CN104008571B - 基于深度相机的人体模型获取方法及网络虚拟试衣系统 - Google Patents

基于深度相机的人体模型获取方法及网络虚拟试衣系统 Download PDF

Info

Publication number
CN104008571B
CN104008571B CN201410259542.0A CN201410259542A CN104008571B CN 104008571 B CN104008571 B CN 104008571B CN 201410259542 A CN201410259542 A CN 201410259542A CN 104008571 B CN104008571 B CN 104008571B
Authority
CN
China
Prior art keywords
model
human body
depth
depth camera
depth image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410259542.0A
Other languages
English (en)
Other versions
CN104008571A (zh
Inventor
肖振中
许宏淮
刘龙
黄源浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Orbbec Co Ltd
Original Assignee
Shenzhen Orbbec Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Orbbec Co Ltd filed Critical Shenzhen Orbbec Co Ltd
Priority to CN201410259542.0A priority Critical patent/CN104008571B/zh
Publication of CN104008571A publication Critical patent/CN104008571A/zh
Priority to PCT/CN2015/079449 priority patent/WO2015188685A1/zh
Priority to US15/317,830 priority patent/US10217293B2/en
Application granted granted Critical
Publication of CN104008571B publication Critical patent/CN104008571B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20—Image signal generators
    • H04N13/257—Colour aspects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20—Image signal generators
    • H04N13/282—Image signal generators for generating image signals corresponding to three or more geometrical viewpoints, e.g. multi-view systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/16—Cloth
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2012—Colour editing, changing, or manipulating; Use of colour codes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Signal Processing (AREA)
  • Architecture (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明涉及一种基于深度相机的人体模型获取方法及网络虚拟试衣系统。所述方法包括：步骤S1：在模特人体表面生成覆盖所述模特人体表面的、用于确定所述模特人体表面特征的标志点，同时，通过深度相机从多个角度采集所述模特人体的深度图像，从而获得覆盖所述模特人体表面的、包含所述标志点的深度图像序列；步骤S2：对所述深度图像序列中的各帧深度图像进行目标深度信息点云网格重建；步骤S3：根据重建后的各帧深度图像中的标志点，将重建后的各帧深度图像拼接成所述模特人体的三维模型。与现有技术相比，本发明提供的基于深度相机的人体模型获取方法及网络虚拟试衣系统，可获取准确的人体三维模型及服装三维模型，并据此进行虚拟试衣，获得真实的试穿效果。

Description

基于深度相机的人体模型获取方法及网络虚拟试衣系统
技术领域
本发明涉及三维模型技术领域，尤其涉及一种基于深度相机的人体模型获取方法及网络虚拟试衣系统。
背景技术
在服装工业领域，采用虚拟试衣系统可以让顾客在最短时间内浏览不同服装的试穿效果，同时也可帮助服装设计师积累更多的试衣效果素材，缩短服装设计周期，其意义重大。但现有的虚拟试衣系统缺乏真实的试穿效果，客户也不能根据自己的身材确定服装的尺寸，有些虚拟试衣系统所建立的3D人体三维模型是靠数据调取所得，与真实人体三维模型有些许误差，服装模型也不是3D的，缺乏真实的细节等效果，同时也没有考虑面料、褶皱等真实效果。有些虚拟试衣系统中采用的获取人体三维模型的方法只能局部逼近人体，无法准确完全的建立人体三维模型，缺乏准确的人体三维模型、细节丰富的3D服装模型库。在这种情况下，客户无法确定自身需要的服装尺码。
发明内容
本发明所要解决的技术问题是：提供一种基于深度相机的人体模型获取方法及网络虚拟试衣系统，以解决现有技术无法准确建立人体三维模型及无法实现真实的试穿效果的弊端。本发明是这样实现的：
一种基于深度相机的人体模型获取方法，包括如下步骤：
步骤S1：在模特人体表面生成覆盖所述模特人体表面的、用于确定所述模特人体表面特征的标志点，同时，通过深度相机从多个角度采集所述模特人体的深度图像，从而获得覆盖所述模特人体表面的、包含所述标志点的深度图像序列；
步骤S2：对所述深度图像序列中的各帧深度图像进行目标深度信息点云网格重建；
步骤S3：根据重建后的各帧深度图像中的标志点，将重建后的各帧深度图像拼接成所述模特人体的三维模型。
进一步地，当所述深度图像为刚体的深度图像时：
所述步骤S1具体为：
利用深度相机产生结构光对所述模特人体进行360度照射，从而在照射部位生成用于确定所照射部位的特征信息的标志点；
在照射的同时，通过所述深度相机采集照射部位的深度图像，从而获取覆盖所述模特人体表面的、包含所述标志点的深度图像序列；
所述步骤S3具体为：
根据所述重建后的各帧深度图像中各相邻两帧深度图像中的标志点的相关性，将相关性高于设定值的标志点拼接在一起，将相关性低于所述设定值的标志点删除，从而将各帧深度图像拼接成所述模特人体的三维模型；
当所述深度图像为非刚体的深度图像时：
所述步骤S1具体为：
利用深度相机产生随机点阵的光点对所述模特人体进行360度照射，从而在照射部位生成用于确定所照射部位的特征信息的标志点；
在照射的同时，通过所述深度相机采集照射部位的深度图像，从而获取覆盖所述模特人体360度的，包含所述标志点的深度图像序列；
所述步骤S3具体为：
根据所述重建后的各帧深度图像中各相邻两帧深度图像中的标志点的相关性，将相关性高于设定值的标志点拼接在一起，将相关性低于所述设定值的标志点删除，从而将各帧深度图像拼接成所述模特人体的三维模型。
进一步地，在进行拼接时，根据所述深度图像序列中刚体深度图像与非刚体深度图像的权重，生成三维模型。
进一步地，步骤S2之前还包括如下步骤：
对步骤S1所获得的深度图像序列中的各帧深度图像按如下步骤进行预处理：
通过间值分割前背景的方式估计模特人体在所述深度图像中的位置；
将模特人体轮廓生成种子放置在所述位置的中心；
通过基于平滑度约束的深度搜索扩散所述模特人体轮廓，生成精确的模特人体轮廓，并提取该模特人体轮廓，同时，将所述深度图像中的其余部分作为后景去除；
在对下一帧深度图像进行模特人体轮廓提取时，结合上一帧的轮廓提取结果，进行模特人体轮廓提取。
进一步地，在实施步骤S1时：
通过多台设置在不同角度位置的深度相机按照设定的拍摄频率对模特人体进行拍摄，在拍摄过程中，模特人体按设定角速度自转，直到所述多台设置在不同角度位置的深度相机共同获取到覆盖模特人体360度的深度图像序列。
进一步地，所述深度相机为三台，该三台深度相机的设置位置如下：
其中两台深度相机设置为分别扫描模特人体的上部与下部，所述上部与所述下部不重叠；
另一台深度相机设置为扫描模特人体的中部，所述中部与所述上部及所述下部部分重叠；
三台深度相机的设置方式使得其中任意一台深度相机在拍摄所述模特人体时都不能拍摄到另外两台深度相机。
进一步地，所述方法还包括如下步骤：
通过彩色相机获取覆盖模特人体360度的彩色图像序列；
将所述彩色图像序列与所述深度图像序列进行匹配，并融合到所述深度图像序列中。
进一步地，所述方法还包括如下步骤：
获取多个模特人体三维模型，建立模特人体三维模型数据库；
获取模特试穿不同尺寸的服装、在不同姿势下的模特试衣效果三维模型，据此建立虚拟试衣训练样本；
根据所述虚拟试衣训练样本进行试衣训练，建立模特虚拟试衣效果三维模型数据库。
进一步地，所述方法还包括如下步骤：
获取服装三维模型，并将其与所述模特人体的三维模型进行匹配，生成虚拟着装效果三维模型。
基于深度相机的网络虚拟试衣系统，包括：
深度图像采集模块，用于获取覆盖模特人体360度的深度图像序列；
点云网格重建模块，用于对所述深度图像序列中的每一帧深度图像进行目标深度信息点云网格重建；
人体三维模型建立模块，用于将重建后的各幅图像拼接成模特人体三维模型；
服装三维模型采集模块，用于获取服装三维模型；
试衣模块，用于将所述服装三维模型与所述模特人体三维模型进行匹配，获取试衣效果三维模型；
网络接口模块，用于通过网络输出所述试衣效果三维模型。
进一步地，所述试衣模块根据服装规格尺寸生成服装三维模型。
进一步地，所述试衣模块根据服装深度图像生成服装三维模型。
进一步地，所述模特人体三维模型包含多种姿势的模特人体三维模型，所述系统还包括：
模特人体三维模型数据库，用于存储不同姿势的模特人体三维模型。
进一步地，所述系统还包括虚拟试衣效果三维模型数据库；所述虚拟试衣效果三维模型数据库根据多个试衣训练样本生成；所述试衣训练样本是基于多个试衣效果三维模型生成的。
进一步地，所述系统还包括：
彩色图像采集模块，用于采集所述模特人体及服装的彩色图像，并将其分别匹配并融合到所述模特人体三维模型及服装三维模型。
与现有技术相比，本发明提供的基于深度相机的人体模型获取方法及网络虚拟试衣系统，可获取准确的人体三维模型及服装三维模型，并据此进行虚拟试衣，获得真实的试穿效果。
附图说明
图1：本发明实施例提供的基于深度相机的人体三维模型获取方法流程示意图；
图2：深度图像预处理流程示意图；
图3：本发明实施例提供的网络虚拟试衣系统组成示意图；
图4：优化前后的三维图像对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
如图1所示，本发明提供的基于深度相机的人体三维模型获取方法包括如下步骤：
步骤S1：在模特人体表面生成覆盖所述模特人体表面的、用于确定所述模特人体表面特征的标志点，同时，通过深度相机从多个角度采集所述模特人体的深度图像，从而获得覆盖所述模特人体表面的、包含所述标志点的深度图像序列；
步骤S2：对所述深度图像序列中的各帧深度图像进行目标深度信息点云网格重建；
步骤S3：根据重建后的各帧深度图像中的标志点，将重建后的各帧深度图像拼接成所述模特人体的三维模型。
对于刚体，本实施例中使用深度相机中产生的结构光的自身参数进行处理。结构光一般具有周期性排布的特征，例如光斑呈网格状、点阵状等，当使用结构光对物体进行扫描的时候，自动将这些网格状的光斑的交点、点阵状光斑的点阵作为选取的特征点，自适应地将这些结构光的参数特征点作为合并、配准过程中的标志点。对于刚体，需要首先给出两个模型的初始对齐，然后在两个模型上选择一些对应点对(比如最近点对)，利用这些对应点对求解模型间的刚体变换，将此刚体变换作用于模型，如此迭代下去。对于刚体可通过如下基本步骤进行人体三维模型拼接：
步骤1:使用结构光照射在被拍摄物体上，产生标志点；
步骤2:调整结构光照射方向，在另一角度上照射被拍摄物；
步骤3:依据照射在物体上的光点的相关性，将相关性高的点拼接一起；
步骤4:删去相关性低的光点；
步骤5:将光点拼接成人体三维模型。
具体而言，步骤S1具体为：利用深度相机产生结构光对所述模特人体进行360度照射，从而在照射部位生成用于确定所照射部位的特征信息的标志点，在照射的同时，通过所述深度相机采集照射部位的深度图像，从而获取覆盖所述模特人体表面的、包含所述标志点的深度图像序列。步骤S3具体为：根据所述重建后的各帧深度图像中各相邻两帧深度图像中的标志点的相关性，将相关性高于设定值的标志点拼接在一起，将相关性低于所述设定值的标志点删除，从而将各帧深度图像拼接成所述模特人体的三维模型。
对于非刚体，则采用随机点的方式选取特征点，当结构光照射在非刚体后，由于非刚体会不断改变形状结构，而深度相机在拍摄一帧时无法自动跟随非刚体进行适配改变，因此采用随机选取标志点的方式作为合并、配准过程中的标志点。对于非刚体，可以从包含“随机点阵”的观测数据集中，通过迭代的方式估计正确的模型参数。该方法通过反复选择数据中的一组随机子集来达成目标，被选取的子集被假设为局内点。对于非刚体可通过如下基本步骤进行人体三维模型拼接：
步骤1:生成一组随机点阵的光点照射在被照物体上，将这些随机点阵的光点作为标志点；
步骤2:在另一个角度，使用该随机光点照射物体；
步骤3:对两次照射中的对应点进行迭代计算，计算中两种状态下所有对应点之间的相关性；
步骤4:将相关性高的点拼接在一起，形成三维模型。
具体而言，步骤S1为：利用深度相机产生随机点阵的光点对所述模特人体进行360度照射，从而在照射部位生成用于确定所照射部位的特征信息的标志点，在照射的同时，通过所述深度相机采集照射部位的深度图像，从而获取覆盖所述模特人体360度的，包含所述标志点的深度图像序列。步骤S3为：根据所述重建后的各帧深度图像中各相邻两帧深度图像中的标志点的相关性，将相关性高于设定值的标志点拼接在一起，将相关性低于所述设定值的标志点删除，从而将各帧深度图像拼接成所述模特人体的三维模型。
对于深度图像中既包含刚体又包含非刚体的情况，本发明实施例可依据所述深度图像序列中刚体深度图像与非刚体深度图像的权重，生成三维模型。举例而言，假设以刚体进行拼接的结果为x，以非刚体进行拼接的结果为y，那么进行加权后，得到的对一般物体的拼接结果可以表示为：z＝Ax+By，其中A，B分别为x和y的权重指数，z为最后得到的配准后结果。当该扫描的物体为刚体时，A＝1，B＝0，当扫描的物体为非刚体时则A＝0，B＝1。对于任意要进行扫描的物体，最多进行两次关于权重指数的调整即可得到最吻合的权重指数数值，使得配准的结果达到最佳。图4左侧为采用普通配准方法获得的人体三维模型，右侧为采用上述优化的配准方法所获得的人体三维模型。通过图4中两幅图的对比可以看出，采用上述优化的配准方法所获得的人体三维模型更加平滑自然。
为更好地根据深度图像获取点云并进行点云网格的重建，在获取了覆盖模特人体360度的深度图像序列之后，还需进一步对深度图像进行预处理，预处理在步骤S2与步骤S1之间，包括如下步骤：
对步骤S1所获得的深度图像序列中的每一帧深度图像按如下步骤进行预处理：
通过间值分割前背景的方式估计模特人体在所述深度图像中的位置；
将模特人体轮廓生成种子放置在所述位置的中心；
通过基于平滑度约束的深度搜索扩散所述模特人体轮廓，生成精确的模特人体轮廓，并提取该模特人体轮廓，同时，将所述深度图像中的其余部分作为后景去除；
在对下一帧深度图像进行模特人体轮廓提取时，结合上一帧的轮廓提取结果，进行模特人体轮廓提取。
下面对上述步骤进行详细说明：
步骤S1可以按照如下方式进行：
通过多台设置在不同角度位置的深度相机按照设定的拍摄频率对模特人体进行拍摄，在拍摄过程中，模特人体按设定角速度自转，直到所述多台设置在不同角度位置的深度相机共同获取到覆盖模特人体360度的深度图像序列。
为获得更加真实的试衣效果，本发明还可以对试衣加入了彩色元素。具体地，通过彩色相机拍摄模特人体360度的彩色图像序列。彩色图像序列的获取方法可参照上述深度图像序列的获取方法。获取彩色图像序列后，彩色相机与深度相机经过计算机视觉技术标定，获得相对位置关系，根据彩色相机与深度相机的相对位置关系可将彩色图像和深度图像进行匹配，从而将彩色图像序列融合到深度图像序列中。
获得覆盖模特360度的深度图像序列后，获取深度图像序列中各帧深度图像的点云并进行点云网格重建，获得所述各帧深度图像的点云网格。点云网格的重建可采用将点云数据三角化的方式进行重建。
点云网格的重建是为后续进行点云网格的拼接及融合做准备。在步骤S1的具体实施方式为：模特位于旋转台的轴心，旋转台沿轴心以设定角速度自转，模特在旋转台的带动下以旋转台的轴心为转轴自转，其自转角速度与设定的旋转台的自转角速度相等，深度相机在模特自转的过程中对模特进行拍摄。这等效于模特处于旋转台轴心不动，且旋转台也不转动时，深度相机以旋转台的轴心为转轴，以原来旋转台设定的角速度为转动角速度沿旋转台的轴心转动，并在转动过程中对模特进行拍摄。从这一角度理解，深度相机每拍摄一帧深度图像，都相对于模特所在轴心转过了一个角度，而这个角度是可以通过旋转台的转速及深度相机的拍摄速度计算得出的。同时，深度相机距离旋转台轴心的距离是已知的。因此，从步骤S2中所获得的各帧深度图像的点云网格中选择任意一帧深度图像的点云网格，并以此为基准根据旋转台的自转角速度、深度相机与旋转台轴心的距离及深度相机的拍摄速度，可对其他帧深度图像的点云网格做旋转，从而实现将各帧深度图像的点云网格拼接并拼接到一起，形成模特的三维人体三维模型。
步骤S1还可以采用另一种方式进行：采用四台深度相机分别从四个不同角度拍摄模特人体，四台深度可以间隔90度设置。与方式一类似，可选取所获得的四帧深度图像中的任意一帧深度图像的点云网格，并以此为基准，根据四台相机相对于模特的距离、四台相机相对于模特形成的角度位置关系对其他帧深度图像的点云网格做旋转处理，从而实现将四帧深度图像的点云网格拼接并拼接到一起，形成模特的三维人体三维模型。
两种方式中，深度相机每次拍摄都是对模特的整体进行拍摄，这可能需要深度相机与模特之间保持较大距离才能实现，在这种情况下，深度相机所拍摄的深度图像质量可能得不到保证。为提高深度相机所拍摄的模特的深度图像的成像质量，可以在两种方式的基本原理的基础上，将原来深度相机一次拍摄模特的一个整体图像改为采用两台或多台深度相机从一个角度对模特的多个部位实施拍摄，多个部位可拼接为模特的一个整体图像。比如，深度相机可采用三台，其中两台深度相机设置为分别扫描模特人体的上部与下部，所述上部与所述下部不重叠；另一台深度相机设置为扫描模特人体的中部，所述中部与所述上部及所述下部部分重叠；三台深度相机的设置方式使得其中任意一台深度相机在拍摄所述模特人体时都不能拍摄到另外两台深度相机。这样，三台深度相机之间在拍摄的时候不会造成相互干扰。而且，采用这种方式可以减小深度相机与模特之间的距离，从而获得更高质量的深度图像。
基于以上人体三维模型获取方法，本发明还提供了一种网络虚拟试衣系统。如图3所示，该系统包括：
深度图像采集模块1，用于获取覆盖模特人体360度的深度图像序列；
点云网格重建模块3，用于对所述深度图像序列中的每一帧深度图像进行目标深度信息点云网格重建；
人体三维模型建立模块5，用于将重建后的各幅图像拼接成模特人体三维模型；
服装三维模型采集模块4，用于获取服装三维模型；
试衣模块7，用于将所述服装三维模型与所述模特人体三维模型进行匹配，获取试衣效果三维模型；
网络接口模块9，用于通过网络输出所述试衣效果三维模型。
该系统中，试衣模块7可根据服装尺寸生成服装三维模型，或者根据服装深度图像生成服装三维模型。在获取模特人体三维模型时，模特可摆出多种姿势，从而获取多种姿势的模特人体三维模型，并据此建立模特人体三维模型数据库6。
该系统还建立有虚拟试衣效果三维模型数据库8，虚拟试衣效果三维模型数据库8根据多个试衣训练样本生成，试衣训练样本是基于多个试衣效果三维模型生成的。
该系统还包括彩色图像采集模块2，用于采集所述模特人体及服装的彩色图像，并将其分别匹配并融合到所述模特人体三维模型及服装三维模型。这样，模特在试衣时可获得真实色彩信息，从而获得更为真实的试衣效果。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种基于深度相机的人体模型获取方法，其特征在于，包括如下步骤：
步骤S1：在模特人体表面生成覆盖所述模特人体表面的、用于确定所述模特人体表面特征的标志点，同时，通过深度相机从多个角度采集所述模特人体的深度图像，从而获得覆盖所述模特人体表面的、包含所述标志点的深度图像序列；
步骤S2：对所述深度图像序列中的各帧深度图像进行目标深度信息点云网格重建；
步骤S3：根据重建后的各帧深度图像中的标志点，将重建后的各帧深度图像拼接成所述模特人体的三维模型；
步骤S1与步骤S2之间还包括如下步骤：
对步骤S1所获得的深度图像序列中的各帧深度图像按如下步骤进行预处理：
通过间值分割前背景的方式估计模特人体在所述深度图像中的位置；
将模特人体轮廓生成种子放置在所述位置的中心；
通过基于平滑度约束的深度搜索扩散所述模特人体轮廓，生成精确的模特人体轮廓，并提取该模特人体轮廓，同时，将所述深度图像中的其余部分作为后景去除；
在对下一帧深度图像进行模特人体轮廓提取时，结合上一帧的轮廓提取结果，进行模特人体轮廓提取。
2.如权利要求1所述的基于深度相机的人体模型获取方法，其特征在于：
当所述深度图像为刚体的深度图像时：
所述步骤S1具体为：
利用深度相机产生结构光对所述模特人体进行360度照射，从而在照射部位生成用于确定所照射部位的特征信息的标志点；
在照射的同时，通过所述深度相机采集照射部位的深度图像，从而获取覆盖所述模特人体表面的、包含所述标志点的深度图像序列；
所述步骤S3具体为：
根据所述重建后的各帧深度图像中各相邻两帧深度图像中的标志点的相关性，将相关性高于设定值的标志点拼接在一起，将相关性低于所述设定值的标志点删除，从而将各帧深度图像拼接成所述模特人体的三维模型；
当所述深度图像为非刚体的深度图像时：
所述步骤S1具体为：
利用深度相机产生随机点阵的光点对所述模特人体进行360度照射，从而在照射部位生成用于确定所照射部位的特征信息的标志点；
在照射的同时，通过所述深度相机采集照射部位的深度图像，从而获取覆盖所述模特人体360度的，包含所述标志点的深度图像序列；
所述步骤S3具体为：
根据所述重建后的各帧深度图像中各相邻两帧深度图像中的标志点的相关性，将相关性高于设定值的标志点拼接在一起，将相关性低于所述设定值的标志点删除，从而将各帧深度图像拼接成所述模特人体的三维模型。
3.如权利要求2所述的基于深度相机的人体模型获取方法，其特征在于，在进行拼接时，根据所述深度图像序列中刚体深度图像与非刚体深度图像的权重，生成三维模型。
4.如权利要求1所述的基于深度相机的人体模型获取方法，其特征在于，在实施步骤S1时：
通过多台设置在不同角度位置的深度相机按照设定的拍摄频率对模特人体进行拍摄，在拍摄过程中，模特人体按设定角速度自转，直到所述多台设置在不同角度位置的深度相机共同获取到覆盖模特人体360度的深度图像序列。
5.如权利要求4所述的基于深度相机的人体模型获取方法，其特征在于，所述深度相机为三台，该三台深度相机的设置位置如下：
其中两台深度相机设置为分别扫描模特人体的上部与下部，所述上部与所述下部不重叠；
另一台深度相机设置为扫描模特人体的中部，所述中部与所述上部及所述下部部分重叠；
三台深度相机的设置方式使得其中任意一台深度相机在拍摄所述模特人体时都不能拍摄到另外两台深度相机。
6.如权利要求1所述的基于深度相机的人体模型获取方法，其特征在于，还包括如下步骤：
通过彩色相机获取覆盖模特人体360度的彩色图像序列；
将所述彩色图像序列与所述深度图像序列进行匹配，并融合到所述深度图像序列中。
7.如权利要求1所述的基于深度相机的人体模型获取方法，其特征在于，还包括如下步骤：
获取多个模特人体三维模型，建立模特人体三维模型数据库；
获取模特试穿不同尺寸的服装、在不同姿势下的模特试衣效果三维模型，据此建立虚拟试衣训练样本；
根据所述虚拟试衣训练样本进行试衣训练，建立模特虚拟试衣效果三维模型数据库。
8.如权利要求1所述的基于深度相机的人体模型获取方法，其特征在于，还包括如下步骤：
获取服装三维模型，并将其与所述模特人体的三维模型进行匹配，生成虚拟着装效果三维模型。
9.基于深度相机的网络虚拟试衣系统，其特征在于，包括：
深度图像采集模块，用于获取覆盖模特人体360度的深度图像序列；通过间值分割前背景的方式估计模特人体在所述深度图像中的位置；将模特人体轮廓生成种子放置在所述位置的中心；通过基于平滑度约束的深度搜索扩散所述模特人体轮廓，生成精确的模特人体轮廓，并提取该模特人体轮廓，同时，将所述深度图像中的其余部分作为后景去除；在对下一帧深度图像进行模特人体轮廓提取时，结合上一帧的轮廓提取结果，进行模特人体轮廓提取；
点云网格重建模块，用于对所述深度图像序列中的每一帧深度图像进行目标深度信息点云网格重建；
人体三维模型建立模块，用于将重建后的各幅图像拼接成模特人体三维模型；
服装三维模型采集模块，用于获取服装三维模型；
试衣模块，用于将所述服装三维模型与所述模特人体三维模型进行匹配，获取试衣效果三维模型；
网络接口模块，用于通过网络输出所述试衣效果三维模型。
10.如权利要求9所述的基于深度相机的网络虚拟试衣系统，其特征在于，所述试衣模块根据服装规格尺寸生成服装三维模型。
11.如权利要求9所述的基于深度相机的网络虚拟试衣系统，其特征在于，所述试衣模块根据服装深度图像生成服装三维模型。
12.如权利要求9所述的基于深度相机的网络虚拟试衣系统，其特征在于，所述模特人体三维模型包含多种姿势的模特人体三维模型，所述系统还包括：
模特人体三维模型数据库，用于存储不同姿势的模特人体三维模型。
13.如权利要求9所述的基于深度相机的网络虚拟试衣系统，其特征在于，还包括虚拟试衣效果三维模型数据库；所述虚拟试衣效果三维模型数据库根据多个试衣训练样本生成；所述试衣训练样本是基于多个试衣效果三维模型生成的。
14.如权利要求9所述的基于深度相机的网络虚拟试衣系统，其特征在于，还包括：
彩色图像采集模块，用于采集所述模特人体及服装的彩色图像，并将其分别匹配并融合到所述模特人体三维模型及服装三维模型。
CN201410259542.0A 2014-06-12 2014-06-12 基于深度相机的人体模型获取方法及网络虚拟试衣系统 Active CN104008571B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201410259542.0A CN104008571B (zh) 2014-06-12 2014-06-12 基于深度相机的人体模型获取方法及网络虚拟试衣系统
PCT/CN2015/079449 WO2015188685A1 (zh) 2014-06-12 2015-05-21 基于深度相机的人体模型获取方法及网络虚拟试衣系统
US15/317,830 US10217293B2 (en) 2014-06-12 2015-05-21 Depth camera-based human-body model acquisition method and network virtual fitting system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410259542.0A CN104008571B (zh) 2014-06-12 2014-06-12 基于深度相机的人体模型获取方法及网络虚拟试衣系统

Publications (2)

Publication Number Publication Date
CN104008571A CN104008571A (zh) 2014-08-27
CN104008571B true CN104008571B (zh) 2017-01-18

Family

ID=51369210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410259542.0A Active CN104008571B (zh) 2014-06-12 2014-06-12 基于深度相机的人体模型获取方法及网络虚拟试衣系统

Country Status (3)

Country Link
US (1) US10217293B2 (zh)
CN (1) CN104008571B (zh)
WO (1) WO2015188685A1 (zh)

Families Citing this family (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104008571B (zh) * 2014-06-12 2017-01-18 深圳奥比中光科技有限公司 基于深度相机的人体模型获取方法及网络虚拟试衣系统
KR102240302B1 (ko) * 2014-10-21 2021-04-14 삼성전자주식회사 가상 피팅 장치 및 이의 가상 피팅 방법
CN104637083A (zh) * 2015-01-29 2015-05-20 吴宇晖 一种虚拟试衣系统
WO2016151691A1 (ja) * 2015-03-20 2016-09-29 株式会社 東芝 画像処理装置、画像処理システム、画像処理方法及びプログラム
CN104850637B (zh) * 2015-05-25 2018-10-19 张热滨 一种使用3d成像和虚拟现实技术展示多媒体名片的方法
EP3115971B1 (en) * 2015-06-02 2020-06-03 Samsung Electronics Co., Ltd. Method and apparatus for providing three-dimensional data of cloth
CN104933612A (zh) * 2015-06-23 2015-09-23 上海卓易科技股份有限公司 一种选购衣服的方法及装置
CN104992361A (zh) * 2015-06-25 2015-10-21 上海卓易科技股份有限公司 一种网上购买衣服的方法及装置
CN105096140A (zh) * 2015-07-31 2015-11-25 王小安 一种试衣系统
US10699476B2 (en) * 2015-08-06 2020-06-30 Ams Sensors Singapore Pte. Ltd. Generating a merged, fused three-dimensional point cloud based on captured images of a scene
CN106469464B (zh) * 2015-08-19 2019-02-19 富士通株式会社 用于三维建模目标对象的方法和系统
CN106293092A (zh) * 2016-08-15 2017-01-04 成都通甲优博科技有限责任公司 基于多目立体视觉三维技术实现虚拟穿戴的方法
CN106097442A (zh) * 2016-08-24 2016-11-09 广东华邦云计算股份有限公司 一种智能仿真试衣系统及其应用方法
CN106778474A (zh) * 2016-11-14 2017-05-31 深圳奥比中光科技有限公司 3d人体识别方法及设备
CN106878626A (zh) * 2016-12-30 2017-06-20 深圳天珑无线科技有限公司 衣柜管理及穿搭建议的方法及其系统
EP3571627A2 (en) 2017-01-19 2019-11-27 Mindmaze Holding S.A. Systems, methods, apparatuses and devices for detecting facial expression and for tracking movement and location including for at least one of a virtual and augmented reality system
US10943100B2 (en) 2017-01-19 2021-03-09 Mindmaze Holding Sa Systems, methods, devices and apparatuses for detecting facial expression
CN106846113A (zh) * 2017-01-24 2017-06-13 上海衣佳网络科技有限公司 一种虚拟服装定制及试穿系统
US11367198B2 (en) * 2017-02-07 2022-06-21 Mindmaze Holding Sa Systems, methods, and apparatuses for tracking a body or portions thereof
WO2018146558A2 (en) 2017-02-07 2018-08-16 Mindmaze Holding Sa Systems, methods and apparatuses for stereo vision and tracking
CN106933352A (zh) * 2017-02-14 2017-07-07 深圳奥比中光科技有限公司 三维人体测量方法和其设备及其计算机可读存储介质
CN110503681B (zh) * 2017-02-14 2022-03-29 奥比中光科技集团股份有限公司 人体模型自动创建方法及三维试衣系统
CN106959747B (zh) * 2017-02-14 2020-02-18 深圳奥比中光科技有限公司 三维人体测量方法及其设备
CN106952335B (zh) * 2017-02-14 2020-01-03 深圳奥比中光科技有限公司 建立人体模型库的方法及其系统
CN106933976B (zh) * 2017-02-14 2020-09-18 深圳奥比中光科技有限公司 建立人体3d净模型的方法及其在3d试衣中的应用
CN106952334B (zh) * 2017-02-14 2019-08-30 深圳奥比中光科技有限公司 人体净模型的创建方法与三维试衣系统
CN107016704A (zh) * 2017-03-09 2017-08-04 杭州电子科技大学 一种基于增强现实的虚拟现实实现方法
CN107067299A (zh) * 2017-03-29 2017-08-18 深圳奥比中光科技有限公司 虚拟试衣方法和系统
CN108961415A (zh) * 2017-05-24 2018-12-07 北京物语科技有限公司 基于深度图像采集设备的三维试衣方法及系统
CN107105219A (zh) * 2017-05-26 2017-08-29 碰海科技（北京）有限公司 多深度摄像头紧凑型全景扫描设备
CN107393011A (zh) * 2017-06-07 2017-11-24 武汉科技大学 一种基于多结构光视觉技术的快速三维虚拟试衣系统和方法
CN109215109A (zh) * 2017-07-06 2019-01-15 幻视互动（北京）科技有限公司 一种基于深度摄像模组的三维重建方法及装置
CN107481101B (zh) * 2017-07-31 2020-10-02 Oppo广东移动通信有限公司 穿衣推荐方法及其装置
CN107507269A (zh) * 2017-07-31 2017-12-22 广东欧珀移动通信有限公司 个性化三维模型生成方法、装置和终端设备
CN107481318A (zh) * 2017-08-09 2017-12-15 广东欧珀移动通信有限公司 用户头像的替换方法、装置和终端设备
CN107507265A (zh) * 2017-08-23 2017-12-22 武汉两点十分文化传播有限公司 基于三维渲染二维的模型贴图方法及装置
CN107566777B (zh) * 2017-09-11 2020-06-26 Oppo广东移动通信有限公司 视频聊天的画面处理方法、装置和存储介质
CN109559371B (zh) * 2017-09-27 2023-12-26 虹软科技股份有限公司 一种用于三维重建的方法和装置
CN107845134B (zh) * 2017-11-10 2020-12-29 浙江大学 一种基于彩色深度相机的单个物体的三维重建方法
CN107886406A (zh) * 2017-11-28 2018-04-06 冯云霞 一种虚拟试衣方法及系统
US11328533B1 (en) 2018-01-09 2022-05-10 Mindmaze Holding Sa System, method and apparatus for detecting facial expression for motion capture
CN207780847U (zh) * 2018-02-23 2018-08-28 京东方科技集团股份有限公司 图像识别单元及触摸面板
CN108564651A (zh) * 2018-02-26 2018-09-21 盎锐（上海）信息科技有限公司 具有数据生成功能的身体扫描装置及数据生成方法
CN108564612A (zh) * 2018-03-26 2018-09-21 广东欧珀移动通信有限公司 模型显示方法、装置、存储介质及电子设备
CN108514418A (zh) * 2018-03-30 2018-09-11 盎锐（上海）信息科技有限公司 基于模型生成装置的数据分析方法
CN108921947B (zh) * 2018-07-23 2022-06-21 百度在线网络技术（北京）有限公司 生成电子地图的方法、装置、设备、存储介质以及采集实体
CN108876936B (zh) 2018-07-27 2022-10-25 京东方科技集团股份有限公司 虚拟显示方法、装置、电子设备及计算机可读存储介质
CN109379578A (zh) * 2018-09-21 2019-02-22 苏州因确匹电子科技有限公司 全方位三维视频拼接方法、装置、设备以及存储介质
CN109472741B (zh) * 2018-09-30 2023-05-30 先临三维科技股份有限公司 三维拼接方法及装置
US11507781B2 (en) 2018-12-17 2022-11-22 Bodygram, Inc. Methods and systems for automatic generation of massive training data sets from 3D models for training deep learning networks
US10489683B1 (en) * 2018-12-17 2019-11-26 Bodygram, Inc. Methods and systems for automatic generation of massive training data sets from 3D models for training deep learning networks
CN111415461B (zh) * 2019-01-08 2021-09-28 虹软科技股份有限公司 物品识别方法及系统、电子设备
CN110176016B (zh) * 2019-05-28 2021-04-30 招远市国有资产经营有限公司 一种基于人体轮廓分割与骨骼识别的虚拟试衣方法
CN110599593B (zh) * 2019-09-12 2021-03-23 北京三快在线科技有限公司 数据合成的方法、装置、设备及存储介质
CN110874851A (zh) * 2019-10-25 2020-03-10 深圳奥比中光科技有限公司 重建人体三维模型的方法、装置、系统和可读存储介质
CN110853133A (zh) * 2019-10-25 2020-02-28 深圳奥比中光科技有限公司 重建人体三维模型的方法、装置、系统和可读存储介质
CN110889166B (zh) * 2019-10-30 2023-05-05 南京理工大学 基于热力耦合约束的航空用轴承支架轻量化设计方法
CN111553968B (zh) * 2020-05-11 2022-05-24 青岛联合创智科技有限公司 一种三维人体重构动画的方法
CN111862318A (zh) * 2020-07-28 2020-10-30 杭州优链时代科技有限公司 数字人体试衣方法及系统
CN112652061A (zh) * 2021-01-21 2021-04-13 赵书芳 一种基于Kinect的网络虚拟试衣系统
CN112884638A (zh) * 2021-02-02 2021-06-01 北京东方国信科技股份有限公司 虚拟试衣方法及装置
CN113160037A (zh) * 2021-04-25 2021-07-23 优研科技有限公司 人工智能换装方法、装置及存储介质
CN113284251B (zh) * 2021-06-11 2022-06-03 清华大学深圳国际研究生院 一种自适应视角的级联网络三维重建方法及系统
CN114782645B (zh) * 2022-03-11 2023-08-29 科大讯飞(苏州)科技有限公司 虚拟数字人制作方法、相关设备及可读存储介质
CN115272564B (zh) * 2022-07-15 2023-06-06 中关村科学城城市大脑股份有限公司 动作视频发送方法、装置、设备和介质
CN115272588B (zh) * 2022-09-27 2022-12-30 广州辉博信息技术有限公司 一种基于深度图像的人体脊柱拟合方法、系统及电子设备
CN116883599B (zh) * 2023-07-21 2024-02-06 深圳市十二篮服饰有限公司 一种基于三维建模技术的服装试穿系统
CN117635883B (zh) * 2023-11-28 2024-05-24 广州恒沙数字科技有限公司 基于人体骨骼姿态的虚拟试衣生成方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106604A (zh) * 2013-01-23 2013-05-15 东华大学 基于体感技术的3d虚拟试衣方法
JP2013250621A (ja) * 2012-05-30 2013-12-12 Panasonic Corp 色変換装置
CN103606187A (zh) * 2013-11-08 2014-02-26 杭州电子科技大学 一种人体三维扫描重建装置和方法
CN103714466A (zh) * 2013-12-24 2014-04-09 中国科学院深圳先进技术研究院 虚拟试衣系统及方法
CN103824326A (zh) * 2014-03-05 2014-05-28 北京工业大学 一种动态的人体三维建模方法
CN103839288A (zh) * 2012-11-27 2014-06-04 西安元朔科技有限公司 一种虚拟试衣的人体建模方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7079134B2 (en) * 2000-05-12 2006-07-18 Societe Civile T.P.C. International Three-dimensional digital method of designing clothes
GB0101371D0 (en) * 2001-01-19 2001-03-07 Virtual Mirrors Ltd Production and visualisation of garments
EP1371019A2 (en) * 2001-01-26 2003-12-17 Zaxel Systems, Inc. Real-time virtual viewpoint in simulated reality environment
KR100446635B1 (ko) * 2001-11-27 2004-09-04 삼성전자주식회사 깊이 이미지 기반 3차원 객체 표현 장치 및 방법
US8224064B1 (en) * 2003-05-21 2012-07-17 University Of Kentucky Research Foundation, Inc. System and method for 3D imaging using structured light illumination
US7099734B2 (en) * 2003-05-22 2006-08-29 Kimberly-Clark Worldwide, Inc. Method of evaluating the performance of a product using a virtual environment
US20070285554A1 (en) * 2005-10-31 2007-12-13 Dor Givon Apparatus method and system for imaging
US7656402B2 (en) * 2006-11-15 2010-02-02 Tahg, Llc Method for creating, manufacturing, and distributing three-dimensional models
EP2327061A4 (en) * 2008-08-15 2016-11-16 Univ Brown METHOD AND DEVICE FOR ESTIMATING BODY SHAPES
US10628666B2 (en) * 2010-06-08 2020-04-21 Styku, LLC Cloud server body scan data system
US8570320B2 (en) * 2011-01-31 2013-10-29 Microsoft Corporation Using a three-dimensional environment model in gameplay
GB201102794D0 (en) * 2011-02-17 2011-03-30 Metail Ltd Online retail system
US9053571B2 (en) * 2011-06-06 2015-06-09 Microsoft Corporation Generating computer models of 3D objects
WO2013029675A1 (en) * 2011-08-31 2013-03-07 Metaio Gmbh Method for estimating a camera motion and for determining a three-dimensional model of a real environment
KR101913321B1 (ko) * 2012-05-10 2018-10-30 삼성전자주식회사 깊이 센서 기반 반사 객체의 형상 취득 방법 및 장치
US9384585B2 (en) * 2012-10-23 2016-07-05 Electronics And Telecommunications Research Institute 3-dimensional shape reconstruction device using depth image and color image and the method
CN103871106A (zh) * 2012-12-14 2014-06-18 韩国电子通信研究院 利用人体模型的虚拟物拟合方法及虚拟物拟合服务系统
US20150332464A1 (en) * 2014-05-19 2015-11-19 Occipital, Inc. Methods for automatic registration of 3d image data
CN104008571B (zh) * 2014-06-12 2017-01-18 深圳奥比中光科技有限公司 基于深度相机的人体模型获取方法及网络虚拟试衣系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013250621A (ja) * 2012-05-30 2013-12-12 Panasonic Corp 色変換装置
CN103839288A (zh) * 2012-11-27 2014-06-04 西安元朔科技有限公司 一种虚拟试衣的人体建模方法
CN103106604A (zh) * 2013-01-23 2013-05-15 东华大学 基于体感技术的3d虚拟试衣方法
CN103606187A (zh) * 2013-11-08 2014-02-26 杭州电子科技大学 一种人体三维扫描重建装置和方法
CN103714466A (zh) * 2013-12-24 2014-04-09 中国科学院深圳先进技术研究院 虚拟试衣系统及方法
CN103824326A (zh) * 2014-03-05 2014-05-28 北京工业大学 一种动态的人体三维建模方法

Also Published As

Publication number Publication date
US20170140578A1 (en) 2017-05-18
CN104008571A (zh) 2014-08-27
WO2015188685A1 (zh) 2015-12-17
US10217293B2 (en) 2019-02-26

Similar Documents

Publication Publication Date Title
CN104008571B (zh) 基于深度相机的人体模型获取方法及网络虚拟试衣系统
CN106289106B (zh) 一种线阵相机和面阵相机相结合的立体视觉传感器及标定方法
CN104992441B (zh) 一种面向个性化虚拟试衣的真实人体三维建模方法
US9990764B2 (en) Virtual try on simulation service
CN111629193B (zh) 一种实景三维重建方法及系统
CN104915986B (zh) 一种实体三维模型自动建模方法
Grün et al. Photogrammetric reconstruction of the great Buddha of Bamiyan, Afghanistan
CN104680582B (zh) 一种面向对象定制的三维人体模型创建方法
CN103635935B (zh) 3d街道
CN109242954B (zh) 基于模板变形的多视角三维人体重建方法
WO2015188684A1 (zh) 三维模型重建方法与系统
CN104766292B (zh) 多台立体相机标定方法和系统
Hoppe et al. Online Feedback for Structure-from-Motion Image Acquisition.
Waechter et al. Virtual rephotography: Novel view prediction error for 3D reconstruction
CN111932673B (zh) 一种基于三维重建的物体空间数据增广方法及系统
CN109427080A (zh) 快速生成大量复杂光源人脸图像的方法
CN107123156A (zh) 一种与双目立体视觉相结合的主动光源投影三维重构方法
CN106373178A (zh) 生成人工图像的装置和方法
Fang et al. Simulating LIDAR point cloud for autonomous driving using real-world scenes and traffic flows
CN104240289A (zh) 一种基于单个相机的三维数字化重建方法及系统
CN108603936A (zh) 激光扫描系统、激光扫描方法、移动激光扫描系统及程序
CN104077804A (zh) 一种基于多帧视频图像构建三维人脸模型的方法
CN107067299A (zh) 虚拟试衣方法和系统
CN107369204B (zh) 一种从单幅照片恢复出场景基本三维结构的方法
CN108648194A (zh) 基于cad模型三维目标识别分割和位姿测量方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant