[发明专利]针对非刚性形状匹配的局部频域描述子生成方法及装置

说明书

本发明属于计算机视觉领域，具体涉及一种针对非刚性形状匹配的局部频域描述子生成方法及装置，旨在为了解决不同空间分辨率、采样和各种变换影响下获取局部频域描述子鲁棒性差的问题。本发明方法包括：基于拉普拉斯－贝尔特拉米算子，对于表面三角网格模型中的每个顶点，在频域中提取三维形状局部点特征；基于所述局部特征点，获取所述三维形状的每个顶点对应的顶点频域图像，并通过三元神经网络得到用于非刚性形状匹配的局部频域描述子。本发明提取的局部点特征，对三维形状在各分辨率、三角剖分、尺度和旋转下都具有较好的鲁棒性，并基于此，通过本发明的三元神经网络可以准确的、鲁棒的获取用于非刚性形状匹配的局部频域描述子。

技术领域

本发明属于计算机视觉领域，具体涉及一种针对非刚性形状匹配的局部频域描述子生成方法及装置。

背景技术

因为三维形状(网格模型)的简易性、有效性和灵活性，在计算机视觉领域中已经成为三维数据离散表示中广泛应用的形式。随着三维扫描设备和计算机视觉重建技术的发展，获取详细的三维形状变得越来越容易。因此，三维形状分析(如形状匹配、分割、对应和检索)的重要性得到了显著提高。设计一个针对表面形状的局部描述子是计算机视觉中一个基本问题，并且是其他高级应用的关键和基础。

现有技术中生成局部描述子的方法主要包括空间域的方法、基于嵌入的方法以及基于深度学习的方法。

空间域的方法主要通过统计局部空间中顶点特征信息(如数量、角度、方向等)，从而得到一个统计的直方图来代表局部顶点特征。比如3DSC(3D shape context，三维形状环境)描述子统计每个直方图块中顶点的数量，SHOT(Signature of histogram oforientations，方向直方图特征)统计邻域点法向量的角度，Mesh-HOG(Mesh histogram oforiented gradients，网格方向梯度)描述子统计梯度的方向，RoPS(The rotationalprojection statistics，旋转投影统计)描述子统计投影二维平面的多个特征等。显然，这些传统的方法都是基于空间域特征，易受分辨率和形状各种变换和变形的影响。

基于嵌入的方法大多提出的是内蕴的描述子，这种内蕴的描述子旨在解决等距变形的问题。生成嵌入描述子的方法普遍基于Laplace-Beltrami(拉普拉斯－贝尔特拉米)算子。Shape-DNA(形状DNA)利用Laplace-Beltrami(拉普拉斯－贝尔特拉米)算子的特征值作为特征。GPS(Global Point Signature，全局顶点特征)结合了特征值和特征函数来生成特征。HKS(Heat Kernel Signature，热核特征)，scale-invariant HKS(scale-invariantHeat Kernel Signature，尺度不变热核特征)和OSD(optimal spectral descriptors，最优谱描述符)基于扩散几何被提出。然而，这些嵌入方法大多基于全局内蕴特性，对局部细节描述不够鲁棒，并且大多对尺度敏感。

基于深度学习的方法近来被用于提取形状描述子，基于深度学习的方法主要包括多视图、体素化和直接在三维形状上学习的方法，然而，由于这些方法学习到的信息与形状的结构(如网格尺度、空间分辨率、采样等)是相关的，所以它们的泛化能力是有缺陷的。

因此，如何提供一种解决上述问题(不同空间分辨率、采样和各种变换)的方法是本领域技术人员目前需要解决的问题。

发明内容

为了解决现有技术中的上述问题，即为了解决不同空间分辨率、采样和各种变换影响下获取局部频域描述子鲁棒性差的问题，本发明的第一方面，提出了一种针对非刚性形状匹配的局部频域描述子生成方法，该方法包括以下步骤：

步骤S10，基于拉普拉斯－贝尔特拉米算子，对于表面三角网格模型中的每个顶点，在频域中提取三维形状局部点特征；