本發(fā)明屬于計(jì)算機(jī)輔助與設(shè)計(jì)領(lǐng)域，具體的說是一種基于擴(kuò)散模型的點(diǎn)云三維線框生成方法。

背景技術(shù)：

1、在計(jì)算機(jī)輔助與設(shè)計(jì)領(lǐng)域中，三維線框作為初步設(shè)計(jì)的重要表達(dá)形式，對(duì)于物體的結(jié)構(gòu)和布局有著直觀的展示作用。然而，現(xiàn)有的三維線框生成方法依賴手工制作或者簡單的算法生成，存在著效率低下、準(zhǔn)確性不足的問題。手工制作三維線框是設(shè)計(jì)師長期以來使用的方法。這種方法的優(yōu)點(diǎn)在于設(shè)計(jì)師可以根據(jù)自己的經(jīng)驗(yàn)和審美進(jìn)行靈活創(chuàng)作，生成個(gè)性化的設(shè)計(jì)。然而，手工制作耗時(shí)耗力，尤其在處理復(fù)雜結(jié)構(gòu)時(shí)更是如此。此外，手工繪制的精度很大程度上依賴于設(shè)計(jì)師的技能水平，容易出現(xiàn)誤差。

2、隨著三維計(jì)算機(jī)視覺技術(shù)的發(fā)展，研究人員開始探索將先進(jìn)技術(shù)應(yīng)用在三維線框生成任務(wù)上。現(xiàn)有的先進(jìn)技術(shù)包括基于點(diǎn)云卷積神經(jīng)網(wǎng)絡(luò)、基于transformer以及基于神經(jīng)輻射場等。這些技術(shù)在提取三維線框方面表現(xiàn)出色，通過處理三維點(diǎn)云數(shù)據(jù)和其他幾何信息，可以獲得完整的三維線框。然而，這些技術(shù)主要集中于提取現(xiàn)有模型的線框特征，而不是生成線框。近年來，擴(kuò)散模型在二維圖像生成領(lǐng)域取得了巨大的成功。盡管如此，將擴(kuò)散模型應(yīng)用于三維線框生成領(lǐng)域的研究卻很少見。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明是為了解決上述現(xiàn)有技術(shù)存在的不足之處，提出一種基于擴(kuò)散模型的點(diǎn)云三維線框生成方法，以期能實(shí)現(xiàn)對(duì)三維線框的高效生成，從而能顯著提高三維線框的生成質(zhì)量和效率。

2、本發(fā)明為達(dá)到上述發(fā)明目的，采用如下技術(shù)方案：

3、本發(fā)明一種基于擴(kuò)散模型的點(diǎn)云三維線框生成方法的特點(diǎn)在于，是按如下步驟進(jìn)行：

4、步驟1、構(gòu)建三維線框數(shù)據(jù)集；

5、從三維點(diǎn)云數(shù)據(jù)集中提取對(duì)應(yīng)的三維線框，并記為無向圖g＝(v,e)，其中，v＝{v1,...,vi,...,vj,...,vn}表示無向圖g中的頂點(diǎn)坐標(biāo)集合，表示無向圖g中的邊集合，vi表示第i個(gè)頂點(diǎn)坐標(biāo)，表示第i個(gè)頂點(diǎn)坐標(biāo)vi與第i個(gè)頂點(diǎn)坐標(biāo)vj所連接邊，并記為第s條邊，若第i個(gè)頂點(diǎn)坐標(biāo)vi與第i個(gè)頂點(diǎn)坐標(biāo)vj之間存在邊，則令否則，令n表示頂點(diǎn)的數(shù)量，m表示邊的數(shù)量；

6、步驟2、構(gòu)建向量和掩碼矩陣；

7、構(gòu)建維度為m×2的連接向量c＝{c1,...,cs,...,cm}，cs表示c中的第s個(gè)元素，若則令cs＝[i,j]；

8、構(gòu)建維度為n×2的索引向量u，并初始化u為全1向量；

9、構(gòu)建維度均為n×n的邊掩碼矩陣em、自掩碼矩陣sm和全連接掩碼矩陣fm；其中，所述邊掩碼矩陣em用于標(biāo)識(shí)邊的兩個(gè)頂點(diǎn)vi和vj之間是否存在連接，若存在，則令em中第i行第j列的元素emi,j＝1；否則，令emi,j＝0；

10、所述自掩碼矩陣sm用于標(biāo)識(shí)同一頂點(diǎn)之間的自連接，令sm中第i行第i列的元素smi,i＝1；其余元素均為0；

11、所述全連接掩碼矩陣fm用于標(biāo)識(shí)所有頂點(diǎn)之間存在的連接關(guān)系，令全連接掩碼矩陣fm為全1矩陣；

12、步驟3、構(gòu)建基于注意力機(jī)制的三維線框生成擴(kuò)散模型，包含一個(gè)噪聲擴(kuò)散網(wǎng)絡(luò)和反向去噪模型；

13、步驟3.1、所述噪聲擴(kuò)散網(wǎng)絡(luò)是對(duì)頂點(diǎn)坐標(biāo)集合v逐步添加t次高斯噪聲z，從而利用式(1)得到t次添加后的頂點(diǎn)噪聲坐標(biāo)集合pt：

14、

15、式(1)中，是t次添加噪聲后的參數(shù)；且αx表示第x次添加噪聲的參數(shù)；

16、步驟3.2、所述反向去噪模型用于對(duì)pt進(jìn)行處理，得到第t-1次添加后預(yù)測的頂點(diǎn)坐標(biāo)集合

17、步驟3.3、通過式(4)構(gòu)建第t次訓(xùn)練的損失函數(shù)losst：

18、

19、式(5)中，為中預(yù)測的第i個(gè)噪聲值，為中預(yù)測的第i個(gè)頂點(diǎn)坐標(biāo)；

20、步驟3.4、將t-1賦值給t后，返回步驟3.2順序執(zhí)行，直至t＜1為止，從而迭代訓(xùn)練t次反向去噪模型，得到最優(yōu)反向去噪模型并輸出消除t次噪聲后預(yù)測頂點(diǎn)坐標(biāo)集合

21、步驟4、生成和優(yōu)化三維線框；

22、步驟4.1、根據(jù)預(yù)測頂點(diǎn)坐標(biāo)集合和無向圖g中邊集合e生成新的無向圖

23、步驟4.2、將無向圖的頂點(diǎn)坐標(biāo)集合還原為三維線框的頂點(diǎn)坐標(biāo)，將無向圖的邊集合e還原為三維線框的連接線，從而生成初始三維線框；

24、步驟4.3、將無向圖中度數(shù)為3的頂點(diǎn)之間的最短路徑構(gòu)成開放曲線；將由無向圖中度數(shù)全為2的頂點(diǎn)之間的最長路徑組成閉合曲線，其中，所述度數(shù)是指與頂點(diǎn)相連的邊的數(shù)量；

25、步驟4.4、設(shè)置度數(shù)判定原則為開放曲線上非曲線端點(diǎn)的頂點(diǎn)度數(shù)只能為2，閉合曲線上所有頂點(diǎn)度數(shù)只能為2；

26、設(shè)置夾角判定原則為開放曲線和閉合曲線上相連的頂點(diǎn)之間的夾角不能小于85度；

27、保留符合所述度數(shù)判定原則和夾角判定原則的開放曲線和閉合曲線上的頂點(diǎn)，從而得到優(yōu)化后的開放曲線和閉合曲線；

28、步驟4.5、通過三次樣條插值法擬合優(yōu)化后的開放曲線和閉合曲線，從而生成最終三維線框。

29、本發(fā)明所述的一種基于擴(kuò)散模型的點(diǎn)云三維線框生成方法的特點(diǎn)也在于，所述反向去噪模型包括：連續(xù)去噪模型和離散去噪模型；

30、步驟3.2.1、所述連續(xù)去噪模型通過式(2)得到第t次的連續(xù)嵌入向量

31、

32、式(2)中，linear表示線性層，norm表示歸一化層，1(i)表示頂點(diǎn)坐標(biāo)的索引i的獨(dú)熱編碼，1(s)表示邊的索引s的獨(dú)熱編碼；

33、步驟3.2.2、所述連續(xù)去噪模型對(duì)和em、sm、fm進(jìn)行處理，輸出第t次添加后預(yù)測的噪聲從而通過式(3)計(jì)算第t-1次添加后預(yù)測的頂點(diǎn)噪聲坐標(biāo)集合

34、

35、式(3)中，αt表示第t次添加噪聲的參數(shù)；

36、步驟3.2.3、所述離散去噪模型通過式(4)得到第t次的離散嵌入向量

37、

38、式(4)中，pos2int表示二進(jìn)制數(shù)轉(zhuǎn)換函數(shù)；

39、步驟3.2.4、所述離散去噪模型對(duì)進(jìn)行處理，從而輸出第t-1次添加后預(yù)測的頂點(diǎn)坐標(biāo)集合

40、所述步驟3.2.2中的連續(xù)去噪模型包括：連續(xù)特征嵌入層、三層transformer網(wǎng)絡(luò)層：

41、步驟a、所述連續(xù)特征嵌入層用于得到

42、步驟b、將輸入第一層transformer網(wǎng)絡(luò)層，所述transformer網(wǎng)絡(luò)層包括三個(gè)注意力層、一個(gè)殘差連接層、一個(gè)歸一化層和一個(gè)前饋網(wǎng)絡(luò)層；其中，三個(gè)注意力層分別為邊注意力層、自注意力層和全連接注意力層；

43、邊注意力層、自注意力層和全連接注意力層分別輸入邊掩碼矩陣em，自掩碼矩陣sm和全連接掩碼矩陣fm，并和進(jìn)行注意力計(jì)算，相應(yīng)得到第t次邊注意力結(jié)果自注意力結(jié)果全連接注意力結(jié)果

44、通過殘差連接層得到第t次的殘差嵌入向量后，再將依次通過歸一化層和前饋網(wǎng)絡(luò)層的處理后，得到第t次的輸出向量

45、步驟c、將步驟b的輸出作為下一層transformer網(wǎng)絡(luò)層的輸入，最終通過三層transformer網(wǎng)絡(luò)層得到預(yù)測的噪聲從而通過式(3)得到pt′-1。

46、所述步驟3.2.3中的離散去噪模型包括：離散特征嵌入層、兩層transformer網(wǎng)絡(luò)層和線性層，

47、步驟a、所述離散特征嵌入層用于得到

48、步驟b、兩層transformer網(wǎng)絡(luò)層依次對(duì)進(jìn)行處理后，再輸入所述線性層中進(jìn)行處理，從而得到

49、本發(fā)明一種電子設(shè)備，包括存儲(chǔ)器以及處理器是如式征在于，所述存儲(chǔ)器用于存儲(chǔ)支持處理器執(zhí)行所述點(diǎn)云三維線框生成方法的程序，所述處理器被配置為用于執(zhí)行所述存儲(chǔ)器中存儲(chǔ)的程序。

50、本發(fā)明一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器運(yùn)行時(shí)執(zhí)行所述點(diǎn)云三維線框生成方法的步驟。

51、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：

52、1、本發(fā)明所提出的一種基于擴(kuò)散模型的點(diǎn)云三維線框生成方法，通過噪聲擴(kuò)散網(wǎng)絡(luò)逐步添加噪聲，并用基于注意力機(jī)制的三維線框生成擴(kuò)散模型進(jìn)行去噪，能夠準(zhǔn)確生成頂點(diǎn)坐標(biāo)，并結(jié)合無向圖來生成和優(yōu)化最終的三維線框，實(shí)現(xiàn)了對(duì)三維線框的高效生成，從而克服了現(xiàn)有的三維線框生成方法通常依賴手工繪制或簡單的算法，存在著效率低下、準(zhǔn)確性不足的問題。

53、2、本發(fā)明提出的基于注意力機(jī)制的三維線框生成擴(kuò)散模型，有效地結(jié)合了邊注意力、自注意力和全連接注意力，實(shí)現(xiàn)了從噪聲中預(yù)測頂點(diǎn)坐標(biāo)集合。本發(fā)明提出的三維線框生成擴(kuò)散模型的自動(dòng)化和高效性減少了人工干預(yù)，提高了生成效率，并且具備處理多種復(fù)雜結(jié)構(gòu)的靈活性，適用于廣泛的應(yīng)用場景。

54、3、本發(fā)明提出的生成和優(yōu)化三維線框方法，通過度數(shù)判定和夾角判定原則優(yōu)化頂點(diǎn)位置，避免了斷裂和不連續(xù)問題，增強(qiáng)了線框的結(jié)構(gòu)合理性。最終使用三次樣條插值法擬合優(yōu)化后的曲線，生成的三維線框更加平滑和完整，提升了線框的整體質(zhì)量和實(shí)用性。