本文介绍一种基于3DSOM软件的实现
剪影方法
的空间三维模型重构。
本文根据空间三维建模的原理、基本操作和结果分析等，通过一些博客对其进行尽可能详细的介绍和实践。 首先，我们应该
剪影建模方法
开始； 本文基于3dsoftwareobjectmodeler(3dsom )软件，完全操作上述方法，并对结果进行分析。
本文使用的数据中包括了几幅土豆的多角度图像和圣诞老人蜡烛的多角度图像。 本论文使用的软件为3dsoftwareobjectmodeler(3dsom )4.2.7.4软件、Microsoft照片2023软件。
1背景知识通过建立准确的模型对不同事物的各种属性进行描述和表达，是现代科学探索事物自身发展、运行规律的普遍而重要的途径[1]。 随着计算机软、硬件技术的飞速发展，三维立体建模作为一种在数字空间中再现研究对象形状、位置、运动等属性的技术，在各个领域的研究中发挥着重要的作用。
本文第一部分——原理部分为
作物的三维信息获取
方法这个角度展开，重点综合讨论侧脸轮廓建模方法的原理及其操作步骤。
1.1三维信息获取方法从接触方式的角度来看，作物三维形态信息的获取可以分为接触式( Contact-)方法和非接触式( Contact-)方法。 根据相关文献[2]，对上述两种三维信息取得方法进行研究。
接触式方法根据采集过程，可进一步分为人工采集方法和三维数字化仪采集方法。 其中人工采集方法主要用于传统作物的几何形态测量，利用卷尺、量角器等工具，以手工和肉眼观察为主。 其观测方法的不准确导致研究效率低下，所得结果受主观因素的影响较大。 目前，人工采集方法使用较少，主要作为补充测量手段。
三维数字化仪采集主要是通过传感器记录和跟踪探测器在三维空间中的位置，实现目标的数字化。 其常用仪器有坐标测量机( Coordinate Measuring Machine，CMM )、机械臂式三维扫描仪和电磁式三维数字化仪等。 三维数字化仪采集与人工采集相比，效率相对仅为提高，但存在操作复杂、存取速度慢、无法获取目标表面纹理(探测器只能获取位置信息)等问题。 因此，在三维建模领域也没有发挥主要作用。
非接触式方法是随着计算机技术的飞速发展而产生的。 根据其测量原理，可进一步分为主动方法和被动方法。 其中，主动方法基于仪器主动发出的可控辐射(激光、超声波等，有时与主动遥感、被动遥感的定义相近)、目标的透射或反射特性，获取其三维空间特征。 根据放射源或计算原理，主动方法继续采用脉冲测距法、结构光和编码光法、计算机断层扫描( CT )和核磁共振成像( MRI )
被动方法不需要向目标物主动发射辐射，而只收集目标物反射的太阳辐射。 其所需的仪器比较简单，往往直接从目标物体对应的图像中，如本文剪影方法所需物体的多角度图像中提取信息，建立空间三维模型。 基于信息提取的信息源，被动方法分为单张图像法、立体视觉法、人脸轮廓法、运动图像法和分段切片复原法等。
上述方法或所需机器的从属关系如图1所示。
图1作物三维信息获取方法
1.2侧脸轮廓方法的原理及其流程在上述各类作物三维形态信息获取方法中，侧脸轮廓三维建模方法相对简便易行，运算速度快，稳定性高[2]，广泛应用于农业等领域。 采用了这种信息获取方法。 结合该方法的原理和具体操作流程，讨论如下。 剪影是物体投影在成像平面上的图像外形线[3]，是了解物体几何形状的重要线索[4]。 在以透视投影方式从多个视点观察某空间对象物的情况下，在与各视点对应的画面中，得到一条该物体的侧面轮廓线； 此处轮廓与对应的透视投影中心一起决定了三维空间中一个一般形状的锥体，观察对象物体位于该立体锥体内部。 这样，通过从各个方向增加对对象物体的观察视角的数量，对应的各个锥体的外形接近对象物体的表面，可以在空间上三维地可视化对象物体的外形特征。 由该锥体相交形成的空间包络被称为物体的可见壳[visualhull][5]。 为了获取更接近真实物体表面的可视壶，使三维建模效果更准确，往往需要从多个方向入手，获取大量的视角感知图像； 这就是剪影法的“多角度图像获取”步骤。 该步骤是本方法的基础数据源，后期对目标物体进行三维建模所需的信息均来源于上述多角度图像。 此外，多角度图像需要通过在拍摄时旋转物体或旋转照相机来实现不同方位画面的获取，并根据对象物体的视角改变方向和俯仰角； 然后，在进行三维建模时，需要将不同方向视点的图像关联并结合。 因此，各图像间的空间位置关系尤为重要。 为了实现该重要步骤，需要对获取的多角度图像进行“摄像机缩放”，确定与各图像相对应的摄像机的拍摄方位及其内部相关参数[3]。 摄像机定标有几种实现方法。 郑国威等[6]利用平面镜的反射特性等理论，提出了一种基于平面镜的摄像机内参标定方法； 曹煜等[3]对平面镜定标进行了改进，提出了一种基于成角平面镜装置的图像三维重建方法，通过几何方法实现摄像机标定； 利用标定的固定摄像机和标记点等标定装置进行辅助标定也是常用的摄像机定标方法[7]。 本文采用校准仪辅助摄像机定标方法，利用校准垫确定各多角度图像的拍摄方位(8)。 定标垫如图2所示。
图2 3D S.O.M .软件可伸缩垫由15组点集合组成，每个点集合包含4个点，呈放射状排列； 点分为大点和小点，根据大小分别表示不同的得分； 各点集合对应大点或小点的个数不一致。 也就是说，各点集合对应的得分不同，得分不同就可以确定不同点集合的分布情况。 3D S.O.M .软件根据各图像中不同点集合的位置，确定对应图像的拍摄方位，进而解决几个多边形图像的位置关系。 当图像被导入到3D S.O.M .软件中时，相机将自动执行缩放操作。 此外，每个多角度图像都需要去噪、畸变校正等基本的图像操作预处理过程。 结合前述锥体轮廓生成原理，3D S.O.M .软件采用“轮廓逼近、顶点分析、三角剖分”( SAVANT )方法建立模型。 首先，对采集的多角度图像进行屏蔽处理，选择各图像内的对象物体的位置，识别与对象物体无关的背景、缩放区域等； 根据各多边形图像对象物体部分信息，取得多个多边形近似轮廓，对每个近似轮廓赋予编号； 之后，根据多边形轮廓计算3个顶点，记录各顶点的信息； 最后，利用三角网，划分出完整的表面，刻画表面的细节[8]。 上面是剪影方法的“轮廓提取”和“顶点计算和可视壶生成”步骤的实现。 到目前为止，虽然生成了对象物体的外形轮廓模型，但是没有包含其具体的外观纹理信息。 其中，以土豆为例，得到的三角网格的体积模型如图3所示； 得到外表面如图4所示。 此外，在上述步骤中，从三角网格生成初始表面(体积)后，再加上体积优化、表面细化等进一步优化操作，可以得到最终的目标物体表面形态模型。
图3土豆三角网外表面
图4土豆未纹理映射外表面最终需要根据上述得到的三维表面轮廓模型对应的方位信息特征，结合不同多边形图像的方位信息，在三维模型表面进行纹理映射，从而使模型具有更多的可视化特征如图5所示。
图5土豆纹理映射执行外表面自动纹理映射后，部分目标物体表面区域可能还没有纹理，或者纹理可能有明显的跳跃等现象； 这大多是因为在拍摄多角度图像时，由于没有拍摄一部分角度而导致信息丢失。 针对该问题，可以使用对应的图像来在丢失相关纹理信息的方向上执行纹理的手动匹配，从而补充细节纹理信息。 剪影方法的具体操作流程如图6所示。
图6剪影方法流程
2三维建模2.1土豆三维建模本部分以土豆为例，给出了利用3D S.O.M .软件通过侧脸轮廓法建立三维模型的具体流程。 同时，本文操作中出现的或值得思考的问题、存在的不足等探讨附于本文第三部分。
2.1.1将多角度图像导入3D S.O.M .软件，单击" file "" new project "在弹出的文件选择窗口中选择马铃薯多角度图像，然后选择"打开" 要打开现有模型文件，请在上面的“文件”下选择“打开”。
2.1.2图像覆盖图像覆盖可以用两种方法完成： 一个是通过“Processing”菜单栏的“Mask All Images”模块进行统一覆盖，另一个是直接访问单张图像“Edit Masks”界面，进入“Auto Mask”模块两者在具体的掩饰效果上没有区别，选择后者后，掩饰阈值控制栏会自动打开。 下图的左侧是执行第一个掩码方法后的接口，右侧是执行第二个掩码方法后的接口。
覆盖时，请勿处理对象物的上、下图像。 这样的图像覆盖后，与其他正常的覆盖图像混合参与建模，注意不要出现结果错误或模型缺失。
操作过程中，可以及时保存成果，避免软件崩溃带来的不便。 缺省格式保存为"som "文件。 此文件包含多角度图像及其覆盖、建模等所有信息。
在改善自动覆盖结果的过程中，可分别按“Round Brush”和“Outline curve”的对错划分进行修正。 在个人实际操作中，两种修改工具各有——“Round Brush”的优缺点，发现一些零散小错误点区域的修改效率高，但比较容易接触到无错误区域。 (即，将土豆表面错误地修正为非土豆表面)； 另一方面，在后者的情况下，“轮廓俱乐部”法采用圈定区域的方式进行修正，因此虽然便于修正存在较大错误的区域，但画圈的过程本身整体上比较费时间，散布的错误区域的修正效率不及前者。 下图分别显示了“Round Brush”的修正方法和“Outline curve”的修正方法。
对除顶部和底部图像外的所有多角度图像执行同样的操作，并完成所有覆盖任务。
2.1.3在表面生成和优化3D S.O.M .软件中，单击processinggenerate surface，然后在弹出的选项窗口中选择第一个“线框生成” 此界面包含三个选项，然后是“优化曲面”和“细分曲面放置”。 在生成曲面的过程中，必须按顺序执行与上述三个选项相对应的步骤。 其中，未生成原外表面进行优化时，得到的土豆表面可见明显的尖锐部分，类似“刀痕”； 优化表面后，观察到相应的尖锐区域明显缓解，突出部减弱。 由此可见，优化表面的步骤对得到的模型进行了适当的平滑处理。 下图显示了优化前土豆表面的两个尖锐部分(前面两幅图)和优化后的结果(后面两幅图)。
此外，在执行表面生成和优化步骤时，3D S.O.M .软件会显示视图在操作过程中及时变化，从而使用户可以根据建模过程中物体表面的变化实时调整。 例如，暂停或停止程序的执行。 这个特征和我的专家前期接触到的很多相关软件( ArcMap、ENVI等)不同。 下图是执行曲面优化时的屏幕快照。 在执行时明确了原本尖锐的区域变得平滑了。
最终得到的优化后的表面生成结果如下所示。 得到的最终结果与原来的土豆形状非常接近，其上的尖锐部分足够光滑，视觉上也特别真实。
2.1.4纹理映射将原始目标物体的表面颜色、形状分布等特征映射到前述步骤中获得的表面模型。 在3D S.O.M .软件中，单击processinggeneratetexturemaps，放置相关参数后即可开始自动纹理映射。 可以看到，在纹理映射操作的执行过程中，土豆模型的表面也实时发生了变化。 其变化以区域为单位，每当纹理映射或调整时，区域整体往往会发生变化(例如在土豆某个方向的表面瞬间整体出现纹理)。 根据该变化规律，3D S.O.M .软件的纹理映射也同样，当基于多角度图像的方位信息和如上所述地得到的模型的现有位置信息，将某个方向的摄影图像的纹理映射到与该方向对应的表面模型的位置时另一方面，后续纹理的手动匹配操作也可以证明这一可能性。 纹理映射完成后，得到具有表面纹理信息的土豆空间三维模型； 但受摄影角度等因素的影响，马铃薯纹理的上部和底部存在一定的缺失和突变等，分别如下图所示。
显然，需要解决上述纹理错误。 如上所述，多角度图像中与顶部镜头和底部镜头对应的图像参与建模； 其作用之一是自动生成纹理后，模型表面细节或被遮挡区域的纹理优化。 选择顶部或底部图像，右键单击并选择“对齐图像”( Align Images )选项，该图像和生成的模型将同时显示在窗口中。 当图像中的土豆和模型土豆在位置、角度等方面一致时，可以确定自动纹理映射操作。 此外，“自动纹理映射”模块还提供了许多操作选项。 关于这些操作选项的尝试和结果的比较，附于本文的第三部分。 操作完成后，分别观察土豆模型顶部和底部纹理的情况，可以看出原本突兀的缺口和突变都得到了解决，整体效果良好。
2.1.5模型检测通过上述步骤成功获得了具有表面纹理特征的土豆空间三维模型。 此时，还可以进一步检查模型以查看表面是否存在明显的体积错误或纹理缺失等问题。 在检查过程中，个人得到的结果发现土豆尖的位置有缺口。 找出与角度对应的图像，进行手动纹理匹配。 虽然所得结果有了一定程度的改善，但这种缺失依然存在。 我个人认为，这个问题可能是覆盖过程中个别区域覆盖过多造成的。
2.1.6结合模型的定性描述和所得模型，尝试进行一定的定性描述。 在外形方面，本文得到的模型呈较细长的椭圆形，整体规整(具体形状随模型观察角度的不同有一定变化)； 与椭圆长轴两端对应的位置，如下图所示，显示出一端粗、一端细的分布特征。 上述特点与市场上常见的土豆非常接近。
表面纹理的特征是，得到的模型整体颜色为土黄色，没有观察到青绿色、微绿等不健康的颜色，说明新鲜可食用。 其中许多区域颜色较浅(但也有部分颜色较深的小区域)，但另一侧相对较深； 表面分布着许多黑斑，许多黑斑面积小，但也有个别面积大的黑斑。 长期潮湿的土壤填埋、薯类复种导致的疫病等都有可能引起马铃薯发黑，是正常现象； 本模型对应马铃薯黑点总体良好，但其小面积黑点数量总体较多，食用时需注意。 另外，从表面纹理、平滑等角度可以看出，土豆在拍摄多角度图像前经过一定的清洗，没有土壤颗粒等垃圾。 因此下图是土豆表面整体颜色较暗、黑斑较多的区域。
2.1.7模型定量描述用测量工具定量描述土豆模型的尺寸。 在3D S.O.M .软件中，单击" model tools "" measure model "可以用鼠标在模型中选择要测量的点，自动求出相应的距离。 需要注意的是，软件的自动距离测量取决于所选缩放垫的尺寸。 因为这个土豆的多角度影像不是我自己拍摄的，所以我也还没有取得拍摄时对应的缩放半径的大小，所以对于土豆模型的测量没有变更单位长度。
结果表明，在默认单位距离条件下，该土豆空间三维模型的长(椭圆形对应的长轴)为78.71mm，宽(椭圆形对应的短轴)为37.41mm。 当然，这里每单位距离的定量数值还没有确定，没有实际意义。 在接下来的2.2节中，对个人自由选择的物体进行空间三维建模后，测量的尺寸数据都进行了单位长度的修正，具有实际意义。
2.2圣诞老人蜡烛三维模型制作本部分，以第二个例子——圣诞老人蜡烛为例，给出了利用3D S.O.M .软件采用剪影法制作三维模型的全部具体流程。 同时，操作中出现的问题、存在的不足等探讨附于本文第三部分。 另一方面，在制作圣诞老人蜡烛模型之前，在土豆上详细介绍了模型的制作、软件的使用等，所以这部分内容比前者的说明要简洁。
2.2.1多边形图像的获取和引入侧脸轮廓法建模时，对物体的外形特征、拍摄光和角度等有一定要求。 在确定使用圣诞老人蜡烛进行空间三维建模之前，要考虑不同的物体(包括不同的颜色、不同的外形、不同的大小等)、不同的拍摄环境(包括接近窗户、远离窗户等)、不同的照明条件)纯日照、台灯光源包括手电筒光源等)等照片的建模，并根据最终得到的拍摄图像效果、图像覆盖效果等选择与圣诞老人蜡烛对应的多角度图像进行后续操作。
其中，在对象物的选择、拍摄环境的选择、实际拍摄中，有很多需要注意的地方。 在对象物体选择中，需要注意物体不要太细或太复杂，没有或很少透明的部分，或者太大而无法隐藏大部分的坐标焊盘点集合信息； 在选择拍摄环境上，必须注意背景(因为在家里完成了正文，暂时找不到幕布般的背景) )不能过于繁杂。 特别是与对象物体的颜色具有很强的区分度，朝向对象物体的光必须足够。 拍摄过程中，需要控制目标物体与缩放垫之间的位置不相对移动。 此外，图像应该包含尽可能多的缩放垫点的集合。 圣诞老人蜡烛的多角度图像拍摄结束后，将其导入软件。 下图(其中只列出一部分图像)。
下图是圣诞老人蜡烛对应的图像的一部分。
2.2.2图像掩码根据本文第2.1节所示方法，对引入的圣诞老人蜡烛多边形图像进行图像掩码。 或许是因为家庭成像不如实验室专业设备成像，个人选择的物体多边形图像自动覆盖效果不如上述土豆等作物，图像中面积较大的区域需要使用“Round Brush”和“Outline curve”工具处理其中，自动覆盖效果比较好的图像如下。
2.2.3表面生成和优化图像覆盖完成后，采用前述方法对圣诞老人蜡烛图像分别进行线框生成、表面优化和细分表面放置。 考虑到此次自选物体的图像拍摄和掩饰效果比上述土豆稍差，在执行表面生成和优化步骤时，也担心得到的效果不充分。 你可以看到随着程序的执行，圣诞老人的模型出现了。 下图是初始曲面的结果。
下图是生成和优化曲面的结果。
下图是生成、优化和细分曲面的结果。
上述初始表面已具有一定的圣诞老人形态，但可见其表面尖锐较多； 优化后去除明显的尖锐部分或突变部分，但仍存在一定数量的尖锐地带； 最终细分后，模型外表面不合理的凹槽被完全平滑，进一步加深了圣诞老人的原有形态。
2.2.4纹理映射基于上述方法，纹理映射多角度图像(包括上下图像)圣诞老人蜡烛模型。 结果如下图所示。 在此，我们将软件View Model的背景颜色更改为蓝紫色。
2.2.5模型的定性描述是根据所得模型的最终结果，对其进行定性描述。 在颜色方面，模特的颜色非常鲜艳，红色大衣、绿色手套、青色礼包、黄色脸颊和皮带扣、白胡子和头发、黑色皮带和皮鞋等都表现得非常明显。 另外，还可以注意到圣诞老人形状的反射程度很明显。 其理由之一是，原来的物体是蜡烛，自身本来的光反射很明显； 二是拍摄时个人打开手电筒作为光源，导致照片出现反光区域。 与此同时，在圣诞老人身体部位的侧方和后方，部分区域出现颗粒状、不均匀的颜色分布趋势； 推测该问题一方面是由于该物体的颜色分布本来就不均匀引起的，另一方面也与摄影时的照明条件有关。 在形状方面，可以看到脸颊、胡子的摆动、衣服的配置等细节被清晰地描绘出来。 但是，同样在身体旁边(右侧手臂下，如下图)会出现一定的模糊部分。 对于该模糊，由于个人位于手臂之下，所以在多角度图像中拍摄具体信息； 由于底部图像脚底很大，视野被遮挡，也无法获取圣诞老人手臂下的信息。
2.2.6模型定量描述在此同样利用尺子工具对圣诞老人模型进行定量描述。
如上所述，测量模型时，必须首先确定要使用的比例单位长度。 在测量中，拍摄圣诞老人的图像时，发现触摸板的半径长度对应83.2mm，所以要在软件中读取该数据后进行测量。 测量结果表明，圣诞老人蜡烛空间三维模型高度(上蜡烛芯至底部皮鞋)为82.07mm，宽度)左手礼包至右手)为52.81mm，厚度)前胸位置至背部位置)为41.07mm。
3问题与思考上述操作部分已经列举了自己在一些实践过程中的思考和理解，本部分将对上述未提及的问题进行探讨。
3.1底部图像的位置移动问题如前所述，多角度图像在拍摄时不允许目标物体和定标垫之间相对移动。 拍摄物体底部，往往需要改变物体的位置，比如土豆朝下的一面朝上翻转，或者把圣诞老人的蜡烛倒置等。 这看起来不满足相对位置不移动的要求。 针对该问题，调查相关资料后，由于上部和下部的图像不属于"多边形图像"的范畴，所以不要求相对位置的限定。 另外，如果进一步考虑，就会发现使用上部和下部的图像进行纹理的手动匹配时，需要手动调整图像中目标物体与现有模型的相对位置——。 这一步骤可以认为是从几个角度对顶部或底部图像进行了“人工”缩放。 要求所述多角度图像的相对位置一定是因为软件需要根据与定标垫的位置关系自动进行定标。 因此，可以说明包含上面图像的下面的图像没有必要使相对位置一定的理由。 正因为如此，当我意识到圣诞老人的蜡烛不能自己倒立后，我试图用手协助自己倒立，但软件没有错。
3.2上下图像建模使用土豆进行空间三维建模时，我尝试不去除上下图像，将其纳入建模图像范围； 我想观察此操作可能会导致什么错误结果，但软件没有报告错误，并且发现生成的模型没有异常。 针对这个问题，目前，在掩饰的过程中，个人并不是直接选择所有图像的整体掩饰，而是——，也就是说，最终参与建模的图像与掩饰的多角度图像和没有被掩盖的顶部图像和瓶子建模时，软件可能不会直接考虑未覆盖的上下图像，或者软件也会考虑上下图像，但由于未覆盖，程序无法从这些图像中获取有用信息。 结果是没有错误的建模结果。
3.3阈值对掩饰效果的影响问题调整掩饰阈值控制条，发现阈值大小与掩饰效果似乎没有绝对关系。 例如，实际上，在很多情况下，要复盖的阈值控制条越大，复盖过度的可能性就越高，对象物体被视为非对象物体的可能性就越高，反之亦然； 而在土豆图像中，增大控制条反而可以获得较好的土豆图像覆盖结果，减小阈值控制条则土豆被过度覆盖，只剩下支撑框架。 如下图所示，左图对应大阈值控制条，右图对应小阈值控制条。
关于这个问题，目前还不完全清楚； 但是，个人认为，这是由于算法、阈值和与该土豆图像相对应的像素分布特征被综合而引起的。
3.4下盖和上盖热点区域问题对一些多边形图像进行自动覆盖时，下盖和上盖现象经常发生。 操作中发现，出现这种问题的区域是接近目标对象且与目标对象的颜色相似的区域，如下所示：
由此可知，3D S.O.M .软件的掩饰算法应该利用邻近像素之间的像素差及其关系等来实现。
3.5纹理手动匹配定位问题本文多次运用纹理手动匹配操作。 在匹配之前，必须调整相应图像与创建的模型之间的位置关系。 此过程适用于软件中的许多选项或配置。 尝试这些选项。 首先，界面包含" Guess Orientation "选项。 结合英语解释和实际操作情况，该选项个人扫描图像与模型之间最可能的位置关系，保存最近的位置关系，便于用户选择两者最匹配的空间位置。 如果图像和模型的位置相差很大，则无法选择此选项。 如下图所示。
如果两者的位置相对一致，则可以选择此选项。 如下图所示。
其次，该步骤还包括“优化配置”选项。 即使结合英语说明和操作的实际情况，个人也认为这个选项是为了让用户在将图像和模型组合后，根据图像完善模型的几何形状。 相应的三个选项中的每一个都允许用户选择更准确的几何对象，并根据用户的选择进行相应的调整。 这是因为用于手动匹配纹理的图像更准确，现有模型更准确，且两者都一样准确。 如下图所示，可以看出图像中的土豆轮廓优于现有模型的表达，因此选择第一个选项； 如果随后的纹理匹配出现问题，则可能会基于图像中的几何体轮廓进行替代。
此选项下的“Start”应是一个按钮，用于自动确定图像和模型几何效果更好。 如下图所示，图像和模型几乎完全缝合在一起； 执行" Start "后，程序自动选择了" the same "选项。
此外，放置完成后，弹出窗口中显示的操作不仅可以改善纹理匹配，还可以同时改善几何体的表面，如下图所示。 这可能表明上述优化配置选项已针对模型进行了优化。
3.6多角度图像的横向、纵向状态问题本文在实践过程中发现，由于使用手机拍摄多角度图像，一些图像可能与其他图像尺寸不一致，特别容易出现图像横向、纵向状态不一致的问题。
修改照片属性或使用Windows照片APP进行编辑都没有效果。 然后，在从未出现过大小异常的图像的Project中，选择任意图像进行替换后，发现替换图像适合该Project的原始大小，如下图所示。
如果将此旁边的图像替换为纵向图像“test.jpg”，则可以看到进入Project的“test.jpg”会自动变为横向图像。
如果Project在创建后显示了大小异常的图像，则此方法无效。 如下图所示，如果已经包含纵向图像(打了叉的3张图像)，无论如何置换，进入的图像都不会自动横向调整。
3.7模型底部隆起问题制作圣诞老人蜡烛模型后，发现得到的模型下部(圣诞老人的脚)有一点隆起的部分。 下图的红线内部。
个人认为，该现象的原因在于，在拍摄多角度图像的过程中，身体下侧的角度的拍摄不充分，因此利用软件对圣诞老人的底部进行建模的情况较多，在底部产生了一定的偏移针对这个问题，目前已经发现了两种解决方法。 首先，可以使用“Alignment”根据其侧脸图像手动修改模型表面。 (如本文第3.5段)； 然后，可以通过组合“编辑几何”模块“移动剪辑平面”和“剪辑模型”来执行底部凸起部分的裁剪。 首先，关于上述第一种解决方法，我们个人进行了尝试，使用圣诞老人蜡烛侧脸的图像调节模型表面，其建模效果似乎确实发生了变化，但这个效果非常不明显。 ——怀疑，它改变的可能只是自己的心理作用。 推测这个结果也是因为我的摄影照片的整体角度太高(俯角大)造成的。 因此，随后打算利用上述第二种解决方法。 但发现该解决方案比第一种方法确实更能明显实现模型底部突出部分的裁剪。 (下图)； 但是，在执行裁剪操作后，必须使用“裁剪模型”功能对模型应用裁剪，单击“裁剪模型”会自动清除表面纹理，如果不单击“裁剪模型”，则. 在重新生成纹理的过程中，我的软件总是在执行5%左右的操作时瞬间停止，然后强制退出。 多次尝试，但未解决此纹理映射时强制退出的错误。
除了上述操作外，目前还未找到模型底部凸部的第三种解决方案。 虽然这个问题没有得到很好的解决，但我们加深了对拍摄角度对侧脸轮廓方法影响的认识。 原理简单，多角度图像拍摄角度、照片数量、质量等影响物体轮廓的物体侧脸轮廓是该三维模型重建方法的核心。 因此，模型的最终外观与多角度图像的拍摄状况密切相关。
参考文献[1]帘指出，应龙，谢毓湘，等.三维建模技术研究进展[J] .计算机科学，2008(02 ) 208-210.[2]张建，李宗南，张楠，等.基于实测数据华中农业陈秀宏.基于侧脸轮廓的图像三维重建方法[J] .计算机工程，2012，38 ( 05 ( 224-226.[4]刘钢，彭群生， 鲍虎军.基于图像建模技术的研究综述与展望[J] .计算机辅助设计与图形学报2005(01 ) 18-27.[5] laurenti nia.thevisualhullconceptforsilhouettebassia . ieetransactionsonpatternanalysisandmachineintelligence，1994，16 (2) 150-162.[6]郑国威，高满屯， 董巧英.基于平面镜的摄像机内参数线性标定方法[ 2006(28 ) 86-88.[7]谷月霞，张维忠，王晓燕，等.基于未标定图像的三维重建算法( j ) .计算机工程，2010，36 ( 08 ) lyoou taylorr.3ds.o.m .——acommercialsoftwaresolutionto 3d scanning [ j ].graphical models，2005，67 (6) 476-495。
