【技術實現步驟摘要】
本公開涉及計算機程序和系統領域，更具體地，涉及一種用于在表示房間的輸入3d場景中自動定位表示真實對象的輸入3d對象的方法、系統和程序。
技術介紹
1、在市場上提供了許多系統和程序，用于對象的設計、工程和制造。cad是計算機輔助設計(computer-aided?design)的縮寫，例如，它涉及用于設計對象的軟件解決方案。cae是計算機輔助工程的(computer-aided?engineering)的縮寫，例如，它涉及用于仿真未來產品的物理行為的軟件解決方案。cam是計算機輔助制造(computer-aidedmanufacturing)的縮寫，例如，它涉及用于定義制造過程和操作的軟件解決方案。在這樣的計算機輔助設計系統中，圖形用戶界面在技術效率方面起重要作用。這些技術可以嵌入到產品生命周期管理(plm)系統中。plm是指一種商業策略，它幫助公司在橫跨擴展企業概念的范圍內，共享產品數據、應用通用流程、并利用公司知識以進行產品從概念到其生命盡頭的開發。由達索系統(dassault?systèmes)(商標為catia、simulia、delmia和enovia)提供的plm解決方案提供了工程中心(組織產品工程知識)、制造中心(管理制造工程知識)和企業中心(實現企業集成并連接到工程中心和制造中心)。整個系統提供了鏈接產品、過程和資源的開放的對象模型，以實現動態的、基于知識的產品創建和決策支持，從而驅動優化的產品定義、制造準備、生產和服務。
2、在此背景下，3d場景補全(3d?scene?completion)的應用程序
3、為了解決此問題，大多數現有解決方案都包括對于要添加到3d場景中的新物品進行位置預測的步驟。參照下文的現有技術參考文獻列表，在這些方法中，有幾個使用如參考文獻[1、2、3]的深度學習算法，其他使用如參考文件[4、5]的數據驅動和優化技術，以及其他使用如參考文獻[6]的依賴于手動設計的規則的流程化方法。
4、參考文獻[1]和[2]中描述的方法使用神經網絡來預測之前預測的要添加到3d場景中的物品的位置。在參考文獻[1]中，神經網絡將要添加的對象的類別、房間的自上而下視圖圖像和添加的對象必須遵守的一些空間約束(例如，添加一臺電視，約束是它必須放在床前)作為輸入。如果約束不適合或無法滿足(例如，如果床在窗戶或衣柜前面，則電視不可能放在床前)，則此方法效果不佳。在參考文獻[2]中，神經網絡將要添加的對象的類別和房間的自頂向下視圖圖像作為輸入。參考文獻[1]和[2]中的兩種方法都使用第二個神經網絡來預測要添加的對象的朝向。
5、參考文獻[3]中描述的方法使用transformer神經網絡來補全3d場景。transformer預測要添加到場景中的對象的特征，四個屬性提取器(mlp網絡)精確地按順序預測其類、位置、朝向和尺寸。如果約束對象的類，則能夠預測其位置、朝向和尺寸，然后從目錄中選擇屬于給定的類且尺寸最接近的對象，并將其添加到在場景中預測的位置和方向。
6、參考文獻[1，2，3]中描述的方法僅考慮對象的類別，而不考慮3d模型本身，這增加了對其使用的限制。例如，取決于類的定義的精細程度，它可能無法區分臺燈與落地燈、壁燈或吸頂燈，因此預測出這些對象的位置不合適。此外，它們都依賴于神經網絡，這可能限制在應用程序中的集成和部署。實際上，基于深度學習的算法要求部署特定的基礎架構。
7、參考文獻[4]中描述的方法使用遺傳算法根據手動定義的室內設計kpi(例如，動線或對齊)來優化3d房間內3d家具件的布局。此方法使用手工定義的規則和kpi，并且計算時間可能相當長。此方法因此不適合用于終端用戶應用程序，且不適合用于可能會隨著新類別或對象的加入而不斷演變的家具目錄。
8、參考文獻[5]中描述的方法使用基于圖(graph-based)的方法，用給定的一套3d家具件為3d房間配備家具。它將對象編組在一起，并使用樣板(template)計算組內對象的相對位置。樣板是使用數據驅動方法，基于家具類(class)在3d場景數據集中的相對位置獲得的。組(group)在3d房間中的位置是使用優化算法來計算的。因為它考慮用于樣板計算的家具類，所以它依賴于家具的精確注釋。
9、最后，參考文獻[6]提出一種用于基于手工制定規則的3d場景生成的流程化方法。具體地，數據集中的每個3d家具都用其類、尺寸和依賴類的位置規則(例如，“在地板上”對于沙發，或“在對象上”對于盤子)進行精確注釋。樣板是為用于在室內場景中常見的家具類的組(例如，桌子周圍的四把椅子)手動設計的。然后，若干組對象被迭代地采樣并放置在3d房間中。此方法在很大程度上依賴于在家具類尺度上定義的手工制定規則和樣板，這與以前的方法存在相同的缺點。
10、現有技術參考文獻列表：
11、[1]wang,k.,lin,y.,weissmann,b.,savva,m.,chang,a.x.,&ritchie,d.(2019).planit:planning?and?instantiating?indoor?scenes?with?relation?graph?andspatial?prior?networks.acm?trans.graph.,38,132:1-132:15.
12、[2]ritchie,daniel,wang,kai,et?lin,yu-an.fast?and?flexible?indoorscene?synthesis?via?deep?convolutional?generative?models.in:proceedings?ofthe?ieee?conference?on?computer?vision?and?pattern?recognition.2019.p.6182-6190.
13、[3]despoina?paschalidou,amlan?kar,maria?shugrina,karsten?kreis,andreas?geiger,sanja?fidler.2021.atiss:autoregressive?transformers?for?indoorscene?synthesis.neurips2021.
14、[4]peter?kan?and?hannes?kaufmann.2017.automated?interior?design?usinga?genetic?algorithm.in?proceedings?of?vrst2017,gothenburg,sweden,november2017,10pages.
15、[5]yang?l.,zhang?s.,zhang?s.,xie?w.,fu?h.(2本文檔來自技高網...
【技術保護點】
1.一種用于在表示房間的輸入3D場景中自動定位表示真實對象的輸入3D對象的計算機實現的方法，所述輸入3D場景包括多個已定位的3D對象，所述多個已定位的3D對象包括已定位的家具3D對象，每個所述家具3D對象表示真實的一件家具，所述方法包括：
2.根據權利要求1所述的方法，其中，所述預設的一個或多個相互布置關系集包括鄰接關系和/或垂直疊加關系。
3.根據權利要求1或2所述的方法，其中，所述數據集中的所述對包括：包括裝飾對象與家具對象的對。
4.根據權利要求1至3中任一項所述的方法，其中，所述數據集中的所述對包括：包括裝飾對象與另一裝飾對象的對。
5.根據權利要求1至4中任一項所述的方法，其中，對應每個輸出的對確定(S40)所述對應的位置包括：
6.根據權利要求5所述的方法，其中，對應每個輸出的對，關于該輸出的對中每次出現的第一真實對象與第二真實對象的相對定位的信息包括每次出現所對應的相對定位，所述方法還包括，對應每個輸出的對進行相對定位(S41)之前，對所述對中出現的對象的相對定位進行高斯混合模型參數擬合，所述相對定位(S4
7.根據權利要求1至6中任一項所述的方法，其中，每個輸出的對具有高于預設數量的計數。
8.根據權利要求1至7中任一項所述的方法，其中，所述數據集中的每個房間與由所述輸入3D場景表示的房間屬于相同類型。
9.根據權利要求1至8中任一項所述的方法，其中，對應每個輸出的對，對應該輸出的對而確定的所述輸入3D對象在所述輸入3D場景中所述對應的位置與所述輸入3D場景中的多個已定位的3D對象中的任何其他3D對象沒有沖突。
10.根據權利要求1至9中任一項所述的方法，其中，所述一個或多個輸出的對包括若干個輸出的對，所述方法還包括：在定位之前，用戶選擇所述一個或多個輸出的對中的一個，從中定位所述輸入3D對象。
11.根據權利要求1至9中任一項所述的方法，其中，所述一個或多個輸出的對包括若干個輸出的對，所述方法還包括：在定位之前，根據在所述數據集中所述輸出的對的計數對所述輸出的對進行排名，用于從中定位所述輸入3D對象的輸出的對是具有最高排名的對。
12.根據權利要求1至11中任一項所述的方法，其中，所述方法還包括：在定位(S50)所述輸入3D對象之后，顯示(S60)所述定位的輸入3D對象。
13.一種計算機程序，包括用于執行權利要求1-12中任一項所述的方法的指令。
14.一種計算機可讀存儲介質，其上記錄有權利要求13所述的計算機程序。
15.一種系統，包括耦合到存儲器的處理器，所述存儲器上記錄有權利要求13所述的計算機程序。
...【技術特征摘要】
1.一種用于在表示房間的輸入3d場景中自動定位表示真實對象的輸入3d對象的計算機實現的方法，所述輸入3d場景包括多個已定位的3d對象，所述多個已定位的3d對象包括已定位的家具3d對象，每個所述家具3d對象表示真實的一件家具，所述方法包括：
2.根據權利要求1所述的方法，其中，所述預設的一個或多個相互布置關系集包括鄰接關系和/或垂直疊加關系。
3.根據權利要求1或2所述的方法，其中，所述數據集中的所述對包括：包括裝飾對象與家具對象的對。
4.根據權利要求1至3中任一項所述的方法，其中，所述數據集中的所述對包括：包括裝飾對象與另一裝飾對象的對。
5.根據權利要求1至4中任一項所述的方法，其中，對應每個輸出的對確定(s40)所述對應的位置包括：
6.根據權利要求5所述的方法，其中，對應每個輸出的對，關于該輸出的對中每次出現的第一真實對象與第二真實對象的相對定位的信息包括每次出現所對應的相對定位，所述方法還包括，對應每個輸出的對進行相對定位(s41)之前，對所述對中出現的對象的相對定位進行高斯混合模型參數擬合，所述相對定位(s41)包括在由所述擬合的參數的高斯混合模型表示的分布中進行采樣。
7.根據權利要求1至6中任一項所述的方法，其中，每個輸出的對具有高于預設數量的計數。
8.根據權利要求1至7中任一項...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。