CN111696184A - 骨骼蒙皮融合确定方法、装置、设备和存储介质 - Google Patents

Abstract

本发明实施例公开了一种骨骼蒙皮融合确定方法、装置、设备和存储介质。所述方法包括：获取骨骼的更新模型和原始模型；基于所述更新模型和所述原始模型，确定所述更新模型和所述原始模型的第一重合点集合；当所述第一重合点集合中的重合点的数量达到第一预设重合阈值时，基于预设动画规则，确定所述更新模型和所述原始模型的第二重合点集合；基于所述第一重合点集合和所述第二重合点集合，确定所述更新模型和骨骼是否融合。以实现自动、实时、可量化的对骨骼蒙皮前后的融合度进行评价的效果。

Description

骨骼蒙皮融合确定方法、装置、设备和存储介质

技术领域

本发明实施例涉及动画融合技术，尤其涉及一种骨骼蒙皮融合确定方法、装置、设备和存储介质。

背景技术

在数字3D模型的制作过程中，经常存在模型和骨骼动画表现分开制作，或者不同的模型复用同一套骨骼的情况。

在新模型替换原模型与骨骼绑定并从原有的模型复制权重后，在检验新模型的顶点权重分配是否存在错误，新蒙皮的动画表现是否与原蒙皮是否有很大偏差、二者的相似度如何时，现在只能通过手动转动骨骼关节或者通过动画实际运行时进行检验。

发明内容

本发明实施例提供一种骨骼蒙皮融合确定方法、装置、设备和存储介质，以实现自动、实时、可量化的对骨骼蒙皮前后的融合度进行评价的效果。

第一方面，本发明实施例提供了一种骨骼蒙皮融合确定方法，该方法包括：

获取骨骼的更新模型和原始模型；

基于所述更新模型和所述原始模型，确定所述更新模型和所述原始模型的第一重合点集合；

当所述第一重合点集合中的重合点的数量达到第一预设重合阈值时，基于预设动画规则，确定所述更新模型和所述原始模型的第二重合点集合；

基于所述第一重合点集合和所述第二重合点集合，确定所述更新模型和骨骼是否融合。

第二方面，本发明实施例还提供了一种骨骼蒙皮融合确定装置，该装置包括：

模型获取模块，用于获取骨骼的更新模型和原始模型；

第一重合点集合确定模块，用于基于所述更新模型和所述原始模型，确定所述更新模型和所述原始模型的第一重合点集合；

第二重合点集合确定模块，用于当所述第一重合点集合中的重合点的数量达到第一预设重合阈值时，基于预设动画规则，确定所述更新模型和所述原始模型的第二重合点集合；

骨骼蒙皮是否融合确定模块，用于基于所述第一重合点集合和所述第二重合点集合，确定所述更新模型和骨骼是否融合。

第三方面，本发明实施例还提供了一种设备，该设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例中任一所述的骨骼蒙皮融合确定方法。

第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例中任一所述的骨骼蒙皮融合确定方法。

本发明实施例的技术方案，通过基于获取的骨骼的更新模型和原始模型，确定更新模型和原始模型的第一重合点集合，这样可基于自动确定的更新模型和原始模型的重合点，来自动、实时的确定更新模型和原始模型的相似度。当第一重合点集合中的重合点的数量达到第一预设重合阈值时，基于预设动画规则，确定更新模型和原始模型的第二重合点集合，基于第一重合点集合和第二重合点集合，可自动、实时、可量化的确定更新模型和骨骼是否融合，进而达到了对骨骼进行的匹配度进行自动评价的效果。

附图说明

图1是本发明实施例一中的骨骼蒙皮融合确定方法的流程图；

图2是本发明实施例二中的骨骼蒙皮融合确定方法的流程图；

图3是本发明实施例三中的骨骼蒙皮融合确定装置的结构示意图；

图4是本发明实施例四中的一种设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的骨骼蒙皮融合确定方法的流程图，本实施例可适用于对骨骼进行蒙皮后，确定骨骼和模型是否融合的情况，该方法可以由骨骼蒙皮融合确定装置来执行，该骨骼蒙皮融合确定装置可以由软件和/或硬件来实现，该骨骼蒙皮融合确定装置可以配置在计算设备上，具体包括如下步骤：

S110、获取骨骼的更新模型和原始模型。

示例性的，骨骼可以是数字3D动画中的人物的骨骼。这里的骨骼可以是由3Dmax软件来制作的。更新模型可以是给骨骼进行蒙皮的新模型。原始模型可以是骨骼原始蒙皮的模型。这里的更新模型和原始模型可以通过maya进行制作。以便后续基于获取的骨骼的更新模型和原始模型，确定更新模型和原始模型的相似度。

S120、基于所述更新模型和所述原始模型，确定所述更新模型和所述原始模型的第一重合点集合。

示例性的，第一重合点集合可以是更新模型和原始模型中重合的顶点的集合。获取到骨骼的更新模型和原始模型后，将更新模型导入到原始模型和骨骼的场景中，将更新模型绑定骨骼，并从原始模型中复制原始模型中各顶点的权重，基于更新模型和原始模型中各顶点坐标，根据预设的计算规则，可自动确定更新模型和原始模型的重合点。这样可基于自动确定的更新模型和原始模型的重合点，来自动、实时的确定更新模型和原始模型的相似度。

S130、当所述第一重合点集合中的重合点的数量达到第一预设重合阈值时，基于预设动画规则，确定所述更新模型和所述原始模型的第二重合点集合。

示例性的，第一预设重合阈值可以是预先设置的当第一重合点集合中的重合点的数量达到该值时，证明更新模型和原始模型的相似度较高，可将更新模型替换原始模型对骨骼进行蒙皮。预设动画规则可以是预先设置的动画规则，例如可以是将蒙皮更新模型后的骨骼以及蒙皮原始模型的骨骼旋转预设角度，或者移动预设距离等。第二重合点集合可以是将对骨骼进行蒙皮后的更新模型和原始模型中重合的顶点的集合。

当第一重合点集合中的重合点的数量达到第一预设重合阈值时，证明更新模型和原始模型的相似度较高，可以将更新模型替换原始模型对骨骼进行蒙皮，将蒙皮后的骨骼，基于预设的动画规则进行运动，基于预设的计算规则，可得到对骨骼进行蒙皮后，原始模型和更新模型中重合的顶点的集合。

当第一重合点集合中的重合点的数量未达到第一预设重合阈值时，证明更新模型和原始模型的相似度较低，则不将更新模型替换原始模型对骨骼进行磨皮。

这样基于预设动画规则，确定更新模型和原始模型的第二重合点集合，以便于后续该第二重合点集合，确定更新模型和骨骼是否融合。

S140、基于所述第一重合点集合和所述第二重合点集合，确定所述更新模型和骨骼是否融合。

根据第一重合集合和第二重合集合，基于预设的计算规则，例如，可以是基于第一重合集合和第二重合集合的比值，可自动、实时、可量化的确定更新模型和骨骼是否融合，进而达到了对骨骼进行的匹配度进行自动评价的效果。

本发明实施例的技术方案，通过基于获取的骨骼的更新模型和原始模型，确定更新模型和原始模型的第一重合点集合，这样可基于自动确定的更新模型和原始模型的重合点，来自动、实时的确定更新模型和原始模型的相似度。当第一重合点集合中的重合点的数量达到第一预设重合阈值时，基于预设动画规则，确定更新模型和原始模型的第二重合点集合，基于第一重合点集合和第二重合点集合，可自动、实时、可量化的确定更新模型和骨骼是否融合，进而达到了对骨骼进行的匹配度进行自动评价的效果。

实施例二

图2为本发明实施例二提供的骨骼蒙皮融合确定方法的流程图，本发明实施例与上述实施例中各个可选方案可以结合。在本发明实施例中，可选地，所述基于所述更新模型和所述原始模型，确定所述更新模型和所述原始模型的第一重合点集合，包括：基于所述更新模型中的各顶点的位置坐标，确定所述更新模型中各顶点的第一编码；基于所述原始模型中的各顶点的位置坐标，确定所述原始模型中各顶点的第二编码；将与所述第一编码和所述第二编码进行比对，基于所述第一编码所对应的顶点和所述第二编码所对应的顶点中相匹配的顶点，形成所述第一重合点集合。

如图2所示，本发明实施例的方法具体包括如下步骤：

S210、获取骨骼的更新模型和原始模型。

S220、基于所述更新模型中的各顶点的位置坐标，确定所述更新模型中各顶点的第一编码。

示例性的，第一编码可以是更新模型中各顶点的位置坐标基于一定的计算规则，得到的编码，例如，可以是哈希码值等。这里的一定的计算规则可以是将各顶点的位置坐标转换为哈希码值。

例如，如果设定的顶点坐标的标准精度为毫米(mm)，有一个顶点的坐标为(11.13,168.37,2.31)cm，它对应的哈希码值为“0111_1684_0023”，即第一编码为“0111_1684_0023”，这里将各顶点的位置坐标转换为哈希码值时，是将各顶点坐标进行四舍五入得到的，具体的将各顶点的位置坐标转换为哈希码值的转换规则是现有技术，这里不再详细介绍。将更新模型中的各顶点的位置坐标均转换为其对应的哈希码值，即可得到各顶点的第一编码。

这样基于更新模型中各顶点的位置坐标，确定各顶点的第一编码，以便后续基于该第一编码与原始模型的各顶点的编码进行比对。

S230、基于所述原始模型中的各顶点的位置坐标，确定所述原始模型中各顶点的第二编码。

示例性的，第二编码可以是原始模型中各顶点的位置坐标基于一定的计算规则，得到的编码，例如，可以是哈希码值等。这里基于原始模型中各顶点的位置坐标，确定原始模型中各顶点的第二编码的确定方式，与基于更新模型中各顶点的位置坐标，确定更新模型中各顶点的第一编码的确定方式相同，这里不再赘述。

这样基于原始模型中各顶点的位置坐标，确定各顶点的第二编码，以便后续基于第一编码与第二编码，确定第一重合点集合。

S240、将与所述第一编码和所述第二编码进行比对，基于所述第一编码所对应的顶点和所述第二编码所对应的顶点中相匹配的顶点，形成所述第一重合点集合。

示例性的，根据第一编码和第二编码确定第一重合点集合，具体可以是利用GeoHash算法将第一编码和第二编码进行匹配，将第一编码所对应的顶点和所述第二编码所对应的顶点中相匹配的顶点，形成第一重合点集合。

假设原始模型各顶点的第一编码的集合为V1，更新模型各顶点的第二编码的集合为V2，那么原始模型和更新模型重合顶点的集合，即第一重合点集合可定义为：Vcp＝{(v1,v2)|GeoHash(v1)＝GeoHash(v2),v1∈V1，v2∈V2}。其中的GeoHash为判定两个点重合的快速检索算法，利用该算法可快速检索出第一编码和第二编码中匹配的点，例如，可以是将第一编码和第二编码中相等的点检索出来，形成第一重合点集合。

这样可快速自动的得到第一重合点集合，进而以便后续基于第一重合点集合，可快速自动确定更新模型和原始模型的相似度。

需要说明的是，除了利用上述方式得到第一重合点集合点外，还可以利用计算距离的方式得到第一重合点集合，具体计算方式如下：

将更新模型和原始模型均对骨骼进行蒙皮，选取更新模型中的某一点，遍历原始模型中的各顶点，将原始模型中各顶点中距离更新模型中该点最近的点作为与更新模型中的该点对应的点，例如，选取更新模型中的一点A，遍历原始模型中的各顶点，经计算，原始模型中的B点距离更新模型中的A点最近，则确定更新模型中的A点和原始模型中的B点为对应的点，若这两点的距离小于预设距离阈值，则证明这两点重合，比如，原始模型中的B点和更新模型中的A点的距离为0.2，小于预设距离阈值0.3，则原始模型中的B点和更新模型中的A点重合。将更新模型的各顶点依据该方式进行遍历，直至更新模型中的所有顶点均遍历完，即可得到第一重合点集合。

S250、当所述第一重合点集合中的重合点的数量达到第一预设重合阈值时，基于预设动画规则，确定所述更新模型和所述原始模型的第二重合点集合。

可选的，当预设动画规则为静态动画规则时，所述基于预设动画规则，确定所述更新模型和所述原始模型的第二重合点集合，具体可以是：控制蒙皮至所述骨骼中的所述更新模型和所述原始模型执行预设动画，基于动画后的所述更新模型的各顶点的位置坐标，确定动画后的所述更新模型的各顶点的第三编码；基于动画后的所述原始模型的各顶点的位置坐标，确定动画后的所述原始模型的各顶点的第四编码；将所述第三编码和所述第四编码进行比对，基于所述第三编码所对应的顶点和所述第四编码所对应的顶点中相匹配的顶点，形成所述第二重合点集合。

示例性的，预设动画可以预先设置的动画，例如，可以是旋转或移动等。第三编码可以是执行预设动画后，更新模型中各顶点的位置坐标基于一定的计算规则，得到的编码，例如，可以是哈希码值等。第四编码可以是执行预设动画后，原始模型中各顶点的位置坐标基于一定的计算规则，得到的编码，例如，可以是哈希码值等。这里第三编码和第四编码的确定方式，与第一编码的确定方式相同，这里不再赘述。

当预设动画规则为静态动画规则时，以预设动画为将蒙皮的骨骼旋转45°为例，控制蒙皮至骨骼中的更新模型和原始模型分别执行旋转45°的动画，利用上述第一编码的确定方式，分别确定当蒙皮后的骨骼处于旋转45°后所处的位置时，更新模型的各顶点的第三编码和原始模型的各顶点的第四编码，利用GeoHash算法将第三编码所对应的顶点和第四编码所对应的顶点中相匹配的顶点检索出来，形成第二重合点集合。

可选的，当预设动画规则为动态动画规则时，所述基于预设动画规则，确定所述更新模型和所述原始模型的第二重合点集合，具体可以是：控制蒙皮至所述骨骼中的所述更新模型和所述原始模型执行预设动画；基于动画过程中每一帧动画中所述更新模型的各顶点的位置坐标，确定动画过程中每一帧动画中所述更新模型的各顶点的第五编码；基于动画过程中每一帧动画中所述原始模型的各顶点的位置坐标，确定动画过程中每一帧动画中的所述原始模型的各顶点的第六编码；将对应帧动画的所述第五编码和所述第六编码进行比对，基于所述第五编码所对应的顶点和所述第六编码所对应的顶点中相匹配的顶点，形成所述第二重合点集合。

示例性的，预设动画可以预先设置的动画，例如，可以是旋转或移动等。第五编码可以是执行预设动画后，各帧动画中更新模型中各顶点的位置坐标基于一定的计算规则，得到的编码，例如，可以是哈希码值等。第六编码可以是执行预设动画后，各帧动画中原始模型中各顶点的位置坐标基于一定的计算规则，得到的编码，例如，可以是哈希码值等。这里第五编码和第六编码的确定方式，与第一编码的确定方式相同，这里不再赘述。

当预设动画规则为动态动画规则时，以预设动画为将蒙皮的骨骼旋转45°为例，控制蒙皮至骨骼中的更新模型和原始模型分别执行旋转45°的动画，利用上述第一编码的确定方式，分别确定当蒙皮后的骨骼在执行旋转45°这个动画的过程中，每一帧动画中更新模型的各顶点的第五编码和原始模型的各顶点的第六编码，利用GeoHash算法将对应帧动画的第五编码所对应的顶点和第六编码所对应的顶点中相匹配的顶点检索出来，形成第二重合点集合。

这样可快速基于静态动画规则或动态动画规则，得到第二重合点集合，进而以便后续基于第二重合点集合和第一重合点集合，可快速自动确定更新模型蒙皮的融合度。

S260、基于所述第一重合点集合和所述第二重合点集合，确定所述更新模型和骨骼是否融合。

可选的，当所述预设动画规则为静态动画规则时，所述基于所述第一重合点集合和所述第二重合点集合，确定所述更新模型和骨骼是否融合，具体可以是：当所述第一重合点集合中重合点的数量和所述第二重合点集合中重合点的数量的比值大于等于第一预设阈值时，确定所述更新模型和所述骨骼融合；当所述第一重合点集合中重合点的数量和所述第二重合点集合中重合点的数量的比值小于所述第一预设阈值时，确定所述更新模型和所述骨骼未融合。

示例性的，第一预设阈值可以是预先设置的当第一重合点集合中重合点的数量与第二重合点集合中重合点的数量的比值大于等于该值时，确定更新模型和骨骼融合度较好。

例如，若第一重合点集合中重合点的数量为50，第二重合点集合中重合点的数量为45，第一预设阈值为0.6，由于45/50＝0.9>0.6，因此，更新模型和骨骼融合度较好，可以将该更新模型应用于骨骼上进行动画。若第一重合点集合中重合点的数量为50，第二重合点集合中重合点的数量为20，第一预设阈值为0.6，由于20/50＝0.4<0.6，因此，更新模型和骨骼融合度不好，则不可以将该更新模型应用于骨骼上进行动画。

可选的，当所述预设动画规则为动态动画规则时，所述基于所述第一重合点集合和所述第二重合点集合，确定所述更新模型和骨骼是否融合，具体可以是：当所述第一重合点集合中重合点的数量和各帧动画所对应的所述第二重合点集合中重合点的数量的比值均大于等于第一预设阈值时，确定所述更新模型和所述骨骼融合；当所述第一重合点集合中重合点的数量和至少一帧动画所对应的所述第二重合点集合中重合点的数量的比值小于所述第一预设阈值时，确定所述更新模型和所述骨骼不融合；或者，当所述第一重合点集合中重合点的数量和各帧动画所对应的所述第二重合点集合中重合点的数量的平均值的比值大于等于第一预设阈值时，确定所述更新模型和所述骨骼融合；当所述第一重合点集合中重合点的数量和各帧动画所对应的所述第二重合点集合中重合点的数量的平均值的比值小于第一预设阈值时，确定所述更新模型和所述骨骼不融合。

示例性的，若第一重合点集合中重合点的数量为50，各帧动画所对应的第二重合点集合中重合点的数量分别为45、40和42，第一预设阈值为0.6，由于45/50＝0.9>0.6，40/50＝0.8>0.6，42/50＝0.84>0.6，可见，第一重合点集合中重合点的数量和各帧动画所对应的第二重合点集合中重合点的数量的比值均大于第一预设阈值，因此，更新模型和骨骼融合度较好，可以将该更新模型应用于骨骼上进行动画。若第一重合点集合中重合点的数量为50，第二重合点集合中重合点的数量为20、40和30，第一预设阈值为0.6，由于20/50＝0.4<0.6，40/50＝0.8>0.6，30/50＝0.6＝0.6，可见，第一重合点集合中重合点的数量和至少某一帧动画所对应的第二重合点集合中重合点的数量的比值小于第一预设阈值，因此，更新模型和骨骼融合度不好，则不可以将该更新模型应用于骨骼上进行动画。

示例性的，若第一重合点集合中重合点的数量为50，各帧动画所对应的第二重合点集合中重合点的数量分别为45、40和42，则第二重合点集合中重合点的数量的平均值为42.333，第一预设阈值为0.6。由于42.33/50＝0.847>0.6，可见，第一重合点集合中重合点的数量和各帧动画所对应的第二重合点集合中重合点的数量的平均值的比值大于第一预设阈值，因此，更新模型和骨骼融合度较好，可以将该更新模型应用于骨骼上进行动画。若第一重合点集合中重合点的数量为50，第二重合点集合中重合点的数量为20、40和25，则第二重合点集合中重合点的数量的平均值为28.333，第一预设阈值为0.6。由于28.333/50＝0.567<0.6，可见，第一重合点集合中重合点的数量和各帧动画所对应的第二重合点集合中重合点的数量的平均值的比值小于第一预设阈值，因此，更新模型和骨骼融合度不好，则不可以将该更新模型应用于骨骼上进行动画。

这样可以根据动态动画规则和静态动画规则，基于第一重合点集合和第二重合点集合，确定更新模型和骨骼是否融合，实现了对蒙皮权重匹配度进行自动评价的效果。

本发明实施例的技术方案，通过分别基于更新模型和原始模型中的各顶点的位置坐标，分别确定更新模型和原始模型中各顶点的第一编码和第二编码，将第一编码和第二编码进行比对，将第一编码所对应的顶点和第二编码所对应的顶点中相匹配的顶点，形成第一重合点集合，这样可快速自动的得到第一重合点集合，进而以便后续基于第一重合点集合，可快速自动确定更新模型和原始模型的相似度。分别基于静态动画规则和动态动画规则，得到第二重合点集合，基于第一重合点集合和第二重合点集合，确定更新模型和骨骼是否融合，实现了快速自动的确定更新模型蒙皮的融合度，对蒙皮权重匹配度进行自动评价的效果。

实施例三

图3为本发明实施例三提供的骨骼蒙皮融合确定装置的结构示意图，如图3所示，该装置包括：模型获取模块31、第一重合点集合确定模块32、第二重合点集合确定模块33和骨骼蒙皮是否融合确定模块34。

其中，模型获取模块31，用于获取骨骼的更新模型和原始模型；

第一重合点集合确定模块32，用于基于所述更新模型和所述原始模型，确定所述更新模型和所述原始模型的第一重合点集合；

第二重合点集合确定模块33，用于当所述第一重合点集合中的重合点的数量达到第一预设重合阈值时，基于预设动画规则，确定所述更新模型和所述原始模型的第二重合点集合；

骨骼蒙皮是否融合确定模块34，用于基于所述第一重合点集合和所述第二重合点集合，确定所述更新模型和骨骼是否融合。

在本发明实施例的技术方案的基础上，第一重合点集合确定模块32包括：

第一编码确定单元，用于基于所述更新模型中的各顶点的位置坐标，确定所述更新模型中各顶点的第一编码；

第二编码确定单元，用于基于所述原始模型中的各顶点的位置坐标，确定所述原始模型中各顶点的第二编码；

第一重合点集合确定单元，用于将与所述第一编码和所述第二编码进行比对，基于所述第一编码所对应的顶点和所述第二编码所对应的顶点中相匹配的顶点，形成所述第一重合点集合。

可选的，当所述预设动画规则为静态动画规则时，第二重合点集合确定模块33具体用于：

控制蒙皮至所述骨骼中的所述更新模型和所述原始模型执行预设动画，基于动画后的所述更新模型的各顶点的位置坐标，确定动画后的所述更新模型的各顶点的第三编码；

基于动画后的所述原始模型的各顶点的位置坐标，确定动画后的所述原始模型的各顶点的第四编码；

将所述第三编码和所述第四编码进行比对，基于所述第三编码所对应的顶点和所述第四编码所对应的顶点中相匹配的顶点，形成所述第二重合点集合。

可选的，当所述预设动画规则为动态动画规则时，第二重合点集合确定模块33具体用于：

控制蒙皮至所述骨骼中的所述更新模型和所述原始模型执行预设动画；

基于动画过程中每一帧动画中所述更新模型的各顶点的位置坐标，确定动画过程中每一帧动画中所述更新模型的各顶点的第五编码；

基于动画过程中每一帧动画中所述原始模型的各顶点的位置坐标，确定动画过程中每一帧动画中的所述原始模型的各顶点的第六编码；

将对应帧动画的所述第五编码和所述第六编码进行比对，基于所述第五编码所对应的顶点和所述第六编码所对应的顶点中相匹配的顶点，形成所述第二重合点集合。

可选的，当所述预设动画规则为静态动画规则时，骨骼蒙皮是否融合确定模块34具体用于：

当所述第一重合点集合中重合点的数量和所述第二重合点集合中重合点的数量的比值大于等于第一预设阈值时，确定所述更新模型和所述骨骼融合；

当所述第一重合点集合中重合点的数量和所述第二重合点集合中重合点的数量的比值小于所述第一预设阈值时，确定所述更新模型和所述骨骼未融合。

可选的，当所述预设动画规则为动态动画规则时，骨骼蒙皮是否融合确定模块34具体用于：

当所述第一重合点集合中重合点的数量和各帧动画所对应的所述第二重合点集合中重合点的数量的比值均大于等于第一预设阈值时，确定所述更新模型和所述骨骼融合；

当所述第一重合点集合中重合点的数量和至少一帧动画所对应的所述第二重合点集合中重合点的数量的比值小于所述第一预设阈值时，确定所述更新模型和所述骨骼不融合；或者，

当所述第一重合点集合中重合点的数量和各帧动画所对应的所述第二重合点集合中重合点的数量的平均值的比值大于等于第一预设阈值时，确定所述更新模型和所述骨骼融合；

当所述第一重合点集合中重合点的数量和各帧动画所对应的所述第二重合点集合中重合点的数量的平均值的比值小于第一预设阈值时，确定所述更新模型和所述骨骼不融合。

在本发明实施例的技术方案的基础上，该装置还包括：

未融合确定模块，用于当所述第一重合点集合未达到第一预设重合阈值时，确定所述更新模型和所述骨骼未融合。

本发明实施例所提供的骨骼蒙皮融合确定装置可执行本发明任意实施例所提供的骨骼蒙皮融合确定方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4为本发明实施例四提供的一种设备的结构示意图，如图4所示，该设备包括处理器70、存储器71、输入装置72和输出装置73；设备中处理器70的数量可以是一个或多个，图4中以一个处理器70为例；设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接，图4中以通过总线连接为例。

存储器71作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的骨骼蒙皮融合确定方法对应的程序指令/模块(例如，模型获取模块31、第一重合点集合确定模块32、第二重合点集合确定模块33和骨骼蒙皮是否融合确定模块34)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的骨骼蒙皮融合确定方法。

存储器71可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器71可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器71可进一步包括相对于处理器70远程设置的存储器，这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置72可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。

实施例五

本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种骨骼蒙皮融合确定方法。

当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的骨骼蒙皮融合确定方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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的方法。

值得注意的是，上述骨骼蒙皮融合确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种骨骼蒙皮融合确定方法，其特征在于，包括：

获取骨骼的更新模型和原始模型；

基于所述更新模型和所述原始模型，确定所述更新模型和所述原始模型的第一重合点集合；

当所述第一重合点集合中的重合点的数量达到第一预设重合阈值时，基于预设动画规则，确定所述更新模型和所述原始模型的第二重合点集合；

基于所述第一重合点集合和所述第二重合点集合，确定所述更新模型和骨骼是否融合。

2.根据权利要求1所述的方法，其特征在于，所述基于所述更新模型和所述原始模型，确定所述更新模型和所述原始模型的第一重合点集合，包括：

基于所述更新模型中的各顶点的位置坐标，确定所述更新模型中各顶点的第一编码；

基于所述原始模型中的各顶点的位置坐标，确定所述原始模型中各顶点的第二编码；

将与所述第一编码和所述第二编码进行比对，基于所述第一编码所对应的顶点和所述第二编码所对应的顶点中相匹配的顶点，形成所述第一重合点集合。

3.根据权利要求1所述的方法，其特征在于，所述预设动画规则为静态动画规则；

所述基于预设动画规则，确定所述更新模型和所述原始模型的第二重合点集合，包括：

控制蒙皮至所述骨骼中的所述更新模型和所述原始模型执行预设动画，基于动画后的所述更新模型的各顶点的位置坐标，确定动画后的所述更新模型的各顶点的第三编码；

基于动画后的所述原始模型的各顶点的位置坐标，确定动画后的所述原始模型的各顶点的第四编码；

将所述第三编码和所述第四编码进行比对，基于所述第三编码所对应的顶点和所述第四编码所对应的顶点中相匹配的顶点，形成所述第二重合点集合。

4.根据权利要求1所述的方法，其特征在于，所述预设动画规则为动态动画规则；

所述基于预设动画规则，确定所述更新模型和所述原始模型的第二重合点集合，包括：

控制蒙皮至所述骨骼中的所述更新模型和所述原始模型执行预设动画；

基于动画过程中每一帧动画中所述更新模型的各顶点的位置坐标，确定动画过程中每一帧动画中所述更新模型的各顶点的第五编码；

基于动画过程中每一帧动画中所述原始模型的各顶点的位置坐标，确定动画过程中每一帧动画中的所述原始模型的各顶点的第六编码；

将对应帧动画的所述第五编码和所述第六编码进行比对，基于所述第五编码所对应的顶点和所述第六编码所对应的顶点中相匹配的顶点，形成所述第二重合点集合。

5.根据权利要求3所述的方法，其特征在于，所述预设动画规则为静态动画规则；

所述基于所述第一重合点集合和所述第二重合点集合，确定所述更新模型和骨骼是否融合，包括：

当所述第一重合点集合中重合点的数量和所述第二重合点集合中重合点的数量的比值大于等于第一预设阈值时，确定所述更新模型和所述骨骼融合；

当所述第一重合点集合中重合点的数量和所述第二重合点集合中重合点的数量的比值小于所述第一预设阈值时，确定所述更新模型和所述骨骼未融合。

6.根据权利要求4所述的方法，其特征在于，所述预设动画规则为动态动画规则；

所述基于所述第一重合点集合和所述第二重合点集合，确定所述更新模型和骨骼是否融合，包括：

当所述第一重合点集合中重合点的数量和各帧动画所对应的所述第二重合点集合中重合点的数量的比值均大于等于第一预设阈值时，确定所述更新模型和所述骨骼融合；

当所述第一重合点集合中重合点的数量和至少一帧动画所对应的所述第二重合点集合中重合点的数量的比值小于所述第一预设阈值时，确定所述更新模型和所述骨骼不融合；或者，

当所述第一重合点集合中重合点的数量和各帧动画所对应的所述第二重合点集合中重合点的数量的平均值的比值大于等于第一预设阈值时，确定所述更新模型和所述骨骼融合；

当所述第一重合点集合中重合点的数量和各帧动画所对应的所述第二重合点集合中重合点的数量的平均值的比值小于第一预设阈值时，确定所述更新模型和所述骨骼不融合。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述第一重合点集合未达到第一预设重合阈值时，确定所述更新模型和所述骨骼未融合。

8.一种骨骼蒙皮融合确定装置，其特征在于，包括：

模型获取模块，用于获取骨骼的更新模型和原始模型；

第一重合点集合确定模块，用于基于所述更新模型和所述原始模型，确定所述更新模型和所述原始模型的第一重合点集合；

第二重合点集合确定模块，用于当所述第一重合点集合中的重合点的数量达到第一预设重合阈值时，基于预设动画规则，确定所述更新模型和所述原始模型的第二重合点集合；

骨骼蒙皮是否融合确定模块，用于基于所述第一重合点集合和所述第二重合点集合，确定所述更新模型和骨骼是否融合。

9.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的骨骼蒙皮融合确定方法。

10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的骨骼蒙皮融合确定方法。

Images