【技术实现步骤摘要】
本申请实施例涉及计算机技术，尤其涉及一种三维模型的分割方法及装置。
技术介绍
1、在三维模型的贴图处理过程中存在一种展uv的技术，其中展uv是指将三维模型拆开从而展开成一个二维的平面图片，以使得三维模型的贴图效果更加真实。
2、其中三维模型的展uv处理通常包括两个步骤：分割和参数化，其中分割处理的效果决定了uv拆分的质量。目前，相关技术中在针对三维模型进行分割处理的时候，通常是将曲率较为接近的多个模型点确定为一个分割区域。
3、然而，模型点的曲率接近并不代表模型点属于三维模型的同一个部分，因此目前的实现方案存在三维模型的分割效果不佳的问题。
技术实现思路
1、本申请实施例提供一种三维模型的分割方法及装置，以克服三维模型的分割效果不佳的问题。
2、第一方面，本申请实施例提供一种三维模型的分割方法，包括：
3、针对三维模型的点云数据中的任一个模型点，在所述三维模型对应的至少一张采集图像中，获取包含所述模型点的目标图像，其中各所述采集图像对应于所述三维模型的拍摄视角各不相同；
4、确定所述模型点的三维特征向量，以及根据所述目标图像确定所述模型点的二维特征向量；
5、根据所述二维特征向量和所述三维特征向量进行融合处理，得到所述模型点所对应的融合特征向量；
6、根据各所述模型点各自对应的融合特征向量，将所述三维模型分割得到至少一个分割区域。
7、在一种可能的设计中，所述根据各所述模型点各自对应的融
8、根据各所述模型点各自对应的融合特征向量进行聚类处理，确定各所述模型点各自对应的聚类簇；
9、针对任一个所述聚类簇，将所述聚类簇所对应的模型点确定为一个目标点集合；
10、根据各所述聚类簇各自对应的目标点集合，将所述三维模型分割得到至少一个分割区域，其中所述分割区域为同一所述目标点集合中的模型点所组成的区域。
11、在一种可能的设计中，所述根据所述二维特征向量和所述三维特征向量进行融合处理，得到所述模型点所对应的融合特征向量，包括：
12、对所述三维特征向量进行空间映射处理，得到映射后的三维特征向量；
13、将所述二维特征向量和所述映射后的三维特征向量进行拼接处理，得到拼接特征向量；
14、将所述拼接特征向量输入第一全连接层，得到所述第一全连接层输出的第一中间特征向量；
15、根据注意力网络对所述第一中间特征向量进行处理，得到目标特征向量；
16、将所述目标特征向量输入融合解码器，以得到所述融合解码器输出的所述模型点所对应的融合特征向量。
17、在一种可能的设计中，所述注意力网络包括第二全连接层、概率处理单元以及元素乘处理单元；
18、所述根据注意力网络对所述第一中间特征向量进行处理，得到目标特征向量，包括：
19、将所述第一中间特征向量输入所述第二全连接层，得到所述第二全连接层输出的第二中间特征向量；
20、根据所述概率处理单元对所述第二中间特征向量进行处理，得到权重特征向量，所述权重特征向量用于指示所述第一中间特征向量中的各个元素各自对应的权重；
21、根据所述元素乘处理单元对所述第一中间特征向量和所述权重特征向量进行元素乘处理，得到所述目标特征向量。
22、在一种可能的设计中，所述在所述三维模型对应的至少一张采集图像中，获取包含所述模型点的目标图像，包括：
23、在所述三维模型对应的至少一张采集图像中，根据各所述采集图像各自对应的相机采集参数，确定各所述采集图像各自对应的拍摄区域，所述相机采集参数包括如下中的至少一种：相机位姿、缩放系数；
24、针对任一张所述采集图像，若根据所述模型点的坐标信息，确定所述模型点位于所述采集图像的拍摄区域中，则将所述采集图像确定为待选图像；
25、根据所述待选图像，确定包含所述模型点的目标图像。
26、在一种可能的设计中，所述根据所述目标图像确定所述模型点的二维特征向量，包括：
27、针对任一张所述目标图像，根据所述目标图像和所述点云数据的坐标映射关系以及所述模型点的坐标信息，在所述目标图像中确定与所述模型点相对应的目标像素点；
28、在所述目标图像中确定以所述目标像素点为中心的像素区域，并获取所述像素区域在所述目标图像中的坐标信息；
29、根据所述像素区域的坐标信息，在所述目标图像对应的图像特征向量中确定所述像素区域对应的部分特征向量；
30、根据各所述目标图像各自的像素区域所分别对应的部分特征向量进行池化处理，以得到所述模型点的二维特征向量。
31、在一种可能的设计中，所述方法还包括：
32、针对任一张所述采集图像，将所述采集图像输入至图像编码器，以得到所述图像编码器输出的所述采集图像的第一特征向量；
33、对所述第一特征向量进行反卷积操作，以得到所述采集图像的图像特征向量。
34、在一种可能的设计中，所述确定所述模型点的三维特征向量，包括：
35、将所述模型点输入至特征提取网络，以得到所述特征提取网络输出的所述模型点的三维特征向量。
36、第二方面，本申请实施例提供一种三维模型的分割装置，包括：
37、获取模块，用于针对三维模型的点云数据中的任一个模型点，在所述三维模型对应的至少一张采集图像中，获取包含所述模型点的目标图像，其中各所述采集图像对应于所述三维模型的拍摄视角各不相同；
38、确定模块，用于确定所述模型点的三维特征向量，以及根据所述目标图像确定所述模型点的二维特征向量；
39、融合模块，用于根据所述二维特征向量和所述三维特征向量进行融合处理，得到所述模型点所对应的融合特征向量；
40、处理模块，用于根据各所述模型点各自对应的融合特征向量，将所述三维模型分割得到至少一个分割区域。
41、在一种可能的设计中，所述处理模块具体用于：
42、根据各所述模型点各自对应的融合特征向量进行聚类处理，确定各所述模型点各自对应的聚类簇；
43、针对任一个所述聚类簇，将所述聚类簇所对应的模型点确定为一个目标点集合；
44、根据各所述聚类簇各自对应的目标点集合，将所述三维模型分割得到至少一个分割区域，其中所述分割区域为同一所述目标点集合中的模型点所组成的区域。
45、在一种可能的设计中，所述融合模块具体用于：
46、对所述三维特征向量进行空间映射处理，得到映射后的三维特征向量；
47、将所述二维特征向量和所述映射后的三维特征向量进行拼接处理，得到拼接特征向量；
48、将所述拼接特征向量输入第一全连接层，得到所述第一全连接层输出的第一中间特征向量；
【技术保护点】
1.一种三维模型的分割方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各所述模型点各自对应的融合特征向量，将所述三维模型分割得到至少一个分割区域，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述二维特征向量和所述三维特征向量进行融合处理，得到所述模型点所对应的融合特征向量，包括：
4.根据权利要求3所述的方法，其特征在于，所述注意力网络包括第二全连接层、概率处理单元以及元素乘处理单元；
5.根据权利要求1或2所述的方法，其特征在于，所述在所述三维模型对应的至少一张采集图像中，获取包含所述模型点的目标图像，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述目标图像确定所述模型点的二维特征向量，包括：
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
8.一种三维模型的分割装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，包括指令，当其在计算机上运行时，使
11.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一所述的方法。
...【技术特征摘要】
1.一种三维模型的分割方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各所述模型点各自对应的融合特征向量，将所述三维模型分割得到至少一个分割区域，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述二维特征向量和所述三维特征向量进行融合处理，得到所述模型点所对应的融合特征向量，包括：
4.根据权利要求3所述的方法，其特征在于，所述注意力网络包括第二全连接层、概率处理单元以及元素乘处理单元；
5.根据权利要求1或2所述的方法，其特征在于，所述在所述三维模型对应的至少一张采集图像中，获取包含所述...
【专利技术属性】
技术研发人员：梁军，
申请(专利权)人：神力视界深圳文化科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。