[发明专利]一种基于GCN的3D建模优化方法

说明书

本发明涉及一种基于GCN的3D建模优化方法，采用全新逻辑设计，基于深度学习GCN模型对顶点状态判别、建立最大三角面连通域、重新生成三角面，在保证整体建模形状变化最小的情况下，先将多个三角面形成多边形面，再由多边形面转换为最少三角形面，由此实现对超高密度三角面进行压缩和精简，解决了3D建模过程中存在的“碎块化”、“破损面”等问题，降低了3D建模最终生成面，从而提升工作效率，优化了展示效果和减少了展示设备依赖，并且通过实验证明，该算法在智慧城市建设中至少可以优化减少60%以上的冗余三角面，因此本发明设计对大型３D建模，特别是“数据城市建模”非常有效。

技术领域

本发明涉及一种基于GCN的3D建模优化方法，属于3D建模优化技术领域。

背景技术

近年来，我国智慧城市建设正如火如荼，而人工智能、大数据、物联网等信息技术则是智慧城市建设的重要的支撑。智慧城市建设不仅能促进城市的发展，也有助于缓解“大城市病”，提高城镇化质量。其中三维重建技术作为数字孪生系统的核心建设力和全球智慧城市项目的推进器，在日新月异的采集设施更新和数字存储爆发式增长的大环境下，急切的需要聚焦深度应用等智能方案去完善和优化重建算法方案。

三维重建是指对三维物体建立适合计算机表示和处理的数学模型，是在计算机环境下对其进行处理、操作和分析其性质的基础，也是在计算机中建立表达客观世界的虚拟现实的关键技术。通常的三维重建方法是先对摄像机进行标定，即计算出摄像机的图象坐标系与世界坐标系的关系，然后利用多个二维图象中的信息重建出三维信息。

现有的三维重建方法是基于扫描后得到的点云构建三角面，而这些三角面的密度往往很大，导致后续存储、传输、显示和重构都将消耗大量的时间和计算机资源。因此，有必要提出一种三维重建优化算法和流程以解决上述问题。

发明内容

本发明所要解决的技术问题是提供一种基于GCN的3D建模优化方法，采用全新逻辑设计，在保证整体建模形状变化最小的情况下，能够有效降低其中的冗余三角面，降低了存储量，能够有效提高3D建模文件的实际应用效率。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于GCN的3D建模优化方法，基于已知其中各节点分别对应可删除标签或不可删除标签的3D建模样本存储文件，按如下步骤I至步骤II，获得3D建模节点分类模型；根据3D建模节点分类模型，按如下步骤A至步骤C，实现目标3D建模存储文件的优化；

步骤I.基于节点对应各预设特征类型的特征值所组成的特征向量组，分别针对3D建模样本存储文件中的各个节点，基于预设邻居节点采样阶数K，获得节点所对应的各阶邻居特征向量组；进而获得3D建模样本存储文件中各节点分别所对应的各阶邻居特征向量组，然后进入步骤II；

步骤II.基于3D建模样本存储文件中的各个节点，以节点所对应的各阶邻居特征向量组为输入，节点所对应的可删除标签或不可删除标签为输出，针对指定分类模型进行训练，获得3D建模节点分类模型；

步骤A.按步骤I的方法，获得目标3D建模存储文件中各节点分别所对应的各阶邻居特征向量组，然后进入步骤B；

步骤B.应用3D建模节点分类模型，获得目标3D建模存储文件中各节点分别对应可删除标签或不可删除标签，然后进入步骤C；

步骤C.基于目标3D建模存储文件中的各个三角面，根据目标3D建模存储文件中对应可删除标签的各节点，删除节点，并针对非三角面的多边形面执行三角面划分，更新目标3D建模存储文件中的各个节点与各个三角面。

作为本发明的一种优选技术方案：所述步骤I包括如下步骤I1至步骤I5；

步骤I1.以边的两端分别所对应节点构成的数组作为该边的表示，由获得3D建模样本存储文件中全部三角面上各条边的表示构成边集合E，然后进入步骤I2；