[发明专利]一种基于渲染的快速体数据骨架提取方法

说明书

技术领域

本发明属于骨架提取及体绘制技术领域，具体涉及基于渲染的快速体数据骨架提取方法。

背景技术

骨架作为形状表示的一种有效形式在三维模型的各个研究领域中被广泛采用。Blum1967年给出了骨架的最初定义：骨架(中轴)是模型内部各个最大内切球中心的集合。它还有一个grassfire的模拟定义，从模型表面开始点火，各个方向上的火的相遇点所构成的集合。因为模型的骨架很好的保留了模型的拓扑连接性及其几何形状信息，所以经常被用于碰撞检测、三维动画、模型渲染、模型表面重建、模型检索、三维形状识别与检索、模型编辑、简化以及三维分割等应用中，也有研究人员采用骨架为模型的分解做矫正。不同的应用，对于骨架应该保存的信息要求不完全相同，故而抽取思路也不完全相同。

对三维模型骨架的研究由来已久，出现过很多方法，有的是源于对二维图像的扩展，有的是针对三维模型提出的，大体上来说，面向三维网格模型或者三维体素模型的骨架提取方法主要包括：细化、距离变换、分解等。

提取三维体素模型骨架的拓扑细化方法的基本思想是：由外向内，层层剥离不改变模型拓扑特性的体素来实现骨架抽取，它检测物体数据的拓扑相关性，而不是形状的几何特征。这种方法在保持物体拓扑性质的同时，在离散域中反复的逐层剥离去物体的表面，其中判断一个体素是否需要剥离的检测过程比较耗时，这种发方法需要完全分割好的、紧凑的并且相互连接的物体模型。Bertrand提出一种简单的并行细化方法抽取骨架。Ju采用边细化边去除冗余体素的方法抽取骨架。Melada提出结合欧式距离测度与细化过程的骨架抽取方法。但这些方法产生的骨架包含杂枝，甚至破坏了骨架的连续性。

基于距离变换的骨架提取方法：它一般的计算对象要求也必须是体素表示的模型，通过计算每个体素的距离来求取模型的脊点。Zhou提出了边界距离变换和种子点距离变换，采用体素编码的方式抽取并优化骨架结构，但骨架在分支处的中心性较差。Wan的方法采用精确的边界距离变换，建立极小扩张树提取骨架，从而使得到的骨架点尽量不偏离中心，但会出现中心线的“扰动”现象。基于Level Set的骨架提取方法稳定性较好，也具有较高的拓扑无关性，能够有效消除尖点、骨架断裂等问题，但是即便采用了Fast Marching Method策略，其计算复杂度依然很高。Fan引入snake模型调整骨架点的位置，改善了骨架点的中心性，但复杂度也同时增大。

相对于基于细化和距离变换两种方法而言，基于形状分解或者分割的三维骨架提取方法将骨架提取和形状分割结合起来，骨架提取与形状分解二者相辅相成具有显著优势。基于拓扑连接信息，先行对三维模型进行分解；基于分解结果可以降低骨架提取的复杂度、提高骨架的精确度。按照拓扑结构，正确分解三维模型能够保证快速准确地获取骨架，反之，骨架作为拓扑结构的参考能够保证模型分解的准确性。基于分解的方法源于对形体的认识，Hoffman和Richards把形体自然分解成基本部件，把分解用于分类。Rom等提出利用中轴逐步分解二维形体的方法，先分解形体，在提取分解区域的中轴，而中轴是二维形体的自然表示，但是这些方法难以提取中心良好的三维立体形体的分级骨架。Minimal Rule Lien等提出基于模型近似图面体分解，通过计算三维模型顶点的凹凸性展开分解，并通过迭代生成骨架，但得到的骨架中心性较差，也难以建立层次关系。

基于Reeb图思想。该类算法首先在模型上定义一个连续函数，计算每个模型顶点的函数值，将具有相同函数值的顶点聚合成一个顶点，得到模型的骨架。Hilaga等人提出了基于Reeb图思想的多分辨率Reeb图(MRG)，将Reeb图用于骨架提取，并将映射函数定义为顶点到整个模型表面所有顶点的最短距离与面积之乘积的和。Julien Tierny等人使用了更加合理的标量函数计算方法。

亦有学者将二维图像领域中的Voronoi图技术引入到三维骨架抽取中，Dey等人提出过一种利用Voronoi图直接近似中轴的算法。因为对三维模型而言只有部分Voronoi顶点能够汇聚成骨架，所以他通过定义角度和比例这两个与大小、比重都无关的筛选标准来实现它的中轴近似算法，并证明该方法能够保证收敛。Voronoi图方法对于复杂的三维模型，理论上可以实现，但计算量庞大。Voronoi图方法多用于生成多尺度骨架，但对于边界噪声非常敏感，导致Voronoi图过于稠密，需要额外进行剪枝处理，而且规则复杂，导致该方法实用性不光。