基于拓扑分析与边缘检测融合技术的三维动漫制造技术

本发明专利技术公开了基于拓扑分析与边缘检测融合技术的三维动漫，包括以下步骤：

【技术实现步骤摘要】
基于拓扑分析与边缘检测融合技术的三维动漫


[0001]本专利技术涉及三维动漫
，具体为基于拓扑分析与边缘检测融合技术的三维动漫
。

技术介绍

[0002]三维动漫又称
3D
动画，它不受时间
、
空间
、
地点
、
条件
、
对象的限制，运用各种表现形式把复杂
、
抽象的节目内容
、
科学原理
、
抽象概念等用集中
、
简化
、
形象
、
生动的形式表现出来，现有的三维造型重构方法是指通过从二维图像或其他输入数据中推断出三维模型的技术，这些方法可以应用于多个领域，包括计算机视觉
、
计算机图形学和计算机辅助设计等，在三维造型重构中，较为重要的一步为特征提取，以下为几种常见的特征提取方法：几何特征提取；点云特征提取；光学特征提取；深度学习方法
。
[0003]但是这些方法存在一些缺点，如：受限于数据质量
、
缺乏语义信息
、
特征表示不完备
、
计算复杂度较高等，相比之下，利用拓扑分析进行特征提取可以不受尺度和旋转影响
、
不受噪声干扰
、
可以提取出物体的拓扑结构和关系
、
能够捕捉到物体之间的连接
、
接触
、
包含等重要的语义信息及可以提取出高级的特征，如孔洞
、
洞穴
、
隧道等拓扑结构，吸引了越来越多学者的研究，在边缘检测方面，传统的边缘检测方法大多根据梯度最大值或二阶过零点提取边界，这类采用微分法进行的边缘检测主要有
Roberts
算子
、Soble
算子
、Prewitt
算子
、Laplacian
算子
、Canny
算子等；还有基于变换方法的边缘检测，如：
Hough
变换边缘检测方法，小波变换边缘检测方法等；以及基于拟合方法的边缘检测和基于形态学方法的边缘检测，采用不同的检测方法处理后的图像所保留的边缘信息和丢失的细节信息各不相同，运用单一影像进行边缘检测很难获得满意的结果，
Canny
算子是抗噪声干扰和边缘精确定位之间的最佳折中方案；
Roberts
算子对细节边缘的检测较为敏感，可以提取出较细的边缘；
Sobel
算子对噪声具有一定的抑制作用，计算速度较快
。
[0004]另外，现有的三维造型重构方法中较为常用的有基于激光全息投影的三维图像重构方法和基于
RGB
‑
D
的室内场景实时三维重建算法，其中，前者采用空间扫描法对图像进行全域扫描，根据扫描结果建立三维空间坐标，运用该坐标绘制三维图像，实现三维图像的重建，实验结果表明，该方法的实现过程较为简单，但是由于在重构过程中未确定关键特征点，导致重建结果的偏差较大，匹配度较低，后者运用
RGB
‑
D
相机采集图像，对图像做角点检测，将深度信息作为约束条件，筛选出图像匹配点，获得相机的姿态估计结果，以此为基础生成三维点云，实现对室内场景的三维重建，实验结果表明，该方法具有可行性，但是存在收敛速度慢的不足，为此，提出基于拓扑分析与边缘检测融合技术的三维动漫
。

技术实现思路

[0005]本专利技术的目的在于提供基于拓扑分析与边缘检测融合技术的三维动漫，以解决上述
技术介绍
中提出的运用单一影像进行边缘检测很难获得满意的结果，且三维重建偏差较大
、
匹配度较低和收敛速度慢的问题
。
[0006]为实现上述目的，本专利技术提供如下技术方案：基于拓扑分析与边缘检测融合技术的三维动漫，包括以下步骤：
[0007]S1、
采用
HMDB51
开源数据集作为测试数据集，随机选择测试数据集中的视频数据，使用
Vega Prime
实现姿态仿真；
[0008]S2、
数据导入：将三维模型的数据导入到拓扑分析软件或库中，数据可以是以点云
、
三角网格或其他形式表示的几何数据；
[0009]数据清理：对导入的数据进行清理和预处理，这包括去除重复点
、
移除无效数据
、
修复孤立点等操作，以确保数据的准确性和完整性；
[0010]顶点识别：根据几何数据的特征，识别出模型中的顶点，顶点是模型中最基本的元素，通过识别顶点可以确定模型的基本结构；
[0011]边识别：根据顶点之间的连接关系，识别模型中的边，边是由两个相邻顶点组成的线段，通过边的识别可以确定模型的线结构；
[0012]面识别：根据边之间的连接关系，识别模型中的面，面是由三个或多个相邻边组成的平面区域，通过面的识别可以确定模型的面结构；
[0013]拓扑关系建立：根据顶点
、
边和面的识别结果，建立模型中点
、
线
、
面之间的拓扑关系；这包括确定相邻点之间的连接关系
、
边界边和内部边的区分，以及面之间的连接和包含关系；
[0014]拓扑分析：根据建立的拓扑关系，进行拓扑分析以提取模型的拓扑特征；这包括计算模型的欧拉数
、
检测模型中的孔洞
、
提取模型的边界等；
[0015]S3、
在获取三维动漫人物造型点
、
线
、
面结构的基础上，需要检测图像边缘，选用
Roberts
算子
、Soble
算子和
Canny
算子进行边缘检测，并对检测后的边缘图像进行融合；
[0016]S4、(1)
提取特征点，完成边缘检测融合的步骤，得到融合后的边缘图像，接下来对特征点进行提取，可以通过以下步骤实现：
[0017]①
对融合后的边缘图像进行二值化，将边缘像素设置为前景
(
白色
)
而非边缘像素设置为背景
(
黑色
)
；
[0018]②
选用
FAST
算法对二值化的边缘图像进行角点检测，得到特征点的坐标，
FAST(Features from Accelerated Segment Test)
是一种高速的角点检测算法，它通过检测像素点周围圆周上的强度变化来确定特征点，
FAST
特征点检测算法对于实时应用和大规模图像处理具有较高的效率；
[0019]③
对特征点进行进一步筛选和过滤；
[0020](2)
计算特征点的梯度值和梯度方向，明确特征点的位置后，将特征点的主方向作为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于拓扑分析与边缘检测融合技术的三维动漫，其特征在于：包括以下步骤：
S1、
采用
HMDB51
开源数据集作为测试数据集，随机选择测试数据集中的视频数据，使用
Vega Prime
实现姿态仿真；
S2、
数据导入：将三维模型的数据导入到拓扑分析软件或库中，数据可以是以点云
、
三角网格或其他形式表示的几何数据；数据清理：对导入的数据进行清理和预处理，这包括去除重复点
、
移除无效数据
、
修复孤立点等操作，以确保数据的准确性和完整性；顶点识别：根据几何数据的特征，识别出模型中的顶点，顶点是模型中最基本的元素，通过识别顶点可以确定模型的基本结构；边识别：根据顶点之间的连接关系，识别模型中的边，边是由两个相邻顶点组成的线段，通过边的识别可以确定模型的线结构；面识别：根据边之间的连接关系，识别模型中的面，面是由三个或多个相邻边组成的平面区域，通过面的识别可以确定模型的面结构；拓扑关系建立：根据顶点
、
边和面的识别结果，建立模型中点
、
线
、
面之间的拓扑关系；这包括确定相邻点之间的连接关系
、
边界边和内部边的区分，以及面之间的连接和包含关系；拓扑分析：根据建立的拓扑关系，进行拓扑分析以提取模型的拓扑特征；这包括计算模型的欧拉数
、
检测模型中的孔洞
、
提取模型的边界等；
S3、
在获取三维动漫人物造型点
、
线
、
面结构的基础上，需要检测图像边缘，选用
Roberts
算子
、Soble
算子和
Canny
算子进行边缘检测，并对检测后的边缘图像进行融合；
S4、(1)
提取特征点，完成边缘检测融合的步骤，得到融合后的边缘图像，接下来对特征点进行提取，可以通过以下步骤实现：
①
对融合后的边缘图像进行二值化，将边缘像素设置为前景
(
白色
)
而非边缘像素设置为背景
(
黑色
)
；
②
选用
FAST
算法对二值化的边缘图像进行角点检测，得到特征点的坐标，
FAST(Features from Accelerated Segment Test)
是一种高速的角点检测算法，它通过检测像素点周围圆周上的强度变化来确定特征点，
FAST
特征点检测算法对于实时应用和大规模图像处理具有较高的效率；
③
对特征点进行进一步筛选和过滤；
(2)
计算特征点的梯度值和梯度方向，明确特征点的位置后，将特征点的主方向作为特征点的方位参数，计算特征点
(u
，
v)
的梯度值和梯度方向；
(3)
选择关键特征点，关键点是一些十分突出的点，这些点不会因光照条件的改变而消失，比如角点
、
边缘点
、
暗区域的亮点以及亮区域的暗点，即关键点就是在不同尺度空间的图像下检测出的具有方向信息的局部极值点，为了寻找尺度空间的极值点
(
关键点
)
，每个像素点要和其图像域
(
同一尺度空间
)
和尺度域
(
相邻尺度空间
)
的所有相邻点进行比较，当其大于
(
或者小于
)
所有相邻的点时，该点就是极值点
(
关键点
)
；
(4)
关键点方向匹配，使用直方图统计领域内像素的梯度和方向，
①
确定计算描述子所需的图像区域，即区域圆半径；
②
在图像半径区域内对每个像素点求其梯度幅值和方向，以
45
°
为一个单位，将0°
～
360
°
分成8个柱，生成方向直方图；
③
在窗口宽度为
d*d(4*4)
的区域内计算8个方向的梯度直方图，绘制每个梯度方向的累加值，即可形成一个种子点，然后在下一个的
4*4
区域内进行直方图统计，共生成4个种子点；方向直方图的峰值则代表了该特征点处邻域梯度的方向，以直方图中最大值作为该关键点的主方向，为了增强匹配的鲁棒性，只保留峰值大于主方向峰值
80
％的方向作为该关键点的辅方向；
(5)
生成特征点描述符；
①

【专利技术属性】
技术研发人员：赵晓鸣，
申请(专利权)人：江苏尚匠文化传播有限公司，
类型：发明
国别省市：