CN108053283B - 一种基于3d建模的服装定制方法 - Google Patents

Abstract

本发明公开了一种基于3D建模的服装定制方法，包括以下步骤：S1、对人体进行3D建模，得到3D模型；S2、通过3D模型生成人体的数据信息；S3、将服装套在3D模型上生成穿衣效果图，用户根据需求进行服装的修正；S4、根据修正后的服装数据完成布匹裁剪，成衣加工。本发明所提供的服装定制方法，首先对人体进行3D建模，建模方法运算量小，不依赖于专业激光设备；然后利用3D建模得到的3D模型进行远程的服装定制，可满足各种个性化定制的需求。

Description

一种基于3D建模的服装定制方法

技术领域

本发明属于服装定制技术领域，具体涉及一种基于3D建模的服装定制方法。

背景技术

现有服装定制常用方式为通过定制者向制作者发送自己的身材数据，或由制作者对定制者进行裁量。但是在远程定制情况下，若定制者无法对自己身材进行适当裁量，导致远程服装定制无法有效进行。

当前，电子扫描建模的主要技术，大多是通过专业激光设备进行扫描，其分辨率较高，但是设备的成本昂贵，几乎不具备单人的可便携性。对于大部分不需要太精准的建模情况，电子扫描建模已经不太适用。同时现有图像处理建模方法繁琐、运算量大，导致无法运用于手机、平板等处理能力弱的运算设备上。

发明内容

本发明的目的是解决上述问题，提供一种基于3D建模的服装定制方法。

为解决上述技术问题，本发明的技术方案是：一种基于3D建模的服装定制方法，包括以下步骤：

S1、对人体进行3D建模，得到3D模型；

S2、通过3D模型生成人体的数据信息；

S3、将服装套在3D模型上生成穿衣效果图，用户根据需求进行服装的修正；

S4、根据修正后的服装数据完成布匹裁剪，成衣加工。

服装数据可按照用户的具体体形、偏好历史数据进行自动化标定。此外，用户还可以在这个基础上根据需求进行服装的修正；满足用户各种个性化需求。

优选地，所述步骤S2中人体的数据信息包括身高、臂长、领围、胸围、腰围、臀围和关节位置。

优选地，所述步骤S1包括以下子步骤：

S11、对人体进行视频图像采集；

S12、对视频图像中每帧图像进行边缘分析处理，识别出人体的边缘轮廓，对不同帧的拍摄角度进行标记，形成人体不同角度的轮廓信息；

S13、对步骤S12中产生的不同角度的轮廓信息进行虚拟3D空间的模拟旋转建模，形成3D模型。

优选地，所述步骤S12包括以下子步骤：

S121、对每帧图像进行亮度识别，计算亮度均值和离散度；

S122、对图像进行边缘锐化和二值化，得到二值灰度图；

S123、对二值灰度图进行修正：

S1231、利用图像自身的信息做边界的连续性修正；

S1232、利用前后帧的补充数据对当前帧进行边界连续性修正。

优选地，所述步骤S1231包括：在不连续奇数点处进行就近方向探测，选择距离和方向最匹配的奇点进行连接，并在二值灰度图中进行标记：

为像素点P与P’的距离和方向，同理可以获取P点向连续连接方向各点(P₀…P_n)追溯的(Δ₀…Δ_n)，根据Δ序列的方向进行奇点拟合，最终确定最合适的连接点。

优选地，所述步骤S1232包括：对当前帧标记的已经修正区域与前后帧进行对比，如果前后帧存在连续情况，则按照前后帧连续的情况进行近似匹配。

优选地，所述步骤S13包括以下子步骤：

S131、选取人体中相对位置固定的特征点作为角度旋转参考点；

S132、通过已选取参考点相对位置的变化，计算人体倾斜角度、相对位置和相对角度，判定当前图像边界轮廓在2D空间的角度变化；

S133、对各个帧中参考点的变化序列进行三维角度还原修正，得到人体的真实旋转角度，作为当前帧边界的3D轮廓，对2D图像中的边界进行3D位置标注，完成人体的3D模型建模；

S134、若用拍摄终端采用移动拍摄的方式拍摄不动的人体，在每一帧图像数据中，记录拍摄终端的加速度传感器、惯性传感器和磁力传感器的数据，根据这些数据对人体进行角度分析，从而获取人体不同角度的2D轮廓，进而合成3D模型。

优选地，所述步骤S13包括以下子步骤：

S131、选取人体旁边固定不变的参照物进而选择参照物上的特征点生成参考向量；

S132、通过人体上的标注点向量与参照物向量的夹角关系对当前帧的角度进行标注，生成一帧带有角度信息的2D轮廓数据，当所有360度轮廓数据分析完成后，进而合成人体的3D模型。

优选地，所述步骤S13之后还包括：

S14、对3D模型进行细节刻画和修正。

优选地，所述步骤S14中，采用中值计算方法来确认骨骼的走向和关节位置，修正步骤包括：首先用拍摄终端拍摄参考标准物体，然后将获得的图像各个角度的数据与参考标准物体数据进行对比，获得拍摄终端的球型失真的特征和计算比例，对各种能够对人体进行视频图像采集的拍摄终端进行精确测算，用得到的各拍摄终端的球型失真的特征和计算比例建立修正模型数据库；当用户用其中已知拍摄终端进行拍摄后，生成3D模型前，视频图像会先通过修正模型数据库查找对应的失真数据修正模型，视频图像处理之后再进行模型识别。

本发明的有益效果是：

本发明所提供的一种基于3D建模的服装定制方法，首先对人体进行3D建模，建模方法运算量小，不依赖于专业激光设备；然后利用3D建模得到的3D模型进行远程的服装定制，可满足各种个性化定制的需求。

附图说明

图1是本发明人体腿部直立和弯曲状态示意图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的说明：

本发明提供的一种基于3D建模的服装定制方法，包括以下步骤：

S1、对人体进行3D建模，得到3D模型；

步骤S1包括以下子步骤：

S11、通过拍摄终端对人体进行视频图像采集；拍摄终端可以为手机、平板等电子设备。

S12、对视频图像中每帧图像进行边缘分析处理，识别出人体的边缘轮廓，对不同帧的拍摄角度进行标记，形成人体不同角度的轮廓信息。步骤S12包括以下子步骤：

S121、对每帧图像进行亮度识别，计算亮度均值和离散度；

为了得到更好的识别效果，需要首先对图像整体的效果进行评估，从而为后续算法设定基本的参数和边界条件。首先利用图像处理对视频关键帧进行亮度识别：(L₀…L_n)，之后通过加权平均的方法计算亮度均值和离散度。

L_n是第n帧图像的整体亮度值，计算方法可以利用灰度平均值进行线性计算，即对每一帧图像中的各个点RGB色值做平均相加，Z为像素数量。

其中B作为最后的识别结果参数，当a₀＝0，a’＝1时，得到原始初值B₀。a₀为人工调整修正参数，a’为推荐系数，一般没有人工干预的情况下a₀＝0，也可以根据实际应用的需求对图像、视频进行整体的灰度调节，也就是调节a₀的数值，只不过可以预先体现在用户可以看到的图像上。a’取值在0.7～1.3之间。

S122、对图像进行边缘锐化和二值化，得到二值灰度图；

利用高通滤波和空域微分法对图像进行边缘锐化和二值化(超过阈值设置为255，小于阈值设置为0)，达到极致的边缘识别。之后在每一帧图像的锐化图中，根据之前亮度离散加权值B进行对比，形成二值灰度图：

其中g(x,y)代表图像点f(x,y)的灰度(或者RGB分量)，G[f(x,y)]为图像点f(x,y)的梯度值。

S123、对二值灰度图进行修正，锐化后的二值灰度图由于噪点或者图像本身的质量问题，可能存在局部不连续或者局部不清晰的情况，为此，本发明对二值灰度图将进行两个阶段的修正：

S1231、利用图像自身的信息做边界的连续性修正：

在不连续奇数点处进行就近方向探测，选择距离和方向最匹配的奇点进行连接，并在二值灰度图中进行标记：

为像素点P与P’的距离和方向，同理可以获取P点向连续连接方向各点(P₀…P_n)追溯的(Δ₀…Δ_n)，根据Δ序列的方向进行奇点拟合，最终确定最合适的连接点。

S1232、利用前后帧的补充数据对当前帧进行边界连续性修正：

对当前帧标记的已经修正区域与前后帧进行对比，如果前后帧存在连续情况，则按照前后帧连续的情况进行近似匹配，匹配值可以根据当前帧未标记为“已修正”的边界区域进行相似分析。

S13、对步骤S12中产生的不同角度的轮廓信息进行虚拟3D空间的模拟旋转建模，形成3D模型。

本发明采用两种参照方式进行建模处理：

方式一包括以下子步骤：

S131、选取人体中相对位置固定的特征点作为角度旋转参考点；特征点可以为人体外轮廓线中的拐点。特征点的数量至少为三个，比如事先为了定位方便而标识的色点、立方体的尖角、人体的双耳、衣服的固定缝合点。

S132、通过已选取参考点相对位置的变化，计算人体倾斜角度、相对位置和相对角度，判定当前图像边界轮廓在2D空间的角度变化；

Δθ为人体的角度变化，

和

表示人体旋转前后两个参考点先后形成的方向向量。

S133、为了还原到3D领域，对各个帧中参考点的变化序列进行三维角度还原修正，得到人体的真实旋转角度，作为当前帧边界的3D轮廓，对2D图像中的边界进行3D位置标注，最终合成所有的2D轮廓完成人体的3D模型建模。

此外，对于人体，如果给定特定点间的尺寸，系统还会根据这个尺寸在实际3D模型中的具体含义，进行全模型的尺寸推演，从而形成更加贴近实际尺寸的人体3D模型。比如，对于人体身高的标定，可以协助推演出人体其他部位的尺寸，比如：臂长、三围等信息。

S134、若用拍摄终端采用移动拍摄的方式拍摄静置的人体，在每一帧图像数据中，记录拍摄终端的加速度传感器、惯性传感器和磁力传感器的数据，根据这些数据对人体进行角度分析，从而获取人体不同角度的2D轮廓，进而合成3D模型。

方式二包括以下子步骤：

S131、选取人体旁边固定不变的参照物进而选择参照物上的标注点生成参考向量；该参照物可以为在人体旁边人为放置的参照物，如标尺或类似的物体。标注点可以为参照物外轮廓线中的拐点。标注点的数量至少为两个。

S132、当人体进行旋转时，通过人体上的标注点向量与参照物向量的夹角关系对当前帧的角度进行标注，生成一帧带有角度信息的2D轮廓数据，当所有360度轮廓数据分析完成后，进而合成人体的3D模型建模。

参照物可以更加方便精确的完成3D坐标的还原。如果给定参照物的具体尺寸，还可以根据参展物的具体尺寸进行人体的尺寸标注，从而得到更靠近实际效果的3D模型。

S14、对3D模型进行细节刻画和修正：

一、要求目标人按照不同的姿势拍摄360度图像视频，例如双臂平伸直立、双臂自然下垂直立、自然下蹲等姿势，并对应不同的姿势分别进行建模，从而获得目标模型更加丰富的“关节”细节。

对于人体的3D建模，如果仅仅从外部的模型进行扫描，是不恰当的，因为不同的骨骼形态、关节形态会对人体在运动中外部形变有着非常大的影响。根据人体外形弯曲变化的特点来进行内部推算，从而确定3D模型中有影响的骨骼数据，进一部丰富和完善人体的3D模型。

对于关节、骨骼的相关参数，可以根据直立、报臂下蹲等弯曲动作进行原始数据采集。本发明采用中值计算方法来确认骨骼的走向和关节位置。

如图1所示，对于能弯曲的身体部位，我们分别测量得到：该部位伸直状态的长度L、第一臂的长度L₀、第二臂的长度L₁、第一关节的半径R₀和第二关节的半径R₁、第一关节与第一臂和第二臂切点的弧长L₂、第二关节与第二臂切点的弧长L₃，第一臂的一端和第二臂的一端通过第一关节相连，第二臂的另一端与第二关节相连。对于腿部而言，直立和弯曲情况下，L为腿部直立状态的长度，L₀为大腿的长度，L₁为小腿的长度，R₀为膝盖的半径，R₁为脚踝的半径，L₂为膝盖与大腿和小腿切点的弧长，L₃为脚踝与小腿切点的弧长，通过计算R₀和R₁的圆心位置来得到关节中心，同时计算骨骼长度为：

同时，根据R₀，R₁圆心点位置和骨骼长度L_b可以在3D模型中刻画出骨骼、关节的相对位置。基于此，我们获得了体内骨骼的相对位置信息，这样在做局部分析的时候可以非常方便的运算出所需要的设计余量和设计细节。

同样的原理，可以用以确定臂、肘、脖子等关节的数据。

二、对拍摄终端的球面失真进行修正：由于不同的拍摄终端，比如各手机品牌在拍摄图像时不同位置区域成像会存在不同程度的球面失真，根据不同手机品牌的球面失真的经验值，建立基于手机品牌、软件版本的球面失真数据库，从而对其拍摄并识别后的3D模型进一步进行修正，以达到最精确的识别效果。

具体的，首先用拍摄终端拍摄参考标准物体，然后将获得的图像各个角度的数据与参考标准物体数据进行对比，获得拍摄终端的球型失真的特征和计算比例，对各种能够对人体进行视频图像采集的拍摄终端进行精确测算，用得到的各拍摄终端的球型失真的特征和计算比例建立修正模型数据库；当用户用其中已知拍摄终端进行拍摄后，生成3D模型前，视频图像会先通过修正模型数据库查找对应的失真数据修正模型，视频图像处理之后再进行模型识别。

三、直接对3D模型进行局部尺寸的修正：可以根据自己的喜好，对原始的模型进行局部小尺寸的修正，比如调整一些局部的尺寸。特别是人体模型，可以调整具体部位的尺寸，或者用户根据实际测量的情况进行手动修正。

S2、在已经建立好的3D模型上，需要完成按照具体的应用目标进行自动测量和数据处理的目标。在本发明中，通过3D模型生成人体的数据信息；数据信息包括身高、臂长、领围、胸围、腰围、臀围和关节位置等。

这些数据信息需要进行后处理：忽略用户身体表面的一些弯曲数据，并对数据按照一定的行业或企业规则进行适当的修正。

S3、用户将已经有设计原型的服装样板套在3D模型上，通过3D处理中的“贴皮方法”生成一个生成穿衣效果图，直接按照用户的具体体形、偏好历史数据对服装的尺寸进行自动化标定。此外，用户还可以在这个基础上根据需求进行服装整体或局部的修正；

比如拉长袖长、整体加肥、局部(腋窝，胸围)调整。又比如选择衣领的具体形状：圆领、方领、无领，或者选择纽扣的颜色、材质；或者对局部关节按照用户自己的运动习惯进行加宽(或变窄)加肥(或变细)处理等等。

通过对不同材料商的服装材料，根据其特性，包括：弹性、延展性、水洗变形系数、厚度等等信息，修正用户对服装加工的需求，从而确保穿着的舒适感。

本发明还提供一种自动化的模版调整，比如，用户可以选择服装整体的风格：修身、正常、宽松等，可以在用户不需要过多参与的情况下完成数据的生成和处理。

用户也可以根据大数据基础的分析对具体测量参数进行修正。这些大数据包括：行业流行趋势和用户个人历史喜好等。

S4、根据修正后的服装数据，结合人体3D模型上的修订信息，和服装版型本身的加工需求等信息，成布匹裁剪，成衣加工。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (7)

1.一种基于3D建模的服装定制方法，其特征在于，包括以下步骤：

S1、对人体进行3D建模，得到3D模型；

S2、通过3D模型生成人体的数据信息；

S3、将服装套在3D模型上生成穿衣效果图，用户根据需求进行服装的修正；

S4、根据修正后的服装数据完成布匹裁剪，成衣加工；

所述步骤S1包括以下子步骤：

S11、对人体进行视频图像采集；

S12、对视频图像中每帧图像进行边缘分析处理，识别出人体的边缘轮廓，对不同帧的拍摄角度进行标记，形成人体不同角度的轮廓信息；

S13、对步骤S12中产生的不同角度的轮廓信息进行虚拟3D空间的模拟旋转建模，形成3D模型；

所述步骤S12包括以下子步骤：

S121、对每帧图像进行亮度识别，计算亮度均值和离散度；

S122、对图像进行边缘锐化和二值化，得到二值灰度图；

S123、对二值灰度图进行修正：

S1231、利用图像自身的信息做边界的连续性修正；

S1232、利用前后帧的补充数据对当前帧进行边界连续性修正；

所述步骤S1231包括：在不连续奇数点处进行就近方向探测，选择距离和方向最匹配的奇点进行连接，并在二值灰度图中进行标记：

为像素点P与P’的距离和方向，同理可以获取P点向连续连接方向各点(P0…Pn)追溯的(Δ0…Δn)，根据Δ序列的方向进行奇点拟合，最终确定最合适的连接点。

2.根据权利要求1所述的基于3D建模的服装定制方法，其特征在于：所述步骤S2中人体的数据信息包括身高、臂长、领围、胸围、腰围、臀围和关节位置。

3.根据权利要求1所述的基于3D建模的服装定制方法，其特征在于：所述步骤S1232包括：对当前帧标记的已经修正区域与前后帧进行对比，如果前后帧存在连续情况，则按照前后帧连续的情况进行近似匹配。

4.根据权利要求1所述的基于3D建模的服装定制方法，其特征在于：所述步骤S13包括以下子步骤：

S131、选取人体中相对位置固定的特征点作为角度旋转参考点；

S132、通过已选取参考点相对位置的变化，计算人体倾斜角度、相对位置和相对角度，判定当前图像边界轮廓在2D空间的角度变化；

S133、对各个帧中参考点的变化序列进行三维角度还原修正，得到人体的真实旋转角度，作为当前帧边界的3D轮廓，对2D图像中的边界进行3D位置标注，完成人体的3D模型建模；

S134、若用拍摄终端采用移动拍摄的方式拍摄不动的人体，在每一帧图像数据中，记录拍摄终端的加速度传感器、惯性传感器和磁力传感器的数据，根据这些数据对人体进行角度分析，从而获取人体不同角度的2D轮廓，进而合成3D模型。

5.根据权利要求1所述的基于3D建模的服装定制方法，其特征在于：所述步骤S13包括以下子步骤：

S131、选取人体旁边固定不变的参照物进而选择参照物上的特征点生成参考向量；

S132、通过人体上的标注点向量与参照物向量的夹角关系对当前帧的角度进行标注，生成一帧带有角度信息的2D轮廓数据，当所有360度轮廓数据分析完成后，进而合成人体的3D模型。

6.根据权利要求1所述的基于3D建模的服装定制方法，其特征在于：所述步骤S13之后还包括：

S14、对3D模型进行细节刻画和修正。

7.根据权利要求6所述的基于3D建模的服装定制方法，其特征在于：所述步骤S14中，采用中值计算方法来确认骨骼的走向和关节位置，修正步骤包括：首先用拍摄终端拍摄参考标准物体，然后将获得的图像各个角度的数据与参考标准物体数据进行对比，获得拍摄终端的球型失真的特征和计算比例，对各种能够对人体进行视频图像采集的拍摄终端进行精确测算，用得到的各拍摄终端的球型失真的特征和计算比例建立修正模型数据库；当用户用其中已知拍摄终端进行拍摄后，生成3D模型前，视频图像会先通过修正模型数据库查找对应的失真数据修正模型，视频图像处理之后再进行模型识别。

Images