CN107533771B - 通过3d模型重建进行网格简化 - Google Patents
通过3d模型重建进行网格简化 Download PDFInfo
- Publication number
- CN107533771B CN107533771B CN201680022451.2A CN201680022451A CN107533771B CN 107533771 B CN107533771 B CN 107533771B CN 201680022451 A CN201680022451 A CN 201680022451A CN 107533771 B CN107533771 B CN 107533771B
- Authority
- CN
- China
- Prior art keywords
- data
- perspectives
- computer
- mesh
- input data
- 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
Links
Images
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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/40—Hidden part removal
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/36—Level of detail
-
- 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
- G06T2210/56—Particle system, point based geometry or rendering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Processing Or Creating Images (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本文描述了用于提供基于栅格的网格抽取的概念和技术。一般性地来描述,处理定义模型的输入数据以从众多角度将模型渲染为深度图。通过从众多视角捕捉深度图数据,从该众多视角可见的模型的组件被捕捉在深度图数据中,并且被可见组件阻挡的组件不被捕捉在深度图数据中。点云数据是通过合并从多个视角捕捉的深度图数据生成的。通过将表面重建应用于点云数据来生成输出网格数据。一个或多个网格抽取算法可被应用于网格数据。图像数据也可以从输入数据捕捉并应用于输出网格数据。
Description
背景技术
存在不断增长的与利用三维(3D)显示技术的计算设备进行交互的用户群体。一些3D模型可能非常复杂并且具有非常高的多边形计数,有时如此多以致在有实时性能和存储器约束的情况下难以渲染。为了解决这些约束中的一些,网格抽取算法(mesh decimationalgorithm)用于创建具有减少的多边形计数的3D模型的简化版本。尽管减少的多边形计数可能有助于某些性能和计算资源问题,但是这些技术具有多项缺点。减少的多边形计数可能在建模对象的不适当位置产生孔和间隙,还存在其它问题。
在一个说明性示例中,3D网格数据可以包括多个组件,诸如组成立方体的表面的多个三角形。定义三角形的数据可以不指示某些三角形已连接。例如,3D网格数据可以定义组成立方体的正面的三角形,然而该数据可能不指示所述三角形是否连接。这样的数据被称为“多边形汤”。传统的网格抽取技术在处理这些数据时可能不会有效减少多边形的数量,因为移除随机组件可能移除突出的组件(salient components),诸如组成立方体的正面的一个或多个三角形。此外,传统的网格抽取技术可能无法移除隐藏的组件,例如内部组件。这样的结果可能不是合需的,因为这样的技术可能会留下不想要的孔或甚至可能以不可识别的形式渲染对象。
本文所做出的本公开正是关于这些和其它考虑事项而提出的。
概述
本文描述了用于提供基于栅格(raster)的网格抽取的概念和技术。一般性地来描述,处理定义模型的输入数据以从众多角度将模型渲染为深度图。角度的位置和/或角度的数量基于一个或多个因素,包括在输入数据和/或其它上下文信息中定义的特性。通过从众多视角捕捉深度图数据,从该众多视角可见的模型的组件被捕捉在深度图数据中,并且被可见组件阻挡的组件不被捕捉在深度图数据中。点云数据是通过合并从众多视角捕捉的深度图数据生成的。通过将表面重建应用于点云数据来生成网格数据。网格抽取算法可被应用于网格数据。在一些配置中,本文所描述的技术还可以渲染所述模型以从众多视角生成图像数据。可使用所述图像数据纹理化或以其它方式补充所述网格数据。
应当理解,上述主题也可被实现为计算机控制的装置、计算机进程、计算系统或诸如计算机可读介质等制品。通过阅读下面的详细描述并审阅相关联的附图,这些及各种其它特征将变得显而易见。
提供本概述以便以简化的形式介绍以下在详细描述中进一步描述的一些概念。本发明内容并不旨在标识所要求保护的主题的关键特征或必要特征,也不旨在将本概述用来限制所要求保护的主题的范围。此外,所要求保护的主题不限于解决在本公开的任一部分中所提及的任何或所有缺点的实现。
附图简述
图1是示出用于提供基于栅格的网格抽取的若干示例组件的框图;
图2示出了由包括几何数据的样本输入数据定义的模型;
图3A示出了用于捕捉模型的深度图(depth map)数据的多个视角;
图3B示出了用于捕捉模型的图像数据的多个视角;
图4A示出了基于从深度图数据生成的点云数据(point cloud data)的模型的表示;
图4B示出了基于从点云数据的表面重建生成的网格数据的模型的表示;
图4C示出了基于图像数据的模型的纹理化表示;
图5是可以用于提供基于栅格的网格抽取的一个示例例程的流程图;以及
图6是示出能够实现本文所呈现的配置的各方面的计算设备的说明性计算机硬件和软件架构的计算机架构图。
详细描述
本文描述了用于提供基于栅格的网格抽取的概念和技术。一般性地来描述,处理定义模型的输入数据以从众多视角将模型渲染为深度图。视角的位置和/或视角的数量基于一个或多个因素,包括由输入数据和/或其它上下文信息定义的数据。在一些配置中,表示视角的位置和/或视角的数量的数据可被显示给用户,并通过输入进行修改,包括响应于所述显示的用户输入。
通过从众多视角捕捉深度图数据,从该众多视角可见的模型的组件被捕捉在深度图数据中,并且被可见组件阻挡的组件不被捕捉在深度图数据中。点云数据是通过合并从众多视角捕捉的深度图数据生成的。通过将表面重建应用于点云数据来生成输出网格数据。网格抽取算法可被应用于输出网格数据。在一些配置中,网格抽取算法可以作为独立过程或作为点云数据的表面重建的一部分应用于输出网格数据。
在一些配置中,本文所描述的技术还可以渲染该模型以从众多视角捕捉图像数据。在一些示例中,所捕捉的图像数据可以包括RGB图像数据、CMYK图像数据或定义纹理、着色器、法线图或任何其它显示属性的数据。如果捕捉图像数据,如下面将更详细描述的,捕捉的图像数据可以应用于输出网格数据。可以使用用于应用图像数据的任何数量的已知方法,例如、纹理化、包装(wrapping)等。
在一些说明性示例中,输入数据可以包括与纹素(texel)相关联的原始网格,例如编码的颜色、法线等。本公开的各方面通过纹素的空间位置存储纹素。一旦从点云数据生成输出网格数据,本文公开的技术可以通过对输出网格数据进行采样来恢复与纹素相关联的信息。在一些配置中,对于个体样本,本文中公开的技术搜索特定纹素,所述特定纹素可以包括最近的纹素。可以通过利用诸如KD树或八叉树之类的空间分割数据结构来优化这样的配置。
通过使用本文公开的技术,生成具有减少的多边形计数的网格数据可以在影响一些现有技术的一些性能和计算资源问题方面有所帮助。此外,使用多个视角捕捉数据有助于产生减少的多边形计数,同时减轻导致建模对象的突出特征中的孔或间隙的问题。本文呈现的技术还可以过滤和移除隐藏的组件,例如内部组件,从一个或多个所选视角来说这些组件可能都不被视为突出特征。与视角相关的数据也可以显示给用户,这使得用户能够提供关于该多个视角的反馈。这些技术和其它技术可提升用户的表现,并在与设备交互时减少用户错误。
尽管在结合计算机系统上的操作系统和应用程序的执行而执行的程序模块的一般上下文中提出了本文描述的主题,但是本领域技术人员将认识到,其它实现可以结合其它类型的程序模块来执行。一般而言,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、组件、数据结构及其它类型的结构。此外,本领域技术人员将明白,可以使用其它计算机系统配置来实施本文描述的主题,这些计算机系统配置包括手持式设备、多处理器系统、基于微处理器的或可编程消费电子产品、小型计算机、大型计算机等等。
在以下详细描述中,参考了构成详细描述的一部分并作为说明示出了各具体配置或示例的附图。现在参考附图,其中贯穿若干附图相同的标记表示相同的元件,将描述用于提供基于栅格的网格抽取的计算系统和方法的各方面。
图1是显示本文所公开的用于提供基于栅格的网格抽取的一个说明性机制的各方面的系统图。如图1所示,系统100可以包括计算设备101、远程计算机102和网络120。计算设备101可以作为独立设备操作,或者计算设备101可以与远程计算机102结合地操作。可以领会,远程计算机102和计算设备101通过一个或多个本地和/或广域网(诸如网络120)互连。应当领会,可以使用除图1所示外的多得多的网络连接。
计算设备101可以是个人计算机,可穿戴计算机,包括头戴式显示器(HMD)或具有用于在显示器(诸如界面118)上渲染一个或多个对象的组件的任何其它设备的形式。计算设备101可以包括本地存储器180,其存储输入数据103、深度图数据105、点云数据107、图像数据109和输出数据111。计算设备101还可以包括程序模块113,其被配置为管理本文描述的技术以及用户和计算设备101之间的交互。程序模块113可以是游戏应用、虚拟现实应用、操作系统组件或具有用于处理输入数据103以在显示器上渲染对象的特征的任何其它应用的形式。
输入数据103可以是任何格式的。在一些示例中,输入数据103可以包括包含几何数据的来自文件的数据或任何其它数据结构。示例文件格式包括但不限于3DMF、开放游戏引擎交换、3DML、3DXML、FBX、X3D和XVL。输入数据103可以包括定义与单个网格相关联的对象或每个都由单独的网格定义的多个对象的数据。
使用输入数据103,模型可以从众多视角在存储器中渲染。如将在下面更详细地描述的,视角的数量可以取决于一个或多个因素,包括模型的形状、尺寸和/或特性。例如,与输入数据103相关联的多边形计数和/或与输入数据103相关联的顶点计数可以影响视角的数量和/或位置。在一些配置中,增加的多边形计数和/或增加的顶点计数可以使系统100增加视角的数量。另外,从计算机或用户接收的其它上下文信息也可能影响视角的数量。在某些场景中,上下文信息可指示模型具有平坦或弯曲表面。在此类场景中,包括平坦表面的模型可能需要比由弯曲表面构成的模型更少的视角。另外,具有弯曲表面的模型,诸如半球,可能存在在模型的弯曲表面周围均匀分布的众多视角,以及针对该模型的平坦表面的较少的视角。任何接收的数据可能影响每个视角的位置和/或视角的数量。在一个示例中,可以从输入数据103和其它数据(诸如从用户接收的输入或从任何资源接收的数据)来解释上下文数据。
在一些配置中,可以向用户显示表示个体视角的位置和/或视角的数量的数据。这里公开的技术还可以显示用户界面(UI)控件,以便用户通过使用UI或其它形式的输入(诸如语音输入或其它输入机制)来修改个体视角的位置和/或视角的数量。
可以从每个视角中捕捉深度图数据105。任何数据格式都可以用于存储深度图数据105,深度图数据105可以包括定义个体视角和建模对象之间的距离的数据。通过从众多视角捕捉深度图数据105,从该众多视角可见的对象的组件被捕捉在深度图数据105中,并且被可见组件阻挡的组件不被捕捉在深度图数据105中。
此外,在一些配置中,可以从一个或众多视角捕捉图像数据109,诸如RGB数据、CMYK数据或其它数据。在其它示例中,可以从所述视角中的每个视角中捕捉标识任何显示属性(诸如阴影(shading))的数据。如下所解释的,捕捉的图像数据109可以应用于输出数据111。
通过合并从众多视角捕捉的深度图数据105来生成点云数据107。接下来,通过对点云数据107应用表面重建过程来生成输出数据111(其可包括网格数据)。出于说明的目的,输出数据111在本文中也称为“输出网格数据”。在一些配置中,网格抽取算法可以作为独立过程或表面重建过程的一部分应用于输出数据111。可以将任何兼容的网格抽取技术(包括基于二次式(quadratic-based)的网格抽取)应用于输出数据111。
在一些配置中,当从所述视角捕捉图像数据109时,本文描述的技术也可以将图像数据109应用于输出数据111。这可以通过多种技术来实现,其可以包括纹理化或包装由输出数据111定义的表面,将图像数据109的渲染投影在由输出数据111定义的表面上,或者通过使用用于将显示属性或图像数据应用于网格数据的任何已知技术。
在一些配置中,代替渲染用于纹理化的图像,一种方法可以涉及为从抽取的网格中的每个点搜索原始模型上的最近点的过程。一旦建立了这样的映射,则可以转移图像数据,例如颜色信息。在一些说明性示例中,输入数据可以包括与纹素相关联的原始网格,诸如编码的颜色、法线等。本公开的各方面通过纹素的空间位置存储纹素。一旦从点云数据生成输出网格数据,本文公开的技术可以通过对输出网格数据进行采样来恢复与纹素相关联的信息。在一些配置中,对于个体样本,本文公开的技术搜索特定纹素,诸如最近的纹素。可以通过利用诸如KD-tree和八叉树之类的空间分割数据结构来优化这种配置。
程序模块113还可以包括配置成与话筒和扬声器结合地操作的语音组件。语音组件可以包括用于将用户语音转换成诸如文本或二进制格式的计算机可读格式的机制。可以领会,可以使用包含语音输入或任何其它形式的用户输入的数据,以获得关于输入数据103的上下文信息,包括定义3D模型的数据。
在一个说明性示例中,程序模块113是创建或允许用户与虚拟世界环境交互的应用。虚拟世界环境可以包括一个或多个对象的模型。程序模块113可以被配置为使用一个或多个输入进行操作,从而用户和其它资源可以提供关于所渲染的模型的上下文信息。如将在下面更详细地描述的,诸如用于捕捉深度图数据和图像数据的视角的数量之类的多个参数可以受输入数据103、一个或多个输入和/或上下文数据的影响。
远程计算机102可以是被配置为存储和处理输入数据103、深度图数据105、点云数据107、图像数据109和输出数据111的一个服务器计算机或多个服务器计算机的形式。可以领会,远程计算机102可以存储在一个或多个客户端计算机中存储的数据的复制副本,从而允许集中式服务来协调多个客户端计算机(诸如计算设备101)。
现在转到图2,示出了说明性示例的各方面。图2示出了可以由样本输入数据103定义的模型200。如图所示,模型200包括立方体201,其具有顶部202、第一侧203和第二侧204。与第一侧203相对的第三侧(未示出),与第二侧204相对的第四侧(未示出)、以及与顶部202相对的底侧(未示出)。
模型200还包括穿过立方体201的第二侧204突出的块250。如图所示,块250包括定位在立方体201内部的第一顶部部分251A和定位立方体201外的第二顶部部分251B。出于说明的目的,第一顶部部分251A和第二顶部部分251B在本文中统称为“顶部表面251”。块250还包括定位在立方体201内的第一侧面部分253A和定位在立方体201外的第二侧面部分253B。出于说明的目的,第一侧面部分253A和第二侧面部分253B在本文中统称为“第二侧表面253。”块250还包括第一端252、与第一端252相对的第二端(未示出)、与第二侧表面253相对的第三侧(未示出)、以及与顶表面251相对的底侧(未示出)。
在本示例中,虽然模型200可以表现为一个网格,但是输入数据103可以用一个网格定义立方体201,并且用第二网格定义块250。虽然该示例示出了具有用于立方体201的个体网格和用于块250的个体网格的输入数据103,但是本文描述的技术可以处理定义单个网格或任何数量的网格组件的输入数据103。在当前示例中,如下面将更详细地描述的,可以将定义用于立方体201的个体网格和用于块250的个体网格的输入数据103处理成具有单个网格的输出数据111。
如上面概述的,本文描述的技术从众多视角捕捉深度图数据。在一些配置中,视角的数量和个体视角的位置可以基于一个或多个因素,包括输入数据103的特性和/或其它上下文信息。例如,具有高多边形计数和/或高顶点数量的输入数据103可能导致系统100使用增加数量的视角。同样如本文所述,来自用户的输入或指示模型的上下文的其它信息可以影响视角的数量和/或个体视角的位置。例如,如果来自用户的输入指示模型包括平坦表面,那么与具有弯曲表面的模型相比,技术可以使用较少的视角。每个视角的位置和/或视角的数量可以取决于从输入数据103和其它数据解释的上下文数据。
在另一示例中,可以向用户显示视角的数量和/或个体视角的位置的视觉显示,诸如图3A中的图。在检查视觉显示之际,用户可以向系统100提供输入以增加或减少视角的数量和/或移动个体视角的位置。
在将示例模型200应用于本文所描述的技术时,图3A示出了用于捕捉模型200的深度图数据的视角的数量。如图所示,可以存在围绕模型200分布的多个视角(301A-301N)。例如,第一视角301A可以定位在模型200上方,第二视角301B可以定位在第四侧上方并且指向模型200的顶部。其它视角可以围绕模型200定位以捕捉每个表面的深度图数据。可以领会,视角的数量可以小于或大于图3A中所示的视角的数量。另外,可以领会,个体视角可以在相对于模型200的任何位置,如由所示的坐标311所指示的。每个视角可以包括指示视角的位置、视图的方向和其它数据的数据。
在一些配置中,本文所描述的技术还可渲染模型200以从众多视角生成至少一个图像。在一些配置中,可以从个体视角生成RGB图像或任何其它类型的图像。图3B示出了可以从第一侧203捕捉的示例纹理。视角301A-301N中的一个或多个可以用于捕捉和记录图像数据,图像数据可以包括任何类型的数据,诸如阴影、纹理、颜色或任何其它显示属性。
如上所概述的,通过合并从众多视角捕捉的深度图数据来生成点云数据。深度图数据可以通过用于生成点云数据的任何已知技术来处理。在一些配置中,深度图数据可用于生成个体点的3D坐标。那些点可以用于生成点云。图4A示出了可以从深度图数据生成的点云的示例图示。
然后将点云数据应用于表面重建过程以产生输出网格数据111。可以使用从点云数据生成网格数据111的任何已知方法。图4B示出了本示例的网格数据的示例表示。在本示例中,由于使用众多视角来捕捉深度图数据,所以在此阶段中生成的网格数据可以包括一个网格。如上所述,在当前示例中,输入数据103包括多于一个的网格:一个网格用于立方体201,且一个网格用于块250。作为输入数据103的处理的结果,从点云数据产生的网格数据仅包括单个网格。同样如图所示,输出网格数据111不包括定位在立方体201内的第一顶部部分251A,然而输出网格数据确实包括第二顶部部分251B。同样如上所述,可以将一个或多个网格抽取算法应用于输出网格数据111。
接下来,如果从输入数据103捕捉图像数据,则将捕捉的图像数据109应用于输出网格数据111。可以使用任何方法将图像数据109应用于网格数据。例如,网格数据可以通过从图像数据109投影颜色来进行纹理化,图像数据109可以是RGB图像数据或任何其它类型的图像数据的形式。
现在转到图5,下面示出并描述了用于提供基于栅格的网格抽取的例程500的各方面。应该理解,不一定按任何特定次序来呈现本文公开的方法的操作,并且用替换次序来执行部分或全部操作是可能的且可构想的。为了易于描述和说明,按所示次序来呈现各操作。可以添加、省略和/或同时执行操作,而不脱离所附权利要求书的范围。
还应当理解,所示方法可在任何时间结束且不必完整地执行。这些方法的部分或全部操作和/或基本等效的操作可通过执行计算机存储介质上所包括的计算机可读指令来执行,如在下文中所定义的。如在说明书和权利要求书中使用的术语“计算机可读指令”及其变型,在本文是用来广泛地包括例程、应用、应用模块、程序模块、程序、组件、数据结构、算法等等。计算机可读指令可以在各种系统配置上实现,包括单处理器或多处理器系统、小型计算机、大型计算机、个人计算机、手持式计算设备、基于微处理器的可编程消费电子产品、其组合等等。
因此,应该理解,本文所述的逻辑操作被实现为:(1)一系列计算机实现的动作或运行于计算系统上的程序模块;和/或(2)计算系统内的互连的机器逻辑电路或电路模块。该实现是取决于计算系统的性能及其它要求的选择问题。因此,本文描述的逻辑操作被不同地称为状态、操作、结构设备、动作或模块。这些操作、结构设备、动作和模块可以用软件、固件、专用数字逻辑及其任何组合来实现。
如下文将结合图1更详细地描述的,例程500的操作在本文中被描述为至少部分地由诸如程序模块113和/或服务器模块114之类的应用、组件和/或电路来实现。尽管以下图示涉及图1的各组件,但是可以理解例程500的操作也可以许多其它方式来实现。例如,例程500可至少部分地由计算机处理器或另一计算机的处理器来实现。另外,例程500的一个或多个操作可替换地或附加地至少部分地由单独工作的芯片组或与其它软件模块协同工作的芯片组来实现。适于提供指示任何设备的位置或状态的上下文数据的任何服务、电路、或应用可在本文所描述的操作中使用。
参考图5,例程500在操作502开始,其中获得输入数据103。输入数据103可以是任何格式,并且可以来自任何资源。在一些示例中,输入数据103可以包括包含几何数据的来自文件的数据或任何其它数据结构。示例文件格式包括但不限于3DMF、开放游戏引擎交换、3DML、3DXML、FBX、X3D和XVL。输入数据103可以包括定义与单个网格相关联的对象或每个都由单独的网格定义的多个对象的数据。
接下来,在操作504,系统100确定视角的数量。如上所概述的,视角的数量可以取决于一个或多个因素,包括输入数据103的各方面和/或模型的特性。例如,与输入数据103相关联的多边形计数和/或与输入数据103相关联的顶点计数可以影响视角的数量和/或位置。在一些配置中,增加的多边形计数和/或增加的顶点计数可导致增加的数量的视角。另外,从计算机或用户接收的其它上下文信息也可能影响视角的数量。
除了确定视角的数量之外,操作504还可以包括确定视角的位置的技术。视角的位置可以取决于一个或多个因素,包括输入数据103的各方面。任何接收的数据可能影响每个视角的位置和/或视角的数量。在一个示例中,可以从输入数据103和其它数据(诸如从用户接收的输入或从任何资源接收的数据)来解释上下文数据。个体视角的位置和/或视角的数量可以基于上下文数据。此外,可以向用户显示示出个体视角的位置的UI。UI可以配置有控件,其可以包括被配置为允许用户改变视角的数量和/或个体视角的位置的触摸输入组件。
接下来,在操作506,系统100从所述数量的视角捕捉深度图数据105。在一些配置中,可以在存储器中渲染来自所述视角的模型。从每个视角,可以将深度值和其它数据(其可包括距离和坐标信息)存储在存储器中。通过从众多视角捕捉深度图数据105,从该众多视角可见的模型的组件被捕捉在深度图数据105中,并且被可见组件阻挡的组件不被捕捉在深度图数据105中。
接下来,在操作508,作为任选过程,系统100可以从所述数量的视角捕捉图像数据109。这可以包括解释模型的渲染以获得图像数据(诸如RGB数据或CMYK数据)。操作508还可以包括收集其它数据,诸如图像数据的位置的指示符。例如,在图3B的示例中,一个或多个数据结构可以指示与组件(诸如模型的第一侧203)相关联的纹理、阴影、图像或其它显示属性。
接下来,在操作510,系统100通过合并深度图数据105生成点云数据107。深度图数据105可以通过用于生成点云数据107的任何已知技术来处理。
接下来,在操作512,系统100生成输出网格数据111,其可以是网格数据的形式,通过对点云数据107应用表面重建处理来生成。
接下来,在操作514,系统100可以将网格抽取算法应用于输出网格数据111,例如网格数据。该操作可以作为独立过程(操作514)或操作512的表面重建过程的一部分来应用。
接下来,在操作516,系统100可以将图像数据109应用于输出网格数据111。在操作516中,可以使用用于将图像数据109或任何其它图像属性应用于几何数据的任何已知方法。此过程可能涉及图像的包装、阴影或任何其它显示属性的应用。
对于图1所示的组件,图6示出了能够执行上述用于提供基于栅格的网格抽取的程序组件的示例计算机架构的附加细节。图6所示的计算机架构示出了游戏控制台、常规服务器计算机、工作站、台式计算机、膝上型计算机、平板、平板手机、网络设备、个人数字助理(“PDA”)、电子阅读器、数字蜂窝电话或其它计算设备,并且可用于执行本文提及的任一软件组件。例如,图6所示的计算机架构可用于执行上述任一软件组件。尽管本文描述的一些组件专用于计算设备101,但可以领会这些组件和其它组件可以是远程计算机102的一部分。
计算设备101包括基板602或“母板”,其是大量组件或设备可通过系统总线或其它电子通信路径所连接到的印刷电路板。在一个说明性配置中,一个或多个中央处理单元(“CPU”)604结合芯片组606一起操作。CPU 604可以是执行计算设备101的操作所需的算术和逻辑操作的标准可编程处理器。
CPU 604通过从一个分立的物理状态转换到下一状态来执行操作,该转换是通过操纵在各状态之间进行区别并改变这些状态的切换元件来实现的。切换元件一般可包括维持两个二进制状态之一的电子电路,诸如触发电路,以及基于一个或多个其它切换元件的状态的逻辑组合来提供输出状态的电子电路,诸如逻辑门。这些基本切换元件可被组合以创建更复杂的逻辑电路,包括寄存器、加减器、算术逻辑单元、浮点单元等等。
芯片组606提供CPU 604与基板602上的其余组件和器件之间的接口。芯片组606可提供对用作计算设备101中的主存储器的RAM 608的接口。芯片组606还可提供对诸如只读存储器(“ROM”)610或非易失性RAM(“NVRAM”)之类的用于存储有助于启动计算设备101并在各种组件和器件之间传送信息的基本例程的计算机可读存储介质的接口。ROM 610或NVRAM还可存储根据本文描述的配置的计算设备101的操作所必需的其它软件组件。
计算设备101可以通过诸如局域网120等网络使用到远程计算设备和计算机系统的逻辑连接来在联网环境中操作。芯片组606可包括用于通过诸如千兆比特以太网适配器等网络接口控制器(NIC)612提供网络连通性的功能。NIC612能够通过网络120将计算设备101连接到其它计算设备。应当领会,多个NIC 612可存在于计算设备101中,以将该计算机连接到其它类型的网络和远程计算机系统。网络120允许计算设备101与远程服务和服务器(诸如远程计算机102)通信。可以领会,远程计算机102可主存多个服务,诸如由华盛顿雷德蒙德的微软公司提供的XBOX LIVE游戏服务。另外,如上所述,远程计算机102可镜像和反映出存储在计算设备101的数据和诸如由程序模块113执行的那些的主机服务。
计算设备101可连接到为计算设备提供非易失性存储的大容量存储设备626。大容量存储设备626可存储已经在本文更详细地描述的系统程序、应用程序、其它程序模块和数据。大容量存储设备626可以通过连接到芯片组606的存储控制器615连接到计算设备101。大容量存储设备626可包括一个或多个物理存储单元。存储控制器615可以通过串行附连SCSI(“SAS”)接口、串行高级技术附连(“SATA”)接口、光纤通道(“FC”)接口或用于在计算机和物理存储单元之间物理地连接和传送数据的其它类型的接口与物理存储单元对接。还应理解,大容量存储设备626、其它存储介质和存储控制器615可包括多媒体卡(MMC)组件、eMMC组件、安全数字(SD)组件、PCI高速组件等。
计算设备101可通过变换物理存储单元的物理状态以反映出被存储的信息来将数据存储在大容量存储设备626上。在本说明书的不同实现中,物理状态的具体变换可取决于各种因子。这些因子的示例可以包括,但不仅限于:用于实现物理存储单元的技术,大容量存储设备626被表征为主存储还是辅存储等等。
例如,计算设备101可通过经由存储控制器615发出以下指令来将信息存储在大容量存储设备626:更改磁盘驱动器单元内的特定位置的磁特性、光存储单元中的特定位置的反射或折射特性,或者固态存储单元中的特定电容、晶体管或其它分立组件的电特性。在没有偏离本说明书的范围和精神的情况下,物理介质的其它变换也是可能的,前面提供的示例只是为了便于此描述。计算设备101还可通过检测物理存储单元内的一个或多个特定位置的物理状态或特性来从大容量存储设备626中读取信息。
除了上述大容量存储设备626之外,计算设备101还可访问其它计算机可读介质以存储和检索信息,诸如程序模块、数据结构或其它数据。由此,尽管程序模块113和其它模块被描绘为存储在大容量存储设备626中的数据和软件,但应理解,这些组件和/或其它模块可被至少部分地存储在计算设备101的其它计算机可读存储介质中。虽然对本文包含的计算机可读介质的描述引用了诸如固态驱动器、硬盘、或CD-ROM驱动器之类的大容量存储设备,但是本领域的技术人员应该明白,计算机可读介质可以是可由计算设备101访问的任何可用计算机存储介质或通信介质。
通信介质包括诸如载波或其它传输机制等已调制数据信号中的计算机可读指令、数据结构、程序模块或其它数据,且包含任何传递介质。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被更改或设定的信号。作为示例而非限制,通信介质包括诸如有线网络或直接线连接之类的有线介质,以及诸如声学、RF、红外及其它无线介质之类的无线介质。上述的任意组合也应包括在计算机可读介质的范围之内。
作为示例而非限制,计算机存储介质可包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。例如,计算机介质包括但不限于,RAM、ROM、EPROM、EEPROM、闪存或其它固态存储器技术、CD-ROM、数字多功能盘(“DVD”)、HD-DVD、蓝光(BLU-RAY)或其它光学存储、磁带盒、磁带、磁盘存储或其它磁性存储设备、或能用于存储所需信息且可以由计算设备101访问的任何其它介质。为了声明的目的,短语“计算机存储介质”及其变型不包括波或信号本身和/或通信介质。
大容量存储设备626可存储用于控制计算设备101的操作的操作系统627。根据一个配置,操作系统包括游戏操作系统。根据另一配置,操作系统包括来自微软公司的操作系统。根据进一步配置,操作系统可包括可以从其相应的制造商获得的UNIX、ANDROID、WINDOWS PHONE或iOS操作系统。应理解,也可利用其它操作系统。大容量存储设备626可存储计算设备101利用的其它系统或应用程序和数据,诸如程序模块113、上下文数据629和/或上面描述的任何其它软件组件和数据。大容量存储设备626可能还存储本文未具体标识的其它程序和数据。
在一个配置中,大容量存储设备626或其它计算机可读存储介质用计算机可执行指令来编码,这些计算机可执行指令在被加载到计算设备101中时将计算机从通用计算系统变换成能够实现本文描述的配置的专用计算机。这些计算机可执行指令通过如上所述地指定CPU 604如何在各状态之间转换来变换计算设备101。根据一种配置,计算设备101具有对存储计算机可执行指令的计算机可读存储介质的访问,其在被计算设备101执行时,执行上面关于图5和其它图描述的各例程。计算设备101可能还包括用于执行本文描述的任意其它计算机实现的操作的计算机可读存储介质。
计算设备101还可包括用于接收并处理来自诸如键盘、鼠标、话筒、耳机、触摸垫、触摸屏、电子指示笔、或任何其它类型的输入设备之类的多个输入设备的输入的一个或多个输入/输出控制器616。还示出输入/输出控制器616与输入/输出设备625通信。输入/输出控制器616可向诸如计算机监视器、HMD、平板显示器、数字投影仪、打印机、绘图仪或其它类型的输出设备等显示器提供输出。输入/输出控制器616可提供与诸如话筒116、扬声器117、游戏控制器和/或音频设备等其它设备的输入通信。另外或替换地,视频输出622可以与芯片组606通信并且独立于输入/输出控制器616进行操作。还将领会,计算设备101可不包括图6中所示的全部组件,可包括图6中未明示的其它组件,或可使用完全不同于图6中所示的那样的架构。
可鉴于以下条款来考虑本文提出的公开。
条款1:一种计算设备,包括:处理器;其上存储有计算机可执行指令的存储器,所述计算机可执行质量在由所述处理器执行时,使得所述计算设备获得包括定义一个或多个模型的几何数据的输入数据;确定用于捕捉所述一个或多个模型的深度图数据的视角的数量;从所述视角捕捉深度图数据;通过合并来自所述视角的所述深度图数据生成点云数据;以及通过对所述点云数据应用表面重建来生成网格数据,所述网格数据定义所述模型的从所述视角可见的组件。
条款2:如条款1所述的计算设备,其中所述存储器具有存储在其中的进一步可执行指令,以通过对所述网格数据应用网格抽取过程来生成输出数据。
条款3:如条款1-2所述的计算设备,其中所述输入数据进一步包括图像属性,且其中所述存储器具有存储于其中的其它可执行指令以:从所述输入数据渲染所述模型以从所述视角捕捉图像数据;以及使用所述图像数据对所述网格数据进行纹理化。
条款4:如条款1-3所述的计算设备,其中所述存储器具有存储于其中的其它可执行指令以:分析所述输入数据以确定上下文;以及至少部分地基于所述上下文来确定所述数量的视角中的至少一个视角的位置。
条款5:如条款1-4所述的计算设备,其中所述视角的数量至少部分地基于所述上下文。
条款6:如条款1-5所述的计算设备,其中所述视角的数量至少部分地基于与所述输入数据相关联的多边形计数。
条款7:如条款1-6所述的计算设备,其中所述视角的数量至少部分地基于与所述输入数据相关联的顶点计数。
条款8:如条款1-7所述的计算设备,其中所述存储器具有存储于其中的其它可执行指令以导致指示所述视角的数量的数据的显示;以及接收附加输入数据,所述附加输入数据指示对所述视角的数量或所述数量的视角中的至少一个视角的位置的修改。
条款9:一种计算机实现的方法,包括:获得包括定义一个或多个模型的几何数据的输入数据;确定用于捕捉所述一个或多个模型的深度图数据的视角的数量;从所述视角捕捉深度图数据;通过合并从所述视角捕捉的所述深度图数据生成点云数据;以及通过对所述点云数据应用表面重建来生成网格数据。
条款10:如条款9所述的方法,其中生成网格数据还包括网格抽取过程的应用以减少所述网格数据的多边形计数。
条款11:如条款9-10所述的方法,进一步包括:渲染所述模型以从所述视角生成至少一个图像;以及利用所述至少一个图像来对所述网格数据进行纹理化。
条款12:如条款9-11所述的方法,进一步包括:分析所述输入数据以确定上下文;以及至少部分地基于所述上下文来确定所述数量的视角中的至少一个视角的位置。
条款13:如条款9-12所述的方法,其中所述视角的数量至少部分地基于所述上下文。
条款14:如条款9-13所述的方法,其中所述视角的数量至少部分地基于与所述输入数据相关联的多边形计数。
条款15:如条款9-14所述的方法,其中所述视角的数量至少部分地基于与所述输入数据相关联的顶点计数。
条款16:如条款9-15所述的方法,进一步包括:导致指示所述视角的数量的数据的显示;以及接收指示对所述视角的数量的修改的附加输入数据。
条款17:一种具有其上存储有计算机可执行指令的计算机可读存储介质,所述计算机可执行指令在由计算机执行时使得所述计算机:获得定义对象的多个三维组件的输入数据;确定所述多个三维组件中从多个视角可见的组件集合;过滤从所述多个视角隐藏的多个三维组件的第二组件集合;以及使用可从所述多个视角可见的所述多个组件来生成定义所述对象的三维模型的输出数据。
条款18:如条款17所述的计算机可读存储介质,其中所述计算机可读存储介质具有存储于其上的其它计算机可执行指令以使得所述计算机:分析所述输入数据以确定上下文;以及至少部分地基于所述上下文确定所述第二组件集合。
条款19:如条款17-18所述的计算机可读存储介质,其中所述计算机可读存储介质具有存储于其上的其它计算机可执行指令以使得所述计算机:分析所述输入数据以确定上下文;以及至少部分地基于所述上下文确定所述第二组件集合。
条款20:如条款17-19所述的计算机可读存储介质,其中所述计算机可读存储介质具有存储于其上的其它计算机可执行指令以使得所述计算机确定指示与所述输入数据相关联的多边形的数量或顶点的数量的值;以及至少部分地基于所述值确定所述组件集合。
基于上文,应当领会,本文提供了用于提供基于栅格的网格抽取技术。虽然用计算机结构特征、方法和变换动作、特定计算机器、以及计算机可读介质专用的语言描述了本文中所描述的主题,但是应当理解,所附权利要求书中所定义的本发明不必限于本文中所描述的具体特征、动作、或介质。相反,这些具体特征、动作以及介质是作为实现权利要求的示例形式而公开的。
以上所述的主题仅作为说明提供,并且不应被解释为限制。可对本文中所描述的主题作出各种修改和改变,而不必遵循示出和描述的示例配置和应用且不背离所附权利要求书中所阐述的本发明的真正精神和范围。
Claims (17)
1.一种计算设备,包括:
处理器;
其上存储有计算机可执行指令的存储器,所述计算机可执行指令在由所述处理器执行时,使得所述计算设备
获得包括定义一个或多个模型的几何数据的输入数据;
确定用于捕捉所述一个或多个模型的深度图数据的视角的数量,其中所述视角的数量和所述视角的位置至少部分地基于与所述输入数据相关联的多边形计数;
从所述视角捕捉深度图数据;
通过合并来自所述视角的所述深度图数据生成点云数据;
通过对所述点云数据应用表面重建来生成网格数据,所述网格数据定义所述模型的从所述视角可见的组件;以及
通过对所述网格数据应用网格抽取过程来生成输出数据。
2.如权利要求1所述的计算设备,其中所述输入数据进一步包括图像属性,且其中所述存储器具有存储于其中的其它可执行指令以:
从所述输入数据渲染所述模型以从所述视角捕捉图像数据;以及
使用所述图像数据对所述网格数据进行纹理化。
3.如权利要求1所述的计算设备,其中所述存储器具有存储于其中的其它可执行指令以:
分析所述输入数据以确定上下文;以及
至少部分地基于所述上下文来确定所述数量的视角中的至少一个视角的位置。
4.如权利要求3所述的计算设备,其中所述视角的数量至少部分地基于所述上下文。
5.如权利要求1所述的计算设备,其中所述视角的数量至少部分地基于与所述输入数据相关联的顶点计数。
6.如权利要求1所述的计算设备,其中所述存储器具有存储于其中的其它可执行指令以
导致指示所述视角的数量的数据的显示;以及
接收附加输入数据,所述附加输入数据指示对所述视角的数量或所述数量的视角中的至少一个视角的位置的修改。
7.一种计算机实现的方法,包括:
获得包括定义一个或多个模型的几何数据的输入数据;
确定用于捕捉所述一个或多个模型的深度图数据的视角的数量,其中所述视角的数量和所述视角的位置至少部分地基于与所述输入数据相关联的多边形计数;
从所述视角捕捉深度图数据;
通过合并从所述视角捕捉的所述深度图数据生成点云数据;以及
通过对所述点云数据应用表面重建来生成网格数据;
其中生成网格数据还包括网格抽取过程的应用以减少所述网格数据的多边形计数。
8.如权利要求7所述的计算机实现的方法,进一步包括:
渲染所述模型以从所述视角生成至少一个图像;以及
利用所述至少一个图像来对所述网格数据进行纹理化。
9.如权利要求7所述的计算机实现的方法,进一步包括:
分析所述输入数据以确定上下文;以及
至少部分地基于所述上下文来确定所述数量的视角中的至少一个视角的位置。
10.如权利要求9所述的计算机实现的方法,其中所述视角的数量至少部分地基于所述上下文。
11.如权利要求7所述的计算机实现的方法,其中所述视角的数量至少部分地基于与所述输入数据相关联的顶点计数。
12.如权利要求7所述的计算机实现的方法,进一步包括:
导致指示所述视角的数量的数据的显示;以及
接收指示对所述视角的数量的修改的附加输入数据。
13.一种具有其上存储有计算机可执行指令的计算机可读存储介质,所述计算机可执行指令在由计算机执行时促使所述计算机:
获得定义对象的多个三维组件的输入数据;
确定所述多个三维组件中从多个视角可见的组件集合,包括:
确定指示与所述输入数据相关联的多边形的数量或顶点的数量的值;以及
至少部分地基于所述值确定所述组件集合;
过滤从所述多个视角来看被隐藏的多个三维组件的第二组件集合;以及
使用可从所述多个视角可见的所述多个三维组件来生成定义所述对象的三维模型的输出数据,其中网格抽取过程被应用于所述输出数据。
14.如权利要求13所述的计算机可读存储介质,其中所述计算机可读存储介质具有存储于其上的其它计算机可执行指令以:
分析所述输入数据以确定上下文;以及
至少部分地基于所述上下文确定所述组件集合。
15.如权利要求13所述的计算机可读存储介质,其中所述计算机可读存储介质具有存储于其上的其它计算机可执行指令以:
分析所述输入数据以确定上下文;以及
至少部分地基于所述上下文确定所述第二组件集合。
16.一种具有指令的计算机可读存储介质,当所述指令被执行时使得机器执行如权利要求7-12中任一权利要求所述的方法。
17.一种计算机系统,包括用于执行如权利要求7-12中任一权利要求所述的方法的装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/690,205 | 2015-04-17 | ||
US14/690,205 US9928645B2 (en) | 2015-04-17 | 2015-04-17 | Raster-based mesh decimation |
PCT/US2016/025963 WO2016168002A1 (en) | 2015-04-17 | 2016-04-05 | Mesh simplification by 3d model reconstruction |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107533771A CN107533771A (zh) | 2018-01-02 |
CN107533771B true CN107533771B (zh) | 2021-04-02 |
Family
ID=55752794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680022451.2A Active CN107533771B (zh) | 2015-04-17 | 2016-04-05 | 通过3d模型重建进行网格简化 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9928645B2 (zh) |
EP (1) | EP3284063B1 (zh) |
CN (1) | CN107533771B (zh) |
WO (1) | WO2016168002A1 (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182702B (zh) * | 2016-12-08 | 2020-06-30 | 北京物语科技有限公司 | 基于深度图像采集设备的实时三维建模方法及系统 |
US10795022B2 (en) * | 2017-03-02 | 2020-10-06 | Sony Corporation | 3D depth map |
US10489651B2 (en) | 2017-04-14 | 2019-11-26 | Microsoft Technology Licensing, Llc | Identifying a position of a marker in an environment |
US10692287B2 (en) | 2017-04-17 | 2020-06-23 | Microsoft Technology Licensing, Llc | Multi-step placement of virtual objects |
US20190012835A1 (en) | 2017-07-07 | 2019-01-10 | Microsoft Technology Licensing, Llc | Driving an Image Capture System to Serve Plural Image-Consuming Processes |
US10484667B2 (en) | 2017-10-31 | 2019-11-19 | Sony Corporation | Generating 3D depth map using parallax |
EP3762901A4 (en) | 2018-03-08 | 2021-11-17 | Simile Inc. | METHODS AND SYSTEMS FOR THE PRODUCTION OF CONTENT IN ENVIRONMENTS WITH MULTIPLE REALITIES |
EP3573021B1 (de) | 2018-05-22 | 2020-07-08 | Sick Ag | Visualisieren von 3d-bilddaten |
US10549186B2 (en) | 2018-06-26 | 2020-02-04 | Sony Interactive Entertainment Inc. | Multipoint SLAM capture |
CN110287431B (zh) * | 2019-06-27 | 2021-08-24 | 北京金山安全软件有限公司 | 图像文件的加载方法、装置、电子设备和存储介质 |
EP4052457A4 (en) * | 2019-10-28 | 2023-07-05 | Magic Leap, Inc. | EDGE DETECTION AND SMOOTHING TO DISPLAY VIRTUAL OBJECTS |
CN110827402B (zh) * | 2020-01-13 | 2020-04-21 | 武大吉奥信息技术有限公司 | 一种基于栅格化技术的类建筑物三维模型简化方法及系统 |
CN111986323B (zh) * | 2020-08-24 | 2024-03-22 | 格兰菲智能科技有限公司 | 模型简化方法 |
FR3117650B1 (fr) * | 2020-12-16 | 2023-09-08 | Schneider Electric Ind Sas | Procédé de gestion de l’affichage d’au moins une information, produit programme d’ordinateur, support d’information et système d’affichage associés |
CN114463505B (zh) * | 2022-02-15 | 2023-01-31 | 中国人民解放军战略支援部队航天工程大学士官学校 | 一种外层空间环境要素模型构建方法及系统 |
EP4428826A1 (en) * | 2023-03-06 | 2024-09-11 | Carl Zeiss Vision International GmbH | Method and device for generating a 3d representation derived from an original 3d representation |
CN117974741B (zh) * | 2024-04-01 | 2024-07-09 | 北京理工大学长三角研究院(嘉兴) | 一种360度点云深度带三角剖分构图方法、装置及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198523A (zh) * | 2013-04-26 | 2013-07-10 | 清华大学 | 一种基于多深度图的非刚体三维重建方法及系统 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5894308A (en) | 1996-04-30 | 1999-04-13 | Silicon Graphics, Inc. | Interactively reducing polygon count in three-dimensional graphic objects |
US6222555B1 (en) * | 1997-06-18 | 2001-04-24 | Christofferson Enterprises, Llc | Method for automatically smoothing object level of detail transitions for regular objects in a computer graphics display system |
US6262738B1 (en) * | 1998-12-04 | 2001-07-17 | Sarah F. F. Gibson | Method for estimating volumetric distance maps from 2D depth images |
US6750873B1 (en) | 2000-06-27 | 2004-06-15 | International Business Machines Corporation | High quality texture reconstruction from multiple scans |
US6943789B2 (en) * | 2001-03-16 | 2005-09-13 | Mitsubishi Electric Research Labs, Inc | Conversion of adaptively sampled distance fields to triangles |
WO2003088085A1 (en) * | 2002-04-04 | 2003-10-23 | Arizona Board Of Regents | Three-dimensional digital library system |
KR100624457B1 (ko) | 2005-01-08 | 2006-09-19 | 삼성전자주식회사 | 깊이-영상 기반의 모델링 방법 및 장치 |
US8773423B2 (en) | 2007-05-07 | 2014-07-08 | Microsoft Corporation | Creating optimized gradient mesh of a vector-based image from a raster-based image |
US20090002368A1 (en) | 2007-06-26 | 2009-01-01 | Nokia Corporation | Method, apparatus and a computer program product for utilizing a graphical processing unit to provide depth information for autostereoscopic display |
US20100156906A1 (en) * | 2008-12-19 | 2010-06-24 | David Montgomery | Shot generation from previsualization of a physical environment |
US8654121B1 (en) * | 2009-10-02 | 2014-02-18 | Pixar | Structured polygonal mesh retesselation |
US20140192050A1 (en) * | 2012-10-05 | 2014-07-10 | University Of Southern California | Three-dimensional point processing and model generation |
US9135750B2 (en) * | 2013-03-05 | 2015-09-15 | Autodesk, Inc. | Technique for filling holes in a three-dimensional model |
US9224238B2 (en) * | 2013-12-06 | 2015-12-29 | Google Inc. | Seamless texturing of 3D meshes of objects from multiple views |
US9903950B2 (en) * | 2014-08-27 | 2018-02-27 | Leica Geosystems Ag | Multi-camera laser scanner |
-
2015
- 2015-04-17 US US14/690,205 patent/US9928645B2/en active Active
-
2016
- 2016-04-05 WO PCT/US2016/025963 patent/WO2016168002A1/en active Application Filing
- 2016-04-05 CN CN201680022451.2A patent/CN107533771B/zh active Active
- 2016-04-05 EP EP16716421.9A patent/EP3284063B1/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198523A (zh) * | 2013-04-26 | 2013-07-10 | 清华大学 | 一种基于多深度图的非刚体三维重建方法及系统 |
Non-Patent Citations (1)
Title |
---|
Pseudo-Immersive Real-Time Display of 3D Scenes on Mobile Devices;Ming Li等;《2011 International Conference on 3D Imaging,Modeling,Processing,Visualization and Transmission》;20111230;第41-48页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2016168002A1 (en) | 2016-10-20 |
US20160307367A1 (en) | 2016-10-20 |
EP3284063B1 (en) | 2024-06-26 |
CN107533771A (zh) | 2018-01-02 |
EP3284063A1 (en) | 2018-02-21 |
US9928645B2 (en) | 2018-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107533771B (zh) | 通过3d模型重建进行网格简化 | |
US9704055B2 (en) | Occlusion render mechanism for point clouds | |
US8665267B2 (en) | System and method for generating 3D surface patches from unconstrained 3D curves | |
US10650570B2 (en) | Dynamic local temporal-consistent textured mesh compression | |
JP7386812B2 (ja) | 照明推定 | |
US9262853B2 (en) | Virtual scene generation based on imagery | |
US10713844B2 (en) | Rendering based generation of occlusion culling models | |
CN111652791B (zh) | 人脸的替换显示、直播方法、装置、电子设备和存储介质 | |
WO2024037116A1 (zh) | 三维模型的渲染方法、装置、电子设备及存储介质 | |
WO2023179091A1 (zh) | 三维模型渲染方法、装置、设备、存储介质及程序产品 | |
Comes et al. | Methodology to create 3d models for augmented reality applications using scanned point clouds | |
CN113592994B (zh) | 用于纹理贴图的方法、装置和存储介质 | |
US9135749B2 (en) | Method and apparatus for processing three-dimensional model data | |
US11281935B2 (en) | 3D object detection from calibrated 2D images | |
US9639975B1 (en) | System and method for generating shadows | |
CN117710563A (zh) | 用于半透明对象的基于光栅化的可微分绘制器的方法 | |
CN115965735B (zh) | 纹理贴图的生成方法和装置 | |
US20230274494A1 (en) | Cropping for efficient three-dimensional digital rendering | |
CN113192171A (zh) | 一种基于云端渲染的三维效果图高效渲染方法及系统 | |
CN116012666B (zh) | 图像生成、模型的训练、信息重建方法、装置及电子设备 | |
WO2024109006A1 (zh) | 一种光源剔除方法及渲染引擎 | |
AU2023201099A1 (en) | Cropping for efficient three-dimensional digital rendering | |
CN117392305A (zh) | 贴图处理方法、装置、存储介质及电子装置 | |
CN116664757A (zh) | 用于高效三维数字绘制的剪切 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |