[发明专利]基于最大化可视信息的三维场景最佳视角自动获取方法

权利要求书

1.一种基于最大化可视信息的三维场景最佳视角自动获取方法，其特征在于包含以下步骤：

1)对给定的三维场景，确定其向上的方向即正方向，并就确定的正方向对该三维场景进行归一化；

2)根据归一化后的三维场景，在单位球的上半球面对视点进行均匀采样；

3)求出三维场景表面各顶点的曲率，用以表征三维场景表面的几何特征；

4)基于三维场景表面顶点曲率聚类的方法求取三维场景表面的特征区域，并采用各特征区域聚类中心的曲率值作为该区域的特征值，用以表征该区域的重要程度；

5)基于主成分分析(PCA)方法对求出的三维场景各特征区域内部位置关系进行分析，求出各特征区域的主方向，用以衡量步骤2)各采样视点对该特征区域的可视化质量；

6)以看到最多的特征区域和获得最优的可视化质量为核心，提出基于特征区域特征值和特征区域可视化质量的能量函数，并基于统计的方法求取优化能量函数的最佳视角。

2.如权利要求1所述的基于最大化可视信息的三维场景最佳视角自动获取方法，其具体的执行步骤如下：

步骤一：对于给定的三维场景S，确定其向上的方向，并就确定的正方向对该三维场景进行归一化，得到归一化后的三维场景M；

步骤二：对归一化后的三维场景M，在单位球的上半球面上进行均匀采样，得到采样视点集V；

步骤三：对归一化后的三维场景M的每个顶点求平均曲率，得到场景M的曲率图M_c；

步骤四：对曲率图M_c中每个顶点p_i∈M_c，定义一个7维特征向量e(p_i)去描述其几何特征：

[式一]

e(pi)=(xi,yi,zi,nix,niy,niz,κi)]]>

其中，(x_i，y_i，z_i)表示顶点p_i的坐标，表示顶点p_i的法向量，k_i表示顶点p_i处的曲率值；

用均值漂移的聚类算法对特征向量e(p_i)做聚类，将曲率图M_c划分为一系列特征区域M_c＝{C₁，C₂，...，C_N}，对特征区域集合M_c中的每个特征区域C_i用其聚类中心c_i表示该区域的几何特征；

步骤五：对每个特征区域C_i，用主成分分析法(PCA)求出该区域内部所有顶点p_i∈C_i的坐标{x_j，y_j，z_j}的三个特征向量{t_j，s_j，r_j}；

步骤六：对于步骤二中得到的采样视点v_i∈V，利用步骤四中求得的特征区域M_c＝{C₁，C₂，...，C_N}和对应的聚类中心{c₁，c₂，...，c_N}∈C，求出可视化特征信息能量函数VN(v_i)：

[式二]

VN(vi)=||Σcj∈C(κj·δj)||/N]]>

其中，k_j表示聚类中心c_j的曲率值，N为总的特征区域个数，指标函数δ_j定义如下：

[式三]

步骤七：对于步骤二中得到的采样视点v_i∈V，利用步骤五对每个特征区域C_i求得的特征向量{t_j，s_j，r_j}，求出三维场景M的可视化质量能量函数VF(v_i)：

[式四]

VF(vi)=Σcj∈C||tj·(vi-cj)||/(||tj||·||vi-cj||)]]>

其中，{c₁，c₂，...，c_N}∈C为各个特征区域的聚类中心；

步骤八：利用步骤六和步骤七的结果，得到每个采样视点v_i∈V的能量函数f_i：

[式五]

f_i＝(VN(v_i)-ω·VF(v_i)

其中VN(v_i)和VF(v_i)分别是步骤六和步骤七中求得的可视化特征信息能量函数和可视化质量能量函数，ω为可视化质量能量函数的权值；

步骤九：结合各采样视点v_i∈V的坐标和其对应的能量函数，定义一个4维特征向量用以描述该视点的可视信息：

[式六]

其中，(x_i，y_i，z_i)是采样视点v_i的坐标，f_i为步骤八求得的采样视点v_i对应能量函数；

用均值漂移的聚类算法对特征向量做聚类，得到一系列聚类中心VC＝{VC₁，VC₂，...，VC_K}；

步骤十：遍历步骤九求得的聚类中心VC＝{VC₁，VC₂，...，VC_K}，比较它们的能量函数项，定义最佳视角为：

[式七]

v~=argminVCi∈VCfi]]>

其中，f_i表示聚类中心VC_i∈VC的能量函数项；

步骤十一：根据步骤十求得的最佳视角利用其坐标信息对三维场景做平行投影，得到最佳视角的投影图。