CN111044517A - 一种基于三维特征的织物褶皱等级的评定方法 - Google Patents
一种基于三维特征的织物褶皱等级的评定方法 Download PDFInfo
- Publication number
- CN111044517A CN111044517A CN201911404260.4A CN201911404260A CN111044517A CN 111044517 A CN111044517 A CN 111044517A CN 201911404260 A CN201911404260 A CN 201911404260A CN 111044517 A CN111044517 A CN 111044517A
- Authority
- CN
- China
- Prior art keywords
- fabric
- calculating
- information
- fold
- derivative
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明公开了一种基于三维特征的织物褶皱等级的评定方法,包括以下步骤:将相应等级的标准模板织物放在测试平台上,测试平台的上方的激光器出射光线到标准模板织物上,相机对激光线条进行拍照,根据线条角度偏差求出高度信息序列;测试平台移动,将高度信息序列累加形成标准模板织物的三维轮廓信息;将三维轮廓信息保存,得到对应等级的参数标准,重复上述步骤得到全部等级的参数标准;对待评定的织物依次进行上述步骤,提取相关的特征参数进行比对,计算出所在范围等级。本发明,通过采集的高度信息序列得到三维轮廓信息进行计算,不受颜色、纹理、花纹和材质的影响,有效提高精确性,可用于各种颜色、纹理、花纹和材质的织物,通用性强。
Description
技术领域
本发明涉及织物质量评定技术领域,具体涉及一种基于三维特征的织物褶皱等级的评定方法。
背景技术
织物褶皱是指织物在外力作用下产生折痕,外力消失后折痕回复的程度。人们希望服装起皱后能够尽快回复平整,特别是制服一类的正装,需要保持笔挺平服帖的着装状态。有些种类的织物具有较好的折痕,例如毛织物服装在穿着或折叠之后,再平整地挂在衣架上,经过一段时间折皱就可以全部消失,而纯棉服装或真丝服装则不行,需要蒸汽或洗涤之后才能回复平整。织物褶皱是评定布料质量的一个重要指标,决定了衣物的穿着外观和舒适性。
目前对织物褶皱的传统评定方法为人工主观评定,即采用AATCC 124标准或GB/T29257-2012标准的标样对照法,将待测样品与标准模板置于标准评定环境下,由三个经过专业培训的人类观察者进行视觉评定,是目前生产实践中沿用最多的一种方法。但是也存在一定的弊端,主要表现在:评定结果容易受个体心理、生理以及环境因素的影响,精度低,再现性差。此外,人工评级的效率低下,难以适应工业化的要求。
随着计算机技术的飞速发展,人们开始以图像处理技术解决这个难题。在专利申请号为201811165240.1的发明专利中,提到了一种基于傅里叶频谱特征的织物平整度客观评级方法。此发明通过标准图像采集基于三维特征的织物褶皱回复性的评定方法采集标准模板和已知等级布样图像,对采集所得图像进行预处理,然后对预处理所得图像进行选择性滤波,将滤波得到的多个图像进行傅里叶逆变换;通过视觉观测,评价其褶皱信息损失率;将褶皱信息损失率最少的频率范围确定为褶皱贡献频率区间,记为有效区间;接着采用特定步长对有效区间进行细化分区,以划分结果产生特征区间;统计各特征区间内傅里叶频谱幅值之和作为评价织物褶皱等级的特征值,并将特征值构成特征向量,以所有训练样本的特征向量构成特征向量集;在上一步得到标准模板和已知等级布样的特征向量集训练支持向量机模型,采用训练所得模型对测试样本的特征向量进行织物平整度的客观评级,获得平整度客观评级结果。
此发明提供的方法能够定位到人眼识别到的褶皱频率范围,过滤掉人眼不能识别的信息,更加契合人眼视觉评估系统,因此得到的结果更加客观、稳定、精准,与专家评定相关性系数更高。但由于要检测的织物可能是具有不同的颜色、纹理、花纹和材质,而上述发明专利申请采用统一的检测方式,忽略了颜色、纹理、花纹和材质的影响,因此会影响最终测定的精确性,通用性不高。
有鉴于此,急需对现有的织物褶皱等级的评定方法进行改进,以降低颜色、纹理、花纹和材质的影响,提高精确性和通用性。
发明内容
本发明所要解决的技术问题是现有的织物褶皱存在精确性受到颜色、纹理、花纹和材质影响,通用性低的问题。
为了解决上述技术问题,本发明所采用的技术方案是提供一种基于三维特征的织物褶皱等级的评定方法,包括以下步骤:
S10.将相应等级的标准模板织物放在测试平台上,测试平台的上方设有出光方向垂直于测试平台的激光器,一侧设有相机;
S20.激光器出射光线到标准模板织物上,相机对激光线条进行拍照,根据线条角度偏差,求出高度信息序列;
S30.测试平台移动,将由拍摄的激光线条得到的高度信息序列累加,形成标准模板织物的三维轮廓信息,计算褶皱最大回复角度、褶皱面积密度、褶皱线条长度密度和褶皱线条平均曲率分布;
S40.将标准模板织物的三维轮廓信息进行保存,得到对应等级的参数标准,重复上述S10~S30的步骤,得到全部等级的参数标准;
S50.对待评定的织物依次进行上述S10~S30步骤,提取相关的特征参数,和参数标准进行比对,计算出待评定织物的特征参数所在等级。
在另一个优选的实施例中,S10中,采用结构光栅代替激光器2,且所述结构光栅的两侧分别设有一个相机,两个相机摆放形成夹角,夹角为30゜~150゜;对应地,S20中,两个相机对照射到织物上的网格线条进行拍照。
在另一个优选的实施例中,S30中,包括S31,计算褶皱最大回复角度,具体地:
S311.获取某一位置的经线的轮廓数据;
S312.计算出每个折角的回复角度信息;
S313.获取最大的折角的回复角度信息,对每个点求取一阶导数和二阶导数,根据导数信息指定第一阈值参数ε11和第二阈值参数ε12,提取每个点的一阶导数的绝对值大于第一阈值参数ε11,二阶导数的绝对值小于第二阈值参数ε12。
在另一个优选的实施例中,S30中,包括S32,计算褶皱面积密度,具体地:
S321.计算整个织物的平面面积S1;
S322.将织物平面划分为若干等份矩形区域;
S323.计算每个区域顶角的一阶、二阶导数,一阶导数和二阶导数的绝对值都分别小于第三阈值参数ε21和第四阈值参数ε22表示该区域为平整区域,否则为不平整区域;
S324.计算不平整区域的面积总和S2;
S325.S2/S1即为对应织物的褶皱面积密度。
在另一个优选的实施例中,S30中,包括S33,计算褶皱线条长度密度,具体地:
S331.计算整个织物的平面面积S1;
S332.以三维轮廓的高度信息作为灰度图像信息,高度越高的地方,图像的亮度值越大;
S333.褶皱最高点组成的连线形成一个骨骼,提取上述灰度图像信息的骨骼信息;
S334.计算每个褶皱的骨骼的长度,并将其叠加,则对应织物的褶皱线条长度密度为L/S1。
在另一个优选的实施例中,S30中,包括S34,计算褶皱线条平均曲率,具体地:
S341.以三维轮廓的高度信息作为灰度图像信息,高度越高的地方,图像的亮度值越大;
S342.在一阶导数和二阶导数的绝对值都分别大于第五阈值参数ε31和第六阈值参数ε32的区域求出形成隆起及下凹脊线的最大曲率;
S343.计算平均曲率K,即为对应织物的褶皱线条平均曲率。
与现有技术相比,本发明,通过采集的高度信息序列得到的三维轮廓信息进行计算,该参数不受颜色、纹理、花纹和材质的影响,因此有效提高了精确性,可用于各种颜色、纹理、花纹和材质的织物,通用性强。
附图说明
图1为本发明中的实施例一的立体图;
图2为本发明中的实施例二的示意图;
图3为本发明中在步骤S20中激光线条的示意图;
图4为图3中激光线条的褶皱最大回复角度的示意图;
图5为本发明的测试例中白色棉质织物的示意图;
图6为本发明的测试例中彩色羊毛织物的示意图。
具体实施方式
本发明提供了一种基于三维特征的织物褶皱等级的评定方法,下面结合说明书附图和具体实施方式对本发明做出详细说明。
如图1所示,本发明提供的一种基于三维特征的织物褶皱等级的评定方法,包括以下步骤:
S10.将相应等级的标准模板织物放在测试平台4上,测试平台4的上方设有出光方向垂直于测试平台4的激光器2,一侧设有相机1;
S20.激光器2出射光线到标准模板织物上,相机1对激光线条进行拍照,根据线条角度偏差,求出高度信息序列;
S30.测试平台4移动,将由拍摄的激光线条得到的高度信息序列累加,形成标准模板织物的三维轮廓信息,计算褶皱最大回复角度、褶皱面积密度、褶皱线条长度密度和褶皱线条平均曲率分布;如图1的实施例中,测试平台4沿导轨5滑动。
S40.将标准模板织物的三维轮廓信息进行保存,得到对应等级的参数标准,重复上述S10~S30的步骤,得到全部等级的参数标准;
S50.对待评定的织物依次进行上述S10~S30步骤,提取相关的特征参数,和参数标准进行比对,计算出待评定织物的特征参数所在等级。
本发明,步骤S10~S30为单目相机1加激光的移相法,结构简单,操作方便。三维轮廓信息记录了各处经线或纬线的三维信息,包括高度和各处折角,以及褶皱长度,通过三维轮廓信息得到褶皱的相关参数。
在一个优选的实施例中,S10中,采用结构光栅6代替激光器2,且结构光栅6的两侧分别设有一个相机1,两个相机1摆放形成夹角,夹角为30゜~150゜;对应地,S20中,两个相机1对照射到织物上的网格线条进行拍照。本实施例中,本发明使用双目相机1加结构光栅的视觉差方法,精度更高。
进一步地,S30中,包括S31,计算褶皱最大回复角度,具体地:
S311.获取某一位置的经线的轮廓数据;
S312.计算出每个折角的回复角度信息;
S313.获取最大的折角的回复角度信息,对每个点求取一阶导数和二阶导数,根据导数信息指定第一阈值参数ε11和第二阈值参数ε12,提取每个点的一阶导数的绝对值大于第一阈值参数ε11,二阶导数的绝对值小于第二阈值参数ε12,对应的一阶导数的值即为回复角度的正切值。具体地,ε11的取值范围为0.1~0.2,ε12的取值范围为0.0001~0.01。
进一步地,S30中,包括S32,计算褶皱面积密度,具体地:
S321.计算整个织物的平面面积S1;
S322.将织物平面划分为若干等份矩形区域;
S323.计算每个区域顶角的一阶、二阶导数,一阶导数和二阶导数的绝对值都分别小于第三阈值参数ε21和第四阈值参数ε22表示该区域为平整区域,否则为不平整区域;具体地,ε21的取值范围为0.0001~0.01,ε22的取值范围为0.0001~0.01。
S324.计算不平整区域的面积总和S2;
S325.S2/S1即为对应织物的褶皱面积密度。
进一步地,S30中,包括S33,计算褶皱线条长度密度,具体地:
S331.计算整个织物的平面面积S1;
S332.以三维轮廓的高度信息作为灰度图像信息,高度越高的地方,图像的亮度值越大;
S333.褶皱最高点组成的连线形成一个骨骼,提取上述灰度图像信息的骨骼信息;
S334.计算每个褶皱的骨骼的长度L,并将其叠加,则对应织物的褶皱线条长度密度为L/S1。
进一步地,S30中,包括S34,计算褶皱线条平均曲率,具体地:
S341.以三维轮廓的高度信息作为灰度图像信息,高度越高的地方,图像的亮度值越大;
S342.在一阶导数和二阶导数的绝对值都分别大于第五阈值参数ε31和第六阈值参数ε32的区域求出形成隆起及下凹脊线的最大曲率;具体地,ε31的取值范围为0.1~0.2,ε32的取值范围为0.1~0.2。
S343.计算平均曲率K,即为对应织物的褶皱线条平均曲率。
利用本发明提供的评定方法,将GB/T 29257-2012中提到的5个等级的织物模板进行信息收集,各个等级的参数如褶皱最大回复角度、褶皱面积密度、褶皱线条长度密度和褶皱线条平均曲率的如下表所示:
其中各个等级的具体描述为:
利用本发明的评定方法对两种织物的褶皱进行评定:
第一种织物为白色棉质织物,其某一纬线的激光线条为图3所示,其中褶皱最大回复角度为图4上标出的角度。褶皱最大回复角度、褶皱面积密度、褶皱线条长度密度和褶皱线条平均曲率的各项参数如下表所示:
经过比对,与1等级对应,属于1等级。
第二种织物为彩色羊毛织物,其褶皱最大回复角度、褶皱面积密度、褶皱线条长度密度和褶皱线条平均曲率的各项参数如下表所示:
经过比对,与2等级对应,属于2等级。
本发明,通过采集的高度信息序列得到的三维轮廓信息进行计算,该参数不受颜色、纹理、花纹和材质的影响,因此有效提高了精确性,可用于各种颜色、纹理、花纹和材质的织物,通用性强。
本发明并不局限于上述最佳实施方式,任何人应该得知在本发明的启示下做出的结构变化,凡是与本发明具有相同或相近的技术方案,均落入本发明的保护范围之内。
Claims (6)
1.一种基于三维特征的织物褶皱等级的评定方法,其特征在于,包括以下步骤:
S10.将相应等级的标准模板织物放在测试平台上,测试平台的上方设有出光方向垂直于测试平台的激光器,一侧设有相机;
S20.激光器出射光线到标准模板织物上,相机对激光线条进行拍照,根据线条角度偏差,求出高度信息序列;
S30.测试平台移动,将由拍摄的激光线条得到的高度信息序列累加,形成标准模板织物的三维轮廓信息,计算褶皱最大回复角度、褶皱面积密度、褶皱线条长度密度和褶皱线条平均曲率分布;
S40.将标准模板织物的三维轮廓信息进行保存,得到对应等级的参数标准,重复上述S10~S30的步骤,得到全部等级的参数标准;
S50.对待评定的织物依次进行上述S10~S30步骤,提取相关的特征参数,和参数标准进行比对,计算出待评定织物的特征参数所在等级。
2.根据权利要求1所述的评定方法,其特征在于,S10中,采用结构光栅代替激光器,且所述结构光栅的两侧分别设有一个相机,两个相机摆放形成夹角,夹角为30゜~150゜;对应地,S20中,两个相机对照射到织物上的网格线条进行拍照。
3.根据权利要求1所述的评定方法,其特征在于,S30中,包括S31,计算褶皱最大回复角度,具体地:
S311.获取某一位置的经线的轮廓数据;
S312.计算出每个折角的回复角度信息;
S313.获取最大的折角的回复角度信息,对每个点求取一阶导数和二阶导数,根据导数信息指定第一阈值参数ε11和第二阈值参数ε12,提取每个点的一阶导数的绝对值大于第一阈值参数ε11,二阶导数的绝对值小于第二阈值参数ε12。
4.根据权利要求1所述的评定方法,其特征在于,S30中,包括S32,计算褶皱面积密度,具体地:
S321.计算整个织物的平面面积S1;
S322.将织物平面划分为若干等份矩形区域;
S323.计算每个区域顶角的一阶、二阶导数,一阶导数和二阶导数的绝对值都分别小于第三阈值参数ε21和第四阈值参数ε22表示该区域为平整区域,否则为不平整区域;
S324.计算不平整区域的面积总和S2;
S325.S2/S1即为对应织物的褶皱面积密度。
5.根据权利要求1所述的评定方法,其特征在于,S30中,包括S33,计算褶皱线条长度密度,具体地:
S331.计算整个织物的平面面积S1;
S332.以三维轮廓的高度信息作为灰度图像信息,高度越高的地方,图像的亮度值越大;
S333.褶皱最高点组成的连线形成一个骨骼,提取上述灰度图像信息的骨骼信息;
S334.计算每个褶皱的骨骼的长度L,并将其叠加,则对应织物的褶皱线条长度密度为L/S1。
6.根据权利要求1所述的评定方法,其特征在于,S30中,包括S34,计算褶皱线条平均曲率,具体地:
S341.以三维轮廓的高度信息作为灰度图像信息,高度越高的地方,图像的亮度值越大;
S342.在一阶导数和二阶导数的绝对值都分别大于第五阈值参数ε31和第六阈值参数ε32的区域求出形成隆起及下凹脊线的最大曲率;
S343.计算平均曲率K,即为对应织物的褶皱线条平均曲率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911404260.4A CN111044517A (zh) | 2019-12-31 | 2019-12-31 | 一种基于三维特征的织物褶皱等级的评定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911404260.4A CN111044517A (zh) | 2019-12-31 | 2019-12-31 | 一种基于三维特征的织物褶皱等级的评定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111044517A true CN111044517A (zh) | 2020-04-21 |
Family
ID=70242137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911404260.4A Pending CN111044517A (zh) | 2019-12-31 | 2019-12-31 | 一种基于三维特征的织物褶皱等级的评定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111044517A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112432952A (zh) * | 2020-11-20 | 2021-03-02 | 中国电子科技集团公司第四十一研究所 | 一种基于机器视觉技术的烟支空头检测方法 |
CN113899755A (zh) * | 2021-11-17 | 2022-01-07 | 武汉华星光电半导体显示技术有限公司 | 屏幕折痕程度的检测方法和视觉检测设备 |
US12025570B2 (en) | 2021-11-17 | 2024-07-02 | Wuhan China Star Optoelectronics Semiconductor Display Technology Co., Ltd. | Detection method of crease degree of screen and visual detection device |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4744035A (en) * | 1983-07-16 | 1988-05-10 | National Research Development Corporation | Inspecting textile products |
US5155558A (en) * | 1990-09-19 | 1992-10-13 | E. I. Du Pont De Nemours And Company | Method and apparatus for analyzing the appearance features of a surface |
US20020146153A1 (en) * | 2001-02-08 | 2002-10-10 | Jinlian Hu | Three dimensional measurement, evaluation and grading system for fabric/textile structure/garment appearance |
US20040245485A1 (en) * | 2002-04-11 | 2004-12-09 | Hamed Sari-Sarraf | Fabric wrinkle evaluation |
CN1959337A (zh) * | 2006-06-20 | 2007-05-09 | 东华大学 | 一种织物或服装面料的三维非接触式坐标测量装置 |
CN103760162A (zh) * | 2014-01-17 | 2014-04-30 | 浙江理工大学 | 织物多方向折皱回复性测试装置及方法 |
CN105844618A (zh) * | 2016-03-17 | 2016-08-10 | 浙江理工大学 | 评价服装穿着起皱程度的图像处理及特征提取方法 |
US20170212066A1 (en) * | 2016-01-22 | 2017-07-27 | The Boeing Company | Characterization of Wrinkles and Periodic Variations in Material Using Infrared Thermography |
CN109238182A (zh) * | 2018-10-08 | 2019-01-18 | 江南大学 | 一种基于傅里叶频谱特征的织物平整度客观评级方法 |
CN109916904A (zh) * | 2019-04-09 | 2019-06-21 | 江南大学 | 一种织物折皱回复性的评价方法 |
-
2019
- 2019-12-31 CN CN201911404260.4A patent/CN111044517A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4744035A (en) * | 1983-07-16 | 1988-05-10 | National Research Development Corporation | Inspecting textile products |
US5155558A (en) * | 1990-09-19 | 1992-10-13 | E. I. Du Pont De Nemours And Company | Method and apparatus for analyzing the appearance features of a surface |
US20020146153A1 (en) * | 2001-02-08 | 2002-10-10 | Jinlian Hu | Three dimensional measurement, evaluation and grading system for fabric/textile structure/garment appearance |
US20040245485A1 (en) * | 2002-04-11 | 2004-12-09 | Hamed Sari-Sarraf | Fabric wrinkle evaluation |
CN1959337A (zh) * | 2006-06-20 | 2007-05-09 | 东华大学 | 一种织物或服装面料的三维非接触式坐标测量装置 |
CN103760162A (zh) * | 2014-01-17 | 2014-04-30 | 浙江理工大学 | 织物多方向折皱回复性测试装置及方法 |
US20170212066A1 (en) * | 2016-01-22 | 2017-07-27 | The Boeing Company | Characterization of Wrinkles and Periodic Variations in Material Using Infrared Thermography |
CN105844618A (zh) * | 2016-03-17 | 2016-08-10 | 浙江理工大学 | 评价服装穿着起皱程度的图像处理及特征提取方法 |
CN109238182A (zh) * | 2018-10-08 | 2019-01-18 | 江南大学 | 一种基于傅里叶频谱特征的织物平整度客观评级方法 |
CN109916904A (zh) * | 2019-04-09 | 2019-06-21 | 江南大学 | 一种织物折皱回复性的评价方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112432952A (zh) * | 2020-11-20 | 2021-03-02 | 中国电子科技集团公司第四十一研究所 | 一种基于机器视觉技术的烟支空头检测方法 |
CN112432952B (zh) * | 2020-11-20 | 2024-04-23 | 中国电子科技集团公司第四十一研究所 | 一种基于机器视觉技术的烟支空头检测方法 |
CN113899755A (zh) * | 2021-11-17 | 2022-01-07 | 武汉华星光电半导体显示技术有限公司 | 屏幕折痕程度的检测方法和视觉检测设备 |
US12025570B2 (en) | 2021-11-17 | 2024-07-02 | Wuhan China Star Optoelectronics Semiconductor Display Technology Co., Ltd. | Detection method of crease degree of screen and visual detection device |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109938737A (zh) | 一种基于深度学习关键点检测的人体身型测量方法及装置 | |
CN106174830A (zh) | 基于机器视觉的服装尺寸自动测量系统及其测量方法 | |
CN103234969B (zh) | 一种基于机器视觉的织物纬密度测量新方法 | |
CN111044517A (zh) | 一种基于三维特征的织物褶皱等级的评定方法 | |
Kang et al. | Fabric surface roughness evaluation using wavelet-fractal method: part I: wrinkle, smoothness and seam pucker | |
CN109238182B (zh) | 一种基于傅里叶频谱特征的织物平整度客观评级方法 | |
CN109142357B (zh) | 倒ω式测试织物弯曲性及悬垂性的方法 | |
Chen et al. | Evaluating fabric pilling with light-projected image analysis | |
CN109559373B (zh) | 一种基于2d人体图像进行量体的方法及系统 | |
CN110503623A (zh) | 一种基于卷积神经网络的识别输电线路上鸟巢缺陷的方法 | |
CN105243671B (zh) | 一种服装穿着平整度的测试及评价方法 | |
Fan et al. | Objective evaluation of garment seams using 3D laser scanning technology | |
EP3924710A1 (de) | Verfahren und vorrichtung zum vermessen der lokalen brechkraft und/oder der brechkraftverteilung eines brillenglases | |
CN112102947A (zh) | 用于身体姿态评估的装置和方法 | |
CN104732586B (zh) | 一种三维人体动态形体和三维运动光流快速重建方法 | |
Hu et al. | Measuring and modeling 3D wrinkles in fabrics | |
CN110414101A (zh) | 一种仿真场景测量方法、准确性测定方法及系统 | |
Fan et al. | Objective evaluation of pucker in three-dimensional garment seams | |
CN106127781A (zh) | 一种色织物密度的测量方法及装置 | |
CN108564586A (zh) | 一种基于深度学习的人体曲线测量方法及系统 | |
CN106770372B (zh) | 基于显微视觉的白玻表面缺陷检测方法 | |
CN1971274A (zh) | 基于点模型的服装面料平整度等级评定方法 | |
EP3959497A1 (de) | Verfahren und vorrichtung zum vermessen der lokalen brechkraft und/oder der brechkraftverteilung eines brillenglases | |
Petrak et al. | Research of 3D body models computer adjustment based on anthropometric data determined by laser 3D scanner | |
CN106846348A (zh) | 人脸图像中自动去除眼镜的方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200421 |