面向形狀理解的三維形狀統計分析技術

《面向形狀理解的三維形狀統計分析技術》是依託北京林業大學，由李紅軍擔任項目負責人的面上項目。

基本介紹

• 中文名：面向形狀理解的三維形狀統計分析技術
• 依託單位：北京林業大學
• 項目負責人：李紅軍
• 項目類別：面上項目

項目摘要

隨著三維獲取技術和三維內容套用的快速發展，海量三維內容給存儲、分析、檢索和新內容合成等相關研究帶來新的挑戰。近年來三維分析工作側重於局部特徵和全局特徵的計算。然而，由於低層特徵和高層語義之間的還有鴻溝，針對形狀理解的理論和套用研究還比較少。最新研究熱點是統計機器學習和三維內容分析和語義理解中的結合，我們希望加深這個結合。本項目研究三維形狀語義理解的三個關鍵問題：基於互信息的形狀複雜度計算、基於條件隨機場和主動模型的三維分割與標註、以及多級語義引導的三維形狀層次結構提取。在這三個關鍵問題研究的基礎上，本項目提出了基於三維形狀統計分析技術的三維形狀層次結構提取框架的研究方案。項目的技術創新有四點：衡量形狀複雜度的度量設計方法，三維形狀稀疏表示和主動形狀模型確定的形狀分割與標註方法，基於分級語義的三維形狀層次結構提取形狀，三維形狀離散結構變化的學習與組裝技術。

結題摘要

三維數據分析在3D列印、3D遊戲和電影、無人駕駛、智慧型監控等領域都有較好的套用前景。從技術層面看，三維模型的形狀分析和三維場景理解是這些套用得以深入的基礎研究。本項目按照任務書計畫，在預期研究內容取得了多個方面的進展：提出了基於藍噪聲採樣的隨機點雲的生成方法，為算法測試和方法評價提供了數據支撐；提出了基於互信息、信息熵和各向距離差異度的形狀複雜度的度量方法；提出了機率混合策略、基於條件隨機場與機器學習相結合的點雲分割/分類與標註方法；通過基於圓柱形狀檢索的樹枝結構提取方法以及基於分級粒子流技術的三維樹木重建方法，並用於植物動態生長模擬與生長過程可視化。在三維形狀複雜度度量、三維點雲模型的形狀特徵計算及其在三維分割與重建中的套用、基於分級語義的三維樹枝形狀結構提取與生長參數估計、三維植物模型的離散結構變化與組裝新植物模型並用於植物生長模擬方面有較好的突破與創新。依託本項目已經發表論文27篇，包括11篇國際期刊論文，6篇國內期刊論文和10篇國際會議論文。其中SCI檢索論文10篇，獲得會議論文最佳論文提名獎1篇。申請國家發明專利3個，其中已經授權1個。登記軟體著作權4個。培養碩博士研究生8人，其中獲評系統仿真學會的優秀博士論文1篇。項目組成員獲省部級和市級學術獎勵各1項。