[发明专利]一种基于几何测度和稀疏优化的三维兴趣点检测方法

说明书

本发明属于计算机视觉技术领域，具体涉及一种基于几何测度和稀疏优化的三维兴趣点检测方法。该方法包括构建三维网格模型的尺度空间、计算三维网格模型的显著性响应图、根据显著性响应图选取三维兴趣点候选集和稀疏优化兴趣点候选集四步。通过引入两种三维网格模型表面的局部几何性质来定义一种新的三维兴趣点响应函数；对三维网格模型中的任意一点，使用在尺度空间中不同尺度下的显著性响应值之间的乘积作为该点的最终显著性响应值；使用稀疏优化模型来精炼三维兴趣点候选集，以得到更加精确和稳定的三维兴趣点。最终实现高效的、鲁棒的和稳定的检测效果。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种基于几何测度和稀疏优化的三维兴趣点检测方法。

背景技术

随着科技的进步与发展，三维数据日益增多。三维兴趣点作为三维模型中最为重要的特征之一，广泛地应用于三维立体视觉中的各个领域之中，如三维注册，三维形状检索，三维网格模型分割和简化等。

在过去几十年中，研究者们提出了许多方法来从三维网格模型的表面提取三维兴趣点，其中大部分都是基于几何特征的。

Godila和Wagan将三维网格模型转换成体素表示方式，并在SIFT算法的启发下提出了一种检测三维局部特征的新方法(A.Godil and A.I.Wagan,“Salient local 3dfeatures for 3D shape retrieval,”Proceedings of SPIE,vol.7864,pp.78640S–78640S–8,2011.)。Sipiran和Bustos对Harris角点检测算子做了改进和推广，使其能够针对三维模型检测出三维兴趣点(I.Sipiran and B.Bustos,“Harris 3d:a robustextension of the harris operator for interest point detection on 3d meshes,”The Visual Computer,vol.27,no.11,pp.963–976,2011.)。Lee引入了mesh saliency作为三维网格模型区域重要性的度量方式(C.H.Lee,A.Varshney,and D.W.Jacobs,“Meshsaliency,”ACM Transactions on Graphics,vol.24,no.3,pp.659–666,2005.)。Holte使用了Difference-of-Normals算子来检测三维兴趣点(M.B.Holte,“3d interest pointdetection using local surface characteristics with application in actionrecognition,”in IEEE International Conference on Image Processing,Paris,France,Oct 2014.)。除了基于几何特征的三维兴趣点检测方法，也有一些研究者提出了基于机器学习和拉普拉斯光谱的方法来检测三维兴趣点。

发明内容

针对上述存在问题或不足，为能够高效的、鲁棒的和稳定的检测出三维网格模型中的兴趣点，本发明提供了一种基于几何测度和稀疏优化的三维兴趣点检测方法。

该基于几何测度和稀疏优化的三维兴趣点检测方法主要包括：构建三维网格模型的尺度空间、计算三维网格模型的显著性响应图、根据显著性响应图选取三维兴趣点候选集和稀疏优化兴趣点候选集共四个步骤。

具体如下：

步骤1、构建三维网格模型的尺度空间：

利用三维高斯滤波器来构建三维模型的尺度空间

M_σ(x,y,z)＝M(x,y,z)*G(x,y,z,σ) (1)