基於二維影像輪廓重建之三維網格模型品質改善

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：70

、訪客IP：18.226.28.255

姓名

游竣燁(Chun-Yeh Yu) 查詢紙本館藏

畢業系所

機械工程學系

論文名稱

基於二維影像輪廓重建之三維網格模型品質改善

相關論文

★ 光纖通訊主動元件之光收發模組由上而下CAD模型設計流程探討	★ 汽車鈑金焊接之夾治具精度分析與改善
★ 輪胎模具反型加工路徑規劃之整合研究	★ 自動化活塞扣環壓入設備之開發
★ 光學鏡片模具設計製造與射出成形最佳化研究	★ CAD模型基礎擠出物之實體網格自動化建構技術發展
★ 塑膠射出薄殼件之CAD模型凸起面特徵辨識與分模應用技術發展	★ 塑膠射出成型之薄殼件中肋與管設計可製造化分析與設計變更技術研究
★ 以二維影像重建三維彩色模型之色彩紋理貼圖技術與三維模型重建系統發展	★ 結合田口法與反應曲面法之光學鏡片射出成型製程參數最佳化分析
★ 薄殼零件薄殼本體之結構化實體網格自動建構技術發展	★ Boss特徵之結構化實體網格自動化建構技術發展
★ 應用於模流分析之薄殼元件CAD模型特徵辨識與分解技術發展	★ 實體網格建構對於塑膠光學元件模流分析之影響探討
★ 螺槳葉片逆向工程CAD模型重建與檢測	★ 電腦輔助紋理影像辨識與點資料視覺化研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

輪廓法(Shape from silhouette)是一種簡單快速重建三維模型的技術，主要是透過一系列不同視角的物件二維影像來建立三維模型，由於僅利用影像外型輪廓資訊計算出三維模型在空間中的點雲資料，往往會因為影像內部資訊不足，得到不存在於實際物件上的頂點，導致在建立模型表面時產生了假面(Artifact)，其中又以無法得到資訊的模型底部最為嚴重，造成三維模型整體外觀與實際物件產生差異。本研究主要目的為發展一套基於輪廓法之三維模型品質改善的演算法，包含了三個主要流程，首先，透過在網格原始多邊形邊界與內部插入新頂點來建構三角網格，提升原始模型三角網格品質，接著利用拉普拉斯平滑化來去除模型上的假面同時也可以提升模型表面品質，而為了避免過度平滑導致模型失真，透過利用原始物件影像輪廓與模型投影輪廓的比對來保持模型的外型與特徵，使改善後的模型能更加接近實際物件。本研究最後將會以三個實際案例來驗證此演算法的正確性。

摘要(英)

The shape from silhouette (SFS) method is a simple and fast technique for reconstructing the three-dimensional (3D) model of an object from a series of two-dimensional images. It only employs the silhouettes of the object images to generate a set of cloud points describing the object surface. However, the problem is that it may result in some vertices that do not really exist on the object. Hence the resulting 3D model may have artifacts, indicating that the shape of the reconstructed model is different from that of the real object. The purpose of this study is to develop a method for improving quality of the SFS model. There are mainly three algorithms in the proposed method. First, a new triangulation algorithm is proposed for improving the quality of the triangular model obtained from the cloud points. The proposed algorithm mainly inserts new vertices for improving the occurrence of long-and-narrow triangles that might occur in the original method. Second, a Laplacian smoothing algorithm is employed for removing artifacts and improving the smoothness of the triangular meshes. Finally, to maintain the accuracy of the silhouette of the 3D model projected onto each image, an error controlling algorithm by comparing both silhouettes of the projected model and the image is proposed. The second and third algorithms are formulated as an iterative procedure for optimizing the 3D model. The final 3D model would be closer to the shape of the real object after the above-mentioned optimization process. Three object examples are employed for demonstrating the entire procedures and the feasibility of the proposed method.

關鍵字(中)

★ 輪廓法三維模型重建
★ 網格品質最佳化
★ 網格平滑化
★ 二維輪廓誤差改善

關鍵字(英)

★ Shape from silhouette
★ optimization of triangular meshes
★ mesh smoothing
★ error improving of two-dimensional silhouette

論文目次

摘要 I
Abstract II
目錄 IV
圖目錄 VI
表目錄 X
第一章緒論 1
1.1 前言 1
1.2 文獻回顧 2
1.2.1 網格優化 2
1.2.2 三維模型優化 4
1.3 研究目的與方法 6
1.3.1 研究目的 6
1.3.2 研究方法 7
1.4 論文架構 10
第二章多邊形點資料之三角網格建構 11
2.1 前言 11
2.2 多邊形基本定義與類型 11
2.3 簡單多邊形三角網格建構演算法 16
2.3.1 多邊形邊界插點三角網格建構 16
2.3.2 多邊形內部插點三角網格建構 24
第三章三維模型品質改善演算法 32
3.1 前言 32
3.2 三維模型品質改善演算法 32
3.2.1 三維模型網格重製 34
3.2.2 三維模型輪廓特徵拉力計算 42
3.2.3 三維模型平滑力計算 55
第四章結果與討論 61
4.1 前言 61
4.2 本研究多邊形點資料之三角網格建構結果分析 61
4.2.1 Rhino-網格品質檢測 61
4.2.2 結果驗證分析 63
4.3 本研究三維模型品質改善演算法結果分析 74
4.3.1 斑馬紋分析 74
4.3.2 模型外型輪廓與實際物件影像輪廓誤差分析 75
第五章結論與未來展望 99
5.1 結論 99
5.2 未來展望 100
參考文獻 101

圖目錄
圖1-1 網格優化流程，(a)原始三角網格，(b)Voronoi diagram，(c)CVT優化結果，(d)改善後三角網格[8] 3
圖1-2 尋找模型特徵點示意圖，(a)投影網格邊，(b)找尋顏色一致的頂點[11] 5
圖1-3 三維模型品質改善組織魚骨圖 9
圖2-1 簡單多邊形，(a)凸多邊形，(b)凹多邊形 12
圖2-2 非簡單多邊形，(a)退化多邊形，(b)自我重疊多邊形，(c)自我交錯多邊形 13
圖2-3 品質不良網格，(a)狹長網格，(b)退化網格 15
圖2-4 多邊形頂點性質 17
圖2-5 多邊形三角網格建構流程圖 19
圖2-6 網格建立之方式，(a)邊未插入頂點，(b)邊插入頂點 20
圖2-7 判斷多邊形頂點凹凸性質示意圖，(a)凸角點，(b)凹角點 22
圖2-8 凹多邊形轉換為多組凸多邊形示意圖，(a)原始凹多邊形，(b)分割後結果 23
圖2-9 多邊形三角網格建構流程示意圖，(a)剪耳法，(b)本研究方法 25
圖2-10 多邊形內部插點三角網格建構流程圖 29
圖2-11三種多邊形內插點類型示意圖，(a) θ≤90°，(b) 90°<θ≤150°，(c) θ>150° 30
圖2-12 多邊形網格化結果，(a)本研究之多邊形三角網格建構，(b)本研究之多邊形內部插點三角網格建構 31
圖3-1 SFS方法示意圖 33
圖3-2網格邊翻轉流程圖 35
圖3-3 網格邊翻轉示意圖，(a)翻轉前，(b)翻轉後 36
圖3-4 網格邊合併流程圖 38
圖3-5 網格邊合併示意圖，(a)合併前，(b)合併後 39
圖3-6 網格分割流程圖 40
圖3-7 網格分割示意圖，(a)分割前，(b)分割後 41
圖3-8 輪廓特徵力計算之流程圖 43
圖3-9 世界座標與相機座標轉換示意圖 44
圖3-10 投影點計算示意圖 47
圖3-11 電腦影像座標與影像座標轉換示意圖 49
圖3-12 邊界頂點2D平面移動距離示意圖 52
圖3-13 邊界頂點3D空間移動距離示意圖 53
圖3-14 平滑力計算之流程圖 56
圖3-15 無權重之拉式平滑化示意圖 57
圖3-16 三維模型品質改善演算法流程圖 59
圖3-17 三維模型品質改善結果，(a)物件照片，(b)原始模型，(c)改善後模型 60
圖4-1 測試之實際物件，(a)Kitty，(b)Shoe，(c)Horse 62
圖4-2 Kitty最小角度檢測結果，(a)原始剪耳法，(b)修改剪耳法，(c)本研究之邊界插點三角網格建構演算法，(d)本研究之內部插點三角網格建構演算法 65
圖4-3 Shoe最小角度檢測結果，(a)原始剪耳法，(b)修改剪耳法，(c)本研究之邊界插點三角網格建構演算法，(d)本研究之內部插點三角網格建構演算法 66
圖4-3 Horse最小角度檢測結果，(a)原始剪耳法，(b)修改剪耳法，(c) 本研究之邊界插點三角網格建構演算法，(d)本研究之內部插點三角網格建構演算法 67
圖4-5 Kitty展弦比檢測結果，(a)原始剪耳法，(b)修改剪耳法，(c)本研究之邊界插點三角網格建構演算法，(d)本研究之內部插點三角網格建構演算法 68
圖4-6 Shoe展弦比檢測結果，(a)原始剪耳法，(b)修改剪耳法，(c)本研究之邊界插點三角網格建構演算法，(d)本研究之內部插點三角網格建構演算法 69
圖4-7 Horse展弦比檢測結果，(a)原始剪耳法，(b)修改剪耳法，(c)本研究之邊界插點三角網格建構演算法，(d)本研究之內部插點三角網格建構演算法 70
圖4-8 斑馬紋圖形，(a)位置連續，(b)斜率連續，(c)曲率連續 76
圖4-9 Kitty斑馬紋分析結果，(a)原始模型，(b)改善後之模型 77
圖4-10 Shoe斑馬紋分析結果，(a)原始模型，(b)改善後之模型 78
圖4-11 Horse斑馬紋分析結果，(a)原始模型，(b)改善後之模型 79
圖4-12 Kitty原始影像 81
圖4-13 Kitty模型投影之影像 82
圖4-14 Kitty模型輪廓比對之影像 83
圖4-15 Kitty模型投影之影像輪廓與原始影像輪廓比較圖 85
圖4-16 Shoe原始影像 86
圖4-17 Shoe模型投影之影像 87
圖4-18 Shoe模型輪廓比對之影像 88
圖4-19 Shoe模型投影之影像輪廓與原始影像輪廓比較圖 90
圖4-20 Horse原始影像 92
圖4-21 Horse模型投影之影像 93
圖4-22 Horse模型輪廓比對之影像 94
圖4-23 Horse模型投影之影像輪廓與原始影像輪廓比較圖 96
圖4-24 改善後模型與原始模型比較圖 97

表目錄
表4-1最小角度檢測分析結果 72
表4-2展弦比檢測分析結果 73
表4-3 Kitty輪廓誤差分析結果 84
表4-4 Shoe輪廓誤差分析結果 89
表4-5 Horse輪廓誤差分析結果 95

參考文獻

[1] B. Mercier, and D. Meneveaux, “Shape from silhouette : image pixels for marching cubes”, Journal of World Society for Computer Graphics, Vol. 13, No. 3, pp.112-118, 2005.
[2] A. Laurentini, “The visual hull concept for silhouette-based image understanding”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 16, No. 2, pp.150–162, 1994.
[3] P. Sander, J. Snyder, S. Gortler, and H. Hoppe. “Texture mapping progressive meshes”, Computer Graphics (Proceedings of SIGGRAPH), pp. 409–416, 2001.
[4] 廖紘億，「自動相機校正與二維影像輪廓萃取研究」，國立中央大學碩士論文，2015年。
[5] W. Phothong, T.C. Wu, J.Y. Lai, D.W. Wang, C.Y. Liao, and J.Y. Lee, “Fast and accurate triangular model generation for the shape-from-silhouette technique”, Computer-Aided Design and Applications, Vol. 14, No. 4, pp. 436–449, 2016.
[6] T.C. Wu, J.Y. Lai, W. Phothong, D.W. Wang, C.Y. Liao, and J.Y. Lee, “Editable texture map generation and optimization technique for 3D visualization presentation”, Computer-Aided Design and Applications, Vol. 15, No. 3, pp. 378-389, 2018.
[7] H. Hoppe, T. DeRose, T. Duchamp, J. McDonald, and W. Stuetzle “Mesh optimization”, Computer Graphics (Proceedings of SIGGRAPH), pp. 19–26, 1993.
[8] D.M. Yan, B. Levy´, Y. Liu, F. Sun, and W. Wang, “Isotropic remeshing with fast and exact computation of restricted voronoi diagram”, Computer Graphics Forum, Vol. 28, No. 5, pp. 1445–1454, 2009.

[9] I.B. Semenova, V.V. Savchenko, and I. Hagiwara, “Two techniques to improve mesh　quality and preserve surface characteristics”, 13th International Meshing Roundtable, pp. 277–288, 2004.
[10] Y. Yemez, and F. Schmitt, “3D reconstruction of real objects with high resolution shape and texture”, Image and Vision Computing, Vol. 22,No. 13, pp. 1137-1153, 2004.
[11] G.K.M. Cheung, S. Baker, and T. Kanade, “Visual hull alignment and refinement across time: a 3D reconstruction algorithm combining shape-from-silhouette with stereo”, IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2003.
[12] A. Nealen, T. Igarashi, O. Sorkine, and M. Alexa, ”Laplacian mesh optimization“, Computer Graphics (Proceedings of SIGGRAPH), pp. 381–389, 2006.
[13] G. Taubin, “Curve and surface smoothing without shrinkage”, In Proceedings of the 5th International Conference on Computer Vision, 1995.

指導教授

賴景義(Jiing-Yih Lai)

審核日期

2018-9-14

推文