一种牙颌三维模型分割方法和系统技术方案

本发明专利技术提供一种牙颌三维模型分割方法和系统，其中方法包括获取牙颌三维模型中每个顶点的手工特征；将每个顶点的手工特征与笛卡尔坐标拼接，得到每个顶点输入特征；将每个顶点输入特征依次输入深度学习点云分割网络，得到每个顶点的牙位标签；将每个顶点的牙位标签依次映射至牙颌三维模型，得到相邻两个牙齿的以及牙齿和牙龈的边界线。本发明专利技术融合使用了多种轻量级的手工特征，相比于仅使用法向和曲率信息的算法，能够更好的捕获牙颌模型多尺度、多层次的局部特征，对牙颌分割任务的精度提升可以起到显著作用；在手工特征的基础上用深度学习进一步提取三维牙颌模型特征，降低了网络学习成本，减少了深度网络对训练样本数量以及训练周期的依赖性。练周期的依赖性。练周期的依赖性。

【技术实现步骤摘要】
一种牙颌三维模型分割方法和系统


[0001]本专利技术属于计算机视觉
，尤其涉及一种牙颌三维模型分割方法和系统。

技术介绍

[0002]计算机辅助设计(CAD)现已广泛应用于齿科领域，如正畸诊断、牙体修复、牙齿重排等。对牙颌三维模型的分割是齿科CAD的基础，精确的牙齿分割结果对后续分析与设计起着关键作用。目前牙颌三维模型分割算法可根据是否使用纯手工特征分为传统分割算法以及基于深度学习的分割算法。
[0003]传统牙颌模型分割算法一般依赖手工构造的特征，如法向量、曲率等。典型算法包括基于曲率的算法、基于轮廓线的算法、基于投影的算法、基于调和场的算法等。手工特征的设计对最终分割精度有较大影响，在曲率不明显的边界区域，传统分割算法往往由于手工特征的相似性而表现出较差的分割精度。此外，对操作者专业经验要求高以及高维特征计算耗时严重也是目前传统分割算法普遍存在的问题，其整体分割效果要低于后来兴起的基于深度学习的方法。
[0004]目前基于深度学习的牙颌三维模型分割算法倾向于使用原始的点云坐标以及法向特征。区别于传统分割算法所依赖的手本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种牙颌三维模型分割方法，其特征在于，包括：获取牙颌三维模型中每个顶点的手工特征；将每个顶点的手工特征与笛卡尔坐标拼接，得到每个顶点的输入特征；将每个顶点的输入特征依次输入深度学习点云分割网络，得到每个顶点的牙位标签；将每个顶点的牙位标签依次映射至牙颌三维模型，得到相邻两个牙齿的以及牙齿和牙龈的边界线。2.根据权利要求1所述的牙颌三维模型分割方法，其特征在于，所述获取牙颌三维模型中每个顶点的手工特征，包括：根据以下公式计算每个顶点的拉普拉斯坐标：其中，δ
i
为牙颌三维模型中第i个顶点的拉普拉斯坐标；v
i
为牙颌三维模型中第i个顶点；d
i
为与第i个顶点直接相连的顶点的数量；v
j
为牙颌三维模型中第j个顶点；N
i
＝{j|(i,j)∈K}，为顶点i的领域顶点集合，K为邻域内所有顶点的集合；获取每个顶点的法向量；获取顶点主曲率、高斯曲率和平均曲率；获取每个顶点的RSD特征；获取每个顶点的FPFH特征。3.根据权利要求2所述的牙颌三维模型分割方法，其特征在于，所述将每个顶点的手工特征与笛卡尔坐标拼接，得到每个顶点的输入特征，包括：根据以下公式计算每个顶点的输入特征：其中，F
in
为第i个顶点的输入特征；v
i
牙颌三维模型中第i个顶点；δ
i
为牙颌三维模型中第i个顶点的拉普拉斯坐标；M
i
为第i个顶点的法向量；k
1i
、k
2i
均为第i个顶点的主曲率；K
i
为第i个顶点的高斯曲率；H
i
为第i个顶点的平均曲率；F
RSDi
为第i个顶点的RSD特征；F
FPFHi
为第i个顶点的FPFH特征。4.根据权利要求3所述的牙颌三维模型分割方法，其特征在于，所述将每个顶点的输入特征依次输入深度学习点云分割网络，得到每个顶点的牙位标签，包括：将每个顶点的输入特征依次输入至深度学习点云分割网络的三个特征提取层，在每个特征提取层中使用最远点采样算法进行降采样，利用不同半径参数的球形查询算法确定降采样点的邻域，对每个邻域内的点使用PointNet算法进行局部特征提取，将提取自不同半径邻域内点的特征拼接作为当前特征提取层的第一输出特征；将每个顶点的第一输出特征依次输入至深度学习点云分割网络的三个特征传播层，第m个特征传播层将前一层的输出以及...

【专利技术属性】
技术研发人员：廖文和，申鑫泽，张长东，刘婷婷，贾修一，李大伟，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：