通过3D模型重建进行网格简化制造技术

本文描述了用于提供基于栅格的网格抽取的概念和技术。一般性地来描述，处理定义模型的输入数据以从众多角度将模型渲染为深度图。通过从众多视角捕捉深度图数据，从该众多视角可见的模型的组件被捕捉在深度图数据中，并且被可见组件阻挡的组件不被捕捉在深度图数据中。点云数据是通过合并从多个视角捕捉的深度图数据生成的。通过将表面重建应用于点云数据来生成输出网格数据。一个或多个网格抽取算法可被应用于网格数据。图像数据也可以从输入数据捕捉并应用于输出网格数据。

Mesh simplification through 3D model reconstruction

This article describes the concepts and techniques used to provide grid - based grid extraction. Generally, the input data of the defined model is processed to render the model into a depth map from a number of angles. By capturing the depth map data from many perspectives, the components of the visible models from the many perspectives are captured in the depth map data, and the components blocked by the visible components are not captured in the depth map data. Point cloud data is generated by merging depth map data captured from multiple perspectives. The output grid data is generated by applying the surface reconstruction to the point cloud data. One or more grid extraction algorithms can be applied to grid data. The image data can also be captured from the input data and applied to the output grid data.

【技术实现步骤摘要】
【国外来华专利技术】通过3D模型重建进行网格简化
技术介绍
存在不断增长的与利用三维(3D)显示技术的计算设备进行交互的用户群体。一些3D模型可能非常复杂并且具有非常高的多边形计数，有时如此多以致在有实时性能和存储器约束的情况下难以渲染。为了解决这些约束中的一些，网格抽取算法(meshdecimationalgorithm)用于创建具有减少的多边形计数的3D模型的简化版本。尽管减少的多边形计数可能有助于某些性能和计算资源问题，但是这些技术具有多项缺点。减少的多边形计数可能在建模对象的不适当位置产生孔和间隙，还存在其它问题。在一个说明性示例中，3D网格数据可以包括多个组件，诸如组成立方体的表面的多个三角形。定义三角形的数据可以不指示某些三角形已连接。例如，3D网格数据可以定义组成立方体的正面的三角形，然而该数据可能不指示所述三角形是否连接。这样的数据被称为“多边形汤”。传统的网格抽取技术在处理这些数据时可能不会有效减少多边形的数量，因为移除随机组件可能移除突出的组件(salientcomponents)，诸如组成立方体的正面的一个或多个三角形。此外，传统的网格抽取技术可能无法移除隐藏的组件，例如内部组件。这样的结果可能不是合需的，因为这样的技术可能会留下不想要的孔或甚至可能以不可识别的形式渲染对象。本文所做出的本公开正是关于这些和其它考虑事项而提出的。概述本文描述了用于提供基于栅格(raster)的网格抽取的概念和技术。一般性地来描述，处理定义模型的输入数据以从众多角度将模型渲染为深度图。角度的位置和/或角度的数量基于一个或多个因素，包括在输入数据和/或其它上下文信息中定义的特性。通过从众多视角捕捉深度图数据，从该众多视角可见的模型的组件被捕捉在深度图数据中，并且被可见组件阻挡的组件不被捕捉在深度图数据中。点云数据是通过合并从众多视角捕捉的深度图数据生成的。通过将表面重建应用于点云数据来生成网格数据。网格抽取算法可被应用于网格数据。在一些配置中，本文所描述的技术还可以渲染所述模型以从众多视角生成图像数据。可使用所述图像数据纹理化或以其它方式补充所述网格数据。应当理解，上述主题也可被实现为计算机控制的装置、计算机进程、计算系统或诸如计算机可读介质等制品。通过阅读下面的详细描述并审阅相关联的附图，这些及各种其它特征将变得显而易见。提供本概述以便以简化的形式介绍以下在详细描述中进一步描述的一些概念。本
技术实现思路
并不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在将本概述用来限制所要求保护的主题的范围。此外，所要求保护的主题不限于解决在本公开的任一部分中所提及的任何或所有缺点的实现。附图简述图1是示出用于提供基于栅格的网格抽取的若干示例组件的框图；图2示出了由包括几何数据的样本输入数据定义的模型；图3A示出了用于捕捉模型的深度图(depthmap)数据的多个视角；图3B示出了用于捕捉模型的图像数据的多个视角；图4A示出了基于从深度图数据生成的点云数据(pointclouddata)的模型的表示；图4B示出了基于从点云数据的表面重建生成的网格数据的模型的表示；图4C示出了基于图像数据的模型的纹理化表示；图5是可以用于提供基于栅格的网格抽取的一个示例例程的流程图；以及图6是示出能够实现本文所呈现的配置的各方面的计算设备的说明性计算机硬件和软件架构的计算机架构图。详细描述本文描述了用于提供基于栅格的网格抽取的概念和技术。一般性地来描述，处理定义模型的输入数据以从众多视角将模型渲染为深度图。视角的位置和/或视角的数量基于一个或多个因素，包括由输入数据和/或其它上下文信息定义的数据。在一些配置中，表示视角的位置和/或视角的数量的数据可被显示给用户，并通过输入进行修改，包括响应于所述显示的用户输入。通过从众多视角捕捉深度图数据，从该众多视角可见的模型的组件被捕捉在深度图数据中，并且被可见组件阻挡的组件不被捕捉在深度图数据中。点云数据是通过合并从众多视角捕捉的深度图数据生成的。通过将表面重建应用于点云数据来生成输出网格数据。网格抽取算法可被应用于输出网格数据。在一些配置中，网格抽取算法可以作为独立过程或作为点云数据的表面重建的一部分应用于输出网格数据。在一些配置中，本文所描述的技术还可以渲染该模型以从众多视角捕捉图像数据。在一些示例中，所捕捉的图像数据可以包括RGB图像数据、CMYK图像数据或定义纹理、着色器、法线图或任何其它显示属性的数据。如果捕捉图像数据，如下面将更详细描述的，捕捉的图像数据可以应用于输出网格数据。可以使用用于应用图像数据的任何数量的已知方法，例如、纹理化、包装(wrapping)等。在一些说明性示例中，输入数据可以包括与纹素(texel)相关联的原始网格，例如编码的颜色、法线等。本公开的各方面通过纹素的空间位置存储纹素。一旦从点云数据生成输出网格数据，本文公开的技术可以通过对输出网格数据进行采样来恢复与纹素相关联的信息。在一些配置中，对于个体样本，本文中公开的技术搜索特定纹素，所述特定纹素可以包括最近的纹素。可以通过利用诸如KD树或八叉树之类的空间分割数据结构来优化这样的配置。通过使用本文公开的技术，生成具有减少的多边形计数的网格数据可以在影响一些现有技术的一些性能和计算资源问题方面有所帮助。此外，使用多个视角捕捉数据有助于产生减少的多边形计数，同时减轻导致建模对象的突出特征中的孔或间隙的问题。本文呈现的技术还可以过滤和移除隐藏的组件，例如内部组件，从一个或多个所选视角来说这些组件可能都不被视为突出特征。与视角相关的数据也可以显示给用户，这使得用户能够提供关于该多个视角的反馈。这些技术和其它技术可提升用户的表现，并在与设备交互时减少用户错误。尽管在结合计算机系统上的操作系统和应用程序的执行而执行的程序模块的一般上下文中提出了本文描述的主题，但是本领域技术人员将认识到，其它实现可以结合其它类型的程序模块来执行。一般而言，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、组件、数据结构及其它类型的结构。此外，本领域技术人员将明白，可以使用其它计算机系统配置来实施本文描述的主题，这些计算机系统配置包括手持式设备、多处理器系统、基于微处理器的或可编程消费电子产品、小型计算机、大型计算机等等。在以下详细描述中，参考了构成详细描述的一部分并作为说明示出了各具体配置或示例的附图。现在参考附图，其中贯穿若干附图相同的标记表示相同的元件，将描述用于提供基于栅格的网格抽取的计算系统和方法的各方面。图1是显示本文所公开的用于提供基于栅格的网格抽取的一个说明性机制的各方面的系统图。如图1所示，系统100可以包括计算设备101、远程计算机102和网络120。计算设备101可以作为独立设备操作，或者计算设备101可以与远程计算机102结合地操作。可以领会，远程计算机102和计算设备101通过一个或多个本地和/或广域网(诸如网络120)互连。应当领会，可以使用除图1所示外的多得多的网络连接。计算设备101可以是个人计算机，可穿戴计算机，包括头戴式显示器(HMD)或具有用于在显示器(诸如界面118)上渲染一个或多个对象的组件的任何其它设备的形式。计算设备101可以包括本地存储器180，其存储输入数据103、深度图数据105、点云本文档来自技高网...

【技术保护点】
一种计算设备，包括：处理器；其上存储有计算机可执行指令的存储器，所述计算机可执行质量在由所述处理器执行时，使得所述计算设备获得包括定义一个或多个模型的几何数据的输入数据；确定用于捕捉所述一个或多个模型的深度图数据的视角的数量；从所述视角捕捉深度图数据；通过合并来自所述视角的所述深度图数据生成点云数据；以及通过对所述点云数据应用表面重建来生成网格数据，所述网格数据定义所述模型的从所述视角可见的组件。

【技术特征摘要】
【国外来华专利技术】2015.04.17 US 14/690,2051.一种计算设备，包括：处理器；其上存储有计算机可执行指令的存储器，所述计算机可执行质量在由所述处理器执行时，使得所述计算设备获得包括定义一个或多个模型的几何数据的输入数据；确定用于捕捉所述一个或多个模型的深度图数据的视角的数量；从所述视角捕捉深度图数据；通过合并来自所述视角的所述深度图数据生成点云数据；以及通过对所述点云数据应用表面重建来生成网格数据，所述网格数据定义所述模型的从所述视角可见的组件。2.如权利要求1所述的计算设备，其中所述存储器具有存储在其中的其它可执行指令，以通过对所述网格数据应用网格抽取过程来生成输出数据。3.如权利要求1所述的计算设备，其中所述输入数据进一步包括图像属性，且其中所述存储器具有存储于其中的其它可执行指令以：从所述输入数据渲染所述模型以从所述视角捕捉图像数据；以及使用所述图像数据对所述网格数据进行纹理化。4.如权利要求1所述的计算设备，其中所述存储器具有存储于其中的其它可执行指令以：分析所述输入数据以确定上下文；以及至少部分地基于所述上下文来确定所述数量的视角中的至少一个视角的位置。5.如权利要求4所述的计算设备，其中所述视角的数量至少部分地基于所述上下文。6.如权利要求1所述的计算设备，其中所述视角的数量至少部分地基于与所述输入数据相关联的多边形计数。7.如权利要求1所述的计算设备，其中所...

【专利技术属性】
技术研发人员：M·庄，D·B·林赛，
申请(专利权)人：微软技术许可有限责任公司，
类型：发明
国别省市：美国,US