CN111862318A - 数字人体试衣方法及系统 - Google Patents

数字人体试衣方法及系统 Download PDF

Info

Publication number
CN111862318A
CN111862318A CN202010739574.6A CN202010739574A CN111862318A CN 111862318 A CN111862318 A CN 111862318A CN 202010739574 A CN202010739574 A CN 202010739574A CN 111862318 A CN111862318 A CN 111862318A
Authority
CN
China
Prior art keywords
digital
image
clothes
clothing
model
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
Application number
CN202010739574.6A
Other languages
English (en)
Inventor
蒋亚洪
潘永路
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.)
Hangzhou Youchain Times Technology Co Ltd
Original Assignee
Hangzhou Youchain Times Technology 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 Hangzhou Youchain Times Technology Co Ltd filed Critical Hangzhou Youchain Times Technology Co Ltd
Priority to CN202010739574.6A priority Critical patent/CN111862318A/zh
Publication of CN111862318A publication Critical patent/CN111862318A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • 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
    • G06T19/006—Mixed reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • 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
    • G06T2210/16—Cloth

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了数字人体试衣方法及系统，步骤包括：获取人体特征信息；利用所述人体特征信息生成真人数字模型；获取衣物特征信息，所述衣物特征信息包括多个特征点；根据特征点生成衣物数字模型，所述衣物数字模型包括多个数字顶点；利用骨骼绑定技术驱动真人数字模型运动；利用布料模拟算法对所述衣物数字模型的运动状态进行计算，生成衣物数字动态模型；将所述真人数字模型和所述衣物数字动态模型拟合生成整合模型；将所述整合模型显示在屏幕上。

Description

数字人体试衣方法及系统
【技术领域】
本发明涉及的计算机图像处理技术领域，特别是涉及一种数字人体试衣方法及系统。
【背景技术】
随着网络购物、私人定制时代的来临，由传统的实体店试穿-购买模式逐渐向网络试穿-购买模式转型。通过虚拟试衣，消费者能够体验到想要购买的衣服在该用户相似体形的虚拟试衣者身上的穿着效果，从而帮助消费者选择最合适的衣服，给消费者带来便利的同时优化了消费者的购物体验。
在现有技术中，根据软件生成的衣物还原度差，缺少真实衣物的质感，是影响试衣者购物体验的重要因素，且无法做到根据消费者不同的身材体型为消费者提供真实的虚拟试穿效果，生成虚拟人体和衣物模型计算复杂、时间长、效率低,虚拟人体模型僵硬，布料颜色和材质还原差,结构不清楚,无法辨识。
【发明内容】
本发明的目的就是解决现有技术中生成的衣物颜色材质还原度差，缺少真实衣物的质感，布料效果不够真实，虚拟人体模型僵硬，无法做到根据消费者不同的身材体型为消费者提供真实的虚拟试穿效果，不能很好还原人体和衣物具体细节，生成虚拟试衣模型计算复杂等问题。
为实现上述目的，本发明提出了一种数字人体试衣方法及系统。
数字人体试衣方法包括：
获取人体特征信息；
利用所述人体特征信息生成真人数字模型；
获取衣物特征信息，所述衣物特征信息包括多个特征点；
根据特征点生成衣物数字模型，所述衣物数字模型包括多个数字顶点，每个数字顶点之间受到力的相互作用；
利用骨骼绑定技术驱动真人数字模型运动；
利用布料模拟算法对所述衣物数字模型的运动状态进行计算，生成衣物数字动态模型；
将所述真人数字模型和所述衣物数字动态模型拟合生成整合模型；
将所述整合模型显示在屏幕上。
进一步地，利用布料模拟算法对所述衣物数字模型的运动状态进行计算具体包括:
获取每个所述数字顶点的当前时刻所受的力fi；
获取每个所述数字顶点当前所在的位置xi；
获取每个所述数字顶点当前时刻的速度vi；
获取每个所述数字顶点的质量mi；
根据
Figure BDA0002606188660000021
得到Δvt+h，所述Δvt+h为所述每个数字顶点在一个积分步长的时间间隔内的速度变化量的标志，所述h为积分步长的标志；
根据Δv(t+h)＝v(t+h)-vt＝hm-1ft+h计算得到vt+h，所述vt+h表示每个数字顶点在t+h时刻的速度；
根据Δx(t+h)＝x(t+h)-xt＝hvt+h计算得到x(t+h)，所述x(t+h)表示每个所述数字顶点在t+h时刻的位置；
根据vt+h和x(t+h)生成衣物数字动态模型。
进一步地，所述获取衣物特征信息，所述衣物特征信息包括多个特征点具体包括：
获取云相机拍摄的衣物图像信息，所述衣物图像信息包括不同云相机从两个以上不同角度拍摄的同一时刻的衣物图像；
获取投影衣物图像信息，所述投影衣物图像信息包括不同云相机从两个以上不同角度拍摄的投影后衣物图像,所述投影后衣物图像是通过四个投影仪把编码图案投射到衣物表面后云相机拍摄的衣物图像，四个投影仪位于以衣物为中心的正四边形的四个顶点上，位于正四边形对角线上的两个投影仪的投影平面相互平行且与该对角线垂直，所述编码图案完全覆盖衣物表面且使衣物每个区域的纹理都不同；
根据投影前衣物图像和投影后衣物图像生成交差图像M差，M差＝M后-M前，所述投影前衣物图像和所述投影后衣物图像是同一云相机获取的衣物图像，M后代表投影后衣物图像，M前代表投影前衣物图像；
将所述交差图像处理去色，得到二元交差图像；
通过对所述二元交差图像进行解码，获取特征点集，所述特征点集包括多个特征点。
进一步地，根据特征点生成衣物数字模型具体包括：
获取第一坐标信息，所述第一坐标信息为特征点在二元交差图像上的坐标信息；
获取第二坐标信息，所述第二坐标信息为特征点在投影仪像平面上的坐标信息；
利用三角形关系通过所述第一坐标信息和所述第二坐标信息得到第三坐标信息，所述第三坐标信息为特征点在场景中的三维坐标信息；
对相邻云相机生成的第三坐标信息进行匹配，生成特征点云；
计算所述特征点云的梯度,提取轮廓和纹理。
进一步地，所述计算特征点云的梯度，提取轮廓和纹理具体包括：
根据Gi(i,j)＝K(i+1,j)-K(i-1,j)计算点云水平方向梯度，其中Gi(i,j)为(i,j)处点云水平梯度值，K(i+1,j)和K(i-1,j)分别为在点(i+1,j)和(i-1,j)处的点云浓度；
根据Gj(i,j)＝K(i,j+1)-K(i,j-1)计算点云垂直梯度，其中Gj(i,j)为为在点(i,j)处垂直梯度值，K(i,j+1)和K(i,j-1)分别为在(i,j+1)和(i,j-1)处的点云浓度；
通过
Figure BDA0002606188660000041
得出该点处的梯度大小和在该点处的梯度方向，其中G(i,j)表示为在(i,j)处的点云梯度大小，θ(i,j)表示(i,j)处的点云梯度方向；
根据所有的梯度大小和梯度方向提取轮廓和纹理。
进一步地，所述编码图案是随机分布的,所述编码图案的最小单元在水平方向和垂直方向上都不同。
进一步地，所述将交差图像处理去色，得到二元交差图像具体包括：
利用随机数R作用交差图像的全部像素点，如果R小于5，使像素点为黑色，R大于5，使像素点为白色。
一种数字人体试衣系统包括：
人体特征信息获取模块，所述人体特征信息获取模块被配置为获取人体特征信息；
真人数字模型生成模块，所述真人数字模型生成模块被配置为利用所述人体特征信息生成真人数字模型；
衣物特征获取模块，所述衣物特征获取模块被配置为获取衣物特征信息，所述衣物特征信息包括多个特征点；
衣物数字模型生成模块，所述衣物数字模型生成模块被配置为根据特征点生成衣物数字模型，所述衣物数字模型包括多个数字顶点，每个数字顶点之间受到力的相互作用；
驱动模块，所述驱动模块被配置为利用骨骼绑定技术驱动真人数字模型运动；
计算模块，所述计算模块被配置为利用布料模拟算法对所述衣物数字模型的运动状态进行计算，生成衣物数字动态模型；
整合模块，所述整合模块被配置为将所述真人数字模型和所述衣物数字动态模型拟合生成整合模型；
显示模块，所述显示模块被配置为将所述整合模型显示在屏幕上。
进一步地，所述衣物特征获取模块具体包括：
第一图像信息获取模块，所述第一图像信息获取模块被配置为获取云相机拍摄的衣物图像信息，所述衣物图像信息包括不同云相机从两个以上不同角度拍摄的同一时刻的衣物图像；
第二图像信息获取模块，所述第二图像信息获取模块被配置为获取投影衣物图像信息，所述投影衣物图像信息包括不同云相机从两个以上不同角度拍摄的投影后衣物图像,所述投影后衣物图像是通过四个投影仪把编码图案投射到衣物表面后云相机拍摄的衣物图像，四个投影仪位于以衣物为中心的正四边形的四个顶点上，位于正四边形对角线上的两个投影仪的投影平面相互平行且与该对角线垂直，所述编码图案完全覆盖衣物表面且使衣物每个区域的纹理都不同；
交差图像生成模块，所述交差图像生成模块被配置为根据投影前衣物图像和投影后衣物图像生成交差图像M差，M差＝M后-M前，所述投影前衣物图像和所述投影后衣物图像是同一云相机获取的衣物图像，M后代表投影后人体图像，M前代表投影前人体图像；
处理去色模块，所述处理去色模块被配置为将所述交差图像处理去色，得到二元交差图像；
解码模块，所述解码模块被配置为通过对二元交差图像进行解码，获取特征点集，所述特征点集包括多个特征点。
所述衣物数字模型生成模块具体包括：
第一坐标获取模块，所述第一坐标获取模块被配置为获取第一坐标信息，所述第一坐标信息为特征点在二元交差图像上的坐标信息；
第二坐标获取模块，所述第二坐标获取模块被配置为获取第二坐标信息，所述第二坐标信息为特征点在投影仪像平面上的坐标信息；
第三坐标获取模块，所述第三坐标获取模块被配置为利用三角形关系通过所述第一坐标信息和所述第二坐标信息得到第三坐标信息，所述第三坐标信息为特征点在场景中的三维坐标信息；
点云生成模块，所述点云生成模块被配置为对相邻云相机生成的第三坐标信息进行匹配，生成特征点云；
梯度计算模块，所述梯度计算模块被配置为计算特征点云的梯度,提取轮廓和纹理。
本发明的有益效果：
采用多个云相机从多个角度分别采集人体图像和衣服图像来进行真人数字模型和衣物数字模型的重建，真实人体和衣物的微小细节都可以在最终生成的整合模型中以360度展现出来，使虚拟试衣的效果更加逼真。真人数字模型的数据是完全根据真人进行重建的,可以做到根据消费者不同的身材体型为消费者提供真实的虚拟试穿效果。利用骨骼绑定技术驱动真人数字模型运动，使整个虚拟试衣的展示更加灵活、生动。衣物数字模型是根据对真实衣服在未投射编码图案状态下和投影编码图案状态下分别进行两次图像采集的基础上进行重建的，可以很好还原衣服原本的颜色材质和面料结构。采用布料模拟算法对所述衣物数字模型的运动状态进行计算，使衣物数字模型的布料质感更加真实，可以随着真人数字模型的运动表现出衣物在真实世界中的运动状态。将所述真人数字模型和所述衣物数字动态模型拟合生成整合模型让衣物数字动态模型与真人数字模型表面接触,衣服的布料可以贴近身体达到真实还原穿衣效果95％以上。根据投影前衣物图像和投影后衣物图像生成交差图像整个运算简单、快速，去除了衣物图像的底色，排除了衣物底色对特征点提取匹配过程的干扰，降低了计算复杂度，提高了效率。
本发明的特征及优点将通过实施例结合附图进行详细说明。
【附图说明】
图1是本发明实施例的数字试衣系统示意图；
图2是本发明实施例的数字人体试衣方法流程图；
图3是本发明实施例的利用布料模拟算法对所述数字衣服模型的运动状态进行计算的流程图；
图4是本发明实施例的获取衣物的图像信息的流程图；
图5是本发明实施例的根据特征点生成衣物数字模型的流程图；
图6是本发明实施例的计算所述特征点云的梯度,提取轮廓和纹理的流程图；
图7是本发明实施例的数字试衣系统的结构框图；
图8是本发明实施例的衣物特征获取模块的结构框图；
图9是本发明实施例的衣物数字模型生成模块的结构框图；
图10为二元交差图像的示意图；
图11所为一个云相机从一个视角所拍摄的投影前衣物图像；
图12为云相机从一个视角所拍摄的投影后衣物图像。
【具体实施方式】
如图1所示，数字人体试衣系统由两方面来实现，一方面是人体进行建模，一方面对衣物进行建模。在对人体的建模中，需要用云相机拍摄试衣的人体，人体试衣系统生成真人数字模型。在对衣物的建模中，需要用云相机拍摄穿在固定模特上的衣物，然后生成衣物数字模型。接下来，利用布料模拟算法对所述衣物数字模型的运动状态进行计算，生成衣物数字动态模型。数字人体试衣系统将生成的真人数字模型和衣物数字动态模型拟合生成整合模型。数字试衣系统利用整合模型可以呈现处真实人体和真实衣服效果。
如图2所示，在一个实施例中，提供了一种数字人体试衣方法。参照图2，该数字人体试衣方法具体包括如下步骤：
步骤S210获取人体特征信息。
其中获取图像的方式为通过多个云相机，该多个云相机位于被拍摄人体四周，用于从各个角度、同一时刻拍摄人体图像。云相机的参数包括云相机的内参矩阵和外参矩阵，这些参数是事先标定好的的。身穿紧身衣法的人体以双臂张开30度,双腿张开15度的姿势站立并保持一秒内不动。这样使所拍摄的人体图像不会因为运动产生重影，且各个特征点清晰不重合，更有利于在后续对人体图像的处理。多个云相机采集的多张人体图像并按序号进行保存，更有利于在后续对人体图像的处理。
在其他实施例中，多个云相机以相同的垂直距离固定在一个固定架上，且每个固定架上的云相机个数相等，每个固定架位于正八边形的八个顶点上，每个云相机的像平面与中心连线相垂直，所述中心连线为云相机所在八边形顶点与正八边形中心的连线。
在本实施例中，接下来使所有云相机拍摄接受四个投影照射的人体。四个投影仪把编码图案投射到人体表面，四个投影仪位于以人体为中心的正四边形的四个顶点上，位于正四边形对角线上的两个投影仪的投影平面相互平行且与该对角线垂直，编码图案完全覆盖人体且使人体每个区域的纹理都不同。人体可以看成一个长方体，四个投影仪分别将编码图案投影到与该长方体正对的面，一个投影仪投射的光只能照射所述人体的一个面，且四个投影仪投影平面(DMD)上的编码图案各不相同，使投射到人体四个表面的编码图案各不相同，不会造成三维场景点(人体特征点)、相机像平面上特征点、投影平面上编码图案对应的特征点三者一一对应关系的混淆，有利于后续特征点的提取。
根据投影前人体图像和所述投影后人体图像生成交差人体图像，交差人体图像为投影后人体图像减去投影前人体图像。然后将交差人体图像处理去色并进行解码，获取特征点集。
步骤S220利用所述人体特征信息生成真人数字模型。
在本实施例中，提取所述交差图像中投影数据形成的特征；根据所述特征对齐图像，生成真人数字模型点云信息；根据所述点云信息生成真人数字模型；利用图像数据生成贴图，建立真人数字模型。
步骤S230获取衣物特征信息，所述衣物特征信息包括多个特征点。
在本实施例中，获取云相机拍摄的衣物图像信息，获取投影衣物图像信息，根据投影前衣物图像和投影后衣物图像生成交差图像M差，将所述交差图像处理去色，得到二元交差图像；通过对所述二元交差图像进行解码，获取特征点集，所述特征点集包括多个特征点。
步骤S240根据特征点生成衣物数字模型，所述衣物数字模型包括多个数字顶点。
在本实施例中，衣物数字模型是根据对真实衣服在未投射编码图案状态下和投影编码图案状态下分别进行两次图像采集的基础上进行重建的，可以很好还原衣服原本的颜色材质和面料结构。
在其他实施例中，衣服数字模型采用质点-弹簧模型，通过多张不同角度的照片得到该模型的参数。
步骤S250利用骨骼绑定技术驱动真人数字模型运动。
其中，通过现有技术骨骼绑定技术驱动真人数字模型运动，真人数字模型可以以预先设定的姿势运动，例如真人数字模型沿直线走动。
步骤S260利用布料模拟算法对所述衣物数字模型的运动状态进行计算，生成衣物数字动态模型。
在本实施例中，获取每个所述数字顶点在当前时刻所受的力fi，获取每个所述数字顶点当前所在的位置xi。可根据生成衣物数字模型的各个特征点的空间坐标信息来确定每个数字顶点当前所在的位置。获取每个所述数字顶点当前时刻的速度vi。获取每个所述数字顶点的质量mi；根据
Figure BDA0002606188660000101
Figure BDA0002606188660000102
得到Δvt+h，所述Δvt+h为所述每个数字顶点在一个积分步长的时间间隔内的速度变化量的标志，所述h为积分步长的标志。根据当前时刻每个数字顶点所受到的力ft、积分步长h、每个数字顶点在当前时刻所受到的力在速度方向的偏导
Figure BDA0002606188660000103
受到的力在速度方向的偏导
Figure BDA0002606188660000104
这些已知量来得到未知量Δvt+h，在一个积分步长内的速度增量。根据Δv(t+h)＝v(t+h)-vt＝hm-1ft+h计算得到vt+h，所述vt+h表示每个数字顶点在t+h时刻的速度。利用每个数字顶点在一个积分步长内的速度增量的速度增量Δv(t+h)根据Δv(t+h)＝v(t+h)-vt得到每个数字顶点t+h时刻的速度。根据Δx(t+h)＝x(t+h)-xt＝hvt+h计算得到x(t+h)，所述x(t+h)表示每个所述数字顶点在t+h时刻的位置；再利用每个数字顶点t+h时刻的速度vt+h根据Δx(t+h)＝x(t+h)-xt＝hvt+h得到t+h时刻的空间位置。根据vt+h和x(t+h)生成衣服的动态模型。采用布料模拟算法对所述衣物数字模型的运动状态进行计算，使衣物数字模型的布料质感更加真实，可以随着真人数字模型的运动表现出衣物在真实世界中的运动状态。
步骤S270将所述真人数字模型和所述衣物数字动态模型拟合生成整合模型。
在本实施例中，将所述真人数字模型和所述衣物数字动态模型拟合生成整合模型让衣物数字动态模型与真人数字模型表面接触,衣物数字动态模型的布料可以贴近身体达到真实还原穿衣效果95％以上。
在其他实施例中，整合模型可以呈现真实人体和真实衣服效果。其中整合模型的人体外形、肤色、发型、姿态、神情的拟真度1:1。衣物数字动态模型既保持衣物原有的颜色,纹理和配饰，还能保持衣服形状褶皱阴影的自然度。
步骤S280将所述整合模型显示在屏幕上。
在本实施例中，通过屏幕显示处的整合模型真实呈现人体和真实衣服效果。
在一个实施例中，如图3所示，所述利用布料模拟算法对所述数字衣服模型的运动状态进行计算的步骤，具体可以是：
步骤S310获取每个所述数字顶点在当前时刻所受的力fi。
在本实施例中，每个所述数字顶点在当前时刻所受的力可以根据不同场景进行预先设定。例如，不同衣物所受的重力、阻尼、弹性、刚度系数、等参数可以根据不同的衣服材质进行设置，取得不同的效果。
步骤S320获取每个所述数字顶点当前所在的位置xi。
在本实施例中，可根据生成衣物数字模型的各个特征点的空间坐标信息来确定每个数字顶点当前所在的位置。
步骤S330获取每个所述数字顶点当前时刻的速度vi。
在本实施例中，每个所述数字顶点在当前时刻的速度可以根据不同场景进行预先设定。例如重量轻的衣物相对与重量重的衣物具有相对较大的初始速度以根据不同的衣服材质进行设置，取得不同的效果。
步骤S340获取每个所述数字顶点的质量mi；
在本实施例中，每个所述数字顶点的质量可以根据不同的衣服材质进行设置，取得不同的效果。
步骤S350根据
Figure BDA0002606188660000121
得到Δvt+h，所述Δvt+h为所述每个数字顶点在一个积分步长的时间间隔内的速度变化量的标志，所述h为积分步长的标志。
在本实施例中，根据当前时刻每个数字顶点所受到的力ft、积分步长h、每个数字顶点在当前时刻所受到的力在速度方向的偏导
Figure BDA0002606188660000122
受到的力在速度方向的偏导
Figure BDA0002606188660000123
这些已知量来得到未知量Δvt+h，在一个积分步长内的速度增量。
步骤S360根据Δv(t+h)＝v(t+h)-vt＝hM-1ft+h计算得到vt+h，所述vt+h表示每个数字顶点在t+h时刻的速度；
在本实施例中，利用每个数字顶点在一个积分步长内的速度增量的速度增量Δv(t +h)根据Δv(t+h)＝v(t+h)-vt得到每个数字顶点t+h时刻的速度。
步骤S370根据Δx(t+h)＝x(t+h)-xt＝hvt+h计算得到x(t+h)，所述x(t+h)表示每个所述数字顶点在t+h时刻的位置；
在本实施例中，再利用每个数字顶点t+h时刻的速度vt+h根据Δx(t+h)＝x(t+h)-xt＝hvt+h得到t+h时刻的空间位置。
步骤S380根据vt+h和x(t+h)生成衣物数字动态模型。
在本实施例中，在一个积分步长，每个数字顶点的速度和位置后自动生成动态模型。
在一个实施例中，如图4所示，获取衣物的图像信息，所述衣物的图像信息包括特征点信息的步骤，具体可以是：
步骤S410获取云相机拍摄的衣物图像信息。
其中所述衣物图像信息包括不同云相机从两个以上不同角度拍摄的同一时刻的衣物图像。例如图11所为一个云相机从一个视角所拍摄的投影前衣物图像，该衣物图像中没有投影在衣物表面的编码图案。不同云相机在不同角度拍摄的衣物图像在细节上有细微差别，主要体现在任意一个三维衣物特征点(即场景点)在不同云相机所拍摄的图片中位于不同的位置、相应的二维坐标不同。
步骤S420获取投影衣物图像信息。
其中所述投影衣物图像信息包括不同云相机从两个以上不同角度拍摄的投影后衣物图像,所述投影后衣物图像是通过四个投影仪把编码图案投射到衣物表面后云相机拍摄的衣物图像，四个投影仪位于以衣物为中心的正四边形的四个顶点上，位于正四边形对角线上的两个投影仪的投影平面相互平行且与该对角线垂直，所述编码图案完全覆盖衣物表面且使衣物每个区域的纹理都不同。
在本实施例中，如图12所示，图12为云相机从一个视角所拍摄的投影后衣物图像，所述编码图案完全覆盖衣物表面且使衣物每个区域的纹理都不同。编码图案用来帮助确定特征点在相机-投影仪之间的对应性。
在其他实施例中，固定在模特身体上的三维衣物可以看成一个长方体，四个投影仪分别将编码图案投影到与该长方体正对的面，一个投影仪投射的光只能照射三维衣物的一个面，且四个投影仪投影平面(DMD)上的编码图案各不相同，使投射到衣物四个表面的编码图案各不相同，不会造成三维场景点(衣物特征点)、相机像平面上特征点、投影平面上编码图案对应的特征点三者一一对应关系的混淆，有利于后续特征点的提取。
步骤S430根据投影前衣物图像和投影后衣物图像生成交差图像M差。
其中M差＝M后-M前，所述投影前衣物图像和所述投影后衣物图像是同一云相机获取的衣物图像，M后代表投影后衣物图像，M前代表投影前衣物图像。交差图像为投影后衣物图像减去投影前衣物图像。
在本实施例中，投影前衣物图像、投影后衣物图像、交差图像都可以表示为一个矩阵。例如
Figure BDA0002606188660000141
投影前衣物图像中的像素点、投影后衣物图像中的像素点、交差图像中的像素点都可以表示为矩阵中的元素m。根据投影前衣物图像和投影后衣物图像生成交差图像只需要将投影后衣物图像所代表的矩阵和投影前衣物图像所代表的矩阵进行运算生成交差信息，整个运算简单、快速，去除了衣物图像的底色，排除了衣物底色对特征点提取匹配过程的干扰。
步骤S440将所述交差图像处理去色，得到二元交差图像。
在本实施例中，为了得到一个更精确的、分辨率更高的特征点提取、匹配结果，对通过投影前衣物图像和投影后衣物图像生成的交差图像进行准确的二值化操作，使得交差图像中每个像素点都能够正确解码。利用随机数R作用交差图像的全部像素点，如果R小于5，使该像素点为黑色，R大于5，使该像素点为白色。
因为利用云相机拍摄衣物的环境往往是未知且复杂的。比如同样的投影光照在深色衣物表面的亮度比照射在浅色衣物表面的亮度要低。这意味着通过投影前衣物图像和投影后衣物图像生成的交差图像在衣物不同部位上灰度值不同。由于不能提前预知三维场景环境中的衣物表面信息，往往对后续编码图案的解码、特征点的提取和匹配带来困难，造成分辨率和精确度低下等问题。通过设定一个随机数作用与交差图像中所有的像素点的方法使衣物表面局部纹理激烈变化并且全局随机显示，大大增加了解码的精确度，大大降低解码所需计算的复杂度和解码所需要的时间。
在其他实施例中，通过设定一个全局灰度阈值，对灰度值高于阈值的像素点置1(显示为白色)，对灰度值低于阈值的像素点置0(显示为黑色)。
步骤S450通过对所述二元交差图像进行解码，获取特征点集。
其中所述特征点集包括多个特征点。图10为二元交差图像的示意图，通过将交差图像二值化，大大降低解码所需计算的复杂度和解码所需要的时间，更易获取特征点。二元交差图像上的特征点和投影仪平面(DMD)上的编码图案是一一对应的关系。通过对二元交差图像的解码可以建立二元交差图像上特征点与投影仪像平面上特征点一一对应的关系。
在本实施例中，每个格子里编码图案都是随机的,每个格子的编码图案不同,即编码图案的最小单元在水平方向和垂直方向上都不同，编码图案的最小单元在水平方向和垂直方向上都有唯一特征值。通过投影仪将编码图案投影到衣物表面，交差图像是DMD上编码图案在相机像平面上的投影，所以对二元交差图像的解码就是对每个二元交差图像的最小单元进行特征值的提取，当编码图案投射到衣物表面时,保证衣物每个部位的特征不同,这样特征点明显并且容易提取，降低提取特征点所需的计算复杂度和所需的时间。
在其他实施例中，在衣物的不同位置，编码图案的细节信息不同，例如投向左领口的编码图案与其余部位的编码图案不同。这样做的目的是，使编码图案和二元交差图像特征点之间建立一一对应的关系更好的确定和匹配不同图像中的特征点。通过对二元交差图像进行解码，就可以知道二元交差图像的特征点是由投影仪DMD哪个像素发出的，也可以知道衣物表面会在虚拟的投影仪图像上的成像位置。
在一个实施例中，如图5所示，根据特征点生成衣物数字模型的步骤，具体可以是：
步骤S510获取第一坐标信息。
其中，所述第一坐标信息为特征点在所述二元交差图像上的坐标信息。
在本实施例中，(uc,vc)表示二元交差图像上的特征点的坐标，二元交差图像上的特征点的坐标也是二元交差图像的最小单元中心点处的坐标。其中坐标原点可以是二元交差图像的左上角顶点，X轴以坐标原点向水平方向延伸，Y轴以坐标原点向竖直方向延伸。二元交差图像的最小单元都有一个唯一确定的坐标值。
步骤S520获取第二坐标信息。
其中所述第二坐标信息为特征点在投影仪像平面上的坐标信息，所述投影仪像平面特征点与每个二元交差图像的特征点相匹配。
在本实施例中，(up,vp)表示投影仪像平面(DMD)上的特征点的坐标，投影仪像平面(DMD)上的特征点的坐标也是DMD上编码图案最小单元中心点处的坐标。
其中坐标原点可以是投影仪像平面的左上角顶点，X轴以坐标原点向水平方向延伸，Y轴以坐标原点向竖直方向延伸。DMD上编码图案最小单元都有一个唯一确定的坐标值。
步骤S530利用三角形关系通过第一坐标信息和第二坐标信息得到第三坐标信息。
其中，所述第三坐标信息为特征点在场景中的三维坐标信息。
在本实施例中，三维场景点和它在二维相机平面(CCD)上的投影点，投影仪像平面的投影像素(DMD)组成一个三角形。Oc、Op分别是云相机镜头的焦点和投影仪像平面的焦点，焦点是所有光线在此处汇聚的点。对于一个给定三维场景点，它在云相机的像平面上的点和两焦点Oc、Op形成一个平面。该平面与云相机的像平面和投影仪的相平面分别相交于Ec和Ep。根据二元交差图像上的特征点的坐标(uc,vc)，投影仪像平面上的坐标信息(up,vp)，它们之间的三角几何关系得到三维场景点的坐标。三维场景点的坐标可以表示为(xw,yw,zw)。
步骤S540对相邻云相机拍摄的图像生成的第三坐标信息进行匹配，生成特征点云。
在本实施例中，首先使用两个云相机生成的第三坐标信息进行匹配，计算出一个初始的点云，之后不断添加相邻云相机生成的第三坐标信息。多个云相机生成的相应第三坐标信息按序号进行保存，对相邻云相机生成的第三坐标信息进行匹配时，只需比对相邻序号的衣物图像生成的第三坐标信息，降低了匹配时间。
在其他实施例中，首先使用两个云相机生成的第三坐标信息进行匹配，计算出一个初始的点云，之后不断添加相邻云相机生成的第三坐标信息，具体添加相邻云相机的方法：检查相邻云相机第三坐标信息与已有的第三坐标信息匹配度，优选匹配度最高的相邻云相机的第三坐标信息进行匹配。
步骤S550计算所述特征点云的梯度,提取轮廓和纹理。
在一个实施例中，如图6所示，计算所述特征点云的梯度,提取轮廓和纹理的步骤，具体可以是：
步骤S610根据Gi(i,j)＝K(i+1,j)-K(i-1,j)计算点云水平方向梯度，其中Gi(i,j)为(i,j)处点云水平梯度值，K(i+1,j)和K(i-1,j)分别为在点(i+1,j)和(i-1,j)处的点云浓度；
步骤S620根据Gj(i,j)＝K(i,j+1)-K(i,j-1)计算点云垂直梯度，其中Gj(i,j)为为在点(i,j)处垂直梯度值，K(i,j+1)和K(i,j-1)分别为在(i,j+1)和(i,j-1)处的点云浓度；
步骤S630通过
Figure BDA0002606188660000181
得出该点处的梯度大小和在该点处的梯度方向，其中G(i,j)表示为在(i,j)处的点云梯度大小，θ(i,j)表示(i,j)处的点云梯度方向；
步骤S640根据所有的梯度大小和梯度方向提取轮廓和纹理。
如图7所示，在一个实施例中，提供了一种数字试衣系统，该系统包括：
人体特征信息获取模块710，所述人体特征信息获取模块被配置为获取人体特征信息；
真人数字模型生成模块720，所述真人数字模型生成模块被配置为利用所述人体特征信息生成真人数字模型；
衣物特征获取模块730，所述衣物特征获取模块被配置为获取衣物特征信息，所述衣物特征信息包括多个特征点；
衣物数字模型生成模块740，所述衣物数字模型生成模块被配置为根据特征点生成衣物数字模型，所述衣物数字模型包括多个数字顶点，每个数字顶点之间受到力的相互作用；
驱动模块750，所述驱动模块被配置为利用骨骼绑定技术驱动真人数字模型运动；
计算模块760，所述计算模块被配置为利用布料模拟算法对所述衣物数字模型的运动状态进行计算，生成衣物数字动态模型；
整合模块770，所述整合模块被配置为将所述真人数字模型和所述衣物数字动态模型拟合生成整合模型；
显示模块780，所述显示模块被配置为将所述整合模型显示在屏幕上。
如图8所示，在一个实施例中，所述衣物特征获取模块730具体包括：
第一图像信息获取模块810，所述第一图像信息获取模块被配置为获取云相机拍摄的衣物图像信息，所述衣物图像信息包括不同云相机从两个以上不同角度拍摄的同一时刻的衣物图像；
第二图像信息获取模块820，所述第二图像信息获取模块被配置为获取投影衣物图像信息，所述投影衣物图像信息包括不同云相机从两个以上不同角度拍摄的投影后衣物图像,所述投影后衣物图像是通过四个投影仪把编码图案投射到衣物表面后云相机拍摄的衣物图像，四个投影仪位于以衣物为中心的正四边形的四个顶点上，位于正四边形对角线上的两个投影仪的投影平面相互平行且与该对角线垂直，所述编码图案完全覆盖衣物表面且使衣物每个区域的纹理都不同；
交差图像生成模块830，所述交差图像生成模块被配置为根据投影前衣物图像和投影后衣物图像生成交差图像M差，M差＝M后-M前，所述投影前衣物图像和所述投影后衣物图像是同一云相机获取的衣物图像，M后代表投影后人体图像，M前代表投影前人体图像；
处理去色模块840，所述处理去色模块被配置为将所述交差图像处理去色，得到二元交差图像；
解码模块850，所述解码模块被配置为通过对二元交差图像进行解码，获取特征点集，所述特征点集包括多个特征点。
如图9所示，在一个实施例中，所述衣物数字模型生成模块740具体包括：
第一坐标获取模块910，所述第一坐标获取模块被配置为获取第一坐标信息，所述第一坐标信息为特征点在二元交差图像上的坐标信息；
第二坐标获取模块920，所述第二坐标获取模块被配置为获取第二坐标信息，所述第二坐标信息为特征点在投影仪像平面上的坐标信息；
第三坐标获取模块930，所述第三坐标获取模块被配置为利用三角形关系通过所述第一坐标信息和所述第二坐标信息得到第三坐标信息，所述第三坐标信息为特征点在场景中的三维坐标信息；
点云生成模块940，所述点云生成模块被配置为对相邻云相机生成的第三坐标信息进行匹配，生成特征点云；
梯度计算模块950，所述梯度计算模块被配置为计算特征点云的梯度,提取轮廓和纹理。
在本实施例中，本申请提供的一种投影辅助衣物特征提取系统可以实现为一种程序的形式，程序在智能终端设备上运行。智能终端的存储器中可存储组成该数字试衣系统的各个程序模块，比如，图7所示的人体特征信息获取模块710，真人数字模型生成模块720，衣物特征获取模块730，衣物数字模型生成模块740，驱动模块750，计算模块760，整合模块770，显示模块780。各个程序模块构成的程序使得处理器执行本说明书中描述的本申请各个实施例的数字试衣方法中的步骤。
例如，智能终端可以通过如图7所示数字试衣系统中的人体特征信息获取模块710执行S210，真人数字模型生成模块720执行S220，衣物特征获取模块730执行S230，衣物数字模型生成模块740执行S240，驱动模块750执行S250，计算模块760执行S260，整合模块770执行S270，显示模块780执行S280。
需要说明的是，在不冲突的情况下，本申请实施例及实施例中的特征可以相互组合。显然所描述的实施例仅仅是本发明一部分的实施例，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其它实施例，都应当属于本发明保护的范围。需要说明的是，本发明的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。

Claims (10)

1.一种数字人体试衣方法，其特征在于，包括：
获取人体特征信息；
利用所述人体特征信息生成真人数字模型；
获取衣物特征信息，所述衣物特征信息包括多个特征点；
根据特征点生成衣物数字模型，所述衣物数字模型包括多个数字顶点；
利用骨骼绑定技术驱动真人数字模型运动；
利用布料模拟算法对所述衣物数字模型的运动状态进行计算，生成衣物数字动态模型；
将所述真人数字模型和所述衣物数字动态模型拟合生成整合模型；
将所述整合模型显示在屏幕上。
2.如权利要求1所述的数字人体试衣方法，其特征在于，所述利用布料模拟算法对所述衣物数字模型的运动状态进行计算，生成衣物数字动态模型具体包括：
获取每个所述数字顶点当前时刻所受的力fi；
获取每个所述数字顶点当前所在的位置xi；
获取每个所述数字顶点当前时刻的速度vi；
获取每个所述数字顶点的质量mi；
根据
Figure FDA0002606188650000011
得到Δvt+h，所述Δvt+h为所述数字顶点在一个积分步长的时间间隔内的速度变化量的标志，所述h为积分步长的标志，
Figure FDA0002606188650000012
表示数字顶点当前时刻所受到的力在速度方向的偏导数，
Figure FDA0002606188650000013
表示数字顶点当前时刻受到的力在速度方向的偏导数，ft表示数字顶点在t时刻所受到的力；
根据Δvt+h＝vt+h-vt＝hm-1ft+h计算得到vt+h，所述vt+h表示数字顶点在t+h时刻的速度，vt表示数字顶点在t时刻的速度，ft+h表示数字顶点在t时刻所受到的力；
根据Δx(t+h)＝xt+h-xt＝hvt+h计算得到xt+h，所述xt+h表示数字顶点在t+h时刻的位置，所述xt表示数字顶点在t时刻的位置；
根据vt+h和xt+h生成衣物数字动态模型。
3.如权利要求1所述的数字人体试衣方法，其特征在于，所述获取衣物特征信息，所述衣物特征信息包括多个特征点具体包括：
获取云相机拍摄的衣物图像信息，所述衣物图像信息包括不同云相机从两个以上不同角度拍摄的同一时刻的衣物图像；
获取投影衣物图像信息，所述投影衣物图像信息包括不同云相机从两个以上不同角度拍摄的投影后衣物图像，所述投影后衣物图像是通过四个投影仪把编码图案投射到衣物表面后云相机拍摄的衣物图像，四个投影仪位于以衣物为中心的正四边形的四个顶点上，位于正四边形对角线上的两个投影仪的投影平面相互平行且与该对角线垂直，所述编码图案完全覆盖衣物表面且使衣物每个区域的纹理都不同；
根据投影前衣物图像和投影后衣物图像生成交差图像M差，M差＝M后-M前，所述投影前衣物图像和所述投影后衣物图像是同一云相机获取的衣物图像，M后代表投影后衣物图像，M前代表投影前衣物图像；
将所述交差图像处理去色，得到二元交差图像；
通过对所述二元交差图像进行解码，获取特征点集，所述特征点集包括多个特征点。
4.如权利要求1所述的数字人体试衣方法，其特征在于，根据特征点生成衣物数字模型具体包括：
获取第一坐标信息，所述第一坐标信息为特征点在二元交差图像上的坐标信息；
获取第二坐标信息，所述第二坐标信息为特征点在投影仪像平面上的坐标信息；
利用三角形关系通过所述第一坐标信息和所述第二坐标信息得到第三坐标信息，所述第三坐标信息为特征点在场景中的三维坐标信息；
对相邻云相机生成的第三坐标信息进行匹配，生成特征点云；
计算所述特征点云的梯度，提取轮廓和纹理。
5.如权利要求4所述的数字人体试衣方法，其特征在于，所述计算特征点云的梯度，提取轮廓和纹理具体包括：
根据Gi(i，j)＝K(i+1，j)-K(i-1，j)计算点云水平方向梯度，其中Gi(i，j)为(i，j)处点云水平梯度值，K(i+1，j)和K(i-1，j)分别为在点(i+1，j)和(i-1，j)处的点云浓度；
根据Gj(i，j)＝K(i，j+1)-K(i，j-1)计算点云垂直梯度，其中Gj(i，j)为为在点(i，j)处垂直梯度值，K(i，j+1)和K(i，j-1)分别为在(i，j+1)和(i，j-1)处的点云浓度；
通过
Figure FDA0002606188650000031
得出该点处的梯度大小和在该点处的梯度方向，其中G(i，j)表示为在(i，j)处的点云梯度大小，θ(i，j)表示(i，j)处的点云梯度方向；
根据所有的梯度大小和梯度方向提取轮廓和纹理。
6.如权利要求3所述的数字人体试衣方法，其特征在于，所述编码图案是随机分布的，所述编码图案的最小单元在水平方向和垂直方向上都不同。
7.如权利要求3所述的数字人体试衣方法，其特征在于，所述将交差图像处理去色，得到二元交差图像具体包括：
利用随机数R作用交差图像的全部像素点，如果R小于5，使像素点为黑色，R大于5，使像素点为白色。
8.一种数字试衣系统，其特征在于，包括：
人体特征信息获取模块，所述人体特征信息获取模块被配置为获取人体特征信息；
真人数字模型生成模块，所述真人数字模型生成模块被配置为利用所述人体特征信息生成真人数字模型；
衣物特征获取模块，所述衣物特征获取模块被配置为获取衣物特征信息，所述衣物特征信息包括多个特征点；
衣物数字模型生成模块，所述衣物数字模型生成模块被配置为根据特征点生成衣物数字模型，所述衣物数字模型包括多个数字顶点，每个数字顶点之间受到力的相互作用；
驱动模块，所述驱动模块被配置为利用骨骼绑定技术驱动真人数字模型运动；
计算模块，所述计算模块被配置为利用布料模拟算法对所述衣物数字模型的运动状态进行计算，生成衣物数字动态模型；
整合模块，所述整合模块被配置为将所述真人数字模型和所述衣物数字动态模型拟合生成整合模型；
显示模块，所述显示模块被配置为将所述整合模型显示在屏幕上。
9.如权利要求8所述的一种数字试衣系统，其特征在于，所述衣物特征获取模块具体包括：
第一图像信息获取模块，所述第一图像信息获取模块被配置为获取云相机拍摄的衣物图像信息，所述衣物图像信息包括不同云相机从两个以上不同角度拍摄的同一时刻的衣物图像；
第二图像信息获取模块，所述第二图像信息获取模块被配置为获取投影衣物图像信息，所述投影衣物图像信息包括不同云相机从两个以上不同角度拍摄的投影后衣物图像，所述投影后衣物图像是通过四个投影仪把编码图案投射到衣物表面后云相机拍摄的衣物图像，四个投影仪位于以衣物为中心的正四边形的四个顶点上，位于正四边形对角线上的两个投影仪的投影平面相互平行且与该对角线垂直，所述编码图案完全覆盖衣物表面且使衣物每个区域的纹理都不同；
交差图像生成模块，所述交差图像生成模块被配置为根据投影前衣物图像和投影后衣物图像生成交差图像M差，M差＝M后-M前，所述投影前衣物图像和所述投影后衣物图像是同一云相机获取的衣物图像，M后代表投影后人体图像，M前代表投影前人体图像；
处理去色模块，所述处理去色模块被配置为将所述交差图像处理去色，得到二元交差图像；
解码模块，所述解码模块被配置为通过对二元交差图像进行解码，获取特征点集，所述特征点集包括多个特征点。
10.如权利要求8所述的一种数字试衣系统，其特征在于，所述衣物数字模型生成模块具体包括：
第一坐标获取模块，所述第一坐标获取模块被配置为获取第一坐标信息，所述第一坐标信息为特征点在二元交差图像上的坐标信息；
第二坐标获取模块，所述第二坐标获取模块被配置为获取第二坐标信息，所述第二坐标信息为特征点在投影仪像平面上的坐标信息；
第三坐标获取模块，所述第三坐标获取模块被配置为利用三角形关系通过所述第一坐标信息和所述第二坐标信息得到第三坐标信息，所述第三坐标信息为特征点在场景中的三维坐标信息；
点云生成模块，所述点云生成模块被配置为对相邻云相机生成的第三坐标信息进行匹配，生成特征点云；
梯度计算模块，所述梯度计算模块被配置为计算特征点云的梯度,提取轮廓和纹理。
CN202010739574.6A 2020-07-28 2020-07-28 数字人体试衣方法及系统 Pending CN111862318A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010739574.6A CN111862318A (zh) 2020-07-28 2020-07-28 数字人体试衣方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010739574.6A CN111862318A (zh) 2020-07-28 2020-07-28 数字人体试衣方法及系统

Publications (1)

Publication Number Publication Date
CN111862318A true CN111862318A (zh) 2020-10-30

Family

ID=72948174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010739574.6A Pending CN111862318A (zh) 2020-07-28 2020-07-28 数字人体试衣方法及系统

Country Status (1)

Country Link
CN (1) CN111862318A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060202986A1 (en) * 2005-03-11 2006-09-14 Kabushiki Kaisha Toshiba Virtual clothing modeling apparatus and method
CN103116902A (zh) * 2011-11-16 2013-05-22 华为软件技术有限公司 三维虚拟人头像生成方法、人头像运动跟踪方法和装置
US20160300393A1 (en) * 2014-02-27 2016-10-13 Yasuo Kinoshita Virtual trial-fitting system, virtual trial-fitting program, virtual trial-fitting method, and storage medium in which virtual fitting program is stored
US20170140578A1 (en) * 2014-06-12 2017-05-18 Shenzhen Orbbec Co., Ltd. Depth camera-based human-body model acquisition method and network virtual fitting system
CN107393011A (zh) * 2017-06-07 2017-11-24 武汉科技大学 一种基于多结构光视觉技术的快速三维虚拟试衣系统和方法
CN108242064A (zh) * 2016-12-27 2018-07-03 合肥美亚光电技术股份有限公司 基于面阵结构光系统的三维重建方法及系统
CN109523345A (zh) * 2018-10-18 2019-03-26 河海大学常州校区 基于虚拟现实技术的WebGL虚拟试衣系统和方法
CN110619681A (zh) * 2019-07-05 2019-12-27 杭州同绘科技有限公司 一种基于欧拉场形变约束的人体几何重建方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060202986A1 (en) * 2005-03-11 2006-09-14 Kabushiki Kaisha Toshiba Virtual clothing modeling apparatus and method
CN103116902A (zh) * 2011-11-16 2013-05-22 华为软件技术有限公司 三维虚拟人头像生成方法、人头像运动跟踪方法和装置
US20160300393A1 (en) * 2014-02-27 2016-10-13 Yasuo Kinoshita Virtual trial-fitting system, virtual trial-fitting program, virtual trial-fitting method, and storage medium in which virtual fitting program is stored
US20170140578A1 (en) * 2014-06-12 2017-05-18 Shenzhen Orbbec Co., Ltd. Depth camera-based human-body model acquisition method and network virtual fitting system
CN108242064A (zh) * 2016-12-27 2018-07-03 合肥美亚光电技术股份有限公司 基于面阵结构光系统的三维重建方法及系统
CN107393011A (zh) * 2017-06-07 2017-11-24 武汉科技大学 一种基于多结构光视觉技术的快速三维虚拟试衣系统和方法
CN109523345A (zh) * 2018-10-18 2019-03-26 河海大学常州校区 基于虚拟现实技术的WebGL虚拟试衣系统和方法
CN110619681A (zh) * 2019-07-05 2019-12-27 杭州同绘科技有限公司 一种基于欧拉场形变约束的人体几何重建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DAVID BARAFF: "Large steps in cloth simulation", SIGGRAPH ‘98：PROCEEDINGS OF THE 25TH ANNUAL CONFERENCE ON COMPUTER GRAPHICS AND INTERACTIVE TECHNIQUES, pages 128 - 129 *
郭瑞良: "服装三维数字化应用", 31 January 2020, 东华大学出版社, pages: 5 *

Similar Documents

Publication Publication Date Title
US11354840B2 (en) Three dimensional acquisition and rendering
CN107292965B (zh) 一种基于深度图像数据流的虚实遮挡处理方法
Saito et al. Shape reconstruction in projective grid space from large number of images
Hilton et al. Virtual people: Capturing human models to populate virtual worlds
Brostow et al. Video normals from colored lights
CN110490916A (zh) 三维对象建模方法与设备、图像处理装置及介质
Vedula et al. Modeling, combining, and rendering dynamic real-world events from image sequences
JP2006249618A (ja) 仮想試着装置
CN110648274B (zh) 鱼眼图像的生成方法及装置
KR102067823B1 (ko) 비디오 영상기반 2d/3d ar 실감체험 방법 및 장치
CN110490967A (zh) 图像处理和对象建模方法与设备、图像处理装置及介质
JPH11175762A (ja) 光環境計測装置とそれを利用した仮想画像への陰影付与装置及び方法
JP2019045991A (ja) 生成装置、生成方法、及びプログラム
Böhm Multi-image fusion for occlusion-free façade texturing
JP2016071645A (ja) オブジェクト３次元モデル復元方法、装置およびプログラム
EP2462564B1 (en) Representation of complex and/or deformable objects, and virtual fitting of wearable objects
JP4354708B2 (ja) 多視点カメラシステム
Malleson et al. Single-view RGBD-based reconstruction of dynamic human geometry
CN109816765B (zh) 面向动态场景的纹理实时确定方法、装置、设备和介质
JP2002117413A (ja) 光源環境変化をリアルタイムに反映する画像生成装置および画像生成方法
CN111862318A (zh) 数字人体试衣方法及系统
CN107063131B (zh) 一种时间序列相关无效测量点去除方法及系统
Siegmund et al. Virtual Fitting Pipeline: Body Dimension Recognition, Cloth Modeling, and On-Body Simulation.
CN111862317B (zh) 一种衣物建模方法及系统
Garcia et al. Markerless motion capture with multi-view structured light

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