基于體素的三維形體部件分割.pdf

1、進入21世紀后，多媒體技術獲得了巨大的發(fā)展，而其中以三維數(shù)字模型和三維場景技術為代表的三維信息技術正在逐步成為影響人們生活、工作和娛樂的主流媒體技術?？茖W技術的增長與信息采集設備的便易性更促成了三維數(shù)據(jù)的分工，從面信息中分離出來的體信息在三維重建及可視化、建模與圖形的檢索、運動軌跡追蹤、場景數(shù)字化、數(shù)據(jù)壓縮、形體分割等正發(fā)揮著越來越重要的作用。而在眾多應用中，模型各部分的語義及幾何信息的需求使得模型的體分割，尤其是部件分割，受到越來越多

2、的關注。然而當前大部分的模型分割算法都是基于面的，基于體的分割算法為數(shù)不多。因此，本次從基于體的角度進行形體分割，具有重要的理論意義與實用價值。
　　本文首先系統(tǒng)介紹了當前基于面和體的三維形體部件分割方法，這些方法由于提取特征與分割準則的不同對不同模型呈現(xiàn)優(yōu)劣各異的分割效果。隨后我們對基于面信息的三維網(wǎng)格進行體素化：我們首先利用插值法對三維網(wǎng)格進行表面體素化，然后再對內部體素進行填充從而完成整個體素化過程。其次，我們利用傳統(tǒng)的邊界

3、傳播算法提取形體的中軸骨骼；與傳統(tǒng)骨骼細化算法不同的是我們在中軸提取過程中，記錄每層體素所刪減的順序，提出了用于描述形體“厚”、“薄”特性的最大迭代深度MID（Maximum Iterative Depth）與最小迭代深度MIID（MInimum Iterative Depth），并用MIID進行去噪、剪枝，最終得到理想骨骼。第三，我們利用最大迭代深度MID對“薄”壁形體與“非薄”壁形體進行自動初分割，并利用基于PCA主成分分析法與累加