CN111882659B - 一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法 - Google Patents
一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法 Download PDFInfo
- Publication number
- CN111882659B CN111882659B CN202010705374.9A CN202010705374A CN111882659B CN 111882659 B CN111882659 B CN 111882659B CN 202010705374 A CN202010705374 A CN 202010705374A CN 111882659 B CN111882659 B CN 111882659B
- Authority
- CN
- China
- Prior art keywords
- human body
- foot shape
- foot
- shape
- body foot
- 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
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 55
- 230000008569 process Effects 0.000 claims abstract description 11
- 210000002683 foot Anatomy 0.000 claims description 300
- 230000014509 gene expression Effects 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 210000003423 ankle Anatomy 0.000 claims description 2
- 230000001902 propagating effect Effects 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法，步骤如下：基于深度学习原理，建立一种人体脚型规律的计算模型。融合可视外壳，进行人体脚型规律的获取。对计算模型输出的完整人体脚型，迭代进行人体脚型位姿的优化以及最佳人体脚型尺寸选择。本发明避免了传统人体重建方法的繁琐过程，节约了设备与人力成本，使用融合人体脚型规律和可视外壳的人体脚型重建方法能够更准确、更便捷地通过人体脚型的三维形体重建高精度的真实完整人体脚型。
Description
技术领域
本发明属于计算机与人体重建相结合领域，尤其涉及一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法。
背景技术
随着网络的兴起，网络购物越来越发达，用户通过互联网进行鞋类产品的而获取三维人体脚型数据能够帮助用户更加便捷地选购鞋类物品。而对于鞋类的产业，人体脚型规律起到了至关重要的作用，通过分析大量用户的高精度人体脚型模型，鞋厂以及鞋类设计师可以获取到不同用户人体脚型之间的自相似性以及各自的特点，从而更好地推出拥有普适性的鞋类款式，或是在此基础上推出与特定用户人体脚型准确匹配的定制款式，从而推动鞋类的产业不断向前发展。
通过二维图像序列重建三维人体模型一直是计算机视觉等领域的重点研究问题之一。它研究通过单张或多张二维图像、以及视频序列等数据重建人体部分或全部部位的三维模型。该技术在医疗，游戏，影视等等领域都有着广泛的前景。传统的三维模型重建技术主要使用的是基于几何造型的方法，通过具备专业素质的人员使用几何造型软件来重建出对象物体的三维模型。这种人工建模的方法存在效率低下，工作量大，精度无法保证，受人主观因素影响大等缺陷。
近几年国内外的研究进展中，深度学习方法在许多领域都获得了较好的表现。基于深度学习的三维模型重建技术主要分为两类：一类是针对通用物体对象的三维重建方法，该方法适用于包含多种类型物体的数据集；另一类是特定类型物体的三维重建方法，适用于包括人脸、脚型等特定类型的数据集。
可视外壳(Visual hull)是一种三维几何形体，由真实三维物体的表面在多个二维平面上的投影以及对应的相机参数来构建多个投影的锥体，多个锥体的交集即为可视外壳。可视外壳完全包含真实的三维物体，并在所投影的视角上的轮廓与真实物体的轮廓一致。因此可视外壳可以看作一种物体的三维形体，作为三维重建的输入使用。
发明内容
本发明的目的在于针对现有技术的不足，提供一种特定类型的物体的三维重建方法。更具体的，本发明提供一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法，基于深度学习原理，建立一种人体脚型规律的计算模型。融合可视外壳，进行人体脚型规律的获取。对计算模型输出的完整人体脚型，迭代进行人体脚型位姿的优化以及最佳脚型尺码选择。本发明避免了传统人体重建方法的繁琐过程，节约了设备与人力成本，使用融合人体脚型规律和可视外壳的人体脚型重建方法能够更准确、更便捷地通过人体脚型的三维形体重建高精度的真实完整人体脚型。
本发明的目的是通过以下技术方案来实现的：一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法，包括如下步骤：
(1)建立人体脚型规律计算模型。人体脚型规律的计算模型基于生成式对抗网络(Generative Adversarial Networks)结构，以人体脚型的三维形体作为输入，所述三维形体中包含一个完整的人体脚型，通过计算模型提取并重建该三维形体中包含的完整人体脚型；
(2)融合可视外壳，进行人体脚型规律的获取。在公开的人体脚型数据集上，利用事先指定的相机内参数(Intrinsic parameter)与外参数(External parameter)，对数据集中的人体脚型模型进行投影得到掩模图，利用掩模图对应的视锥交集生成可视外壳，同时生成对应可视外壳包含的最大完整人体脚型。将所述可视外壳作为包含一个完整人体脚型的三维形体，与对应的最大完整人体脚型输入计算模型进行训练，从而进行人体脚型规律知识的获取；
(3)对计算模型输出的完整人体脚型，迭代进行人体脚型位姿的优化以及最佳脚型尺码选择。由于可视外壳完全包含真实的三维物体，并在所投影的视角上的轮廓与真实物体的轮廓一致，因此利用事先指定的相机内参数与外参数，将计算模型输出的完整人体脚型转换为可视外壳的点云表达，同时将模型输入的人体脚型可视外壳转换为点云表达，对两者进行迭代最近点算法(Iterative Closest Point)，从而优化完整人体脚型的位姿。
随后根据人体脚型骨骼结构，对计算模型输出的完整人体脚型进行脚长、脚宽、脚高三个方向的人体脚型尺码变换。利用多个脚长、脚宽、脚高的变换参数的组合，得到不同脚型尺码的待选人体脚型。从不同脚型尺码的待选人体脚型中选择转换为可视外壳的点云表达后与模型输入可视外壳的点云表达之间点云距离最小的脚型，作为最佳脚型尺码的完整人体脚型。
不断迭代人体脚型位姿的优化以及最佳脚型尺码选择的过程，直至完整脚型的可视外壳的点云表达以及模型输入的可视外壳的点云表达之间点云距离收敛，最终使得计算模型输出的完整人体脚型以及计算模型输入的可视外壳在位姿与尺寸上保持一致，输出最准确的真实用户的完整人体脚型。
进一步的，所述步骤(1)中，人体脚型规律的计算模型基于生成式对抗网络结构，网络结构由生成网络与判别网络两部分结构组成。计算模型使用生成网络进行人体脚型重建，并在模型训练时，使用判别网络帮助生成网络更好的获取准确的人体脚型规律，提高模型精度。
生成网络以人体脚型的三维形体为输入，通过编码器结构进行隐层特征的编码，再经过解码器结构进行完整人体脚型的解码，最后输出预测的完整人体脚型；
判别网络以预测的完整人体脚型以及对应的真实值作为输入，将预测的人体脚型作为反例，真实值作为正例，最终输出判别网络的隐层特征平均值。判别网络的目的是为了分辨输入的完整人体脚型是否来自生成网络。
总损失函数由重构损失、生成网络与判别网络的对抗损失以及人体脚型尺寸损失组成，用于反向传播优化模型的所有参数。重构损失为预测的完整人体脚型以及对应真实值之间的带权重的二元交叉熵(cross-entropy)损失函数，对抗损失则借鉴了使用梯度惩罚项的Wasserstein生成式对抗网络的对抗损失，人体脚型尺寸损失表达为预测的完整人体脚型的脚型尺寸以及对应真实值的脚型尺寸之间的曼哈顿距离(Manhattan Distance)。
计算模型以包含人体脚型的三维形体作为输入，只要其中包含一个完整的人体脚型，就能够利用人体脚型规律的知识，重建并输出该三维形体中包含的完整人体脚型。
进一步的，所述步骤(2)中，融合可视外壳，人体脚型规律知识的获取方法，即计算模型的训练方法如下：将可视外壳作为一种三维形体，在人体脚型数据集上，利用模拟的相机参数，对每一个人体脚型样本生成多张虚拟的掩模图，生成多个来自不同视角的人体脚型可视外壳，同时生成对应的三维形体中的最大人体脚型，作为计算模型训练的真实值。将人体脚型样本的三维形体以及对应人体脚型的真实值输入计算模型，随后计算重构损失、对抗损失以及人体脚型尺寸损失并乘以权重，累加得到总损失函数，计算梯度，反向传播优化模型网络结构所有的参数，从而最终得到一种人体脚型规律的计算模型。
进一步的，所述步骤(3)中，针对脚型尺码变换，根据人体脚型骨骼结构，对计算模型输出的完整人体脚型进行脚长、脚宽、脚高三个方向的人体脚型尺码变换。针对脚长和脚宽方向，使用控制脚长脚宽变换的多个控制顶点，采用自由曲面变形(Free Form Deform)的方式，进行人体脚型尺码变换。针对脚高方向，采用样条曲线插值的方式，选取脚尖、脚趾端点、脚背、脚踝切面、脚后跟等控制点，进行人体脚型尺码变换。利用多个脚长、脚宽、脚高的变换参数的组合，得到不同脚型尺码的待选人体脚型。从待选人体脚型中，选择转换为可视外壳的点云表达后与模型输入可视外壳的点云表达之间点云距离最小的脚型，作为最佳脚型尺码的完整人体脚型。
本发明的有益效果：使用融合人体脚型规律和可视外壳的人体脚型重建方法可以通过手机，数码相机等便捷设备进行人体脚型重建，避免了传统人体重建方法的繁琐过程，节约了设备与人力成本，同时能够更准确、更便捷地通过人体脚型的三维形体重建高精度的真实完整人体脚型。
附图说明
图1为本发明方法具体实施方式的一种流程图示例；
图2为本发明计算模型的一种网络结构图示例。
具体实施方式
本发明方法有多种实施方式，下面结合附图示例和具体实施方式对本发明的一种实施方式作进一步详细说明。
以体素模型为例，如图1所示，本发明提供的一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法，具体实施步骤如下：
(1)对智能手机或相机进行内标定，随后使用经过内标定的智能手机或相机，对真实用户进行多个视角的带外标定参照物的人体脚型照片的拍摄。外标定参照物可以是白纸，二维码，棋盘格等。拍摄视角应较为完整的捕获用户人体脚型的特征。对获取到的带外标定参照物的人体脚型照片进行人体脚型掩模图以及对应拍摄视角的相机外参矩阵的提取。
(2)利用得到的人体脚型掩模图以及对应的相机矩阵，生成真实人体脚型的可视外壳，并使用体素的形式进行表达，输入已获得人体脚型规律的计算模型，通过计算模型中的生成网络提取并重建可视外壳中的完整人体脚型的体素表达。
(3)将完整人体脚型的体素表达转换成三维网格模型。针对人体脚型的三维网格模型以及对应的可视外壳，利用步骤(1)得到的相机内参矩阵以及外参矩阵，对两者进行基于可视外壳点云的最近点迭代算法，优化两者之间的位姿差异。
(4)对完整人体脚型的三维网格模型进行脚长，脚宽，脚高3个域的人体脚型尺码变换，求解可视外壳中包含的最大完整人体脚型。针对脚长和脚宽方向，采用自由曲面变形的方式进行人体脚型尺寸变换。针对脚高方向，采用样条曲线插值的方式进行人体脚型尺寸变换。
(5)不断重复步骤(3)位姿优化以及步骤(4)最佳脚型尺码选择的过程直至收敛，直至完整脚型的可视外壳的点云表达以及模型输入的可视外壳的点云表达之间点云距离收敛，最终使得人体脚型的三维网格模型以及计算模型输入的可视外壳在位姿与尺寸上保持一致，输出最准确的真实用户的完整人体脚型。
其中，针对步骤(2)中计算模型的建立过程，其具体建立方法如下：
计算模型基于生成式对抗网络结构，包含生成网络G与判别网络D两部分。计算模型使用生成网络G进行人体脚型重建，并在模型训练时，使用判别网络D 帮助生成网络G更好的获取准确的人体脚型规律，提高模型精度。
生成网络G分为编码器结构和解码器结构两个部分，编码器结构以人体脚型三维型体的体素表达x作为输入。生成网络G包含带最大池化的卷积层，后接全连接层进行隐层特征的提取，解码器结构包含全连接层与反卷积层，最后由激活函数与阈值函数输出预测的完整人体脚型体素表达y。
判别网络D以预测的完整人体脚型体素表达y以及完整人体脚型体素表达的真实值
为输入，其网络结构由编码器结构组成，包含6层卷积层，最后由激活函数输出预测的完整人体脚型体素表达与对应真实值的真实度分别为 D(y|x),
总损失函数由重构损失lrec，生成网络与判别网络的对抗损失
以及人体脚型尺寸损失lsize组成。有重构损失lrec的计算公式为：
其中N为包围盒内体素数量，α为权重系数，size(x)代表人体脚型体素表达的脚长脚宽的计算函数。
生成网络的对抗损失
的计算公式为：
判别网络的对抗损失
的计算公式为：
其中E[x]代表均值函数。
尺寸损失lsize的计算公式为：
其中N为包围盒内体素数量，size(x)代表人体脚型体素表达的脚长脚宽的计算函数。
其中，针对步骤(2)中计算模型的人体脚型规律获取过程，其具体获取过程如下：
在经过精度提升的人体脚型模型训练数据集上，取多个模拟的相机拍摄视角下，每一个拍摄视角下根据实际采样时带来的误差，设置多组相机位姿，每一组位姿对应一组相机外参数，并对应一张模拟拍摄结果的人体脚型掩模图。利用多组不同视角的掩模图及其对应的相机矩阵的组合，对每个人体脚型样本, 进行多个人体脚型可视外壳的生成，同时生成对应的完整人体脚型的真实值的体素表达。
将人体脚型样本的三维形体以及对应人体脚型的真实值输入计算模型，随后计算用于反向传播的总损失函数，计算梯度，反向传播优化模型所有的参数，不断迭代该过程从而最终得到一种人体脚型规律的计算模型。
其中，针对步骤(3)中针对三维网格模型以及对应的可视外壳的位姿差异优化方法，其具体方法如下：
对完整人体脚型的三维网格模型M,对应的人体脚型可视外壳V及其对应的相机矩阵T0，目标函数如下：
其中N为点云中点数目，pc(x)将体素表达转换为点云，vh′(x)将三维网格模型转换为可视外壳，T为最近点迭代算法求解的位姿变换矩阵。
实施例
(1)事先对智能手机或相机进行内标定，随后使用经过内标定的智能手机或相机，对真实用户进行三个视角的带外标定参照物的人体脚型照片的拍摄。采集真实用户人体脚型时，在平整的地面上放置一张A4纸，被测人的脚踩在A4 纸上并保证被测人人体脚型中心对齐A4纸中心，周围没 有干扰物体。拍摄三个视角的图像，并保证相机拍摄的视角包括人体脚型的前方，左方以及右方，相机与人体脚型保证一定的距离并对准人体脚型，从而较为完整的捕获真实用户的人体脚型。随后对获取到的带外标定参照物的人体脚型照片进行人体脚型掩模图以及对应拍摄视角的相机外参的提取。
(2)利用得到的人体脚型掩模图以及对应的相机矩阵，生成真实人体脚型的可视外壳，并使用体素的形式进行表达，输入已获得人体脚型规律的计算模型，通过计算模型中的生成网络提取并重建三维形体中包含的完整人体脚型的体素表达。
(3)将完整人体脚型的体素表达转换为三维网格模型。针对人体脚型的三维网格模型以及对应的可视外壳，对两者多次进行基于可视外壳点云的最近点迭代算法，优化两者之间的位姿差异。
(4)对完整人体脚型的三维网格模型进行脚长，脚宽，脚高3个域的人体脚型尺寸变换，求解可视外壳中包含的最大完整人体脚型。针对脚长和脚宽方向，采用自由曲面变形的方式进行人体脚型尺寸变换。针对脚高方向，采用样条曲线插值的方式进行人体脚型尺寸变换。利用多个脚长、脚宽、脚高的变换参数的组合，得到不同脚型尺码的待选人体脚型。从不同脚型尺码的待选人体脚型中，选择最佳脚型尺码的完整人体脚型。
(5)不断重复步骤(3)位姿优化以及步骤(4)最佳脚型尺码选择的过程，最终使得人体脚型的三维网格模型以及计算模型输入的可视外壳在位姿与尺寸上保持一致，输出最准确的真实用户的完整人体脚型。
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。
Claims (4)
1.一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法，其特征在于，该方法包括如下步骤：
（1）建立人体脚型规律计算模型；人体脚型规律的计算模型为生成式对抗网络结构（Generative Adversarial Networks），以人体脚型的三维形体作为输入，所述三维形体中包含一个完整的人体脚型，通过计算模型提取并重建该三维形体中包含的完整人体脚型；
（2）融合可视外壳，进行人体脚型规律的获取：在公开的人体脚型数据集上，利用指定的相机内参数（Intrinsic parameter）与外参数（External parameter），对数据集中的人体脚型模型进行投影得到掩模图，利用掩模图对应的视锥交集生成可视外壳，同时生成对应可视外壳包含的最大完整人体脚型；将所述可视外壳作为包含一个完整人体脚型的三维形体，与对应的最大完整人体脚型输入计算模型进行训练，从而进行人体脚型规律知识的获取；
（3）对计算模型输出的完整人体脚型，迭代进行人体脚型位姿的优化以及最佳脚型尺码选择，具体为；由于可视外壳完全包含真实的三维物体，并在所投影的视角上的轮廓与真实物体的轮廓一致，因此利用指定的相机内参数与外参数，将计算模型输出的完整人体脚型转换为可视外壳的点云表达，同时将模型输入的人体脚型可视外壳转换为点云表达，对两者进行迭代最近点算法（Iterative Closest Point），从而优化完整人体脚型的位姿；
随后根据人体脚型骨骼结构，对计算模型输出的完整人体脚型进行脚长、脚宽、脚高三个方向的人体脚型尺码变换；利用多个脚长、脚宽、脚高的变换参数的组合，得到不同脚型尺码的待选人体脚型；从不同脚型尺码的待选人体脚型中选择转换为可视外壳的点云表达后与模型输入可视外壳的点云表达之间点云距离最小的脚型，作为最佳脚型尺码的完整人体脚型；
不断迭代人体脚型位姿的优化以及最佳脚型尺码选择的过程，直至完整脚型的可视外壳的点云表达以及模型输入的可视外壳的点云表达之间点云距离收敛，最终使得计算模型输出的完整人体脚型以及计算模型输入的可视外壳在位姿与尺寸上保持一致，输出最准确的真实用户的完整人体脚型。
2.根据权利要求1所述一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法，其特征在于，所述步骤（1）中，人体脚型规律的计算模型基于生成式对抗网络结构，网络结构由生成网络与判别网络两部分结构组成；计算模型使用生成网络进行人体脚型重建，并在模型训练时，使用判别网络帮助生成网络更好的获取准确的人体脚型规律，提高模型精度；
生成网络以人体脚型的三维形体为输入，通过编码器结构进行隐层特征的编码，再经过解码器结构进行完整人体脚型的解码，最后输出预测的完整人体脚型；
判别网络以预测的完整人体脚型以及对应的真实值作为输入，将预测的人体脚型作为反例，真实值作为正例，最终输出判别网络的隐层特征平均值；判别网络的目的是为了分辨输入的完整人体脚型是否来自生成网络；
总损失函数由重构损失、生成网络与判别网络的对抗损失以及人体脚型尺寸损失组成，用于反向传播优化模型的所有参数；重构损失为预测的完整人体脚型以及对应真实值之间的带权重的二元交叉熵（cross-entropy）损失函数，对抗损失为使用梯度惩罚项的Wasserstein生成式对抗网络的对抗损失，人体脚型尺寸损失表达为预测的完整人体脚型的脚型尺寸以及对应真实值的脚型尺寸之间的曼哈顿距离（Manhattan Distance）；
计算模型以包含人体脚型的三维形体作为输入，只要其中包含一个完整的人体脚型，就能够利用人体脚型规律的知识，重建并输出该三维形体中包含的完整人体脚型。
3.根据权利要求1所述一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法，其特征在于，所述步骤（2）中，融合可视外壳，人体脚型规律知识的获取方法，即计算模型的训练方法如下：将可视外壳作为一种三维形体，在人体脚型数据集上，利用模拟的相机参数，对每一个人体脚型样本生成多张虚拟的掩模图，生成多个来自不同视角的人体脚型可视外壳，同时生成对应的三维形体中的最大人体脚型，作为计算模型训练的真实值；将人体脚型样本的三维形体以及对应人体脚型的真实值输入计算模型，随后计算重构损失、对抗损失以及人体脚型尺寸损失并乘以权重，累加得到总损失函数，计算梯度，反向传播优化模型网络结构所有的参数，从而最终得到一种人体脚型规律的计算模型。
4.根据权利要求1所述一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法，其特征在于，所述步骤（3）中，针对脚型尺码变换，根据人体脚型骨骼结构，对计算模型输出的完整人体脚型进行脚长、脚宽、脚高三个方向的人体脚型尺码变换；针对脚长和脚宽方向，采用自由曲面变形（Free Form Deform）的方式，进行人体脚型尺码变换；针对脚高方向，采用样条曲线插值的方式，选取脚尖、脚趾端点、脚背、脚踝切面、脚后跟这些控制点，进行人体脚型尺码变换；利用多个脚长、脚宽、脚高的变换参数的组合，得到不同脚型尺码的待选人体脚型；从待选人体脚型中选择转换为可视外壳的点云表达后与模型输入可视外壳的点云表达之间点云距离最小的脚型，作为最佳脚型尺码的完整人体脚型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010705374.9A CN111882659B (zh) | 2020-07-21 | 2020-07-21 | 一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010705374.9A CN111882659B (zh) | 2020-07-21 | 2020-07-21 | 一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111882659A CN111882659A (zh) | 2020-11-03 |
| CN111882659B true CN111882659B (zh) | 2022-04-22 |
Family
ID=73156237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010705374.9A Active CN111882659B (zh) | 2020-07-21 | 2020-07-21 | 一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111882659B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112767531B (zh) * | 2020-12-30 | 2022-04-29 | 浙江大学 | 面向移动端的虚拟试衣的人体模型脸部分区域建模方法 |
| CN113205605B (zh) * | 2021-05-29 | 2022-04-19 | 浙江大学 | 一种从深度图像中获取手部三维参数化模型的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1773555A (zh) * | 2005-10-26 | 2006-05-17 | 浙江大学 | 面向稀疏网格的基于标准脚变形的三维脚型快速获取方法 |
| CN106997605A (zh) * | 2017-03-22 | 2017-08-01 | 浙江大学 | 一种通过智能手机采集脚型视频和传感器数据获取三维脚型的方法 |
| CN107869967A (zh) * | 2017-11-02 | 2018-04-03 | 渭南领智三维科技有限公司 | 一种人体足部快速三维扫描方法 |
| WO2019222436A2 (en) * | 2018-05-15 | 2019-11-21 | Holobeam Technologies Inc. | Precision delivery of energy utilizing holographic energy teleportation (het) with time-correlated standing-wave interference and coherent intensity amplification |
| CN111062340A (zh) * | 2019-12-20 | 2020-04-24 | 湖南师范大学 | 一种基于虚拟姿态样本合成的异常步态行为识别方法 |
-
2020
- 2020-07-21 CN CN202010705374.9A patent/CN111882659B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1773555A (zh) * | 2005-10-26 | 2006-05-17 | 浙江大学 | 面向稀疏网格的基于标准脚变形的三维脚型快速获取方法 |
| CN106997605A (zh) * | 2017-03-22 | 2017-08-01 | 浙江大学 | 一种通过智能手机采集脚型视频和传感器数据获取三维脚型的方法 |
| CN107869967A (zh) * | 2017-11-02 | 2018-04-03 | 渭南领智三维科技有限公司 | 一种人体足部快速三维扫描方法 |
| WO2019222436A2 (en) * | 2018-05-15 | 2019-11-21 | Holobeam Technologies Inc. | Precision delivery of energy utilizing holographic energy teleportation (het) with time-correlated standing-wave interference and coherent intensity amplification |
| CN111062340A (zh) * | 2019-12-20 | 2020-04-24 | 湖南师范大学 | 一种基于虚拟姿态样本合成的异常步态行为识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111882659A (zh) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109255831B (zh) | 基于多任务学习的单视图人脸三维重建及纹理生成的方法 | |
| CN110569768B (zh) | 人脸模型的构建方法、人脸识别方法、装置及设备 | |
| Livny et al. | Automatic reconstruction of tree skeletal structures from point clouds | |
| CN110428493B (zh) | 基于网格形变的单图像人体三维重建方法及系统 | |
| CN110223370B (zh) | 一种从单视点图片生成完整人体纹理贴图的方法 | |
| CN113496507A (zh) | 一种人体三维模型重建方法 | |
| CN115880443B (zh) | 一种透明物体隐式表面重建方法及设备 | |
| CN111882659B (zh) | 一种融合人体脚型规律和可视外壳的高精度人体脚型重建方法 | |
| CN106803094A (zh) | 基于多特征融合的三维模型形状相似性分析方法 | |
| CN113077554A (zh) | 一种基于任意视角图片的三维结构化模型重建的方法 | |
| CN116416376A (zh) | 一种三维头发的重建方法、系统、电子设备及存储介质 | |
| CN116310219A (zh) | 一种基于条件扩散模型的三维脚型生成方法 | |
| CN117333637B (zh) | 三维场景的建模及渲染方法、装置及设备 | |
| CN111862278A (zh) | 一种动画获得方法、装置、电子设备及存储介质 | |
| CN110009745B (zh) | 根据平面基元和模型驱动对点云提取平面的方法 | |
| CN113160392B (zh) | 基于深度神经网络的光学建筑目标三维重建方法 | |
| CN116843841A (zh) | 基于网格压缩的大规模虚拟现实系统 | |
| CN107610219A (zh) | 一种三维场景重构中几何线索感知的像素级点云稠密化方法 | |
| CN113822825B (zh) | 基于3d-r2n2的光学建筑目标三维重建方法 | |
| CN118154770A (zh) | 基于神经辐射场的单幅树木图像三维重建方法和装置 | |
| CN109840924B (zh) | 一种基于串联对抗网络的产品图像快速生成方法 | |
| CN114998527B (zh) | 一种准确性高的三维人体表面重建系统 | |
| Liou et al. | Conformal self-organizing map for a genus-zero manifold | |
| Xiong et al. | Shape-inspired architectural design | |
| Ma et al. | Modeling plants with sensor data |
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 |