一种面向复杂树形物体的建模方法技术

本发明专利技术属于计算机图形学领域，公开了一种面向复杂树形物体的建模方法，方法包括：计算复杂树形物体集合对应的平均树木，构建复杂树形物体集合的概率分布模型，通过随机采样或特定参数约束的方式生成复杂树形物体。本发明专利技术提出了一套针对复杂树形物体的建模方法，如三维树木，人体神经系统，使得复杂树形物体可以通过完全随机方式合成或者通过特定参数约束的方式合成，解决了现有方法建模复杂度高、无法对复杂的树形物体进行有效实时建模的问题。对复杂的树形物体进行有效实时建模的问题。对复杂的树形物体进行有效实时建模的问题。

【技术实现步骤摘要】
一种面向复杂树形物体的建模方法


[0001]本专利技术属于计算机图形学领域，尤其涉及一种面向复杂树形物体的建模方法。

技术介绍

[0002]目前，对于树形物体(如三维树木模型、脑神经系统、人体血液管道)等的数据生成任务是计算机图形学、计算生物学、医学数据分析等领域的重要研究课题，在计算机图形学中，对于三维树木的合成可以增强虚拟场景的真实度，提高用户的体验，从而满足电影制作、游戏开发等产业的需求；在计算生物学等医学方面，对于医学上的树形物体的大量合成可以作为相关深度学习模型的训练数据，有效实现病例判断、人体健康度分析等相关数据表征学习下游任务。树形物体的形状在几何和拓扑方面都呈现出较大的变化性，如枝干形状的弯曲和拉伸等产生的几何形变以及枝干数量差异导致的拓扑差异，这使得构建得到形态合理的复杂树形物体的生成工作具有挑战性，当前一些面向树形物体的建模的主流方法是过程式建模，如L
‑
系统，这对用户专业知识要求高，时间消耗大，并且细微的L
‑
系统的语法改变会导致合成的模型变化较大，不适用于大规模的树形物体合成。另外一些工作则从数据重建的角度生成树形物体，如基于图像/三维扫描点云的树木重建技术，但这通常对图像的质量要求较高，对外部的数据采集设别(如三维扫描仪)的依赖性强。
[0003]从另外一个角度而言，树形物体的模型合成工作可以是做一个基于统计概率分布进行建模的过程，即对给定的树形物体数据，学习得到相应的形状概率分布，通过随机采样的方式或受参数限制的采样方式获取合成的树形物体，这种方法建模过程轻量化强，用户专业领域知识要求低，并且不依赖外部采集设备，可用于构建大规模树形物体。目前，基于统计模型的建模思想主要用在具有固定拓扑结构的物体生成工作中，如人体模型、人脸模型以及人造模型(椅子，桌子等)，树形物体由于具有复杂、不固定的拓扑结构，使得现有方法无法直接应用树形物体的建模工作中。
[0004]通过上述分析，现有技术存在的问题及缺陷为：
[0005]现有方法建模复杂度高、无法对复杂的树形物体进行有效实时建模。

技术实现思路

[0006]针对现有技术存在的问题，本专利技术提供了一种面向复杂树形物体的建模方法。
[0007]本专利技术是这样实现的，一种面向复杂树形物体的建模方法，所述面向复杂树形物体的建模方法包括：
[0008]计算复杂树形物体集合对应的平均树木，构建复杂树形物体集合的概率分布模型，通过随机采样或特定参数约束的方式生成复杂树形物体。
[0009]进一步，所述复杂树形物体由管状枝干以层次构建而成，每个管状枝干β的形状由一条连续骨架曲线进行描述，沿骨架曲线进行参数采样得到参数化的骨架曲线，为：
[0010]β＝(f(s),r(s))＝(x(s),y(s),z(s),r(s))
[0011]式中，x(s),y(s),z(s)为骨架曲线点的坐标信息，r(s)为相应点对应的枝干半径,s表示沿曲线β方向采样的参数值，s∈[0,1]；
[0012]所述复杂树形物体的层次化表示为β是以层级的方式进行存储，由主枝干和子树构成，子树又由主枝干和下一级子树或侧枝构成；其中，β0表示第0层的主枝干，表示在分叉点β0(s
i
)处生长出的子树；如果β
i
包含子树，那β
i
表示为主枝干与子树的形式，直到β
i
不包含任何子树。
[0013]进一步，所述平均树木为到所有复杂树形物体的集合β
i
的欧氏距离之和最小的树形物体，公式为：
[0014][0015]具体计算方法如下：
[0016](1)设μ＝β1；
[0017](2)对于i＝1:m，寻找β
i
与μ之间的对应关系，使得β
i
与μ之间的形态差异性最小，包括虚拟枝干的添加；
[0018](3)
[0019](4)重复过程(2)、(3)，直到过程最终收敛；
[0020](5)返回最终的μ，作为复杂树集合β
i
的平均树木。
[0021]进一步，所述平均概率分布模型的构建过程为：
[0022]将所有对齐的β
i
集合的中心点平移到原点，记作v
i
＝β
i
‑
μ,计算对应的协方差矩阵则C的特征向量Λ
i
表示β
i
集合的主形态变化情况，C的特征值λ
i
表示主方向Λ
i
上的变化强度；基于μ、Λ
i
和λ
i
，对β
i
拟合多元高斯分布。
[0023]进一步，所述随机采样生成复杂树形物体的具体过程为：
[0024]随机采样若干个实数，前k个特征值对应的特征向量满足则一个新的复杂树木模型为前k个特征向量的线性组合，表示为：
[0025][0026]进一步，所述通过特定参数约束生成复杂树形物体的过程为线性回归的过程，在生成复杂树形物体的过程中添加用户约束，为约束参数，为复杂树β的向量化表达，则参数p和向量b的映射关系表示为：
[0027]M[p1,p2,
…
,p
l
,1]T
＝b
[0028]式中，映射矩阵M＝BP
+
，B为所有的b的矩阵化表示，矩阵P
+
是P的伪逆矩阵；
[0029]进而得到向量化表达b，通过向量化的逆过程得到对应的复杂树形物体β。
[0030]进一步，所述通过约束参数p为树木模型的高度，侧子树枝干的长度，以及横切面偏角、纵切面偏角。
[0031]本专利技术的另一目的在于提供一种实施所述面向复杂树形物体的建模方法的面向复杂树形物体的建模系统，所述面向复杂树形物体的建模系统包括：
[0032]平均树木模块，用于计算复杂树集合对应的平均树木；
[0033]模型构建模块，用于构建复杂树集合的概率分布模型；
[0034]复杂树生成模块，用于通过随机采样或特定参数约束的方式生成复杂树形物体。
[0035]本专利技术的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述面向复杂树形物体的建模方法的步骤。
[0036]本专利技术的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述面向复杂树形物体的建模方法的步骤。
[0037]本专利技术的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述面向复杂树形物体的建模系统。
[0038]结合上述的技术方案和解决的技术问题，本专利技术所要保护的技术方案所具备的优点及积极效果为：
[0039]第一、针对上述现有技术存在的技术问题以及解决该问题的难度，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向复杂树形物体的建模方法，其特征在于，所述面向复杂树形物体的建模方法包括：计算复杂树形物体集合对应的平均树木，构建复杂树形物体集合的概率分布模型，通过随机采样或特定参数约束的方式生成复杂树形物体。2.如权利要求1所述面向复杂树形物体的建模方法，其特征在于，所述复杂树形物体由管状枝干以层次构建而成，每个管状枝干β的形状由一条连续骨架曲线进行描述，β:其中表示三维实数域，表示一维正实数域，沿骨架曲线进行参数采样得到参数化的骨架曲线，为：β＝(f(s),r(s))＝(x(s),y(s),z(s),r(s))式中，x(s),y(s),z(s)为骨架曲线点的坐标信息，r(s)为相应点对应的枝干半径,s表示沿曲线β方向采样的参数值，s∈[0,1]；所述复杂树形物体的层次化表示为β是以层级的方式进行存储，由主枝干和子树构成，子树又由主枝干和下一级子树或侧枝构成；其中，β0表示第0层的主枝干，表示在分叉点β0(s
i
)处生长出的子树；如果β
i
包含子树，那β
i
表示为主枝干与子树的形式，直到β
i
不包含任何子树。3.如权利要求1所述面向复杂树形物体的建模方法，其特征在于，所述平均树木为到所有复杂树形物体的集合β
i
的欧氏距离之和最小的树形物体，数学公式为：具体计算方法如下：(1)设μ＝β1；(2)对于i＝1:m，对β
i
或μ添加虚拟子树，使得两者子树的数量相同，利用线性分配算法寻找β
i
与μ的子树之间的对应关系，使得β
i
与μ之间对应子树的形态差异值总和最小；子树之间的形态差异值采用计算开销代价小的欧式距离。(3)将此时所有的β
i
的数学平均值赋予μ,即(4)重复过程(2)、(3)，直到达到指定的重复次数，如100；(5)返回最终的μ，作为复杂树集合β
i
的平均树木。4.如权利要求1所述面向复杂树形物体的建模方法，其特征在于，所述平均概率分布模型的构建过程为：将所有对齐的β
i
集合的中心点平移到原点，记作v
i
＝β
i
‑
μ,计算对应的协方差矩阵则C的特征向量Λ...

【专利技术属性】
技术研发人员：王冠，谢宁，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：