CN112734901A - 一种3d说明书生成方法及相关设备 - Google Patents
一种3d说明书生成方法及相关设备 Download PDFInfo
- Publication number
- CN112734901A CN112734901A CN202011383700.5A CN202011383700A CN112734901A CN 112734901 A CN112734901 A CN 112734901A CN 202011383700 A CN202011383700 A CN 202011383700A CN 112734901 A CN112734901 A CN 112734901A
- Authority
- CN
- China
- Prior art keywords
- component
- image
- confidence
- target
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000005516 engineering process Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 10
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002085 persistent effect Effects 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请实施例公开了一种3D说明书生成方法包括:获取目标产品的说明图像,基于物体识别技术确定说明图像包括的N个目标组件类别、各个组件类别的第一置信度以及各个组件类别对应的图像区域;将组件类别对应的3D模型与组件类别对应的图像区域进行图像匹配,得到组件类别的第二置信度以及第二置信度对应的3D模型的空间角度;基于各个组件类别的第一置信度以及各个组件类别的第二置信度计算各个组件类别的综合置信度;确定最大综合置信度对应的组件类别为目标组件类别以及确定最大综合置信度对应的空间角度为目标空间角度;依据目标组件类别的3D模型以及目标空间角度建立说明图像对应的3D模型;合并至少一张说明图像的3D模型为目标产品的3D说明书。
Description
技术领域
本申请实施例涉及图像处理领域,尤其涉及一种3D说明书生成方法及相关设备
背景技术
随着电子技术的高速发展,智能设备方便着我们的生活,传统的产品说明书已经无法满足人们对产品情况的实时动态了解需求,而且传统的产品说明书携带不方便,容易丢失。随着电子信息技术发展,越来越多的产品开始采用电子说明书。电子说明书最大的特点是“即时查阅,永不丢失”,还可以包括语音、动画、视频等多媒体形式,比传统的纸质说明书更直观,而且更新和维护更方便。
随着AR和VR技术的兴起,3D电子说明书也随之出现。3D电子说明书比2D更加直观易懂,且支持用户通过不同角度观察相应产品,用户体验更好。
但是目前3D说明书制作成本高,需要具备3D编辑技术的专业技术人员通过3DMax,maya或者unity等专业软件才能制作,且制作周期长。
发明内容
本申请实施例第一方面提供了一种3D说明书生成方法,包括:
获取目标产品的至少一张说明图像;其中所述目标产品包括至少一个产品组件,所述说明图像为2D图像;
基于物体识别技术确定所述说明图像包括的N个目标组件类别、各个所述组件类别的第一置信度以及各个所述组件类别对应的图像区域;
将所述组件类别对应的3D模型与所述组件类别对应的图像区域进行图像匹配,得到所述组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度;
基于各个所述组件类别的第一置信度以及各个所述组件类别的第二置信度计算各个所述组件类别的综合置信度;
确定最大综合置信度对应的组件类别为目标组件类别以及确定最大综合置信度对应的空间角度为目标空间角度;
依据所述目标组件类别的3D模型以及所述目标空间角度建立所述说明图像对应的3D模型;
合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书。
基于本申请实施例第一方面所提供的3D说明书生成方法,可选地,
所述基于各个所述组件类别的第一置信度以及各个所述组件类别的第二置信度计算各个所述组件类别的综合置信度,包括:
基于本申请实施例第一方面所提供的3D说明书生成方法,可选地,所述获取目标产品的至少一张说明图像,包括:
获取所述目标产品的2D说明书;
对所述2D说明书图像进行分割获得至少一张说明图像。
基于本申请实施例第一方面所提供的3D说明书生成方法,可选地,所述对所述2D说明书图像进行分割获得至少一张说明图像,包括:
对所述2D说明书图像进行分割获得多张说明图像及所述多张说明图像的顺序;
所述合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书,包括:
依据所述顺序合并所述多张说明图像的3D模型为所述目标产品的3D说明书。
基于本申请实施例第一方面所提供的3D说明书生成方法,可选地,所述说明图像包括多个目标组件,所述基于物体识别技术确定所述说明图像包括的N个目标组件类别、各个所述组件类别的第一置信度以及各个所述组件类别对应的图像区域,包括:
基于物体识别技术确定所述说明图像包括的N个目标组件类别、各个所述组件类别的第一置信度以及各个所述组件类别对应的图像区域以及所述目标组件的位置信息;
所述依据所述目标组件类别的3D模型以及所述目标空间角度建立所述说明图像对应的3D模型,包括
依据所述目标组件类别的3D模型、所述多个目标组件之间的位置信息及所述目标空间角度建立所述说明图像对应的3D模型。
基于本申请实施例第一方面所提供的3D说明书生成方法,可选地,将所述组件类别对应的3D模型与所述组件类别对应的图像区域进行图像匹配,包括:
对所述组件类别对应的3D模型进行二维化处理,获得所述组件类别在不同空间角度的二维投影图像;
使用特征匹配技术将所述组件类别在不同空间角度的二维投影图像与所述组件类别对应的图像区域进行图像匹配。
基于本申请实施例第一方面所提供的3D说明书生成方法,可选地,所述二维投影图片为所述3D模型在UV空间内间隔特定角度的所有二维投影图像。
基于本申请实施例第一方面所提供的3D说明书生成方法,可选地,所述组件类别在不同空间角度的二维投影图像与所述组件类别对应的图像区域进行图像匹配,之前,所述方法还包括:
对所述二维投影图像进行简笔画生成处理。
基于本申请实施例第一方面所提供的3D说明书生成方法,可选地,所述物体识别技术包括使用神经网络模型进行识别,所述神经网络模型的种类包括Faster RCNN,SSD,YOLO网络。
基于本申请实施例第一方面所提供的3D说明书生成方法,可选地,所述合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书,之前,所述方法还包括:
基于预设规则对所述3D模型添加动画效果。
本申请实施例第二方面提供了一种3D说明书生成设备,包括:
获取单元,用于获取目标产品的至少一张说明图像;其中所述目标产品包括至少一个产品组件,所述说明图像为2D图像;
第一置信度确定单元,用于基于物体识别技术确定所述说明图像包括的N个目标组件类别、各个所述组件类别的第一置信度以及各个所述组件类别对应的图像区域;
第二置信度确定单元,用于将所述组件类别对应的3D模型与所述组件类别对应的图像区域进行图像匹配,得到所述组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度;
综合置信度确定单元,用于基于各个所述组件类别的第一置信度以及各个所述组件类别的第二置信度计算各个所述组件类别的综合置信度;
确定单元,用于确定最大综合置信度对应的组件类别为目标组件类别以及确定最大综合置信度对应的空间角度为目标空间角度;
3D模型生成单元,用于依据所述目标组件类别的3D模型以及所述目标空间角度建立所述说明图像对应的3D模型;
3D说明书生成单元,用于合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书。
本申请实施例第三方面提供了一种3D说明书生成设备设备,包括:
中央处理器,存储器,输入输出接口,有线或无线网络接口以及电源;
所述存储器为短暂存储存储器或持久存储存储器;
所述中央处理器配置为与所述存储器通信,在所述人员计数设备上执行所述存储器中的指令操作以执行本申请实施例第一方面中任意一项所述的方法。
本申请实施例第四方面提供了一种计算机可读存储介质,包括指令,当所述指令在计算机上运行时,使得计算机执行如本申请实施例第一方面中任意一项所述的方法。
本申请实施例第五方面提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行如本申请实施例第一方面中任意一项所述的方法。
从以上技术方案可以看出,本申请实施例具有以下优点:本申请实施例通过获取对目标产品的说明图像,并使用物品识别技术确定说明图像中像包括的N个目标组件类别、各个所述组件类别的第一置信度,通过图像匹配技术获得各个组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度;基于各个所述组件类别的第一置信度和第二置信度计算得出组件类别的综合置信度,并通过该综合置信度确定说明图像中目标组件的类别以及目标空间角度,依据目标组件类别的3D模型以及所述目标空间角度建立所述说明图像对应的3D模型,合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书。通过上述方式提供了一种3D说明书的生成方法,无需用户使用3D模型制作软件即可得到目标产品的3D说明书,降低了3D说明书的生成难度。
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的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例3D说明书生成方法的一个流程示意图;
图2为本申请实施例3D说明书生成方法的另一个流程示意图;
图3为本申请实施例3D说明书生成方法的另一个流程示意图;
图4为本申请实施例3D说明书生成设备的一个结构示意图;
图5为本申请实施例3D说明书生成设备的另一个结构示意图;
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。基于本申请中的实施例,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所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在本申请中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
请参阅图1,本申请3D说明书生成方法的一个实施例包括:步骤101-步骤107。
101、获取目标产品的至少一张说明图像。
获取目标产品的至少一张说明图像;其中所述目标产品包括至少一个产品组件,所述说明图像为2D(2Dimensions,二维)图像。获取对于目标产品的说明图像,具体的可获取对目标产品的说明书文件,说明书文件中包括对目标产品的文字说明及图像说明,其中图像说明部分可包括对于目标产品的具体组装及使用步骤等信息组成,其中每一个解释或说明步骤的图像即可视为一张说明图像,目标产品为由多个产品组件组成,说明图像中相应包括一个或多个产品组件。说明图像为2D图像,用于向用户展示目标产品的某些使用方式或组装步骤,具体此处不做限定。
102、基于物体识别技术确定说明图像包括的N个目标组件类别、各个组件类别的第一置信度以及各个所述组件类别对应的图像区域。
基于物体识别技术确定说明图像包括的N个目标组件类别、各个组件类别的第一置信度以及各个所述组件类别对应的图像区域。使用物品识别技术进行对说明图像的识别过程,具体的物体识别技术可使用训练好的神经网络模型执行,神经网络模型的结构可为Faster RCNN(Faster Region Convolutional Neural Networks,快速区域卷积神经网络)SSD或YOLO等其他种类的人将网络结构,以及基于这些神经网络结构的优化神经网络结构,具体此处不做限定。为保证识别结果的准确程度,在物体识别技术中所使用的神经网络模型训练过程应使用该目标产品的相应信息,如目标产品及目标产品的各个组件的3D(3Dimensions,三维)模型、二维投影及图像等信息,具体此处不做限定。识别结果包括说明图像中包括的N个目标组件类别、各个组件类别对应的第一置信度以及各个组件类别对应的图像区域,其中N为大于等于1的正整数,即基于图片识别技术可识别获得一张说明图像中所包括的最少一个组件,对于该组件所属的类别会相应存在N个第一置信度以及对应的图像区域。可以理解的是,在一张说明图像中可能存在多个不同的组件,基于物体识别技术可分别得出各个组件所对应的N个组件类别及各个组件类别对应的第一置信度,同时在识别过程中还可获得各个组件之间的相对位置等信息,具体可依据实际情况而定,此处不做限定。
103、将组件类别对应的3D模型与所述组件类别对应的图像区域进行图像匹配,得到所述组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度。将组件类别对应的3D模型与所述组件类别对应的图像区域进行图像匹配,得到所述组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度。
将组件类别对应的3D模型与所述组件类别对应的图像区域进行图像匹配,得到所述组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度。将组件类别对应的3D模型与所述组件类别对应的图像区域进行图像匹配,得到所述组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度。具体的可将各个组件类别对应的3D模型进行二维化投影处理,获得各个组件类别对应的多张二维化投影图像,3D模型所对应的多张二维化投影图片具有相应的角度信息,即该二维化投影图片是3D模型在何种角度下别投影得到的。基于该二维化投影图像与相应的组建类别对应的图像区域进行相应的匹配过程,得出图像区域与3D模型之间的置信度,并且确定获得最大置信度时对应的3D模型的空间角度。
104、基于各个所述组件类别的第一置信度以及各个所述组件类别的第二置信度计算各个所述组件类别的综合置信度。
基于各个所述组件类别的第一置信度以及各个所述组件类别的第二置信度计算各个所述组件类别的综合置信度。计算各个组件类别对应的综合置信度,具体的可将某一组件类别对应的第一置信度与该组件类别对应的第二置信度相加,得出的结果作为综合置信度,如识别获得某一产品组件对应的第一置信度包括:产品组件类别为甲组件对应的置信度为80%,产品组件类别为乙组件对应的置信度为60%。某一产品组件对应的第二置信度包括:产品组件类别为甲组件对应的置信度为90%,产品组件类别为乙组件对应的置信度为50%,通过综合置信度的计算得出该产品组件的组件类别为甲组件的综合置信度为170%,组件类别为甲组件的综合置信度为110%.进而完成综合置信度的计算。在实际实施过程中也可对第一置信度和第二置信度分别设置不同的权重值,以使得第一置信度和第二置信度对综合置信度的影响程度相区别,进而提高所获得的综合置信度的准确程度,具体可依据实际情况而定,此处不做限定。
105、确定最大综合置信度对应的组件类别为目标组件类别以及确定最大综合置信度对应的空间角度为目标空间角度。
确定最大综合置信度对应的组件类别为目标组件类别以及确定最大综合置信度对应的空间角度为目标空间角度。计算出产品组件对应的各个组件类别的综合置信度,并将其中值最大的结果作为最大综合置信度,并将该综合置信度对应的组件类别作为对应的目标组件类别,如对于上述步骤104的例子,则可确定最大综合置信度对应的产品组件类别为家族间,即确定了在说明图像中该图像区域所表示的产品组件为甲组件,同时基于最大综合置信度对应的第二置信度可确定在该说明图像中该组件的空间角度,进而确定该空间角度为目标空间角度,即确定最大综合置信度对应的空间角度为目标空间角度。
106、依据所述目标组件类别的3D模型以及所述目标空间角度建立所述说明图像对应的3D模型。
依据所述目标组件类别的3D模型以及所述目标空间角度建立所述说明图像对应的3D模型。基于上述步骤确定的目标组件类别获取其对应的3D模型以及基于所确定的目标空间角度调整该3D模型在展示时的角度,可以理解的是,对于一张说明图像中包括多个产品组件的情况需要相应获取在说明图像中各个产品组件之间的位置并在生成的说明图像对应的3D模型中相应设置各个产品组件对应的3D模型,并保证各个3D模型之间的相对位置及空间角度与在说明图像中所表示的情况一致,具体此处不做限定,可以理解的是,对于某些具有指示信息的说明图像可通过特定规则进行对说明图像对应的3D模型进行调整,如对于说明图像中存在箭头的情况下可将该箭头相应添加至所生成的说明图像3D模型中,具体此处不做限定。
107、合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书。
合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书。对于该产品的多张说明图像分别相应生成对应的3D模型,并将其合并存储为该目标产品的3D说明书,可以理解的是,若3D说明书中包括的多个说明图像对应的3D模型则各个说明图像对应的3D模型在合并时应具有相应的顺序,即对3D模型的展示顺序与原有说明图像的展示图像的顺序一致,以便后续其他用户可按相应顺序对3D说明书进行浏览,3D说明书的格式可采用json(JavaScript Object Notation,JS对象简谱)格式文件联合glb/gltf/usdz等用于保存3D模型数据的格式文件进行保存,并部署至云服务器上,当用户需要查看相应的说明书时即向用户展示该3D说明书文件或提供该3D说明书文件的下载地址,以便用户在本地进行查看。
从以上技术方案可以看出,本申请实施例具有以下优点:本申请实施例通过获取对目标产品的说明图像,并使用物品识别技术确定说明图像中像包括的N个目标组件类别、各个所述组件类别的第一置信度,通过图像匹配技术获得各个组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度;基于各个所述组件类别的第一置信度和第二置信度计算得出组件类别的综合置信度,并通过该综合置信度确定说明图像中目标组件的类别以及目标空间角度,依据目标组件类别的3D模型以及所述目标空间角度建立所述说明图像对应的3D模型,合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书。通过上述方式提供了一种3D说明书的生成方法,无需用户使用3D模型制作软件即可得到目标产品的3D说明书,降低了3D说明书的生成难度。
基于图1所描述的实施例,下面提供一种本方案在实施过程中可选择执行的详细实施例,请参阅图2,本申请3D说明书生成方法的一个实施例包括:步骤201-步骤211。
201、获取所述目标产品的2D说明书。
获取目标产品的2D说明书,2D说明书中包括多张说明图像用以说明目标产品的组装方法或使用方法。所获取的2D说明书可为该目标产品的纸质说明书的扫描文件或电子文档,具体此处不做限定,2D说明书文件中包括对目标产品的文字说明及图像说明,其中图像说明部分可包括对于目标产品的具体组装及使用步骤等信息组成,其中每一个解释或说明步骤的图像即可视为一张说明图像。
202、对所述2D说明书图像进行分割获得多张说明图像及所述多张说明图像的顺序。
对所述2D说明书图像进行分割获得多张说明图像及所述多张说明图像的顺序。具体的,由于2D说明书图像中的各种说明图像一般都由方框框处,因此可采用OpenCV(一种跨平台计算机视觉和机器学习软件库)中的直方图和直线检测技术对2D说明书进行图像分割,得到多张的单步骤说明图像,在进行图像分割的过程中可基于由上至下由左至右的顺序确定各个说明图像的顺序,可以理解的是,说明图像的顺序也可根据识别说明图像中所包括的页码信息或用户手动设定等方式确定该顺序,具体可依据实际情况而定,此处不做限定。目标产品为由多个产品组件组成,说明图像中相应包括一个或多个产品组件。
203、基于物体识别技术确定所述说明图像包括的N个目标组件类别、各个所述组件类别的第一置信度以及各个所述组件类别对应的图像区域以及所述目标组件的位置信息。
基于物体识别技术确定所述说明图像包括的N个目标组件类别、各个所述组件类别的第一置信度以及各个所述组件类别对应的图像区域以及所述目标组件的位置信息。其中N为大于等于1的正整数,即基于图片识别技术可识别获得一张说明图像中所包括的最少一个组件,对于该组件所属的类别会相应存在N个第一置信度以及对应的图像区域。可以理解的是,在一张说明图像中可能存在多个不同的组件,基于物体识别技术可分别得出各个组件所对应的N个组件类别及各个组件类别对应的第一置信度(a11,a12…,a1N),(a11,a12…,a1N)分别为对应1至N种类组件类别的第一置信度。具体的,物体识别技术可使用训练好的神经网络模型执行,神经网络模型的结构可为Faster RCNN(Faster RegionConvolutional Neural Networks,快速区域卷积神经网络)SSD或YOLO等其他种类的网络结构,以及基于这些神经网络结构的优化神经网络结构,具体此处不做限定。并使用收集的多种类2D说明书图像进行标注建立数据集,进行对Faster RCNN物体识别模型的训练,获得对2D说明书识别能力较强的Faster RCNN物体识别模型。在对包括多个产品组件的说明图像进行识别时应得出多个产品组件在说明图像中的相对位置关系,以及在说明图像中所占图像区域的大小比例,以便后续生成该说明图像对应的3D模型时符合说明图像所表示的内容。
204、对所述组件类别对应的3D模型进行二维化处理,获得所述组件类别在不同空间角度的二维投影图像。
对所述组件类别对应的3D模型进行二维化处理,获得所述组件类别在不同空间角度的二维投影图像。具体的可在UV空间中间隔特定角度对该组件类别对应的3D模型进行投影处理,如每在UV空间中间隔5度对所述3D模型进行投影处理,每个组件类别对应的模型共生产72*72张二维投影图像。可以理解的是,为降低生成3D说明书过程所消耗的时间及计算资源,在本方案实际实施过程中也可对生成的二维投影图像数量进行适当调整,如在UV空间中每间隔10度生成一张二维投影图像,进而可获得36*36张二维投影图像。具体可依据实际情况进行调整,此处不做限定。
205、对所述二维投影图像进行简笔画生成处理。
对所述二维投影图像进行简笔画生成处理。由于在说明书中所使用的产品图像一般为轮廓图或线条图等风格的图像,因此为保证后续匹配过程的准确程度马克对二维投影图像进行简笔画生成处理,具体的,可使用Photo-sketching模型进行该简笔画生成处理过程,Photo-sketching模型可由多个3D模型及其对应的UV空间不同角度映射出的2D图像训练获得,其中2D图像应具有相应标注的角度信息,基于Photo-sketching对二维投影图像进行简笔画处理得出与说明图像中所包括的图像风格一致的简笔画图像。可以理解的是,对二维投影图像的简笔画生成处理过程所使用的技术不仅限于Photo-sketching技术,也可使用其他类似的简笔画生成技术,具体此处不做限定。
206、将所述组件类别在不同空间角度的二维投影图像与所述组件类别对应的图像区域进行图像匹配。
将所述组件类别在不同空间角度的二维投影图像与所述组件类别对应的图像区域进行图像匹配。得到所述组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度;具体的可将该组件类别对应的产品区域与该组件类别二维化投影所获得的多张二维投影图像进行图像匹配,确定其中匹配度最大的一张二维投影图像获取相应的置信度作为第二置信度(a21,a22…,a2N)所述(a21,a22…,a2N)分别为对应1至N种类组件类别的第二置信度,以及生成该二维投影图像时3D模型的空间角度。进行图像图像匹配过程可使用SIFT(Scale-invariant feature transform,尺度不变特征变换)技术进行识别,可以理解的是,具体使用的图像匹配技术可依据实际情况进行调整,此处不做限定。
207、基于各个所述组件类别的第一置信度以及各个所述组件类别的第二置信度计算各个所述组件类别的综合置信度。
基于各个所述组件类别的第一置信度以及各个所述组件类别的第二置信度计算各个所述组件类别的综合置信度。具体的联合置信度Ai的计算公式如下述:
Ai=r*a1i+(1-r)*a2i;
其中r为置信度权值。r的取值大于等于0小于1,置信度权值的具体数值设置设定可以对大量同种类目标产品的3D说明书的生成过程所使用的值进行设置,如对某一种类的目标产品采用不同的置信度权值设置,获得不同置信度权值下所生成的3D说明书,并对生成结果进行校核,进而实验得出对于本种类目标产品较优的置信度权值设置,对于新产品可采用r等于0.5的形式,即第一置信度与第二置信度的影响权重相同,具体此处不做限定。值得注意的是r的取值可以为0即第二置信度即为综合置信度,然而r的取值不能等于1,因为在r等于1时综合置信度的值等于第一置信度,而第二置信度的取值对综合置信度不存在影响,因此无法确定3D模型的角度。
208、确定最大综合置信度对应的组件类别为目标组件类别以及确定最大综合置信度对应的空间角度为目标空间角度。
确定最大综合置信度对应的组件类别为目标组件类别以及确定最大综合置信度对应的空间角度为目标空间角度。确定最大综合置信度对应的组件类别为目标组件类别以及确定最大综合置信度对应的空间角度为目标空间角度。计算出产品组件对应的各个组件类别的综合置信度,并将其中值最大的结果作为最大综合置信度,并将该综合置信度对应的组件类别作为对应的目标组件类别,同时基于最大综合置信度对应的第二置信度可确定在该说明图像中该组件的空间角度,进而确定该空间角度为目标空间角度,即确定最大综合置信度对应的空间角度为目标空间角度。
209、依据所述目标组件类别的3D模型、所述多个目标组件之间的位置信息及所述目标空间角度建立所述说明图像对应的3D模型。
依据所述目标组件类别的3D模型、所述多个目标组件之间的位置信息及所述目标空间角度建立所述说明图像对应的3D模型。基于上述步骤确定的目标组件类别获取其对应的3D模型以及基于所确定的目标空间角度调整该3D模型的展示角度即基于2D说明书的语义数据生成说明图像对应的3D模型数据,同时对于一张说明图像中包括多个产品组件的情况需要相应获取在说明图像中各个产品组件之间的位置并在生成的说明图像对应的3D模型中相应设置各个产品组件对应的3D模型,并保证各个3D模型之间的相对位置及空间角度与在说明图像中所表示的情况一致,具体此处不做限定。
210、基于预设规则对所述3D模型添加动画效果。
基于预设规则对所述3D模型添加动画效果,对于某些具有指示信息的说明图像可通过特定规则进行对说明图像对应的3D模型进行调整,如对于说明图像中存在箭头的情况下可将该箭头相应添加至所生成的说明图像3D模型中,并生成具体的3D步骤动画添加至3D模型中,具体可依据实际情况而定,此处不做限定。
211、依据所述顺序合并所述多张说明图像的3D模型为所述目标产品的3D说明书。
合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书。对于该产品的多张说明图像分别相应生成对应的3D模型,并将其合并存储为该目标产品的3D说明书,可以理解的是,若3D说明书中包括的多个说明图像对应的3D模型则各个说明图像对应的3D模型在合并时应具有相应的顺序,即对3D模型的展示顺序与原有说明图像的展示图像的顺序一致,以便后续其他用户可按相应顺序对3D说明书进行浏览,3D说明书的格式可采用json(JavaScript Object Notation,JS对象简谱)格式文件联合glb/gltf/usdz等用于保存3D模型数据的格式文件进行保存,并部署至云服务器上,当用户需要查看相应的说明书时即向用户展示该3D说明书文件或提供该3D说明书文件的下载地址,以便用户在本地进行查看。
从以上技术方案可以看出,本申请实施例具有以下优点:本申请实施例通过获取对目标产品的说明图像,并使用物品识别技术确定说明图像中像包括的N个目标组件类别、各个所述组件类别的第一置信度,通过图像匹配技术获得各个组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度;基于各个所述组件类别的第一置信度和第二置信度计算得出组件类别的综合置信度,并通过该综合置信度确定说明图像中目标组件的类别以及目标空间角度,依据目标组件类别的3D模型以及所述目标空间角度建立所述说明图像对应的3D模型,合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书。通过上述方式提供了一种3D说明书的生成方法,无需用户使用3D模型制作软件即可得到目标产品的3D说明书,降低了3D说明书的生成难度。
上面对申请实施例中的方法进行了描述,下面对本发明实施例中的装置进行描述。请参阅图4,本申请3D说明书生成设备的一个实施例包括:获取单元401、第一置信度确定单元402、第二置信度确定单元403、综合置信度确定单元404、确定单元405、3D模型生成单元406和3D说明书生成单元407,其中:
获取单元401,用于获取目标产品的至少一张说明图像;其中所述目标产品包括至少一个产品组件,所述说明图像为2D图像;
第一置信度确定单元402,用于基于物体识别技术确定所述说明图像包括的N个目标组件类别、各个所述组件类别的第一置信度以及各个所述组件类别对应的图像区域;
第二置信度确定单元403,用于将所述组件类别对应的3D模型与所述组件类别对应的图像区域进行图像匹配,得到所述组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度;
综合置信度确定单元404,用于基于各个所述组件类别的第一置信度以及各个所述组件类别的第二置信度计算各个所述组件类别的综合置信度;
确定单元405,用于确定最大综合置信度对应的组件类别为目标组件类别以及确定最大综合置信度对应的空间角度为目标空间角度;
3D模型生成单元406,用于依据所述目标组件类别的3D模型以及所述目标空间角度建立所述说明图像对应的3D模型;
3D说明书生成单元407,用于合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书。
本实施例中,3D说明书生成设备中各单元所执行的流程与前述图1或图2所对应的实施例中描述的方法流程类似,此处不再赘述。
图5是本申请实施例提供的一种3D说明书生成设备的结构示意图,该服务器500可以包括一个或一个以上中央处理器(central processing units,CPU)501和存储器505,该存储器505中存储有一个或一个以上的应用程序或数据。
本实施例中,中央处理器501中的具体功能模块划分可以与前述图4中所描述的各单元的功能模块划分方式类似,此处不再赘述。
其中,存储器505可以是易失性存储或持久存储。存储在存储器505的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器501可以设置为与存储器505通信,在服务器500上执行存储器505中的一系列指令操作。
服务器500还可以包括一个或一个以上电源502,一个或一个以上有线或无线网络接口503,一个或一个以上输入输出接口504,和/或,一个或一个以上操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等。
该中央处理器501可以执行前述图1或图2所示实施例中3D说明书生成方法所执行的操作,具体此处不再赘述。
可以理解的是,由于3D说明书生成过程所需消耗的计算资源较多,因此3D说明书生成设备还可包括图形处理器(GPU,graphics processing unit)以便进行相应的图形处理过程,图形处理器GPU用于接收中央处理器501发送的需处理图像数据并进行相应计算处理,处理结束后向CPU返回相应结果或向用户进行展示,具体此处不做限定。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质用于实现3D说明书生成方法的功能,其上存储有计算机程序,计算机程序被处理器执行时,处理器,可以用于执行如图1所述的3D说明书生成方法。
可以理解的是,所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在相应的一个计算机可读取存储介质中或集成为计算机程序产品以便执行上述方法。基于这样的理解,本发明实现上述相应的实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (14)
1.一种3D说明书生成方法,其特征在于,包括:
获取目标产品的至少一张说明图像;其中所述目标产品包括至少一个产品组件,所述说明图像为2D图像;
基于物体识别技术确定所述说明图像包括的N个目标组件类别、各个所述组件类别的第一置信度以及各个所述组件类别对应的图像区域;
将所述组件类别对应的3D模型与所述组件类别对应的图像区域进行图像匹配,得到所述组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度;
基于各个所述组件类别的第一置信度以及各个所述组件类别的第二置信度计算各个所述组件类别的综合置信度;
确定最大综合置信度对应的组件类别为目标组件类别以及确定最大综合置信度对应的空间角度为目标空间角度;
依据所述目标组件类别的3D模型以及所述目标空间角度建立所述说明图像对应的3D模型;
合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书。
2.根据权利要求1所述的3D说明书生成方法,其特征在于,所述基于各个所述组件类别的第一置信度以及各个所述组件类别的第二置信度计算各个所述组件类别的综合置信度。
3.根据权利要求1所述的3D说明书生成方法,其特征在于,所述获取目标产品的至少一张说明图像,包括:
获取所述目标产品的2D说明书;
对所述2D说明书图像进行分割获得至少一张说明图像。
4.根据权利要求1所述的3D说明书生成方法,其特征在于,所述对所述2D说明书图像进行分割获得至少一张说明图像,包括:
对所述2D说明书图像进行分割获得多张说明图像及所述多张说明图像的顺序;
所述合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书,包括:
依据所述顺序合并所述多张说明图像的3D模型为所述目标产品的3D说明书。
5.根据权利要求1所述的3D说明书生成方法,其特征在于,所述说明图像包括多个目标组件,所述基于物体识别技术确定所述说明图像包括的N个目标组件类别、各个所述组件类别的第一置信度以及各个所述组件类别对应的图像区域,包括:
基于物体识别技术确定所述说明图像包括的N个目标组件类别、各个所述组件类别的第一置信度以及各个所述组件类别对应的图像区域以及所述目标组件的位置信息;
所述依据所述目标组件类别的3D模型以及所述目标空间角度建立所述说明图像对应的3D模型,包括
依据所述目标组件类别的3D模型、所述多个目标组件之间的位置信息及所述目标空间角度建立所述说明图像对应的3D模型。
6.根据权利要求1所述的3D说明书生成方法,其特征在于,将所述组件类别对应的3D模型与所述组件类别对应的图像区域进行图像匹配,包括:
对所述组件类别对应的3D模型进行二维化处理,获得所述组件类别在不同空间角度的二维投影图像;
使用特征匹配技术将所述组件类别在不同空间角度的二维投影图像与所述组件类别对应的图像区域进行图像匹配。
7.根据权利要求5所述的3D说明书生成方法,其特征在于,所述二维投影图片为所述3D模型在UV空间内间隔特定角度的所有二维投影图像。
8.根据权利要求5所述的3D说明书生成方法,其特征在于,所述组件类别在不同空间角度的二维投影图像与所述组件类别对应的图像区域进行图像匹配,之前,所述方法还包括:
对所述二维投影图像进行简笔画生成处理。
9.根据权利要求1所述的3D说明书生成方法,其特征在于,所述物体识别技术包括使用神经网络模型进行识别,所述神经网络模型的种类包括Faster RCNN,SSD,YOLO网络。
10.根据权利要求1所述的3D说明书生成方法,其特征在于,所述合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书,之前,所述方法还包括:
基于预设规则对所述3D模型添加动画效果。
11.一种3D说明书生成设备,其特征在于,包括:
获取单元,用于获取目标产品的至少一张说明图像;其中所述目标产品包括至少一个产品组件,所述说明图像为2D图像;
第一置信度确定单元,用于基于物体识别技术确定所述说明图像包括的N个目标组件类别、各个所述组件类别的第一置信度以及各个所述组件类别对应的图像区域;
第二置信度确定单元,用于将所述组件类别对应的3D模型与所述组件类别对应的图像区域进行图像匹配,得到所述组件类别的第二置信度以及所述第二置信度对应的3D模型的空间角度;
综合置信度确定单元,用于基于各个所述组件类别的第一置信度以及各个所述组件类别的第二置信度计算各个所述组件类别的综合置信度;
确定单元,用于确定最大综合置信度对应的组件类别为目标组件类别以及确定最大综合置信度对应的空间角度为目标空间角度;
3D模型生成单元,用于依据所述目标组件类别的3D模型以及所述目标空间角度建立所述说明图像对应的3D模型;
3D说明书生成单元,用于合并所述至少一张说明图像的3D模型为所述目标产品的3D说明书。
12.一种3D说明书生成设备,其特征在于,包括:
中央处理器,存储器,输入输出接口,有线或无线网络接口以及电源;
所述存储器为短暂存储存储器或持久存储存储器;
所述中央处理器配置为与所述存储器通信,在所述3D说明书生成设备上执行所述存储器中的指令操作以执行权利要求1-10中任意一项所述的方法。
13.一种计算机可读存储介质,包括指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1-9中任意一项所述的方法。
14.一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行如权利要求1-10中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011383700.5A CN112734901B (zh) | 2020-12-01 | 2020-12-01 | 一种3d说明书生成方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011383700.5A CN112734901B (zh) | 2020-12-01 | 2020-12-01 | 一种3d说明书生成方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112734901A true CN112734901A (zh) | 2021-04-30 |
CN112734901B CN112734901B (zh) | 2023-08-18 |
Family
ID=75598052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011383700.5A Active CN112734901B (zh) | 2020-12-01 | 2020-12-01 | 一种3d说明书生成方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734901B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023295A (zh) * | 2015-08-05 | 2015-11-04 | 成都嘉逸科技有限公司 | 人体解剖单位3d模型建立方法及教学系统 |
DE102015017128A1 (de) * | 2015-06-08 | 2016-12-08 | Bitmanagement Software GmbH | Verfahren und Vorrichtung zum Erzeugen von Daten für eine zwei- oder dreidimensionale Darstellung zumindest eines Teils eines Objekts und zum Erzeugen der zwei- oder dreidimensionalen Darstellung zumindest des Teils des Objekts |
CN107870673A (zh) * | 2017-11-28 | 2018-04-03 | 深圳市蓝游网络科技有限公司 | 基于ar技术的说明书实现方法 |
CN110097632A (zh) * | 2019-04-10 | 2019-08-06 | 红云红河烟草(集团)有限责任公司 | 装配件拆装展示方法和展示装置 |
WO2020177348A1 (zh) * | 2019-03-07 | 2020-09-10 | 百度在线网络技术(北京)有限公司 | 用于生成三维模型的方法和装置 |
-
2020
- 2020-12-01 CN CN202011383700.5A patent/CN112734901B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015017128A1 (de) * | 2015-06-08 | 2016-12-08 | Bitmanagement Software GmbH | Verfahren und Vorrichtung zum Erzeugen von Daten für eine zwei- oder dreidimensionale Darstellung zumindest eines Teils eines Objekts und zum Erzeugen der zwei- oder dreidimensionalen Darstellung zumindest des Teils des Objekts |
CN105023295A (zh) * | 2015-08-05 | 2015-11-04 | 成都嘉逸科技有限公司 | 人体解剖单位3d模型建立方法及教学系统 |
CN107870673A (zh) * | 2017-11-28 | 2018-04-03 | 深圳市蓝游网络科技有限公司 | 基于ar技术的说明书实现方法 |
WO2020177348A1 (zh) * | 2019-03-07 | 2020-09-10 | 百度在线网络技术(北京)有限公司 | 用于生成三维模型的方法和装置 |
CN110097632A (zh) * | 2019-04-10 | 2019-08-06 | 红云红河烟草(集团)有限责任公司 | 装配件拆装展示方法和展示装置 |
Non-Patent Citations (1)
Title |
---|
薛钧等: "基于三维建模技术和网络平台的钳工教学改革研究", 《数码设计》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112734901B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146892B (zh) | 一种基于美学的图像裁剪方法及装置 | |
CN114187633B (zh) | 图像处理方法及装置、图像生成模型的训练方法及装置 | |
CN108694719B (zh) | 图像输出方法和装置 | |
CN111652796A (zh) | 图像处理方法、电子设备及计算机可读存储介质 | |
US20230245339A1 (en) | Method for Adjusting Three-Dimensional Pose, Electronic Device and Storage Medium | |
CN113301409B (zh) | 视频合成方法、装置、电子设备和可读存储介质 | |
CN112651953B (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
US20230100427A1 (en) | Face image processing method, face image processing model training method, apparatus, device, storage medium, and program product | |
CN112328345A (zh) | 用于确定主题色的方法、装置、电子设备及可读存储介质 | |
CN111429338A (zh) | 用于处理视频的方法、装置、设备和计算机可读存储介质 | |
CN111292335A (zh) | 一种前景掩模特征图的确定方法、装置及电子设备 | |
CN113610958A (zh) | 一种基于风格迁移的3d图像构建方法、装置及终端 | |
CN113657396B (zh) | 训练方法、译文展示方法、装置、电子设备以及存储介质 | |
CN115131803A (zh) | 文档字号的识别方法、装置、计算机设备和存储介质 | |
EP4075381B1 (en) | Image processing method and system | |
CN116309494B (zh) | 一种电子地图中兴趣点信息确定方法、装置、设备及介质 | |
GB2572435A (en) | Manipulating a face in an image | |
CN113591433A (zh) | 一种文本排版方法、装置、存储介质及计算机设备 | |
CN115330803B (zh) | 一种表面缺陷数据增强方法、装置、电子设备及存储介质 | |
CN112734901A (zh) | 一种3d说明书生成方法及相关设备 | |
CN115082298A (zh) | 图像生成方法、装置、电子设备以及存储介质 | |
CN115861515A (zh) | 一种三维人脸重建方法、计算机程序产品及电子设备 | |
CN114581389A (zh) | 一种基于三维边缘相似度特征的点云质量分析方法 | |
CN112348069A (zh) | 数据增强方法、装置、计算机可读存储介质及终端设备 | |
CN111159976A (zh) | 文本位置标注方法、装置 |
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 |