汽車造型特征的高效圖像參數(shù)化重建.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，數(shù)字圖像信息便利了人們的生活。一些工業(yè)產(chǎn)品效果圖或草圖，在數(shù)字圖像處理技術(shù)的作用下對工業(yè)設(shè)計產(chǎn)生了積極影響。在汽車造型領(lǐng)域，快速的從車身效果圖或草圖重建出參數(shù)化模型，可以有效縮短汽車設(shè)計周期。在能夠真實的表達出原始汽車造型特點的前提下，如何高效率和高精度地從圖像中提取造型特征并完成模型重建是如今研究的熱點和難點。
　　本文對車身參數(shù)化模型進行了合理的定義，精確和完整的從汽車圖像中提取出造型特征信息。通過定位特

2、征線信息關(guān)鍵點，用三次貝塞爾曲線表示造型特征線，重建車身參數(shù)化模型。分析研究現(xiàn)有圖像邊緣檢測、輪廓檢測和特征匹配算法，組成最優(yōu)算法框架。
　　本文研究工作從以下三個方面展開:
　　(1)本文首先結(jié)合gPb特征檢測與基于Canny算子的輪廓提取算法，自動從圖像中提取汽車造型特征集。考慮到汽車圖像本身紋理、色彩、光照等因素的特殊性，采用分層提取思想，劃分不同的優(yōu)先級提取特征信息。利用Hough變換和Canny算子共同實現(xiàn)輪轂和輪

3、胎特征的檢測，對模型進行定位。
　　(2)檢測出的特征集信息大多是散亂的存儲在序列中，結(jié)合數(shù)據(jù)庫中參數(shù)化汽車造型特征模板，根據(jù)模板中已經(jīng)標(biāo)注出的關(guān)鍵點（每條特征線的初始和結(jié)束端點），利用形狀上下文算法，定位特征集中與目標(biāo)匹配的關(guān)鍵點。
　　(3)依據(jù)獲取的關(guān)鍵點將特征點集合進行模塊化分割，獲取每條特征線擬合所需的點信息。最后采用分而治之策略，對特征信息進行分段三次貝塞爾曲線擬合，實現(xiàn)從圖像到汽車二維參數(shù)化模型的重建。