[发明专利]一种局部描述子的生成方法、模型生成的方法及装置

说明书

本申请公开了一种应用于人工智能领域的局部描述子生成方法，本申请包括获取待处理模型中每个局部顶点所对应的小波能量，得到M个小波能量；根据M个小波能量确定M个小波能量贡献值；根据M个小波能量贡献值确定M个能量特征向量；基于M个能量特征向量，通过图卷积神经网络获取待处理模型所对应的M个局部描述子。本申请还公开了一种模型生成的方法及装置，本申请可利用图卷积神经网络直接获取局部描述子，无需使用后处理的手段，很大程度上减少后处理的时间，提升生成局部描述子的效率。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种局部描述子的生成方法、模型生成的方法及装置。

背景技术

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。相较于图像，三维形状表达的信息更为丰富，目前广泛应用于许多应用，包括机器人、医疗、影视和计算机辅助设计等等领域。而这些应用避免不了对三维形状的分析，比如三维形状匹配，形状部件分割或者形状检索识别等。

三维形状的局部描述子是分析三维形状的基石，目前，已有一种局部描述子的生成方法，即先对表面三角网络模型中的每个顶点,在频域中提取三维形状局部点(LocalPoint Signature，LPS)特征，再基于LPS特征获取三维形状的每个顶点对应的顶点频域图像(Vertex Spectral Image，VSI)，最后得到通过神经网络得到局部描述子。

然而，在上述方法中，基于LPS特征和VSI需要计算局部测地距离，并且还需要使用函数图(Functional Maps)、迭代最近点(Iterative Closest Point)或者误匹配筛检等后处理的方法，导致生成局部描述子的效率低下。

发明内容

本申请实施例提供了一种局部描述子的生成方法、模型生成的方法及装置，可利用图卷积神经网络直接获取局部描述子，无需使用后处理的手段，很大程度上减少后处理的时间，提升生成局部描述子的效率。

有鉴于此，本申请一方面提供一种局部描述子的生成方法，包括：

获取待处理模型中每个局部顶点所对应的小波能量，得到M个小波能量，其中，待处理模型包括M个局部顶点，且局部顶点与小波能量具有一一对应的关系，M为大于或等于1的整数；

根据M个小波能量确定M个小波能量贡献值，其中，小波能量贡献值表示局部顶点针对待处理模型在第一尺度上的贡献，小波能量贡献值与局部顶点具有一一对应的关系；

根据M个小波能量贡献值确定M个能量特征向量，其中，能量特征向量与局部顶点具有一一对应的关系；

基于M个能量特征向量，通过图卷积神经网络获取待处理模型所对应的M个局部描述子，其中，局部描述子与局部顶点具有一一对应的关系。

本申请另一方面提供一种模型生成的方法，包括：

获取第一对象所对应的待处理模型中每个局部顶点的小波能量，得到M个小波能量，其中，待处理模型包括M个局部顶点，局部顶点与小波能量具有一一对应的关系，M为大于或等于1的整数；

根据M个小波能量确定M个小波能量贡献值，其中，小波能量贡献值表示局部顶点针对待处理模型在第一尺度上的贡献，小波能量贡献值与局部顶点具有一一对应的关系；根据M个小波能量贡献值确定M个能量特征向量，其中，能量特征向量与局部顶点具有一一对应的关系；

基于M个能量特征向量，通过图卷积神经网络获取待处理模型所对应的M个局部描述子，其中，局部描述子与局部顶点具有一一对应的关系；

根据待处理模型所对应的M个局部顶点以及M个局部描述子，生成第二对象所对应的目标模型。

本申请另一方面提供一种局部描述子生成装置，包括：