CN109345615B - 蒙皮数据生成方法以及装置、电子设备及存储介质 - Google Patents

蒙皮数据生成方法以及装置、电子设备及存储介质 Download PDF

Info

Publication number
CN109345615B
CN109345615B CN201811251519.1A CN201811251519A CN109345615B CN 109345615 B CN109345615 B CN 109345615B CN 201811251519 A CN201811251519 A CN 201811251519A CN 109345615 B CN109345615 B CN 109345615B
Authority
CN
China
Prior art keywords
vertex
precision model
vertices
target
skin 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
Application number
CN201811251519.1A
Other languages
English (en)
Other versions
CN109345615A (zh
Inventor
詹珣
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.)
Netease Hangzhou Network Co Ltd
Original Assignee
Netease Hangzhou Network 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 Netease Hangzhou Network Co Ltd filed Critical Netease Hangzhou Network Co Ltd
Priority to CN201811251519.1A priority Critical patent/CN109345615B/zh
Publication of CN109345615A publication Critical patent/CN109345615A/zh
Application granted granted Critical
Publication of CN109345615B publication Critical patent/CN109345615B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation
    • G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
    • 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
    • G06T2210/44—Morphing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Generation (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明的实施例提供了一种蒙皮数据生成方法以及装置、电子设备、存储介质，涉及计算机图形学技术领域。该方法包括：获取高精度模型以及与高精度模型对应的低精度模型；基于低精度模型的目标顶点与高精度模型各顶点的空间距离以及纹理坐标之间的差值，从高精度模型的顶点中选取与目标顶点对应的多个顶点；基于多个顶点中各个顶点与目标顶点之间的距离以及多个顶点的蒙皮数据生成目标顶点的蒙皮数据。本发明实施例的技术方案能够根据高精度模型的蒙皮数据计算出对应低精度模型的蒙皮数据，从而能够显著减少工作量，使低精度模型最终的渲染和动画效果最大限度的贴合原有的高精度模型。

Description

蒙皮数据生成方法以及装置、电子设备及存储介质
技术领域
本发明涉及计算机图形学技术领域，具体而言，涉及一种蒙皮数据生成方法、蒙皮数据生成装置、电子设备以及计算机可读存储介质。
背景技术
随着计算硬件设备的提升和游戏制作技术的进步，角色模型的精细程度越来越高，构建模型的网格顶点数量也越来越多。为了缓解大量网格顶点带来的计算压力，会在不影响游戏体验的特定条件下使用相对精度较低的模型替代高精度模型以减少计算量。
目前，一种技术方案中，在高精度模型已经制作完成的情况下，模型美术会通过合并顶点降低精度的方式构造一个网格顶点数量显著降低的低精度版本模型，由动画美术根据骨骼信息给每一个顶点构造对应的蒙皮数据。然而，这种技术方案中，一方面，根据骨骼信息给每一个顶点构造对应的蒙皮数据，增加了动画美术的工作量；另一方面，动画美术手动构造低精度模型的蒙皮数据，很难使其和高精度模型的蒙皮数据贴合，最终显示效果的差别会比较大，影响用户体验。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种蒙皮数据生成方法、蒙皮数据生成装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的低精度模型蒙皮工作量大、搭建的低精度模型与原高精度模型显示效果差别较大的问题。
根据本发明实施例的第一方面，提供了一种蒙皮数据生成方法，包括：获取高精度模型以及与所述高精度模型对应的低精度模型；基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离以及纹理坐标之间的差值，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点；基于所述多个顶点中各个顶点与所述目标顶点之间的距离以及所述多个顶点的蒙皮数据生成所述目标顶点的蒙皮数据。
在本发明的一些示例实施例中，基于前述方案，基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离以及纹理坐标之间的差值，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点，包括：基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点；基于所述低精度模型的目标顶点与选取的所述顶点的纹理坐标之间的差值，对选取的所述顶点进行过滤。
在本发明的一些示例实施例中，基于前述方案，基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离以及纹理坐标之间的差值，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点，包括：基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离，依次从所述高精度模型的顶点中选取与所述目标顶点距离最近的顶点；基于所述低精度模型的目标顶点与选取的所述顶点的纹理坐标之间的差值，对选取的所述顶点进行过滤。
在本发明的一些示例实施例中，基于前述方案，基于所述低精度模型的目标顶点与选取的所述顶点的纹理坐标之间的差值，对选取的所述多个顶点进行过滤，还包括：获取所述目标顶点的纹理坐标以及所述顶点的纹理坐标；判断所述顶点的纹理坐标与所述目标顶点的纹理坐标之差的绝对值是否小于预定值；若判定所述绝对值不小于预定值，则将所述顶点过滤掉。
在本发明的一些示例实施例中，基于前述方案，基于所述多个顶点中各个顶点与所述目标顶点之间的距离以及所述多个顶点的蒙皮数据生成所述目标顶点的蒙皮数据，包括：确定所述多个顶点中各个顶点与所述目标顶点之间的距离；基于各个所述顶点与所述目标顶点之间的距离，确定各个所述顶点的距离权重；对各个所述顶点的蒙皮数据以及所述距离权重进行加权平均计算，生成所述目标顶点的蒙皮数据。
在本发明的一些示例实施例中，基于前述方案，基于所述多个顶点与所述目标顶点之间的距离以及所述多个顶点的蒙皮数据生成所述目标顶点的蒙皮数据，确定所述低精度模型顶点的蒙皮数据，包括：获取所述多个顶点中各个顶点的骨骼索引和骨骼权重；基于所述目标顶点到各个所述顶点的距离，确定各个所述顶点的距离权重；对与各个所述顶点对应的骨骼的所述骨骼权重与所述顶点的距离权重进行加权平均计算，确定各个所述骨骼的目标骨骼权重；从所述骨骼中选取所述目标骨骼权重最大的预定数量的骨骼，将与所述预定数量的骨骼对应的骨骼索引和骨骼权重作为所述目标顶点的蒙皮数据。
在本发明的一些示例实施例中，基于前述方案，所述蒙皮数据生成方法包括：将选取的所述预定数量的骨骼对应的骨骼权重进行归一化操作，以使所述预定数量的骨骼的骨骼权重之和为1。
在本发明的一些示例实施例中，基于前述方案，基于所述目标顶点到各个所述顶点的距离，确定各个所述顶点的距离权重，包括：基于所述目标顶点到各个所述顶点的距离的倒数的平方值，确定各个所述顶点的距离权重。
在本发明的一些示例实施例中，基于前述方案，所述多个顶点的数量为所述高精度模型的顶点数量与所述低精度模型的顶点数量的倍数的2倍。
根据本发明实施例的第二方面，提供了一种蒙皮数据生成装置，包括：模型数据获取单元，用于获取高精度模型以及与所述高精度模型对应的低精度模型；目标顶点确定单元，用于基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离以及纹理坐标之间的差值，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点；蒙皮数据生成单元，用于基于所述多个顶点中各个顶点与所述目标顶点之间的距离以及所述多个顶点的蒙皮数据生成所述目标顶点的蒙皮数据。
根据本发明的第三方面，提供一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的蒙皮数据生成方法。
根据本发明的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的蒙皮数据生成方法。
在本发明的示例实施例中的蒙皮数据生成方法中，获取高精度模型和对应的低精度模型，根据低精度模型的目标顶点到高精度模型各顶点的空间距离以及纹理坐标的差值，从高精度模型的顶点中选取与目标顶点对应的多个顶点；根据多个顶点的各个顶点到目标顶点的距离以及多个顶点的蒙皮数据生成目标顶点的蒙皮数据，最终确定低精度模型的蒙皮数据。一方面，根据低精度模型的目标顶点到高精度模型各顶点的空间距离以及纹理坐标的差值选取高精度模型中与目标顶点对应的多个顶点，能够有效避免选取的顶点使低精度模型的不同部分交错重叠的问题，从而能够提高蒙皮数据的准确性；另一方面，根据多个顶点的各个顶点到目标顶点的距离以及多个顶点的蒙皮数据确定低精度模型的蒙皮数据，不仅能够使低精度模型更加贴合对应的高精度模型，而且能够显著减少对低精度模型进行蒙皮的工作量，提高工作效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅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的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1示意性示出了根据本发明的一些实施例的蒙皮数据生成方法流程的示意图；
图2示意性示出了根据本发明的一些实施例的高精度模型网格顶点数据的示意图；
图3示意性示出了根据本发明的一些实施例的低精度模型网格顶点数据的示意图；
图4示意性示出了根据本发明的一些实施例的高精度模型蒙皮被骨骼驱动的示意图；
图5示意性示出了根据本发明的一些实施例的生成的低精度模型蒙皮被骨骼驱动的示意图；
图6示意性示出了根据本发明的一些实施例的蒙皮数据生成装置的示意图；
图7示意性示出了根据本发明的一些实施例的电子设备的计算机系统的结构示意图。
图8示意性示出了根据本发明的一些实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
在本示例实施例中，首先提供了一种蒙皮数据生成方法，图1示意性示出了根据本发明的一个示例实施例的蒙皮数据生成方法流程的示意图。参考图1中所示，该蒙皮数据生成方法可以包括以下步骤：
步骤S110，获取高精度模型以及与所述高精度模型对应的低精度模型；
步骤S120，基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离以及纹理坐标之间的差值，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点；
步骤S130，基于所述多个顶点中各个顶点与所述目标顶点之间的距离以及所述多个顶点的蒙皮数据生成所述目标顶点的蒙皮数据。
根据本示例实施例中的蒙皮数据生成方法，一方面，根据低精度模型的目标顶点到高精度模型各顶点的空间距离以及纹理坐标的差值选取高精度模型中与目标顶点对应的多个顶点，能够有效避免选取的顶点使低精度模型的不同部分交错重叠的问题，从而能够提高蒙皮数据的准确性；另一方面，根据多个顶点的各个顶点到目标顶点的距离以及多个顶点的蒙皮数据确定低精度模型的蒙皮数据，不仅能够使低精度模型更加贴合对应的高精度模型，而且能够显著减少对低精度模型进行蒙皮的工作量，提高工作效率。
下面，将对本示例实施例中的蒙皮数据生成方法进行详细的说明。
在步骤S110中，获取高精度模型以及与所述高精度模型对应的低精度模型。
在本发明的一个示例实施例中，低精度模型是通过合并高精度模型的顶点，降低细节表现制作的。例如参考图2和图3所示，图2示意性示出了根据本发明的一些实施例的高精度模型网格顶点数据的示意图，图3示意性示出了根据本发明的一些实施例的低精度模型网格顶点数据的示意图，高精度模型与低精度模型处于完全一致的三维坐标空间中，只是具体到每一个顶点的空间坐标不一致。
在步骤S120中，基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离以及纹理坐标之间的差值，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点。
在本发明的一个示例实施例中，根据低精度模型的每个目标顶点与高精度模型各顶点的空间距离，直接从高精度模型的顶点中选取与目标顶点空间距离较为接近的一定数量的顶点，选取的顶点的数量由高低精度模型的网格顶点数量决定。考虑到模型的简化程度并非完全一致，因此，在本实施例中，假设高精度模型的顶点数量为a，低精度模型的顶点数量为b，那么选取的顶点数量n为下式(2)：
m＝a/b (1)
n＝m*2 (2)
例如，高精度模型由8000个网格顶点组成，低精度模型由2000个顶点组成，那么低精度模型的每个目标顶点应该平均对应4个高精度模型的网格顶点，考虑到模型的简化程度不一致，因此在本实施例中选取离低精度模型目标顶点最近的8个高精度模型的顶点。通过上述步骤确定低精度模型目标顶点对应的高精度模型的顶点数量，能够使模型各部分的简化程度保持一致，使简化后的低精度模型更加准确地贴合于高精度模型。
在本发明的一个示例实施例中，如果只根据空间坐标确定低精度模型目标顶点对应的高精度模型的顶点，会出现选取到不合理顶点的现象，即选取的顶点会导致对应的模型部分产生交错在一起的现象，例如高精度人物模型的牙齿和舌头部分会出现穿插重叠的情况。虽然模型不同部分的网格顶点可能重叠，但是模型不同部分使用的纹理信息一定是不一致的，比如牙齿和舌头采样的纹理信息完全不一样，牙齿和舌头的UV坐标即纹理坐标差距很大。由于不同模型部分的纹理信息是不一致的，且差距较大，因此通过选取的高精度模型顶点的纹理坐标与低精度模型目标顶点的纹理坐标的差值对选取的顶点进行过滤。UV坐标在顶点中虽然存储为一个字节0至255的整数，但是一般使用时会表示为0至1的浮点数，过滤条件可以为：假设低精度模型目标顶点对应的纹理坐标为(u1，v1)，选取的高精度模型顶点的纹理坐标为(u2，v2)，那么当abs(u1-u2)<0.01且abs(v1-v2)<0.01时，过滤通过，即过滤选取纹理坐标差距小于1％的顶点。
在本发明的另一个示例实施例中，遍历低精度模型的每一个顶点，根据低精度模型的每个目标顶点与高精度模型各顶点的空间距离，依次从高精度模型的顶点中选取与目标顶点空间距离最近的顶点。然后根据选取的顶点的纹理坐标与目标顶点的纹理坐标通过前述过滤条件对选取的顶点进行过滤，如果确定满足过滤条件，则将该顶点确定为选取的顶点，如果不满足过滤条件，则直接进行下一个顶点的过滤。
在步骤S130中，基于所述多个顶点中各个顶点与所述目标顶点之间的距离以及所述多个顶点的蒙皮数据生成所述目标顶点的蒙皮数据。
在本发明的一个示例实施例中，确定选取的高精度模型多个顶点中各个顶点与对应的低精度模型目标顶点之间的距离，根据目标顶点到各个顶点的距离的倒数的平方值，确定各个顶点的距离权重，例如选取多个顶点中的n个顶点到对应的低精度模型目标顶点的距离为d1，d2，d3…dn，计算顶点的距离权重公式为下式(3)所示：
g＝(1/d)2 (3)
那么，n个顶点的距离权重为g1，g2，g3…gn。已知n个顶点的蒙皮数据为m1，m2，m3…mn，对各个顶点的蒙皮数据以及所述距离权重进行加权平均计算，即下式(4)所示：
m＝(m1*g1+m2*g2+m3*g3+…+mn*gn)/(g1+g2+g3+…+gn) (4)
生成的m即确定的各个顶点对应的低精度模型目标顶点的蒙皮数据。
在本发明的另一个示例实施例中，确定选取的高精度模型多个顶点中各个顶点与对应的低精度模型目标顶点之间的距离，同样地，根据式(3)得到多个顶点的距离权重，例如n个顶点的距离权重为g1，g2，g3…gn。获取多个顶点中各个顶点对应的骨骼索引和骨骼权重，该骨骼是一种树状结构，模型的渲染表现就是由骨骼和动画共同驱动的，动画会驱动每一根骨骼的移动，然后骨骼位置的偏移会反映到每一个模型的网格顶点上，骨骼和网格顶点的关联关系就是模型的蒙皮信息，一个模型的网格顶点可以对应到多根骨骼上，每一个骨骼有一个权重，模型渲染之后该网格顶点最后的位置通过加权平均计算得来。比如，一个网格顶点对应A、B两根骨骼，这两根骨骼的权重分别是X、Y，其中X+Y＝1，如果A骨骼位置是P1，B骨骼位置是P2，那么该网格顶点的渲染之后的位置就是X*P1+Y*P2。理论上，一个顶点对应的骨骼数量没有限制，但是在示例实施例中，一个顶点最多可以对应4根骨骼。参考图4和图5所示，图4示意性示出了根据本发明的一些实施例的高精度模型蒙皮被骨骼驱动的示意图，图5示意性示出了根据本发明的一些实施例的生成的低精度模型蒙皮被骨骼驱动的示意图，能正常被骨骼驱动意味着蒙皮数据正确生效。
在示例实施例中，假设针对低精度模型的一个顶点，已经找到n个对应高精度模型上的顶点，n个顶点的蒙皮数据中对应的骨骼有s根，m1w1表示第一个顶点对应s根骨骼中第一根的权重，若顶点蒙皮数据中没有对应的骨骼索引和骨骼权重，则权重为0。对与各个顶点例如n个顶点对应的骨骼的骨骼权重与顶点的距离权重进行加权平均计算，如下式(5)所示：
w1＝(m1w1*g1+m2w1*g2+…+mnw1*gn)/(g1+g2+g3+…+gn)
w2＝(m1w2*g1+m2w2*g2+…+mnw2*gn)/(g1+g2+g3+…+gn)
……
ws＝(m1ws*g1+m2ws*g2+…+mnws*gn)/(g1+g2+g3+…+gn) (5)
从s根骨骼中选取目标骨骼权重最大的预定数量的骨骼，例如预定数量为4个，即从w1，w2，…ws中选取数值最大的4个值，同时由于蒙皮数据中的4个骨骼权重必须相加为1，最后选取的4个权重值fw1、fw2、fw3、fw4还要进行归一化处理，如下式(6)所示：
t＝fw1+fw2+fw3+fw4
fw1＝fw1/t
fw2＝fw2/t
fw3＝fw3/t
fw4＝fw4/t (6)
最后，将与4个骨骼对应的骨骼索引和归一化处理后的骨骼权重作为目标顶点最终的蒙皮数据。
需要说明的是，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
此外，在本示例实施例中，还提供了一种蒙皮数据生成装置。参照图6所示，该蒙皮数据生成装置包括：模型数据获取单元610、目标顶点确定单元620以及蒙皮数据生成单元630。其中：模型数据获取单元610用于获取高精度模型以及与所述高精度模型对应的低精度模型；目标顶点确定单元620用于基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离以及纹理坐标之间的差值，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点；蒙皮数据生成单元630用于基于所述多个顶点中各个顶点与所述目标顶点之间的距离以及所述多个顶点的蒙皮数据生成所述目标顶点的蒙皮数据。
在本发明的一种示例实施例中，基于前述方案，目标顶点确定单元620被配置为：基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点；基于所述低精度模型的目标顶点与选取的所述顶点的纹理坐标之间的差值，对选取的所述顶点进行过滤。
在本发明的一种示例实施例中，基于前述方案，目标顶点确定单元620包括：顶点选取单元，用于基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离，依次从所述高精度模型的顶点中选取与所述目标顶点距离最近的顶点；顶点过滤单元，用于基于所述低精度模型的目标顶点与选取的所述顶点的纹理坐标之间的差值，对选取的所述顶点进行过滤。
在本发明的一种示例实施例中，基于前述方案，顶点过滤单元被配置为：获取所述目标顶点的纹理坐标以及所述顶点的纹理坐标；判断所述顶点的纹理坐标与所述目标顶点的纹理坐标之差的绝对值是否小于预定值；若判定所述绝对值不小于预定值，则将所述顶点过滤掉。
在本发明的一种示例实施例中，基于前述方案，蒙皮数据生成单元630被配置为：确定所述多个顶点中各个顶点与所述目标顶点之间的距离；基于各个所述顶点与所述目标顶点之间的距离，确定各个所述顶点的距离权重；对各个所述顶点的蒙皮数据以及所述距离权重进行加权平均计算，生成所述目标顶点的蒙皮数据。
在本发明的一种示例实施例中，基于前述方案，蒙皮数据生成单元630包括：信息获取单元，用于获取所述多个顶点中各个顶点的骨骼索引和骨骼权重；权重确定单元，用于基于所述目标顶点到各个所述顶点的距离，确定各个所述顶点的距离权重；计算单元，用于对与各个所述顶点对应的骨骼的所述骨骼权重与所述顶点的距离权重进行加权平均计算，确定各个所述骨骼的目标骨骼权重；蒙皮数据确定单元，用于从所述骨骼中选取所述目标骨骼权重最大的预定数量的骨骼，将与所述预定数量的骨骼对应的骨骼索引和骨骼权重作为所述目标顶点的蒙皮数据。
在本发明的一种示例实施例中，基于前述方案，权重确定单元被配置为：基于所述目标顶点到各个所述顶点的距离的倒数的平方值，确定各个所述顶点的距离权重。
在本发明的一种示例实施例中，基于前述方案，所述多个顶点的数量为所述高精度模型的顶点数量与所述低精度模型的顶点数量的倍数的2倍。
上述中蒙皮数据生成装置各模块的具体细节已经在对应的蒙皮数据生成方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了蒙皮数据生成装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述蒙皮数据生成方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本发明的这种实施例的电子设备700。图7所示的电子设备700仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730、显示单元740。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如，所述处理单元710可以执行如图1中所示的步骤S110，获取高精度模型以及与所述高精度模型对应的低精度模型；步骤S120，基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离以及纹理坐标之间的差值，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点；步骤S130，基于所述多个顶点中各个顶点与所述目标顶点之间的距离以及所述多个顶点的蒙皮数据生成所述目标顶点的蒙皮数据。
存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)721和/或高速缓存存储单元722，还可以进一步包括只读存储单元(ROM)723。
存储单元720还可以包括具有一组(至少一个)程序模块725的程序/实用工具724，这样的程序模块725包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备770(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的页面切换方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质800，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图8所示，描述了根据本发明的实施例的用于实现上述交互方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施例的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种蒙皮数据生成方法，其特征在于，包括：
获取高精度模型以及与所述高精度模型对应的低精度模型；
基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离以及纹理坐标之间的差值，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点；
基于所述多个顶点中各个顶点与所述目标顶点之间的距离以及所述多个顶点的蒙皮数据生成所述目标顶点的蒙皮数据；
其中，基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离以及纹理坐标之间的差值，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点，包括：
基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离，从所述高精度模型的顶点中选取与所述目标顶点的空间距离最近的多个顶点；
基于所述低精度模型的目标顶点与选取的所述顶点的纹理坐标之间的差值，对选取的所述顶点进行过滤；
其中，基于所述多个顶点中各个顶点与所述目标顶点之间的距离以及所述多个顶点的蒙皮数据生成所述目标顶点的蒙皮数据，包括：
确定所述多个顶点中各个顶点与所述目标顶点之间的距离；
基于各个所述顶点与所述目标顶点之间的距离，确定各个所述顶点的距离权重；
对各个所述顶点的蒙皮数据以及所述距离权重进行加权平均计算，生成所述目标顶点的蒙皮数据。
2.根据权利要求1所述的蒙皮数据生成方法，其特征在于，基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离以及纹理坐标之间的差值，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点，包括：
基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离，依次从所述高精度模型的顶点中选取与所述目标顶点距离最近的顶点；
基于所述低精度模型的目标顶点与选取的所述顶点的纹理坐标之间的差值，对选取的所述顶点进行过滤。
3.根据权利要求1或2所述的蒙皮数据生成方法，其特征在于，基于所述低精度模型的目标顶点与选取的所述顶点的纹理坐标之间的差值，对选取的所述顶点进行过滤，还包括：
获取所述目标顶点的纹理坐标以及所述顶点的纹理坐标；
判断所述顶点的纹理坐标与所述目标顶点的纹理坐标之差的绝对值是否小于预定值；
若判定所述绝对值不小于预定值，则将所述顶点过滤掉。
4.根据权利要求1所述的蒙皮数据生成方法，其特征在于，基于所述多个顶点中各个顶点与所述目标顶点之间的距离以及所述多个顶点的蒙皮数据生成所述目标顶点的蒙皮数据，包括：
获取所述多个顶点中各个顶点的骨骼索引和骨骼权重；
基于所述目标顶点到各个所述顶点的距离，确定各个所述顶点的距离权重；
对与各个所述顶点对应的骨骼的所述骨骼权重与所述顶点的距离权重进行加权平均计算，确定各个所述骨骼的目标骨骼权重；
从所述骨骼中选取所述目标骨骼权重最大的预定数量的骨骼，将与所述预定数量的骨骼对应的骨骼索引和骨骼权重作为所述目标顶点的蒙皮数据。
5.根据权利要求4所述的蒙皮数据生成方法，其特征在于，所述蒙皮数据生成方法包括：
将选取的所述预定数量的骨骼对应的骨骼权重进行归一化操作，以使所述预定数量的骨骼的骨骼权重之和为1。
6.根据权利要求1所述的蒙皮数据生成方法，其特征在于，基于所述目标顶点到各个所述顶点的距离，确定各个所述顶点的距离权重，包括：
基于所述目标顶点到各个所述顶点的距离的倒数的平方值，确定各个所述顶点的距离权重。
7.根据权利要求1所述的蒙皮数据生成方法，其特征在于，所述多个顶点的数量为所述高精度模型的顶点数量与所述低精度模型的顶点数量的倍数的2倍。
8.一种蒙皮数据生成装置，包括：
模型数据获取单元，用于获取高精度模型以及与所述高精度模型对应的低精度模型；
目标顶点确定单元，用于基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离以及纹理坐标之间的差值，从所述高精度模型的顶点中选取与所述目标顶点对应的多个顶点；
蒙皮数据生成单元，用于基于所述多个顶点中各个顶点与所述目标顶点之间的距离以及所述多个顶点的蒙皮数据生成所述目标顶点的蒙皮数据；
其中，目标顶点确定单元被配置为：
基于所述低精度模型的目标顶点与所述高精度模型各顶点的空间距离，从所述高精度模型的顶点中选取与所述目标顶点的空间距离较近的多个顶点；
基于所述低精度模型的目标顶点与选取的所述顶点的纹理坐标之间的差值，对选取的所述顶点进行过滤；
其中，蒙皮数据生成单元被配置为：
确定所述多个顶点中各个顶点与所述目标顶点之间的距离；
基于各个所述顶点与所述目标顶点之间的距离，确定各个所述顶点的距离权重；
对各个所述顶点的蒙皮数据以及所述距离权重进行加权平均计算，生成所述目标顶点的蒙皮数据。
9.一种电子设备，包括：
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如权利要求1至7中任一项所述的蒙皮数据生成方法。
10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的蒙皮数据生成方法。
CN201811251519.1A 2018-10-25 2018-10-25 蒙皮数据生成方法以及装置、电子设备及存储介质 Active CN109345615B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811251519.1A CN109345615B (zh) 2018-10-25 2018-10-25 蒙皮数据生成方法以及装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811251519.1A CN109345615B (zh) 2018-10-25 2018-10-25 蒙皮数据生成方法以及装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN109345615A CN109345615A (zh) 2019-02-15
CN109345615B true CN109345615B (zh) 2023-06-09

Family

ID=65312245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811251519.1A Active CN109345615B (zh) 2018-10-25 2018-10-25 蒙皮数据生成方法以及装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN109345615B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110288681B (zh) * 2019-06-25 2023-06-27 网易（杭州）网络有限公司 角色模型的蒙皮方法、装置、介质及电子设备
CN111754423B (zh) * 2020-06-05 2024-03-22 北京有竹居网络技术有限公司 高模gpu蒙皮平滑处理方法、装置及电子设备
CN111714885B (zh) * 2020-06-22 2024-07-23 网易（杭州）网络有限公司 游戏角色模型生成、角色调整方法、装置、设备及介质
CN113298915A (zh) * 2020-08-14 2021-08-24 阿里巴巴集团控股有限公司 蒙皮处理方法、装置、设备和存储介质
CN113058268B (zh) * 2021-04-30 2022-07-29 腾讯科技（深圳）有限公司 蒙皮数据生成方法、装置、设备及计算机可读存储介质
CN117541751A (zh) * 2024-01-04 2024-02-09 支付宝(杭州)信息技术有限公司 一种三维模型降级方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102157008B (zh) * 2011-04-12 2014-08-06 电子科技大学 一种大规模虚拟人群实时绘制方法
CN104021584B (zh) * 2014-06-25 2017-06-06 无锡梵天信息技术股份有限公司 一种骨骼蒙皮动画的实现方法
US10061871B2 (en) * 2015-07-27 2018-08-28 Technische Universiteit Delft Linear blend skinning weight optimization utilizing skeletal pose sampling

Also Published As

Publication number Publication date
CN109345615A (zh) 2019-02-15

Similar Documents

Publication Publication Date Title
CN109345615B (zh) 蒙皮数据生成方法以及装置、电子设备及存储介质
CN109448137B (zh) 交互方法、交互装置、电子设备及存储介质
CN114842123B (zh) 三维人脸重建模型训练和三维人脸形象生成方法及装置
CN112785674A (zh) 纹理贴图的生成方法、渲染方法、装置、设备及存储介质
CN114073071B (zh) 视频插帧方法及装置、计算机可读存储介质
CN113963110B (zh) 纹理图生成方法、装置、电子设备及存储介质
KR20090080421A (ko) ３차원 메쉬 모델의 메쉬 데이터의 압축 및 복원 방법 및시스템
CN113409430B (zh) 可驱动三维人物生成方法、装置、电子设备及存储介质
CN107464286B (zh) 三维城市模型中的孔洞修复方法及装置、设备及可读介质
CN111291882A (zh) 一种模型转换的方法、装置、设备和计算机存储介质
EP4191478A1 (en) Method and apparatus for compressing neural network model
CN110782504B (zh) 模拟书写轨迹的方法、装置、计算机可读存储介质及设备
CN113421335B (zh) 图像处理方法、图像处理装置、电子设备和存储介质
CN114462350A (zh) 集成电路芯片验证方法、装置、电子设备及存储介质
CN112562043A (zh) 图像处理方法、装置和电子设备
CN107452046B (zh) 三维城市模型的纹理处理方法及装置、设备及可读介质
CN115888085A (zh) 游戏信息的处理方法、装置和存储介质
CN115222895A (zh) 图像生成方法、装置、设备以及存储介质
CN110837707B (zh) 一种有限元分析系统、方法、计算机设备及存储介质
CN113870434A (zh) 一种基于有限元的生物组织仿真方法、装置和电子设备
CN116310145B (zh) 基于正交基函数的三维空间模型重建方法和装置
CN113610992B (zh) 骨骼驱动系数确定方法、装置、电子设备及可读存储介质
CN114037814B (zh) 数据处理方法、装置、电子设备和介质
CN117788653A (zh) 动画生成方法、动画生成系统及计算机可读介质
CN109864743B (zh) 虚拟现实系统中的用户身高确定方法及装置、存储介质

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