CN112632688B - 一种试用模型构建方法及其系统 - Google Patents

一种试用模型构建方法及其系统 Download PDF

Info

Publication number
CN112632688B
CN112632688B CN202110258129.2A CN202110258129A CN112632688B CN 112632688 B CN112632688 B CN 112632688B CN 202110258129 A CN202110258129 A CN 202110258129A CN 112632688 B CN112632688 B CN 112632688B
Authority
CN
China
Prior art keywords
model
trial
data
commodity
unit
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
CN202110258129.2A
Other languages
English (en)
Other versions
CN112632688A (zh
Inventor
徐小君
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.)
Beijing Yingmaiqi Technology Co ltd
Original Assignee
Beijing Yingmaiqi 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 Beijing Yingmaiqi Technology Co ltd filed Critical Beijing Yingmaiqi Technology Co ltd
Priority to CN202110258129.2A priority Critical patent/CN112632688B/zh
Publication of CN112632688A publication Critical patent/CN112632688A/zh
Application granted granted Critical
Publication of CN112632688B publication Critical patent/CN112632688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • 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
    • G06T17/005—Tree description, e.g. octree, quadtree
    • 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
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请公开了一种试用模型构建方法及其系统，其中，试用模型构建系统包括至少一个客户端和服务器；客户端：用于向服务器发送试用模型创建请求；用于接收原始数据获取指令；根据原始数据获取指令采集原始数据，并将原始数据反馈至服务器；用于接收试用数据获取指令，根据试用数据获取指令获取试用数据，并将试用数据发送至服务器；服务器：用于执行如下步骤：获取原始数据，原数数据至少包括：图像数据和尺寸数据；对原始数据进行处理，获得基础模型；获取试用数据，试用数据包括：商品图像数据、商品参数和商品使用方法；对试用数据进行处理，获得商品模型；将商品模型与基础模型进行匹配，获取试用模型。本申请简化了构建模型的过程。

Description

一种试用模型构建方法及其系统
技术领域
本申请涉及计算机技术领域，尤其涉及一种试用模型构建方法及其系统。
背景技术
随着电子商务的迅速发展，商品展示成为电子商务中重要的一部分，在商品的展示中，电子世界的人们已不仅仅满足于简单的文字介绍和平面的图片展示。对商品展示的真实性、立体性以及与客户家中物品及装修风格的匹配情况有了更高的需求，但当前各个购物平台以及购物网页仅仅是提供了商品自身的图片数据和尺寸数据，无法向客户直观的展示商品的使用状态，也无法便于客户判断该商品与客户家中物品及装修风格等的匹配情况，因此，构建一种试用模型便于向客户直观的展示商品的使用状态是丞待解决的问题。
此外，当前的建模方式需要使用者熟悉建模软件的使用方式以及熟悉建模知识，构建过程复杂且构建效率低。
发明内容
本申请的目的在于提供一种试用模型构建方法及其系统，构建了一种试用模型，具有便于客户判断所选商品与家中物品及装修风格的匹配情况、以及简化构建模型的过程的技术效果。
为达到上述目的，本申请提供一种试用模型构建系统，包括：至少一个客户端和服务器；其中，客户端：用于向服务器发送试用模型创建请求；用于接收原始数据获取指令；根据原始数据获取指令采集原始数据，并将原始数据反馈至服务器；用于接收试用数据获取指令，根据试用数据获取指令获取试用数据，并将试用数据发送至服务器；服务器：用于执行如下步骤：获取原始数据，其中，原数数据至少包括：图像数据和尺寸数据；对原始数据进行处理，获得基础模型；获取试用数据，其中，试用数据包括：商品图像数据、商品参数和商品使用方法；对试用数据进行处理，获得商品模型；将商品模型与基础模型进行匹配，获取试用模型。
如上的，其中，服务器至少包括：数据获取单元、数据处理单元、模型创建单元、模型优化单元、存储单元和匹配单元；其中：数据获取单元：用于接收试用模型创建请求，并根据试用模型创建请求下发原始数据获取指令；接收原始数据，并将原始数据发送至数据处理单元；用于接收商品模型创建请求，根据商品模型创建请求发送试用数据获取指令，并接收根据试用数据获取指令反馈的试用数据；将试用数据发送至数据处理单元；数据处理单元：接收原始数据，对原始数据进行处理，获得试用模型特征点，将试用模型特征点发送至模型创建单元；接收试用数据，对试用数据进行处理，获得商品模型特征点，将商品模型特征点发送至模型创建单元；模型创建单元：根据原始数据和试用模型特征点创建初始模型；根据试用数据和商品模型特征点创建商品模型；模型优化单元：根据原始数据对初始模型进行优化处理，获得基础模型；存储单元：用于存储基础模型；用于下发创建完成指令；匹配单元：用于将商品模型与基础模型进行匹配，获取试用模型。
如上的，其中，数据处理单元中预先设置有识别单元和特征提取单元；其中，识别单元：用于识别主体区域和非主体区域；特征提取单元：用于对主体区域进行特征提取，获得试用模型特征点。
如上的，其中，模型优化模型至少包括：角度调整单元、渲染单元和优化单元；其中，角度调整单元：用于对初始模型的角度进行调整处理，获得待渲染模型；渲染单元：对待渲染模型进行渲染处理，获得渲染模型；优化单元：用于对渲染模型进行优化处理，获得基础模型。
本申请还提供一种试用模型构建方法，包括如下步骤：获取原始数据，其中，原数数据至少包括：图像数据和尺寸数据；对原始数据进行处理，获得基础模型；获取试用数据，其中，试用数据包括：商品图像数据、商品参数和商品使用方法；对试用数据进行处理，获得商品模型；将商品模型与基础模型进行匹配，获取试用模型。
如上的，其中，对原始数据进行处理，获得基础模型的子步骤如下：对原始数据中的图像数据进行处理，获得试用模型特征点；利用试用模型特征点进行建模，获得初始模型；对初始模型进行优化处理，获得基础模型。
如上的，其中，利用试用模型特征点进行建模，获得初始模型的子步骤如下：预设坐标原点，并将试用模型特征点转换为相应的三维坐标值；根据原始数据中的尺寸数据调整相邻试用模型特征点之间的距离，并按照调整后的距离连接该相邻试用模型特征点，获得初始模型。
如上的，其中，对初始模型进行优化处理，获得基础模型的子步骤如下：对初始模型进行角度调整处理，获得待渲染模型；对待渲染模型进行渲染处理，获得基础模型。
如上的，其中，对待渲染模型进行渲染处理，获得基础模型的子步骤如下：对待渲染模型进行渲染，获得渲染模型；对渲染模型进行优化处理，获得基础模型；获得基础模型后，将基础模型存储于存储单元。
如上的，其中，对渲染模型进行优化处理，获得基础模型的子步骤如下：对渲染模型进行偏差检测，获得偏差值，并根据偏差值生成偏差结果，其中偏差结果包括：有偏差和无偏差；根据偏差结果对渲染模型进行优化，获得基础模型；其中，偏差值的表达式如下：
Figure 924814DEST_PATH_IMAGE001
；其中，
Figure 823500DEST_PATH_IMAGE002
为偏差值；
Figure 924180DEST_PATH_IMAGE003
为预设优化参数
Figure 668145DEST_PATH_IMAGE004
下的第
Figure 46037DEST_PATH_IMAGE005
个偏差检测区域；
Figure 476143DEST_PATH_IMAGE006
为主体区域中物体的第
Figure 939486DEST_PATH_IMAGE007
个原始区域；
Figure 752721DEST_PATH_IMAGE008
为第
Figure 844174DEST_PATH_IMAGE005
个偏差检测区域的二值化图像；
Figure 84662DEST_PATH_IMAGE009
为第
Figure 894355DEST_PATH_IMAGE005
个原始区域的二值化图像；
Figure 511281DEST_PATH_IMAGE010
为偏差检测区域的总个数；原始区域的总个数与偏差检测区域的总个数相等。
本申请构建了一种试用模型，具有便于客户判断所选商品与家中物品及装修风格的匹配情况、以及简化构建模型的过程的技术效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为试用模型构建系统一种实施例的结构示意图；
图2为试用模型构建方法一种实施例的流程图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本申请提供一种试用模型构建系统，包括：至少一个客户端110和服务器120。
其中，客户端110：用于向服务器发送试用模型创建请求；用于接收原始数据获取指令；根据原始数据获取指令采集原始数据，并将原始数据反馈至服务器；用于接收试用数据获取指令，根据试用数据获取指令获取试用数据，并将试用数据发送至服务器。
服务器120：用于执行如下步骤：
获取原始数据，其中，原数数据至少包括：图像数据和尺寸数据；
对原始数据进行处理，获得基础模型；
获取试用数据，其中，试用数据包括：商品图像数据、商品参数和商品使用方法；
对试用数据进行处理，获得商品模型；
将商品模型与基础模型进行匹配，获取试用模型。
进一步的，服务器120至少包括：数据获取单元、数据处理单元、模型创建单元、模型优化单元、存储单元和匹配单元。
其中：数据获取单元：用于接收试用模型创建请求，并根据试用模型创建请求下发原始数据获取指令；接收原始数据，并将原始数据发送至数据处理单元；用于接收商品模型创建请求，根据商品模型创建请求发送试用数据获取指令，并接收根据试用数据获取指令反馈的试用数据；将试用数据发送至数据处理单元。
数据处理单元：接收原始数据，对原始数据进行处理，获得试用模型特征点，将试用模型特征点发送至模型创建单元；接收试用数据，对试用数据进行处理，获得商品模型特征点，将商品模型特征点发送至模型创建单元。
模型创建单元：根据原始数据和试用模型特征点创建初始模型；根据试用数据和商品模型特征点创建商品模型。
模型优化单元：根据原始数据对初始模型进行优化处理，获得基础模型。
存储单元：用于存储基础模型；用于下发创建完成指令。
匹配单元：用于将商品模型与基础模型进行匹配，获取试用模型。
进一步的，数据处理单元中预先设置有识别单元和特征提取单元。
其中，识别单元：用于识别主体区域和非主体区域。
特征提取单元：用于对主体区域进行特征提取，获得试用模型特征点。
进一步的，模型优化模型至少包括：角度调整单元、渲染单元和优化单元。
其中，角度调整单元：用于对初始模型的角度进行调整处理，获得待渲染模型。
渲染单元：对待渲染模型进行渲染处理，获得渲染模型。
优化单元：用于对渲染模型进行优化处理，获得基础模型。
如图2所示，本申请提供一种试用模型构建方法，包括：
S210：获取原始数据，其中，原数数据至少包括：图像数据和尺寸数据。
进一步的，获取原始数据的子步骤如下：
S2101：接收试用模型创建请求。
具体的，服务器通过数据获取单元接收客户端发送的试用模型创建请求，其中，试用模型创建请求至少包括：客户端ID和账户信息。
账户信息至少包括：账户名称。
S2102：根据试用模型创建请求下发原始数据获取指令。
具体的，数据获取单元根据试用模型创建请求生成原始数据获取指令，并根据客户端ID将原始数据获取指令下发至该客户端。
S2103：接收根据原始数据获取指令反馈的原始数据。
具体的，客户端接收到原始数据获取指令后，通过客户端的采集装置获取图像数据和尺寸数据作为原始数据反馈至数据获取单元。
其中，图像数据包括：至少一个子图像。
尺寸数据至少包括：宽度尺寸、长度尺寸、高度尺寸、半径等中的一种或多种。
S220：对原始数据进行处理，获得基础模型。
进一步的，对原始数据进行处理，获得基础模型的子步骤如下：
S2201：对原始数据中的图像数据进行处理，获得试用模型特征点。
进一步的，对原始数据中的图像数据进行处理，获得试用模型特征点的子步骤如下：
S22011：确定图像数据中的子图像个数，并生成统计结果。
具体的，数据处理单元接收到原始数据后，确定图像数据中的子图像个数，若子图像个数为1个，则生成统计结果
Figure 332607DEST_PATH_IMAGE011
；若子图像个数为多个，则生成统计结果
Figure 134210DEST_PATH_IMAGE012
。
S22012：对每个子图像进行识别，获得每个子图像的主体区域和非主体区域。
具体的，数据处理单元利用预先设置的识别单元对每个子图像进行识别，获得每个子图像的主体区域和非主体区域，并将主体区域发送至特征提取单元，执行S22013。
其中，主体区域即为子图像中需要进行建模的物体所在的区域。非主体区域表示子图像中除了需要进行建模的物体所在区域外的区域。
当
Figure 306565DEST_PATH_IMAGE013
时，主体区域的个数为1个，非主体区域的个数为1个。当
Figure 196024DEST_PATH_IMAGE014
时，主体区域的个数为多个，非主体区域的个数为多个，且主体区域的个数和非主体区域的个数均等于子图像个数。
S22013：对每个子图像的主体区域进行特征提取，获得主体特征点。
具体的，通过特征提取单元对每个子图像的主体区域进行特征提取，获得主体特征点。
其中，主体特征点为需要进行建模的物体的转折点、交点、圆点、顶点、角点等中的一种或多种。
S22014：根据统计结果对所有子图像的主体特征点进行去重处理，获得试用模型特征点。
进一步的，根据统计结果对所有子图像的主体特征点进行去重处理，获得试用模型特征点的子步骤如下：
S220141：读取统计结果，根据统计结果确定处理指令，其中，处理指令包括：执行去重指令和不执行去重指令。
具体的，根据统计结果对所有子图像的主体特征点进行去重，当统计结果
Figure 26183DEST_PATH_IMAGE015
时，处理指令为不执行去重指令。当统计结果
Figure 608474DEST_PATH_IMAGE016
时，处理指令为执行去重指令。
S220142：根据处理指令对子图像的主体特征点进行处理，获得试用模型特征点。
具体的，当处理指令为不执行去重指令时，直接将主体特征点作为试用模型特征点；当处理指令为执行去重指令时，对每个子图像的主体特征点进行遍历，剔除重复的主体特征点，完成去重，并将完成去重后的所有主体特征点作为试用模型特征点。获得试用模型特征点后，将试用模型特征点发送至模型创建单元，执行S2202。
S2202：利用试用模型特征点进行建模，获得初始模型。
进一步的，利用试用模型特征点进行建模，获得初始模型的子步骤如下：
S22021：预设坐标原点，并将试用模型特征点转换为相应的三维坐标值。
具体的，模型创建单元接收到试用模型特征点后，在三维坐标系中先预设一个坐标原点
Figure 268126DEST_PATH_IMAGE017
，并将试用模型特征点转换为相应的三维坐标值，例如：试用模型特征点
Figure 351488DEST_PATH_IMAGE018
的三维坐标值为
Figure 881827DEST_PATH_IMAGE019
，试用模型特征点
Figure 900598DEST_PATH_IMAGE020
的三维坐标值为
Figure 906600DEST_PATH_IMAGE021
。
S22022：根据原始数据中的尺寸数据调整相邻试用模型特征点之间的距离，并按照调整后的距离连接该相邻试用模型特征点，获得初始模型。
进一步的，根据原始数据中的尺寸数据调整相邻试用模型特征点之间的距离，并按照调整后的距离连接该相邻试用模型特征点，获得初始模型的子步骤如下：
S220221：对相邻试用模型特征点的距离进行判断，生成距离判断结果。
进一步的，对相邻试用模型特征点的距离进行判断，生成距离判断结果的子步骤如下：
S2202211：获取相邻试用模型特征点的距离。
具体的，设试用模型特征点
Figure 669020DEST_PATH_IMAGE022
与试用模型特征点
Figure 585023DEST_PATH_IMAGE023
为相邻试用模型特征点，试用模型特征点N与试用模型特征点M之间的距离
Figure 368172DEST_PATH_IMAGE024
为：
Figure 2415DEST_PATH_IMAGE025
。
S2202212：将获取的距离与尺寸数据进行比对，生成距离判断结果。
具体的，将获取的距离与尺寸数据进行对比，生成距离判断结果，其中距离判断结果为：需要调整或无需调整。当
Figure 302947DEST_PATH_IMAGE026
等于尺寸数据中该相邻试用模型特征点的数值时，生成距离判断结果为无需调整；当
Figure 699555DEST_PATH_IMAGE026
不等于尺寸数据中该相邻试用模型特征点的数值时，生成距离判断结果为需要调整，且调整的距离等于
Figure 794550DEST_PATH_IMAGE027
。
S220222：根据距离判断结果对相邻试用模型特征点进行调整，并按照调整后的距离连接该相邻试用模型特征点，获得初始模型。
具体的，若距离判断结果为无需调整，则不对该相邻试用模型特征点进行距离调整；若距离判断结果为需要调整，则按照
Figure 916090DEST_PATH_IMAGE027
对该相邻试用模型特征点之间的距离进行调整。完成调整后，按照调整后的距离连接该相邻试用模型特征点获得初始模型。
S2203：对初始模型进行优化处理，获得基础模型。
进一步的，对初始模型进行优化处理，获得基础模型的子步骤如下：
S22031：对初始模型进行角度调整处理，获得待渲染模型。
进一步的，对初始模型进行角度调整处理，获得待渲染模型的子步骤如下：
S220311：对初始模型的角度进行判断，生成判断结果，其中，判断结果包括：调整指令和调整内容。
具体的，通过角度调整单元对初始模型的角度进行判断，若初始模型沿X轴方向存在偏转，则存在第一偏转角，需要对第一偏转角度进行调整；若初始模型沿Y轴方向存在偏转，则存在第二偏转角，需要对第二偏转角度进行调整；若初始模型沿Z轴方向存在偏转，则存在第三偏转角，需要对第三偏转角度进行调整。
当存在第一偏转角、第二偏转角和第三偏转角中的一个或者多个时，生成的判断结果的调整指令为XTZ，调整内容包括需要调整的偏转角和调整角度；当不存在第一偏转角、第二偏转角和第三偏转角时，生成的判断结果的调整指令为BTZ，调整内容为无。
S220312：根据判断结果对初始模型的角度进行调整处理，获得待渲染模型。
进一步的，设置的物体的上中轴点S(0,0,0)作为坐标原点，物体的下中轴点为X(0,0,)，当调整指令为XTZ，调整内容中的调整角度的表达式如下：
Figure 879367DEST_PATH_IMAGE028
；
其中，
Figure 504383DEST_PATH_IMAGE029
；
Figure 894913DEST_PATH_IMAGE030
；
Figure 238170DEST_PATH_IMAGE031
；
Figure 146083DEST_PATH_IMAGE032
；
Figure 750240DEST_PATH_IMAGE033
；
Figure 452616DEST_PATH_IMAGE034
；
其中，
Figure 283169DEST_PATH_IMAGE035
为调整角度；
Figure 86784DEST_PATH_IMAGE036
为第一偏转角的偏转矩阵；
Figure 420813DEST_PATH_IMAGE037
为第二偏转角的偏转矩阵；
Figure 294091DEST_PATH_IMAGE038
为第三偏转角的偏转矩阵；
Figure 736574DEST_PATH_IMAGE039
为第一偏转角；
Figure 455131DEST_PATH_IMAGE040
为第二偏转角；
Figure 174825DEST_PATH_IMAGE041
为第三偏转角；
Figure 343639DEST_PATH_IMAGE042
为上中轴点到下中轴点的距离；
Figure 883204DEST_PATH_IMAGE043
为初始模型的特征点；
Figure 530086DEST_PATH_IMAGE044
和
Figure 104287DEST_PATH_IMAGE045
为调整参数，当需要调整的偏转角中无第二偏转角和第三偏转角，有第一偏转角时，
Figure 319368DEST_PATH_IMAGE046
，
Figure 706749DEST_PATH_IMAGE047
；当需要调整的偏转角中无第一偏转角和第三偏转角，有第二偏转角时，
Figure 298267DEST_PATH_IMAGE048
，
Figure 726975DEST_PATH_IMAGE049
；当需要调整的偏转角中无第一偏转角和第二偏转角，有第三偏转角时，
Figure 972011DEST_PATH_IMAGE050
，
Figure 751748DEST_PATH_IMAGE051
；当需要调整的偏转角中有第二偏转角和第三偏转角，无第一偏转角时，
Figure 615799DEST_PATH_IMAGE052
，
Figure 23647DEST_PATH_IMAGE053
；当需要调整的偏转角中有第一偏转角和第三偏转角，无第二偏转角时，
Figure 580530DEST_PATH_IMAGE054
，
Figure 441039DEST_PATH_IMAGE055
；当需要调整的偏转角中有第一偏转角和第二偏转角，无第三偏转角时，
Figure 374360DEST_PATH_IMAGE056
，
Figure 246501DEST_PATH_IMAGE057
；当需要调整的偏转角中有第二偏转角、第三偏转角和第一偏转角时，
Figure 597454DEST_PATH_IMAGE058
，
Figure 86204DEST_PATH_IMAGE059
。
S22032：对待渲染模型进行渲染处理，获得基础模型。
进一步的，对待渲染模型进行渲染处理，获得基础模型的子步骤如下：
S220321：对待渲染模型进行渲染，获得渲染模型。
具体的，通过图像数据中的主体区域对待渲染模型进行渲染，完成渲染的待渲染模型即为渲染模型。
S220322：对渲染模型进行优化处理，获得基础模型。
进一步的，对渲染模型进行优化处理，获得基础模型的子步骤如下：
S2203221：对渲染模型进行偏差检测，获得偏差值，并根据偏差值生成偏差结果，其中偏差结果包括：有偏差和无偏差。
具体的，对渲染模型进行偏差检测，获得偏差值，若偏差值大于预设的偏差阈值，则生成的偏差结果为：有偏差；若偏差值小于或等于预设的偏差阈值，则生成的偏差结果为：无偏差。
进一步的，偏差值的表达式如下：
Figure 416692DEST_PATH_IMAGE060
；
其中，
Figure 674498DEST_PATH_IMAGE061
为偏差值；
Figure 838763DEST_PATH_IMAGE062
为预设优化参数
Figure 408284DEST_PATH_IMAGE063
下的第
Figure 683408DEST_PATH_IMAGE064
个偏差检测区域；
Figure 61300DEST_PATH_IMAGE065
为主体区域中物体的第
Figure 989941DEST_PATH_IMAGE064
个原始区域；
Figure 453284DEST_PATH_IMAGE066
为第
Figure 940DEST_PATH_IMAGE064
个偏差检测区域的二值化图像；
Figure 859436DEST_PATH_IMAGE067
为第
Figure 834346DEST_PATH_IMAGE064
个原始区域的二值化图像；
Figure 784984DEST_PATH_IMAGE068
为偏差检测区域的总个数；原始区域的总个数与偏差检测区域的总个数相等。
具体的，偏差检测区域为渲染模型中的一个区域，一个渲染模型中包括至少一个偏差检测区域。当渲染模型所表达的物体的结构复杂时，将渲染模型划分为多个偏差检测区域，并分别对多个偏差检测区域进行偏差检测。
S2203222：根据偏差结果对渲染模型进行优化，获得基础模型。
具体的，当偏差结果为无偏差，则无需对渲染模型进行优化，直接将渲染模型作为基础模型。当偏差结果为有偏差，则通过优化单元对渲染模型进行优化处理，完成优化处理的渲染模型即为基础模型。
进一步的，通过优化单元中预先设置的优化模型获得的优化调节参数，优化调节参数的表达式如下：
Figure 526544DEST_PATH_IMAGE069
；
其中，
Figure 347870DEST_PATH_IMAGE070
其中，
Figure 24839DEST_PATH_IMAGE071
为优化调节参数；
Figure 56248DEST_PATH_IMAGE072
为预设优化参数；
Figure 211286DEST_PATH_IMAGE073
为单独变化量；
Figure 277331DEST_PATH_IMAGE074
为转置；
Figure 859622DEST_PATH_IMAGE075
为偏导符号；
Figure 253695DEST_PATH_IMAGE076
为预设优化参数
Figure 835592DEST_PATH_IMAGE072
下的第
Figure 631510DEST_PATH_IMAGE064
个偏差检测区域；
Figure 650282DEST_PATH_IMAGE077
为主体区域中物体的第
Figure 921863DEST_PATH_IMAGE064
个原始区域；
Figure 153124DEST_PATH_IMAGE078
为第
Figure 69128DEST_PATH_IMAGE064
个偏差检测区域的二值化图像；
Figure 117855DEST_PATH_IMAGE079
为第
Figure 752099DEST_PATH_IMAGE064
个原始区域的二值化图像。
S22033：获得基础模型后，将基础模型存储于存储单元。
S230：获取试用数据，其中，试用数据包括：商品图像数据、商品参数和商品使用方法。
进一步的，获取试用数据的子步骤如下：
S2301：下发创建完成指令。
具体的，存储单元存储好基础模型后，向客户端发送的创建完成指令。
S2302：接收根据创建完成指令反馈的商品模型创建请求。
具体的，客户端接收到创建完成指令后向服务器的数据获取单元发送商品模型创建请求。
S2303：根据商品模型创建请求发送试用数据获取指令，并接收根据试用数据获取指令反馈的试用数据。
具体的，数据获取单元根据商品模型创建请求向客户端发送试用数据获取指令，客户端接收到试用数据获取指令后，从网页、购物APP等获取有购买倾向的商品的相关数据作为试用数据；其中，试用数据包括：商品参数、商品使用方法。
S240：对试用数据进行处理，获得商品模型。
进一步的，对试用数据进行处理，获得商品模型的子步骤如下：
S2401：对试用数据进行特征提取，获得商品模型特征点。
具体的，通过数据处理单元对试用数据进行特征提取，获得商品模型特征点，并将商品模型特征点发送至模型创建单元，执行S2402。
S2402：根据试用数据和商品模型特征点创建商品模型。
具体的，模型创建单元根据试用数据和商品模型特征点创建商品模型。
S250：将商品模型与基础模型进行匹配，获取试用模型。
具体的，匹配单元按照商品的使用方法将商品模型与基础模型进行匹配，完成匹配后的模型即为试用模型。
本申请构建了一种试用模型，具有便于客户判断所选商品与家中物品及装修风格的匹配情况、以及简化构建模型的过程的技术效果。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，本申请的保护范围意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请保护范围及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (6)

1.一种试用模型构建系统，其特征在于，包括：至少一个客户端和服务器；
其中，客户端：用于向服务器发送试用模型创建请求；用于接收原始数据获取指令；根据原始数据获取指令采集原始数据，并将原始数据反馈至服务器；用于接收试用数据获取指令，根据试用数据获取指令获取试用数据，并将试用数据发送至服务器；
服务器：用于执行如下步骤：
获取原始数据，其中，原始 数据至少包括：图像数据和尺寸数据；
对原始数据进行处理，获得基础模型；
获取试用数据，其中，试用数据包括：商品图像数据、商品参数和商品使用方法；
对试用数据进行处理，获得商品模型；
将商品模型与基础模型进行匹配，获取试用模型；
其中，对原始数据进行处理，获得基础模型的子步骤如下：
对原始数据中的图像数据进行处理，获得试用模型特征点；
利用试用模型特征点进行建模，获得初始模型；
对初始模型进行优化处理，获得基础模型；
其中，对初始模型进行优化处理，获得基础模型的子步骤如下：
对初始模型进行角度调整处理，获得待渲染模型；
对待渲染模型进行渲染处理，获得基础模型；
其中，对待渲染模型进行渲染处理，获得基础模型的子步骤如下：
对待渲染模型进行渲染，获得渲染模型；
对渲染模型进行优化处理，获得基础模型；
获得基础模型后，将基础模型存储于存储单元；
其中，对渲染模型进行优化处理，获得基础模型的子步骤如下：
对渲染模型进行偏差检测，获得偏差值，并根据偏差值生成偏差结果，其中偏差结果包括：有偏差和无偏差；
根据偏差结果对渲染模型进行优化，获得基础模型；
其中，偏差值的表达式如下：
Figure 273750DEST_PATH_IMAGE001
；
其中，
Figure 952993DEST_PATH_IMAGE002
为偏差值；
Figure 39898DEST_PATH_IMAGE003
为预设优化参数
Figure 529916DEST_PATH_IMAGE004
下的第
Figure 826905DEST_PATH_IMAGE005
个偏差检测区域；
Figure 293527DEST_PATH_IMAGE006
为主体区域中物体的第
Figure 500518DEST_PATH_IMAGE005
个原始区域；
Figure 410705DEST_PATH_IMAGE007
为第
Figure 945723DEST_PATH_IMAGE005
个偏差检测区域的二值化图像；
Figure 966768DEST_PATH_IMAGE008
为第
Figure 497107DEST_PATH_IMAGE005
个原始区域的二值化图像；
Figure 892709DEST_PATH_IMAGE009
为偏差检测区域的总个数；原始区域的总个数与偏差检测区域的总个数相等。
2.根据权利要求1所述的试用模型构建系统，其特征在于，所述服务器至少包括：数据获取单元、数据处理单元、模型创建单元、模型优化单元、存储单元和匹配单元；
其中：数据获取单元：用于接收试用模型创建请求，并根据试用模型创建请求下发原始数据获取指令；接收原始数据，并将原始数据发送至数据处理单元；用于接收商品模型创建请求，根据商品模型创建请求发送试用数据获取指令，并接收根据试用数据获取指令反馈的试用数据；将试用数据发送至数据处理单元；
数据处理单元：接收原始数据，对原始数据进行处理，获得试用模型特征点，将试用模型特征点发送至模型创建单元；接收试用数据，对试用数据进行处理，获得商品模型特征点，将商品模型特征点发送至模型创建单元；
模型创建单元：根据原始数据和试用模型特征点创建初始模型；根据试用数据和商品模型特征点创建商品模型；
模型优化单元：根据原始数据对初始模型进行优化处理，获得基础模型；
存储单元：用于存储基础模型；用于下发创建完成指令；
匹配单元：用于将商品模型与基础模型进行匹配，获取试用模型。
3.根据权利要求2所述的试用模型构建系统，其特征在于，所述数据处理单元中预先设置有识别单元和特征提取单元；
其中，所述识别单元：用于识别主体区域和非主体区域；
所述特征提取单元：用于对主体区域进行特征提取，获得试用模型特征点。
4.根据权利要求2所述的试用模型构建系统，其特征在于，所述模型优化模型至少包括：角度调整单元、渲染单元和优化单元；
其中，所述角度调整单元：用于对初始模型的角度进行调整处理，获得待渲染模型；
渲染单元：对待渲染模型进行渲染处理，获得渲染模型；
优化单元：用于对渲染模型进行优化处理，获得基础模型。
5.一种试用模型构建方法，其特征在于，包括如下步骤：
获取原始数据，其中，原始 数据至少包括：图像数据和尺寸数据；
对原始数据进行处理，获得基础模型；
获取试用数据，其中，试用数据包括：商品图像数据、商品参数和商品使用方法；
对试用数据进行处理，获得商品模型；
将商品模型与基础模型进行匹配，获取试用模型；
其中，对原始数据进行处理，获得基础模型的子步骤如下：
对原始数据中的图像数据进行处理，获得试用模型特征点；
利用试用模型特征点进行建模，获得初始模型；
对初始模型进行优化处理，获得基础模型；
其中，对初始模型进行优化处理，获得基础模型的子步骤如下：
对初始模型进行角度调整处理，获得待渲染模型；
对待渲染模型进行渲染处理，获得基础模型；
其中，对待渲染模型进行渲染处理，获得基础模型的子步骤如下：
对待渲染模型进行渲染，获得渲染模型；
对渲染模型进行优化处理，获得基础模型；
获得基础模型后，将基础模型存储于存储单元；
其中，对渲染模型进行优化处理，获得基础模型的子步骤如下：
对渲染模型进行偏差检测，获得偏差值，并根据偏差值生成偏差结果，其中偏差结果包括：有偏差和无偏差；
根据偏差结果对渲染模型进行优化，获得基础模型；
其中，偏差值的表达式如下：
Figure 367553DEST_PATH_IMAGE010
；
其中，
Figure 864393DEST_PATH_IMAGE011
为偏差值；
Figure 593446DEST_PATH_IMAGE012
为预设优化参数
Figure 642174DEST_PATH_IMAGE013
下的第
Figure 588002DEST_PATH_IMAGE014
个偏差检测区域；
Figure 888533DEST_PATH_IMAGE015
为主体区域中物体的第
Figure 252518DEST_PATH_IMAGE014
个原始区域；
Figure 160563DEST_PATH_IMAGE016
为第
Figure 406736DEST_PATH_IMAGE014
个偏差检测区域的二值化图像；
Figure 825473DEST_PATH_IMAGE017
为第
Figure 450489DEST_PATH_IMAGE014
个原始区域的二值化图像；
Figure 44281DEST_PATH_IMAGE018
为偏差检测区域的总个数；原始区域的总个数与偏差检测区域的总个数相等。
6.根据权利要求5所述的试用模型构建方法，其特征在于，利用试用模型特征点进行建模，获得初始模型的子步骤如下：
预设坐标原点，并将试用模型特征点转换为相应的三维坐标值；
根据原始数据中的尺寸数据调整相邻试用模型特征点之间的距离，并按照调整后的距离连接该相邻试用模型特征点，获得初始模型。
CN202110258129.2A 2021-03-10 2021-03-10 一种试用模型构建方法及其系统 Active CN112632688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110258129.2A CN112632688B (zh) 2021-03-10 2021-03-10 一种试用模型构建方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110258129.2A CN112632688B (zh) 2021-03-10 2021-03-10 一种试用模型构建方法及其系统

Publications (2)

Publication Number Publication Date
CN112632688A CN112632688A (zh) 2021-04-09
CN112632688B true CN112632688B (zh) 2021-07-20

Family

ID=75297651

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110258129.2A Active CN112632688B (zh) 2021-03-10 2021-03-10 一种试用模型构建方法及其系统

Country Status (1)

Country Link
CN (1) CN112632688B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106934693A (zh) * 2017-03-06 2017-07-07 浙江传媒学院 基于ar产品模型在vr场景中显示的瓷砖选型方法和系统
CN107770233A (zh) * 2016-08-23 2018-03-06 周振华 一种装修过程管控方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2952098A1 (en) * 2015-12-18 2017-06-18 Wal-Mart Stores, Inc. Apparatus and method for surveying premises of a customer
US9965801B1 (en) * 2016-12-22 2018-05-08 Capital One Services, Llc Systems and methods for virtual fittings

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107770233A (zh) * 2016-08-23 2018-03-06 周振华 一种装修过程管控方法及装置
CN106934693A (zh) * 2017-03-06 2017-07-07 浙江传媒学院 基于ar产品模型在vr场景中显示的瓷砖选型方法和系统

Also Published As

Publication number Publication date
CN112632688A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
Thiery et al. Sphere-meshes: Shape approximation using spherical quadric error metrics
CN107730389A (zh) 电子装置、保险产品推荐方法及计算机可读存储介质
Mokhtarian et al. Multi-scale free-form 3D object recognition using 3D models
CN108170755A (zh) 基于三元组深度网络的跨模态哈希检索方法
WO2020024569A1 (zh) 动态生成人脸三维模型的方法、装置、电子设备
Chen et al. Quadric surface extraction using genetic algorithms
CN110674685B (zh) 一种基于边缘信息增强的人体解析分割模型及方法
JPH05135121A (ja) ダイアグラム認識システム
CN111507357A (zh) 一种缺陷检测语义分割模型建模方法、装置、介质及设备
CN117058271A (zh) 用于生成商品主图背景的方法及计算设备
CN107358490A (zh) 一种图像匹配方法、装置及电子设备
CN114239508A (zh) 表格还原方法和装置、存储介质及电子设备
CN114782645B (zh) 虚拟数字人制作方法、相关设备及可读存储介质
CN112598770A (zh) 一种基于模型三维坐标空间的实时贴花渲染方法及其系统
Cao et al. Accurate 3-D reconstruction under IoT environments and its applications to augmented reality
CN112632688B (zh) 一种试用模型构建方法及其系统
CN112837332B (zh) 创意设计的生成方法、装置、终端、存储介质
Deng et al. Fast 3D face reconstruction from a single image combining attention mechanism and graph convolutional network
CN110019901A (zh) 三维模型检索装置、检索系统、检索方法及计算机可读存储介质
CN116128250A (zh) 面向现货市场的售电偏差管理方法及其系统
Antini et al. Retrieval of 3d objects using curvature correlograms
JP7190479B2 (ja) 学習装置、機械学習モデル及び学習方法
CN110796504A (zh) 物品推荐方法和装置
CN112184250B (zh) 挽回页的生成方法、装置、存储介质和计算机设备
CN102214292B (zh) 人脸图像的光照处理方法

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
GR01 Patent grant
GR01 Patent grant