基于VR技術的家居陳列方法研究

李榕玲　張悅

摘 要： 為了優(yōu)化家居布局，改善家居陳列的合理性，結合虛擬現(xiàn)實的視景處理技術，提出一種基于VR技術的家居陳列方法。采用光學成像分析方法進行家居陳列的視覺特征采集，在3DStudio MAX平臺中建立家居陳列3D幾何模型，利用光線追蹤效果和家居的材料效果進行家居陳列的三維虛擬場景層次化結構設計，結合多邊形建模和紋理貼圖實現(xiàn)家居陳列優(yōu)化。仿真結果表明，采用該方法進行家居陳列的視覺效果較好，在家居裝飾中具有較好的應用價值。

關鍵詞： 虛擬現(xiàn)實； 家居陳列； 家居裝飾； 光線追蹤

中圖分類號： TN915.5?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）22?0095?03

Abstract： In order to optimize the layout of the household articles and improve the rationality of household articles exhibition， a household articles exhibition method based on VR technology is put forward in combination with the visual processing technology of virtual reality. The optical imaging analysis method is used to acquire the visual feature of the household articles exhibition. The 3D geometric model of household articles exhibition was established in 3DStudio MAX platform. The material effect of the household articles and ray tracing effect are utilized to perform the 3D virtual scene hierarchical structure design for the household articles exhibition. The polygonal modeling and texture mapping are combined to realize the optimization of household articles exhibition. The simulation results show that the method has perfect visual effect of household articles exhibition and high application value in home decoration.

Keywords： virtual reality； household article exhibition； home decoration； ray tracing

隨著人們生活品質的提高，生活和居住條件改善，對家居裝飾提出了更高的要求，家居裝飾行業(yè)和相關的設計技術也得到了不斷的發(fā)展。家居陳列是家居裝飾的重要組成部分，家居陳列是利用家居的材料、采光以及顏色進行綜合搭配的設計工程，傳統(tǒng)的家居陳列設計方法通常采用的是人工經(jīng)驗判斷方法，陳列的視覺效果和搭配合理性更多是取決于設計師的經(jīng)驗判斷，沒有形成一套智能判斷的專家信息[1]。隨著虛擬現(xiàn)實技術和視景仿真技術的發(fā)展，結合圖像色彩渲染技術進行家居陳列設計展示了較為廣闊的應用前景，對此，本文提出一種基于虛擬現(xiàn)實技術的家居陳列方法。在3DStudio MAX和標準的Creator編輯系統(tǒng)中進行家居陳列設計，并構建仿真模型，應用到家居裝飾實踐中。

1 總體設計構架

為了實現(xiàn)對家居陳列的優(yōu)化設計，采用虛擬現(xiàn)實視景仿真技術進行智能判斷，結合顏色特征分析和光學信息追蹤方法進行視覺優(yōu)化設計。首先需要進行家居陳列的視覺特征采集，智能家居陳列系統(tǒng)設計是一項系統(tǒng)工程，主要包括了對家居分布的顏色特征分析和光線特征分析，顏色分析包括了家具自身顏色、墻面顏色和采光角度等[2]。光影效果的設計主要通過多邊形建模、矢量建模、光線追蹤和實時渲染技術實現(xiàn)3D幾何建模和圖形分布設計，提高家居陳列的視覺感官效果。家居陳列VR系統(tǒng)的設計建立在3DStudio MAX，SoftImage，LightWave3D等計算機視覺分析和圖像處理軟件基礎上[3]，通過圖像處理和計算機視覺仿真分析，再現(xiàn)家居陳列的家具材質效果、逼真的光線追蹤效果以及顏色搭配效果。根據(jù)上述原理分析，構建本文設計的基于VR技術的家居陳列設計的總體構造模型如圖1所示。

2 3D幾何模型構建

2.1 家居陳列的視覺特征采集

根據(jù)圖1描述的總體設計流程圖，進行家居陳列方法VR設計的第一步是需要進行視覺特征采集，結合圖像分析處理方法進行虛擬視景仿真，在家居陳列分布域為[Ω]的空間內(nèi)采用光學成像技術進行圖像掃描，得到家居分布的像素信息[I（x，y）]。將成像區(qū)域劃分為兩個顏色空間互補的虛擬場景區(qū)域[R1]和[R2]，采用點匹配方法進行家居分布的視覺特征重構，點匹配模型描述為：

2.2 家居陳列的3D幾何建模

在3DStudio MAX平臺中建立家居陳列3D幾何模型，得到家居形狀特征提取的計算式描述為：

3 家居陳列VR建模實現(xiàn)

在上述進行了家居陳列的視覺特征采集和3D幾何模型重構的基礎上，進行家居陳列方法優(yōu)化設計，本文提出一種基于VR技術的家居陳列方法，在3DStudio MAX平臺進行虛擬現(xiàn)實視景仿真系統(tǒng)的開發(fā)設計，在可視化仿真應用系統(tǒng)中進行家居陳列的視景渲染，視景渲染是通過顏色特征提取對放置在陳列區(qū)域的家居進行應用（APP）、剔除（CULL）處理，生成一套完整的可視化視覺分析系統(tǒng)[6]，建立NIMADFAD （Ddigital Feature Analysis Data）數(shù)據(jù)庫，通過建立虛擬場景模型進行家居陳列的空間分布和顏色搭配的可行性分析。把家居陳列視景渲染過程分為如下三個階段：endprint

（1） 應用階段。在應用階段采用高度專業(yè)化的建模工具MultiGen Creator進行家居陳列分布的實體建模，把建模的層次按照家居3D特征分布的紋理信息、位置信息和顏色信息分為以下層次，分別為集合層次（Group Level）、對象層次（Object Level）、表面層次（Face Level）和頂點層次（Vertex Level） [7]。把三維數(shù)據(jù)庫中的顏色特征信息和家居的色彩搭配信息加載到VR仿真系統(tǒng)的應用層，通過邏輯篩選和優(yōu)先級控制，實現(xiàn)家居的顏色分布渲染，這一實現(xiàn)過程如圖2所示。

（2） 剔除階段。在剔除階段主要是把家居陳列中不合理的顏色信息邊界體和像素點進行合理剔除，使得分布的場景視點效果和視覺效果更好，通過判斷場景模型元素進行邏輯化和層析化的家居陳列布局設計，結合第2節(jié)給出的家居3D重構結果，實現(xiàn)家居陳列的層次結構簡化處理。

（3） 繪制階段。最后進行三維建模的色彩繪制，采用視景數(shù)據(jù)庫生成家居陳列的三維幾何模型，建立邏輯篩選程序、構建繪制優(yōu)先級列表，利用光線追蹤效果和家居的材料效果進行家居陳列的三維虛擬場景層次化結構設計，家居陳列VR仿真的3D繪制過程如圖3所示。

通過對家居陳列的視景渲染處理，進行紋理映射和實體建模，采用MultiGen Creator構建家居陳列分布的實體模型，在Face Tools中選擇面的類型[8]，結合多邊形建模和紋理貼圖實現(xiàn)家居陳列優(yōu)化。通過Insert Materials tool將選定的材質賦給模型，結合家居陳列的3D幾何建模處理算法，實現(xiàn)家居陳列的優(yōu)化設計，提高了家居陳列的整體視覺效果。

4 實驗測試分析

5 結 語

本文研究了家居優(yōu)化陳列設計問題，提出一種基于VR技術的家居陳列方法。采用光學成像分析方法進行家居陳列的視覺特征采集，在3DStudio MAX平臺中建立家居陳列3D幾何模型，利用光線追蹤效果和家居的材料效果進行家居陳列的三維虛擬場景層次化結構設計，結合多邊形建模和紋理貼圖實現(xiàn)家居陳列優(yōu)化。采用該方法進行家居陳列的視覺效果較好，在家居裝飾中具有一定的應用前景。

參考文獻

[1] 陸興華，吳恩燊，黃冠華.基于Android的智能家居控制系統(tǒng)軟件設計研究[J].物聯(lián)網(wǎng)技術，2015，5（5）：692?695.

[2] HUANG Y， PAISLEY J， LIN Q， et al. Bayesian nonparametric dictionary learning for compressed sensing MRI [J]. IEEE transactions on image processing， 2014， 23（12）： 5007?5019.

[3] SHEN L， SUN G， HUANG Q， et al. Multi?level discriminative dictionary learning with application to large scale image classification [J]. IEEE transactions on image processing， 2015， 24（10）： 3109?3123.

[4] 文政穎，王佳欣.基于小波分析的夜間色光背景圖像白平衡優(yōu)化算法[J].河南工程學院學報（自然科學版），2016，28（2）：70?75.

[5] 朱路，陳素華，劉江鋒，等.基于變密度稀疏采樣的微波輻射干涉測量反演成像方法[J].計算機應用研究，2015，32（4）：1236?1239.

[6] 肖淑蘋，賀毅岳.一種改進的EMD圖像信號去噪算法[J].現(xiàn)代電子技術，2016，39（16）：91?93.

[7] 張寶華，劉鶴.基于區(qū)域定位與輪廓分割的紅外目標檢測[J].激光技術，2015，39（6）：840?844.

[8] THIAGARAJAN J J， RAMAMURTHY K N， SPANIAS A. Learning stable multilevel dictionaries for space representations [J]. IEEE transactions on neural networks & learning systems， 2015， 26（9）： 1913?1926.endprint