[发明专利]基于空间关联关系的三维室内场景生成方法及系统

说明书

本发明提供一种基于空间关联关系的三维室内场景生成方法及系统，该方法包括：获取多个三维空间模型实例；根据预设先验度量，对所述多个三维空间模型实例进行空间关联关系划分，得到由三维空间模型实例构建的多个功能区；根据预设先验模板，对所述多个功能区进行布局，生成对应的三维室内场景。本发明通过结合完全空间随机性测试，测量三维室内场景中每个家具对象之间的空间关系强度，从而根据该空间关系强度，将各个家具的三维空间模型实例构建为更合理的功能区，并通过预设的离散关联关系，对功能区中的家具对象进行快速布局，从而生成更为准确三维室内场景。

技术领域

本发明涉及计算机图形学与人工智能技术领域，尤其涉及一种基于空间关联关系的三维室内场景生成方法及系统。

背景技术

三维室内场景布置是自动排列家具对象，有利于各种应用，包括视频游戏、虚拟现实、家居装饰，甚至可以创建用于三维场景理解的数据集。随着3D室内场景的各种数据集的出现，家具对象的排列技术已经转向数据驱动的方法，即建模优先，表达现有家具对象布局的策略。

然而，三维室内场景布置在各个方面都存在着固有的困难。首先，在复杂的高维空间中，连续或离散地参数化家具布局是不可避免的。一些工作试图将布局简化为独立的集团或子集；然而，它们的基础度量依赖于“共现”，这仅仅是计算共存频率，频繁的共现并不一定意味着家具对象之间的强烈空间关系，换言之，纯粹基于共现的合成可能会产生奇怪的结果。其次，由于布局的策略数不胜数，所以需要详尽地列出所有可能存在的空间关系的对象，或在数学上为它们建立统一而精确的模型。例如，Chang等人规定了一组特定的可能关系，如“支持”、“右”和“前”等，这些关系基本上限制了各种可能合成的场景。因此，要用多个模式对空间关系进行建模，一种常见的方法是将观察到的布局与模型相匹配，然而，“拟合模型”可能会引入噪声并受到噪声的影响，特别是当潜在模式不满足模型的假设时，例如，常用的高斯混合模型(Gaussian Mixture Model，简称GMM)和卷积神经网络(Convolutional Neural Networks，简称CNN)等。

因此，现在亟需一种基于空间关联关系的三维室内场景生成方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明提供一种基于空间关联关系的三维室内场景生成方法及系统。

本发明提供一种基于空间关联关系的三维室内场景生成方法，包括：

获取多个三维空间模型实例；

根据预设先验度量，对所述多个三维空间模型实例进行空间关联关系划分，得到由三维空间模型实例构建的多个功能区；

根据预设先验模板，对所述多个功能区进行布局，生成对应的三维室内场景。

根据本发明提供的一种基于空间关联关系的三维室内场景生成方法，在所述根据预设先验度量，对所述多个三维空间模型实例进行空间关联关系划分，得到由三维空间模型实例构建的多个功能区之前，所述方法还包括：

获取多个样本三维空间模型实例，并获取每两个样本三维空间模型实例在样本三维室内场景中的共同出现次数和模型实例相对位置；

根据所述共同出现次数和所述模型实例相对位置，通过完全空间随机性测试，得到样本三维空间模型实例之间的完全空间随机化度量值，以根据所述完全空间随机化度量值构建得到预设先验度量。

根据本发明提供的一种基于空间关联关系的三维室内场景生成方法，所述根据预设先验度量，对所述多个三维空间模型实例进行空间关联关系划分，得到由三维空间模型实例构建的多个功能区，包括：

根据预设先验度量，获取三维空间模型实例之间的完全空间随机化度量值；

对所述完全空间随机化度量值进行判断，若满足预设阈值，则将对应的三维空间模型实例划分到同一个功能区。