公开(公告)号：CN110968715B

公开(公告)日：2022-08-05

申请号：CN201811134857.7

申请日：2018-09-28

Applicant: 哈尔滨理工大学

Inventor： 丁博 ,  伊明 ,  汤磊

IPC: G06F16/53 ,  G06F16/583 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明提出一种基于非均匀投影的三维模型检索方法，该方法通过描述三维模型表面信息量，刻画三维模型的不同位置所包含的信息量差异，同时给出基于信息量差异的视图拍摄方法。对于信息量稀疏的区域产生少量投影，对于信息量密集的区域产生较多的投影。采用非均匀的投影方法在保证模型描述精度的前提下，减少冗余信息，然后再利用三维模型提取出全景视图，将投影视图与全景图作为特征视图集。其次将特征视图集作为卷积神经网(Convolutional Neural Network,CNN)的输入，提取出视图集的深度特征并进行降维处理，将处理后的描述符作为模型检索的特征。最后计算该特征的欧式距离作为检索结果。此方法不仅利用全景图解决了非均匀投影视图缺少三维模型关联信息的问题，同时还采用非均匀投影视图解决了全景视图缺少三维模型完成信息的缺点。并且利用CNN对模型进行先分类再检索，有效提高了模型的检索速度与效率。

公开(公告)号：CN110968715A

公开(公告)日：2020-04-07

申请号：CN201811134857.7

申请日：2018-09-28

Applicant: 哈尔滨理工大学

Inventor： 丁博 ,  伊明 ,  汤磊

IPC: G06F16/53 ,  G06F16/583 ,  G06K9/62

Abstract: 本发明提出一种基于非均匀投影的三维模型检索方法，该方法通过描述三维模型表面信息量，刻画三维模型的不同位置所包含的信息量差异，同时给出基于信息量差异的视图拍摄方法。对于信息量稀疏的区域产生少量投影，对于信息量密集的区域产生较多的投影。采用非均匀的投影方法在保证模型描述精度的前提下，减少冗余信息，然后再利用三维模型提取出全景视图，将投影视图与全景图作为特征视图集。其次将特征视图集作为卷积神经网(Convolutional Neural Network,CNN)的输入，提取出视图集的深度特征并进行降维处理，将处理后的描述符作为模型检索的特征。最后计算该特征的欧式距离作为检索结果。此方法不仅利用全景图解决了非均匀投影视图缺少三维模型关联信息的问题，同时还采用非均匀投影视图解决了全景视图缺少三维模型完成信息的缺点。并且利用CNN对模型进行先分类再检索，有效提高了模型的检索速度与效率。

公开(公告)号：CN110569386A

公开(公告)日：2019-12-13

申请号：CN201910869044.0

申请日：2019-09-16

Applicant: 哈尔滨理工大学

Inventor： 高雪瑶 ,  伊明 ,  张春祥

IPC: G06F16/583

Abstract: 本发明提出了一种基于手绘草图集成描述子的三维模型检索方法，该方法首先对三维模型按照固定投影的方法获取62幅视图集。在视图集中选取轮廓特征最长的24幅二维视图作为三维模型的最优特征视图集。然后，构建融合全局视图特征和二维形状分布的集成描述子。接着对手绘草图进行降噪处理，利用集成描述子提取手绘草图和二维视图的特征。最后利用欧式距离计算草图与二维视图的相似性，检索出与草图近似的二维视图对应的三维模型。此方法首先利用多视图固定投影的方法来解决三维模型降维时特征丢失的问题；其次采用手绘草图降噪方法提高草图精度；最后利用区域特征(全局视图特征)与边界轮廓特征(二维形状分布)结合的集成描述子解决了单一特征描述子特征描述不全的问题。