论文部分内容阅读
近些年，随着三维模型、交互式虚拟环境及游戏场景等在内的数字三维内容不断丰富，对这些内容进行有效观察及管理的需求变得十分迫切。目前人们主要通过二维手段观察和操作这些三维内容。因此，如何将三维内容通过二维显示手段有效展示给用户就变得十分关键，而对场景中的虚拟摄像机的观察质量和关注度进行度量是解决这一问题的关键。在针对单个三维模型的处理方面，本论文主要研究如何对其观察视点的质量进行量化，并根据量化结果选择恰当的模型代表视点，或者将结果应用于模型摆正当中。在三维交互场景方面，本论文提出一种不依赖硬件的用户关注度测量方法，有利于解决关注度测量时准确度和复杂性之间的矛盾。本论文的主要贡献和创新点归纳如下: (1)提出一种基于显著度分割的三维模型视点质量评分方法。在众多三维模型视点评分方法当中，基于结构化分解的方法更容易获得可信的评分结果。这些方法都需要将模型进行分割，并使用经验值为每个分块赋予重要度权重，但这并不一定能真实反映分块的重要度。为此，本论文提出一种新的基于分块的视点评分方法来解决这个问题。将衡量人眼视觉感知的网格显著度引入进来，将其作为模型分块及分块重要度的计算依据。这样，可以只利用模型的几何结构来自动获取带有视觉重要度的模型分块结果，并将其作为视点评分的基本计算单元，实验结果表明，这种方法对视点的评分更符合人眼的观察习惯。 (2)提出一种结合视觉感知与信息量的视点质量评分方法。传统的视点评分方法存在的问题是，要么计算时间冗长，要么结果很难符合人类观察习惯。对此，本文提出一种基于视觉感知信息量的快速视点评分方法。首先，将计算相对简单的平均曲率作为度量三维物体视觉特征的要素。然后，结合信息熵理论，对视点进行评分，使那些能看到尽可能多重要特征且所见特征分布较广的视点分数较高。最后，将这种评分策略应用于最优视点集的计算当中，利用信息理论对视点集获取信息进行量化，以确保利用最少数目的视点来有效认知三维物体。实验结果表明，该方法得到的视点分数及最优视点集质量与目前最好的方法相当，但本论文方法计算速度更快，且无需人工交互。 (3)提出一种基于视点评分的三维模型摆正方法。三维模型摆正方向的确定，有利于模型对齐、功能恢复等应用。但已有方法只关注于人造模型的处理，且多数还需要人工干预，工作效率不高。本论文提出一种可同时处理人造模型和自然模型的方法，具有很好的适应性。这主要是基于以下的观察:无论是人造模型还是自然模型，其底部往往是表面内容很贫乏的区域;而那些主要观察这些区域的视点，其视点评分一般很低。因此，根据视点评分，就能有效地找出模型的底部朝向，即模型的摆正方向。为提高计算的可靠性，进一步引入了物体摆放稳定性和人们观察物体习惯性的度量。实验表明，新方法能有效处理各种模型，即便在处理人造模型时，也能很好地处理一些已有方法难以处理的情况，并且有很好的计算效率。 (4)提出一种虚拟场景漫游中用户关注度的内隐测量方法。使用眼动仪等硬件是测量用户关注度的主要方式，但其可靠性差、复杂度高且价格昂贵，导致其难以有效应用于三维漫游场景中。本论文提出了一种易于嵌入到虚拟场景中的用户关注度软件测量方法，将用户操作虚拟摄像机漫游场景看作关注度内隐表达过程，通过物体相对摄像机中心的距离、遮挡情况和投影面积，结合观察时间对用户的关注度进行量化。论文利用大量用户学习的方式验证了这一关注度测量方式的准确性，并将其应用于游戏场景物体的量化评估中，获得了较好的效果。