CN109299510A - 三维模型确定方法、装置及设备 - Google Patents
三维模型确定方法、装置及设备 Download PDFInfo
- Publication number
- CN109299510A CN109299510A CN201810980630.8A CN201810980630A CN109299510A CN 109299510 A CN109299510 A CN 109299510A CN 201810980630 A CN201810980630 A CN 201810980630A CN 109299510 A CN109299510 A CN 109299510A
- Authority
- CN
- China
- Prior art keywords
- threedimensional model
- characteristic information
- information
- dimensional
- dimensional 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Evolutionary Computation (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种三维模型确定方法、装置及设备，该方法包括：获取第一物体的三维图像信息，所述三维图像信息至少包括所述第一物体的多个三维坐标；根据所述三维图像信息，确定所述第一物体的类别和特征信息，所述特征信息用于指示所述第一物体的至少一个外形特征；根据所述第一物体的类别、特征信息和预设模型库，确定所述第一物体的三维模型，所述预设模型库包括多个三维模型。提高了确定物体的三维模型的效率。
Description
技术领域
本发明实施例涉及三维模型领域，尤其涉及一种三维模型确定方法、装置及设备。
背景技术
目前，在多种应用场景中，需要构建物体的三维模型。例如，在构建房间内的三维模型时，需要构建房间内每个物体的三维模型。
在现有技术中，当需要构建物体的三维模型时，通常由终端设备对物体进行多角度拍摄，并将拍摄得到的数据信息上传给服务器，由服务器根据物体的数据信息，通过预设算法构建物体的三维模型。然而，根据预设算法构建一个物体的三维模型需要消耗较多的时长，导致现有技术中构建物体的三维模型的效率较低。
发明内容
本发明实施例提供一种三维模型确定方法、装置及设备，提高了确定物体的三维模型的效率。
第一方面，本发明实施例提供一种三维模型确定方法，包括：
获取第一物体的三维图像信息，所述三维图像信息至少包括所述第一物体的多个三维坐标；
根据所述三维图像信息，确定所述第一物体的类别和特征信息，所述特征信息用于指示所述第一物体的至少一个外形特征；
根据所述第一物体的类别、特征信息和预设模型库，确定所述第一物体的三维模型，所述预设模型库包括多个三维模型。
在一种可能的实施方式中，所述根据所述第一物体的类别、特征信息和预设模型库，确定所述第一物体的三维模型，包括：
在所述预设模型库中确定所述第一物体的类别对应的三维模型集合，所述三维模型集合中包括至少一个三维模型；
根据所述第一物体的特征信息和所述三维模型集合，确定所述第一物体的三维模型。
在另一种可能的实施方式中，所述根据所述第一物体的特征信息和所述三维模型集合，确定所述第一物体的三维模型，包括：
根据所述第一物体的特征信息，在所述三维模型集合中确定目标三维模型；
根据所述三维图像信息，确定所述第一物体的参数信息，所述参数信息至少包括所述第一物体的摆放姿态；
根据所述第一物体的参数信息，调整所述目标三维模型的模型参数，得到所述第一物体的三维模型。
在另一种可能的实施方式中，所述根据所述第一物体的特征信息，在所述三维模型集合中确定目标三维模型，包括：
获取所述三维模型集合中每个三维模型的特征信息；
获取所述第一物体的特征信息与所述三维模型集合中每个三维模型的特征信息的相似度；
根据所述第一物体的特征信息与所述三维模型集合中每个三维模型的特征信息的相似度，在所述三维模型集合中确定所述目标三维模型。
在另一种可能的实施方式中，所述参数信息还包括所述第一物体的摆放位置和尺寸。
在另一种可能的实施方式中，所述根据所述三维图像信息，确定所述第一物体的类别和特征信息，包括：
根据所述三维图像信息，确定所述第一物体的至少一个外形特征向量；
根据所述至少一个外形特征向量和预设的识别模型，确定所述第一物体的类型；其中，所述预设的识别模型为通过深度神经网络对多组样本进行学习得到的，每组样本包括外形特征向量样本和对应的物体类别；
根据所述至少一个外形特征向量，确定所述第一物体的特征信息。
在另一种可能的实施方式中，所述获取第一物体的三维图像信息，包括：
接收终端设备发送的所述三维图像信息。
在另一种可能的实施方式中，在预设模型库中确定所述第一物体的三维模型之后，还包括：
向所述终端设备发送所述三维图像信息。
在另一种可能的实施方式中，所述三维图像信息中还包括每个三维坐标对应的、所述第一物体的参数信息，所述参数信息包括所述第一物体的颜色、材质中的至少一种。
第二方面，本发明实施例提供一种三维模型确定装置，包括获取模块、第一确定模块和第二确定模块，其中，
所述获取模块用于，获取第一物体的三维图像信息，所述三维图像信息至少包括所述第一物体的多个三维坐标；
所述第一确定模块用于，根据所述三维图像信息，确定所述第一物体的类别和特征信息，所述特征信息用于指示所述第一物体的至少一个外形特征；
所述第二确定模块用于，根据所述第一物体的类别、特征信息和预设模型库，确定所述第一物体的三维模型，所述预设模型库包括多个三维模型。
在一种可能的实施方式中，所述第二确定模块具体用于：
在所述预设模型库中确定所述第一物体的类别对应的三维模型集合，所述三维模型集合中包括至少一个三维模型；
根据所述第一物体的特征信息和所述三维模型集合，确定所述第一物体的三维模型。
在另一种可能的实施方式中，所述第二确定模块具体用于：
根据所述第一物体的特征信息，在所述三维模型集合中确定目标三维模型；
根据所述三维图像信息，确定所述第一物体的参数信息，所述参数信息至少包括所述第一物体的摆放姿态；
根据所述第一物体的参数信息，调整所述目标三维模型的模型参数，得到所述第一物体的三维模型。
在另一种可能的实施方式中，所述第二确定模块具体用于：
获取所述三维模型集合中每个三维模型的特征信息；
获取所述第一物体的特征信息与所述三维模型集合中每个三维模型的特征信息的相似度；
根据所述第一物体的特征信息与所述三维模型集合中每个三维模型的特征信息的相似度，在所述三维模型集合中确定所述目标三维模型。
在另一种可能的实施方式中，所述参数信息还包括所述第一物体的摆放位置和尺寸。
在另一种可能的实施方式中，所述第一确定模块具体用于：
根据所述三维图像信息，确定所述第一物体的至少一个外形特征向量；
根据所述至少一个外形特征向量和预设的识别模型，确定所述第一物体的类型；其中，所述预设的识别模型为通过深度神经网络对多组样本进行学习得到的，每组样本包括外形特征向量样本和对应的物体类别；
根据所述至少一个外形特征向量，确定所述第一物体的特征信息。
在另一种可能的实施方式中，所述获取模块具体用于，接收终端设备发送的所述三维图像信息。
在另一种可能的实施方式中，所述装置还包括发送模块，其中，
所述发送模块用于，在所述第二确定模块在预设模型库中确定所述第一物体的三维模型之后，向所述终端设备发送所述三维图像信息。
在另一种可能的实施方式中，所述三维图像信息中还包括每个三维坐标对应的、所述第一物体的参数信息，所述参数信息包括所述第一物体的颜色、材质中的至少一种。
第三方面，本发明实施例提供一种三维模型确定装置，其特征在于，包括：处理器，所述处理器与存储器耦合，其中，
所述存储器用于，存储计算机程序；
所述处理器用于，执行所述存储器中存储的计算机程序，以使得所述三维模型确定装置执行上述第一方面任一项所述的三维模型确定方法。
第四方面，本发明实施例提供一种可读存储介质，包括程序或指令，当所述程序或指令在计算机上运行时，如上述第一方面任意一项所述的三维模型确定方法被执行。
本发明实施例提供的三维模型确定方法、装置及设备，终端设备可以获取物体的三维图像信息，并向服务器发送物体的三维图像信息。在服务器获取得到物体的三维图像信息之后，服务器根据物体的三维图像信息确定物体的类别以及用于表示物体的外形特征的特征信息，服务器先根据物体的类别和特征信息，在预设模型库中选择一个三维模型，并根据物体的摆放位置、摆放姿势等信息，对选择的三维模型进行调整以得到物体对应的三维模型。选择三维模型以及对选择的三维模型进行调整所消耗的时长，远远小于根据预设算法生成三维模型所消耗的时长，进而提高了确定物体的三维模型的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的三维模型确定方法的架构图；
图2为本发明实施例提供的三维模型确定方法的流程示意图；
图3为本发明实施例提供的确定第一物体的类别和特征信息方法的流程示意图；
图4为本发明实施例提供的确定第一物体的三维模型方法的流程示意图；
图5为本发明实施例提供的三维模型确定装置的结构示意图一；
图6为本发明实施例提供的三维模型确定装置的结构示意图二；
图7为本发明实施例提供的三维模型确定装置的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的三维模型确定方法的架构图。请参见图1，包括终端设备101和服务器102。
可选的，终端设备101可以为手机、电脑等设备。当然，终端设备101还可以为其它，本发明实施例对此不作具体限定。
可选的，终端设备101上可以设置有摄像装置，用户可以通过终端设备101的摄像装置对物体进行多角度拍摄。终端设备101中还可以设置有处理模型，终端设备101通过处理模型可以对摄像装置拍摄得到的图像信息进行处理得到物体的三维图像信息，可选的，物体的三维图像信息中可以包括物体的多个三维坐标。终端设备101得到物体的三维图像信息之后，可以将物体的三维图像信息发送给服务器102。
可选的，服务器102中存储有预设模型库，预设模型库中可以包括多种类别物体的至少一个三维模型。服务器102可以根据物体的三维图像信息和预设模型库确定物体对应的三维模型，并向终端设备发送确定得到的三维模型。
在本申请中，终端设备可以获取物体的三维图像信息，并向服务器发送物体的三维图像信息，服务器根据物体的三维图像信息确定物体的类别以及用于表示物体的外形特征的特征信息，服务器先根据物体的类别和特征信息，在预设模型库中选择一个三维模型，并根据物体的摆放位置、摆放姿势等信息，对选择的三维模型进行调整以得到物体对应的三维模型。选择三维模型以及对选择的三维模型进行调整所消耗的时长，远远小于根据预设算法生成三维模型所消耗的时长，进而提高了确定物体的三维模型的效率。
下面，通过具体实施例对本申请所示的技术方案进行详细说明。需要说明的是，下面几个具体实施例可以相互结合，对于相同或相似的内容，在不同的实施例中不再进行重复说明。
图2为本发明实施例提供的三维模型确定方法的流程示意图。请参见图2，该方法可以包括：
S201、获取第一物体的三维图像信息，三维图像信息至少包括第一物体的多个三维坐标。
本发明实施例的执行主体可以为服务器，也可以为设置在服务器中的三维模型确定装置。可选的，三维模型确定装置可以通过软件实现，也可以通过软件和硬件的结合实现。
可选的，第一物体可以为任意物体。例如，第一物体可以为椅子、桌子、冰箱、车辆、建筑物等。
当然，在实际应用过程中，可以根据实际需要设置第一物体。本发明实施例对此不作具体限定。
可选的，服务器可以接收终端设备发送的第一物体的三维图像信息。
可选的，终端设备可以通过如下可行的实现方式获取第一物体的三维图像信息：用户可以打开终端设备的摄像装置，并通过摄像装置对第一物体进行多角度(视角)拍摄。终端设备将首次拍摄到的第一物体的某一点的坐标确定为原点坐标，例如，原点坐标可以为(0，0，0)。在通过多视角拍摄第一物体中同一点时，根据不同视角下，该点对应的二维图像的变化，通过预设算法可以计算出来该点相对于原点坐标的三维坐标。在用户通过多视角拍摄第一物体的过程中，终端设备可以计算得到第一物体的多个点的三维坐标，进而得到第一物体的三维图像信息。
例如，假设第一物体为花瓶，假设用户打开摄像装置后，先拍摄到花瓶底部的一个角(简称第一角)，则可以将花瓶的该第一角的坐标确定为(0，0，0)。在用户手持终端设备水平绕着花瓶底部拍摄的过程中，拍摄的多个画面中均包括花瓶的第二角，且该多个画面中拍摄第二角的视角不同，终端设备根据该多个画面中第二角的变化，通过预设算法计算得到第二角相对于第一角的坐标，例如，第二角的坐标可以为(1，1.2，0)。以此类推，可以计算得到花瓶中各个点相对于第一角的坐标。
可选的，在终端设备在计算第一物体中各个点的坐标时，还可以采集该点的参数信息。
可选的，参数信息可以包括第一物体中该点的颜色、材质等。
在实际应用过程中，可以根据实际需要设置参数信息中包括的内容，本发明实施例对此不作具体限定。
例如，在终端设备确定得到花瓶中一个点的坐标为(1，1.2，0)时，终端设备还采集花瓶中该点的颜色。
可选的，三维图像信息中包括的第一物体的三维坐标的数量越多，通过三维图像信息对第一物体的描述越准确。
在实际应用过程中，可以根据实际需要设置第一物体的三维图像信息中包括的三维坐标的数量。
S202、根据三维图像信息，确定第一物体的类别和特征信息，特征信息用于指示第一物体的至少一个外形特征。
可选的，第一物体的类别可以包括椅子、花瓶、桌子、小汽车、公交车、冰箱等。
可选的，当第一物体为椅子时，第一物体的特征信息可以用于指示该椅子的椅子腿数量、该椅子是否包括靠背、该椅子是否可旋转、该椅子的座面形状等。
可选的，可以根据三维图像信息构建第一物体的形状，并根据第一物体的形状确定第一物体的类别和特征信息。
需要说明的是，在图3所示的实施例中，对确定第一物体的类型和特征信息的过程进行详细说明，此处不再进行赘述。
S203、根据第一物体的类别、特征信息和预设模型库，确定第一物体的三维模型。
可选的，预设模型库中可以包括多个物体类别对应的至少一个三维模型。
例如，预设模型库中包括椅子对应的10个三维模型、桌子对应的8个三维模型、冰箱对应的3个三维模型等。
可选的，可以先根据第一物体的类型，在预设模型库中初步选择三维模型，并根据第一物体的特征信息，在初步选择的三维模型中进一步选择第一物体对应的三维模型。
可选的，在服务器确定得到第一物体对应的三维模型之后，可以向终端设备发送第一物体对应的三维模型。
可选的，第一物体对应的三维模型的数量可以为1个，也可以为多个。
当第一物体对应的三维模型的数量为多个时，在终端设备接收到多个三维模型之后，用户可以在终端设备接收到的多个三维模型中选择一个与第一物体最接近的一个三维模型。
需要说明的是，在图4所示的实施例中，对确定第一物体的三维模型的过程进行详细说明，此处不再进行赘述。
本发明实施例提供的三维模型确定方法，终端设备可以获取物体的三维图像信息，并向服务器发送物体的三维图像信息。在服务器获取得到物体的三维图像信息之后，服务器根据物体的三维图像信息确定物体的类别以及用于表示物体的外形特征的特征信息，服务器先根据物体的类别和特征信息，在预设模型库中选择一个三维模型，并根据物体的摆放位置、摆放姿势等信息，对选择的三维模型进行调整以得到物体对应的三维模型。选择三维模型以及对选择的三维模型进行调整所消耗的时长，远远小于根据预设算法生成三维模型所消耗的时长，进而提高了确定物体的三维模型的效率。
在上述任意一个实施例的基础上，可选的，可以通过如下可行的实现方式根据三维图像信息确定第一物体的类别和特征信息，具体的，请参见图3所示的实施例。
图3为本发明实施例提供的确定第一物体的类别和特征信息方法的流程示意图。请参见图3，该方法可以包括：
S301、根据三维图像信息，确定第一物体的至少一个外形特征向量。
可选的，第一物体的外形特征向量用于描述第一物体中具有显著特征的外形。
可选的，可以根据第一物体的三维图像信息，构建第一物体的外形，根据第一物体的外形确定第一物体中具有显著特征的部位，在三维图像信息中确定具有显著特征的部位对应的三维坐标，并根据具有显著特征的部位对应的三维坐标，确定第一物体的至少一个外形特征向量。
例如，假设第一物体为椅子，则可以根据三维图像信息构建椅子的外形。假设根据椅子的外形确定得到椅子中具有显著特征的部位包括靠背、扶手和坐面等，则在三维图像信息中获取靠背对应的三维坐标、扶手对应的三维坐标和坐面对应的三维坐标，并根据靠背对应的三维坐标生成用于描述椅子靠背的外形特征向量，根据扶手对应的三维坐标生成用于描述椅子扶手的外形特征向量，根据坐面对应的三维坐标生成用于描述椅子坐面的外形特征向量。
需要说明的是，上述只是以示例的形式示意确定第一物体的多个外形特征向量的方式，在实际应用过程中，还可以通过其它可行的实现方式确定第一物体的至少一个外形特征向量，本发明实施例对此不作具体限定。
S302、根据至少一个外形特征向量和预设的识别模型，确定第一物体的类别。
其中，预设的识别模型为通过深度神经网络对多组样本进行学习得到的，每组样本包括外形特征向量样本和对应的物体类别。
可选的，可以先获取多组样本，并通过深度神经网络对该多组样本进行学习，以得到预设的识别模型。
需要说明的是，还可以通过其它可行的实现方式确定第一物体的类型，本发明实施例对此不作具体限定。
S303、根据至少一个外形特征向量，确定第一物体的特征信息。
例如，假设第一物体为椅子，假设至少一个外形特征向量中包括靠背的特征向量、扶手的特征向量和坐面的特征向量，则可以根据靠背的特征向量确定该椅子是否包括靠背，若椅子包括靠背，则确定靠背的形状，可以根据扶手的特征向量确定椅子是否包括扶手，若椅子包括扶手，则确定扶手的形状，可以根据坐面的特征向量，确定坐面的形状。
例如，椅子的特征信息可以包括：具有矩形靠背、不具有扶手、具有矩形坐面。
在图3所示的实施例中，通过预设的识别模型，可以准确的识别出第一物体的类别，进一步的，根据第一物体的至少一个特征向量可以准确的确定得到第一物体的特征信息。
在上述任意一个实施例的基础上，下面，通过图4所示对确定第一物体的三维模型的过程进行详细说明。
图4为本发明实施例提供的确定第一物体的三维模型方法的流程示意图。请参见图4，该方法可以包括：
S401、在预设模型库中确定第一物体的类别对应的三维模型集合。
其中，三维模型集合中包括至少一个三维模型。
可选的，预设模型库中可以包括多个类别对应的三维模型集合，每个类别对应的三维模型集合中包括该类别对应的至少一个三维模型。
例如，假设第一物体为椅子，则可以在预设模型库中获取椅子对应的三维模型集合。
S402、根据第一物体的特征信息，在三维模型集合中确定目标三维模型。
可选的，目标三维模型的个数可以为1个，也可以为多个。
需要说明的是，若第一物体的类别对应的三维模型集合中包括一个三维模型，则将该三维模型集合中包括的一个三维模型确定为目标三维模型。
若第一物体的类别对应的三维模型集合中包括多个三维模型，则可以通过如下可行的实现方式确定目标三维模型：
获取三维模型集合中每个三维模型的特征信息，获取第一物体的特征信息与三维模型集合中每个三维模型的特征信息的相似度，根据第一物体的特征信息与三维模型集合中每个三维模型的特征信息的相似度，在三维模型集合中确定目标三维模型。
可选的，可以将三维模型集合中、特征信息与第一物体的特征信息的相似度最高的N个三维模型确定为目标三维模型，N为大于或等于1的正整数。
S403、根据三维图像信息，确定第一物体的参数信息。
其中，参数信息至少包括第一物体的摆放姿态。
可选的，参数信息还包括第一物体的摆放位置和尺寸。
当然，在实际应用过程中，第一物体的参数信息还可以包括其它，本发明实施例对此不作具体限定。
S404、根据第一物体的参数信息，调整目标三维模型的模型参数，得到第一物体的三维模型。
可选的，目标三维模型的模型参数可以包括目标模型的尺寸信息、位置信息等。
当然，在实际应用过程中，可以根据实际需要设置目标三维模型的模型参数，本发明实施例对此不作具体限定。
下面，通过具体示例，对上述方法实施例所示的技术方案进行详细说明。
示例性的，假设在房间中放置了一把椅子，该椅子相对于墙面1侧方，当用户需要获取椅子的三维模型时，用户可以打开手机中的摄像装置，并通过手机中的摄像装置从多个角度拍摄椅子，拍摄椅子的部分画面中包括墙面1的画面。在手机从多个角度拍摄椅子的过程中，手机可以确定椅子的三维图像信息，并向服务器发送椅子的三维图像信息。
在服务器接收到椅子的三维图像信息之后，服务器可以根据三维图像信息构建椅子的外形。假设根据椅子的外形确定得到椅子中具有显著特征的部位包括椅子腿、靠背、扶手和坐面等，则在三维图像信息中获取椅子腿对应的三维坐标、靠背对应的三维坐标、扶手对应的三维坐标和坐面对应的三维坐标，并根据椅子腿对应的三维坐标生成用于描述椅子腿的第一外形特征向量，根据靠背对应的三维坐标生成用于描述椅子靠背的第二外形特征向量，根据扶手对应的三维坐标生成用于描述椅子扶手的第三外形特征向量，根据坐面对应的三维坐标生成用于描述椅子坐面的第四外形特征向量。
服务器将上述第一外形特征向量、第二外形特征向量、第三外形特征向量和第四外形特征向量输入至预设的识别模型，以识别得到物体的类别为椅子。
服务器还根据第一外形特征向量、第二外形特征向量、第三外形特征向量和第四外形特征向量，确定椅子的特征信息如表1所示：
表1
| 四条圆形腿 |
| 椭圆靠背 |
| 无扶手 |
| 矩形坐面 |
服务器在预设模型库中获取椅子对应的三维模型集合1，假设三维模型集合1中包括四个三维模型，该四个三维模型的特征信息如表2所示：
表2
| 三维模型的标识 | 特征信息 |
| 三维模型1 | 三条腿、无靠背、无扶手、圆形坐面 |
| 三维模型2 | 四条腿、矩形靠背、有扶手、矩形坐面 |
| 三维模型3 | 四条腿、无靠背、有扶手、圆形坐面 |
| 三维模型4 | 四条腿、圆形靠背、无扶手、矩形坐面 |
服务器根据椅子的特征信息和三维模型集合1中各个三维模型的特征信息，将三维模型集合中的三维模型4确定为目标三维模型。
服务器还根据椅子的三维图像信息，确定椅子的摆放姿势为相对于墙面1侧放，且椅子的尺寸为长1米、宽1米、高1米，则服务器根据椅子的摆放信息和尺寸信息，对三维模型4的模型参数进行调整，以使得椅子的三维模型。
服务器确定得到椅子的三维模型之后，向终端设备发送椅子的三维模型。
在上述过程中终端设备可以获取椅子的三维图像信息，并向服务器发送椅子的三维图像信息。在服务器获取得到椅子的三维图像信息之后，服务器根据椅子的三维图像信息确定物体的类别以及用于表示椅子的外形特征的特征信息，服务器先根据椅子的类别和特征信息，在预设模型库中选择一个三维模型，并根据椅子的摆放位置、摆放姿势等信息，对选择的三维模型进行调整以得到椅子对应的三维模型。选择三维模型以及对选择的三维模型进行调整所消耗的时长，远远小于根据预设算法生成三维模型所消耗的时长，进而提高了确定椅子的三维模型的效率。
图5为本发明实施例提供的三维模型确定装置的结构示意图一。请参见图5，该三维模型确定装置10可以包括获取模块11、第一确定模块12和第二确定模块13，其中，
所述获取模块11用于，获取第一物体的三维图像信息，所述三维图像信息至少包括所述第一物体的多个三维坐标；
所述第一确定模块12用于，根据所述三维图像信息，确定所述第一物体的类别和特征信息，所述特征信息用于指示所述第一物体的至少一个外形特征；
所述第二确定模块13用于，根据所述第一物体的类别、特征信息和预设模型库，确定所述第一物体的三维模型，所述预设模型库包括多个三维模型。
本发明实施例提供的三维模型确定装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
在一种可能的实施方式中，所述第二确定模块13具体用于：
在所述预设模型库中确定所述第一物体的类别对应的三维模型集合，所述三维模型集合中包括至少一个三维模型；
根据所述第一物体的特征信息和所述三维模型集合，确定所述第一物体的三维模型。
在另一种可能的实施方式中，所述第二确定模块13具体用于：
根据所述第一物体的特征信息，在所述三维模型集合中确定目标三维模型；
根据所述三维图像信息，确定所述第一物体的参数信息，所述参数信息至少包括所述第一物体的摆放姿态；
根据所述第一物体的参数信息，调整所述目标三维模型的模型参数，得到所述第一物体的三维模型。
在另一种可能的实施方式中，所述第二确定模块13具体用于：
获取所述三维模型集合中每个三维模型的特征信息；
获取所述第一物体的特征信息与所述三维模型集合中每个三维模型的特征信息的相似度；
根据所述第一物体的特征信息与所述三维模型集合中每个三维模型的特征信息的相似度，在所述三维模型集合中确定所述目标三维模型。
在另一种可能的实施方式中，所述参数信息还包括所述第一物体的摆放位置和尺寸。
在另一种可能的实施方式中，所述第一确定模块12具体用于：
根据所述三维图像信息，确定所述第一物体的至少一个外形特征向量；
根据所述至少一个外形特征向量和预设的识别模型，确定所述第一物体的类型；其中，所述预设的识别模型为通过深度神经网络对多组样本进行学习得到的，每组样本包括外形特征向量样本和对应的物体类别；
根据所述至少一个外形特征向量，确定所述第一物体的特征信息。
在另一种可能的实施方式中，所述获取模块11具体用于，接收终端设备发送的所述三维图像信息。
图6为本发明实施例提供的三维模型确定装置的结构示意图二。在图5所示实施例的基础上，请参见图6，所述三维模型确定装置10还包括发送模块14，其中，
所述发送模块14用于，在所述第二确定模块13在预设模型库中确定所述第一物体的三维模型之后，向所述终端设备发送所述三维图像信息。
在另一种可能的实施方式中，所述三维图像信息中还包括每个三维坐标对应的、所述第一物体的参数信息，所述参数信息包括所述第一物体的颜色、材质中的至少一种。
本发明实施例提供的三维模型确定装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
图7为本发明实施例提供的三维模型确定装置的硬件结构示意图，如图7所示，该三维模型确定装置20包括：至少一个处理器21和存储器22。可选地，该终端设备还包括通信部件23。其中，处理器21、存储器22以及通信部件23通过总线24连接。
在具体实现过程中，至少一个处理器21执行所述存储器22存储的计算机执行指令，使得至少一个处理器21执行如上方法实施例所示的方法。
通信部件23可以与终端设备进行数据交互。
处理器21的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图7所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上所述的方法实施例所示的方法。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例方案的范围。
Claims (20)
1.一种三维模型确定方法，其特征在于，包括：
获取第一物体的三维图像信息，所述三维图像信息至少包括所述第一物体的多个三维坐标；
根据所述三维图像信息，确定所述第一物体的类别和特征信息，所述特征信息用于指示所述第一物体的至少一个外形特征；
根据所述第一物体的类别、特征信息和预设模型库，确定所述第一物体的三维模型，所述预设模型库包括多个三维模型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一物体的类别、特征信息和预设模型库，确定所述第一物体的三维模型，包括：
在所述预设模型库中确定所述第一物体的类别对应的三维模型集合，所述三维模型集合中包括至少一个三维模型；
根据所述第一物体的特征信息和所述三维模型集合，确定所述第一物体的三维模型。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一物体的特征信息和所述三维模型集合，确定所述第一物体的三维模型，包括：
根据所述第一物体的特征信息，在所述三维模型集合中确定目标三维模型；
根据所述三维图像信息，确定所述第一物体的参数信息，所述参数信息至少包括所述第一物体的摆放姿态；
根据所述第一物体的参数信息，调整所述目标三维模型的模型参数，得到所述第一物体的三维模型。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一物体的特征信息，在所述三维模型集合中确定目标三维模型，包括：
获取所述三维模型集合中每个三维模型的特征信息；
获取所述第一物体的特征信息与所述三维模型集合中每个三维模型的特征信息的相似度；
根据所述第一物体的特征信息与所述三维模型集合中每个三维模型的特征信息的相似度，在所述三维模型集合中确定所述目标三维模型。
5.根据权利要求3或4所述的方法，其特征在于，所述参数信息还包括所述第一物体的摆放位置和尺寸。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述三维图像信息，确定所述第一物体的类别和特征信息，包括：
根据所述三维图像信息，确定所述第一物体的至少一个外形特征向量；
根据所述至少一个外形特征向量和预设的识别模型，确定所述第一物体的类型；其中，所述预设的识别模型为通过深度神经网络对多组样本进行学习得到的，每组样本包括外形特征向量样本和对应的物体类别；
根据所述至少一个外形特征向量，确定所述第一物体的特征信息。
7.根据权利要求1-4任一项所述的方法，其特征在于，所述获取第一物体的三维图像信息，包括：
接收终端设备发送的所述三维图像信息。
8.根据权利要求7所述的方法，其特征在于，在预设模型库中确定所述第一物体的三维模型之后，还包括：
向所述终端设备发送所述三维图像信息。
9.根据权利要求1-4任一项所述的方法，其特征在于，所述三维图像信息中还包括每个三维坐标对应的、所述第一物体的参数信息，所述参数信息包括所述第一物体的颜色、材质中的至少一种。
10.一种三维模型确定装置，其特征在于，包括获取模块、第一确定模块和第二确定模块，其中，
所述获取模块用于，获取第一物体的三维图像信息，所述三维图像信息至少包括所述第一物体的多个三维坐标；
所述第一确定模块用于，根据所述三维图像信息，确定所述第一物体的类别和特征信息，所述特征信息用于指示所述第一物体的至少一个外形特征；
所述第二确定模块用于，根据所述第一物体的类别、特征信息和预设模型库，确定所述第一物体的三维模型，所述预设模型库包括多个三维模型。
11.根据权利要求10所述的装置，其特征在于，所述第二确定模块具体用于：
在所述预设模型库中确定所述第一物体的类别对应的三维模型集合，所述三维模型集合中包括至少一个三维模型；
根据所述第一物体的特征信息和所述三维模型集合，确定所述第一物体的三维模型。
12.根据权利要求11所述的装置，其特征在于，所述第二确定模块具体用于：
根据所述第一物体的特征信息，在所述三维模型集合中确定目标三维模型；
根据所述三维图像信息，确定所述第一物体的参数信息，所述参数信息至少包括所述第一物体的摆放姿态；
根据所述第一物体的参数信息，调整所述目标三维模型的模型参数，得到所述第一物体的三维模型。
13.根据权利要求12所述的装置，其特征在于，所述第二确定模块具体用于：
获取所述三维模型集合中每个三维模型的特征信息；
获取所述第一物体的特征信息与所述三维模型集合中每个三维模型的特征信息的相似度；
根据所述第一物体的特征信息与所述三维模型集合中每个三维模型的特征信息的相似度，在所述三维模型集合中确定所述目标三维模型。
14.根据权利要求12或13所述的装置，其特征在于，所述参数信息还包括所述第一物体的摆放位置和尺寸。
15.根据权利要求10-13任一项所述的装置，其特征在于，所述第一确定模块具体用于：
根据所述三维图像信息，确定所述第一物体的至少一个外形特征向量；
根据所述至少一个外形特征向量和预设的识别模型，确定所述第一物体的类型；其中，所述预设的识别模型为通过深度神经网络对多组样本进行学习得到的，每组样本包括外形特征向量样本和对应的物体类别；
根据所述至少一个外形特征向量，确定所述第一物体的特征信息。
16.根据权利要求10-13任一项所述的装置，其特征在于，所述获取模块具体用于，接收终端设备发送的所述三维图像信息。
17.根据权利要求16所述的装置，其特征在于，所述装置还包括发送模块，其中，
所述发送模块用于，在所述第二确定模块在预设模型库中确定所述第一物体的三维模型之后，向所述终端设备发送所述三维图像信息。
18.根据权利要求10-13任一项所述的装置，其特征在于，所述三维图像信息中还包括每个三维坐标对应的、所述第一物体的参数信息，所述参数信息包括所述第一物体的颜色、材质中的至少一种。
19.一种三维模型确定装置，其特征在于，包括：处理器，所述处理器与存储器耦合，其中，
所述存储器用于，存储计算机程序；
所述处理器用于，执行所述存储器中存储的计算机程序，以使得所述三维模型确定装置执行权利要求1-9任一项所述的三维模型确定方法。
20.一种可读存储介质，其特征在于，包括程序或指令，当所述程序或指令在计算机上运行时，如所述权利要求1-9任一项所述的三维模型确定方法被执行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810980630.8A CN109299510B (zh) | 2018-08-27 | 2018-08-27 | 三维模型确定方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810980630.8A CN109299510B (zh) | 2018-08-27 | 2018-08-27 | 三维模型确定方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109299510A true CN109299510A (zh) | 2019-02-01 |
| CN109299510B CN109299510B (zh) | 2020-06-30 |
Family
ID=65165464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810980630.8A Active CN109299510B (zh) | 2018-08-27 | 2018-08-27 | 三维模型确定方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109299510B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163956A (zh) * | 2019-04-12 | 2019-08-23 | 平安城市建设科技(深圳)有限公司 | 三维户型图生成方法、装置、设备和存储介质 |
| CN112329587A (zh) * | 2020-10-30 | 2021-02-05 | 苏州中科先进技术研究院有限公司 | 饮料瓶的分类方法、装置及电子设备 |
| CN112836257A (zh) * | 2020-12-30 | 2021-05-25 | 重庆源道建筑规划设计有限公司 | 一种基于bim与多端协同的室内管线部署方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107093171A (zh) * | 2016-02-18 | 2017-08-25 | 腾讯科技（深圳）有限公司 | 一种图像处理方法及装置、系统 |
| 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 |
| US9996981B1 (en) * | 2016-03-07 | 2018-06-12 | Bao Tran | Augmented reality system |
-
2018
- 2018-08-27 CN CN201810980630.8A patent/CN109299510B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107093171A (zh) * | 2016-02-18 | 2017-08-25 | 腾讯科技（深圳）有限公司 | 一种图像处理方法及装置、系统 |
| US9996981B1 (en) * | 2016-03-07 | 2018-06-12 | Bao Tran | Augmented reality system |
| 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 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163956A (zh) * | 2019-04-12 | 2019-08-23 | 平安城市建设科技(深圳)有限公司 | 三维户型图生成方法、装置、设备和存储介质 |
| CN112329587A (zh) * | 2020-10-30 | 2021-02-05 | 苏州中科先进技术研究院有限公司 | 饮料瓶的分类方法、装置及电子设备 |
| CN112329587B (zh) * | 2020-10-30 | 2024-05-24 | 苏州中科先进技术研究院有限公司 | 饮料瓶的分类方法、装置及电子设备 |
| CN112836257A (zh) * | 2020-12-30 | 2021-05-25 | 重庆源道建筑规划设计有限公司 | 一种基于bim与多端协同的室内管线部署方法及系统 |
| CN112836257B (zh) * | 2020-12-30 | 2023-02-14 | 重庆源道建筑规划设计有限公司 | 一种基于bim与多端协同的室内管线部署方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109299510B (zh) | 2020-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106030661B (zh) | 视野独立的3d场景纹理化背景 | |
| US20200034918A1 (en) | Method System And Medium For Generating Virtual Contexts From Three Dimensional Models | |
| CN109242961A (zh) | 一种脸部建模方法、装置、电子设备和计算机可读介质 | |
| CN109299510A (zh) | 三维模型确定方法、装置及设备 | |
| WO2017092303A1 (zh) | 虚拟现实场景模型建立方法及装置 | |
| CN106125938B (zh) | 一种信息处理方法及电子设备 | |
| WO2022205762A1 (zh) | 三维人体重建方法、装置、设备及存储介质 | |
| CN107251026A (zh) | 用于生成虚拟情境的系统和方法 | |
| EP1746541B1 (en) | Rendering by using object symmetry | |
| CN110176197B (zh) | 一种全息化展示方法、系统、存储介质及设备 | |
| US11321916B1 (en) | System and method for virtual fitting | |
| WO2013082009A1 (en) | Methods and systems for capturing and moving 3d models and true-scale metadata of real world objects | |
| CN106780709A (zh) | 一种确定全局光照信息的方法及装置 | |
| CN109191593A (zh) | 虚拟三维模型的运动控制方法、装置及设备 | |
| KR101851303B1 (ko) | 3차원 공간 재구성 장치 및 방법 | |
| CN107452058B (zh) | 基于特征保留的仿真模型分程度简化方法生成及系统 | |
| CN111882674A (zh) | 虚拟对象的调整方法、装置、电子设备及存储介质 | |
| CN113610981A (zh) | 脸部模型生成方法、交互方法及相关装置 | |
| CN107622434A (zh) | 信息处理方法、系统及智能设备 | |
| CN109753873A (zh) | 图像处理方法及相关装置 | |
| CN104952058B (zh) | 一种信息处理的方法及电子设备 | |
| CN104778752A (zh) | 建立人体模型的方法和装置 | |
| CN110038302A (zh) | 基于Unity3D的网格生成方法及装置 | |
| CN108648255A (zh) | 一种基于异步均衡自定义渲染样品的方法及其装置 | |
| CN108389112A (zh) | 3d房型模型显示方法 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190201 Assignee: Beijing Intellectual Property Management Co.,Ltd. Assignor: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. Contract record no.: X2023110000094 Denomination of invention: Method, device, and equipment for determining three-dimensional models Granted publication date: 20200630 License type: Common License Record date: 20230818 |
|
| EE01 | Entry into force of recordation of patent licensing contract |