索領域的相關工作中，大多數(shù)的方法僅僅只是聚集在對于常用的通用三維模型檢索上，很多特定領域的三維模型在目前的檢索方法中并沒有獲得較好的結果。

早期的模型檢索方法主要是通過輸入模型的自身模型間的相似性差異來達到檢索三維模型的目的，主要有如下幾類方法，基于數(shù)學方向的統(tǒng)計模型檢索、基于模型骨架的檢索、基于低維代入的檢索和基于模型變換的檢索。

研究員Tor在霍夫變換的基礎上，提出使用數(shù)學方法保留輸入模型的幾何特征，根據(jù)保留的特征去檢索三維模型。基于多視圖多描述方法主要是通過對輸入的三維模型進行投影，從而獲取其相應的二維視圖，然后計算二維視圖和三維模型之間的相似性來獲取與三維模型匹配的模型。劉在文章中提出，可以針對不同的復雜三維模型科學地選擇三維模型的二維投影的最佳視角。還討論了在不丟失模型輸入的有效信息的情況下，完成與輸入的手繪輪廓配對。通過數(shù)學統(tǒng)計來實現(xiàn)三維模型的檢索在檢索領域是比較常見的方法，由于數(shù)學統(tǒng)計中涉及到公式表達以及參數(shù)定義等比較貼近學習中所見識到的，而且直接通過數(shù)學統(tǒng)計也能較快獲得相應的匹配結果，如果在輸入過程中輔助高端輸入設備也能夠?qū)崿F(xiàn)模型的精確配對。

雖然通過數(shù)學統(tǒng)計多視圖的檢索方式可以在檢索過程中獲得很好的配對效果，但是此過程中的難處在于在獲取結果之前并不清楚到底是需要獲取哪些視圖，以及如何通過統(tǒng)一標準去度量模型間的相似。在歷史的研究方法中，很多度量都可以達到上述的目的，比如傅里葉和zernike矩能夠完成對于模型間相似性的度量，guan提出在樹型空間生成完成的基礎上通過歐式度量和測地線來衡量三維大規(guī)模模型間的相似性。

雖然目前的檢索算法對于通用三維模型姑且能夠獲得良好的搜索效果，然而對于許多細分領域比如樹木、出行等的三維模型，并沒有獲取較好的效果。Fan方法通過獲取三維模型的局部視圖然后再對輸入的樹木三維模型采用遞進檢索去完成檢索的流程，然而這種方法對于系統(tǒng)的整體輸入過于限制，使得用戶只能按照其所描述的部分圖示來進行操作，而并不能繪制任何自己期望的樹木種類，極大限制了整個系統(tǒng)的創(chuàng)造性。

上面提到的部分檢索方法大多都是聚集在通用種類的模型檢索上，在一些常見的細分模型領域上述方法并不能取得良好的檢索效果，且檢索性能方向上均具有結果不正確、語義不符合等問題，極大影響三維模型的大規(guī)模檢索和重用效率。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術存在的缺陷而提供一種準確率高、有效提高三維樹木模型大規(guī)模檢索重用效率的基于樹型空間的三維樹木模型匹配方法。

本發(fā)明的目的可以通過以下技術方案來實現(xiàn)：

一種基于樹型空間的三維樹木模型匹配方法，包括以下步驟：

S1：構建樹木模型數(shù)據(jù)集，并獲取樹木手繪輪廓；