CN113192171A - 一种基于云端渲染的三维效果图高效渲染方法及系统 - Google Patents

一种基于云端渲染的三维效果图高效渲染方法及系统 Download PDF

Info

Publication number
CN113192171A
CN113192171A CN202110498621.7A CN202110498621A CN113192171A CN 113192171 A CN113192171 A CN 113192171A CN 202110498621 A CN202110498621 A CN 202110498621A CN 113192171 A CN113192171 A CN 113192171A
Authority
CN
China
Prior art keywords
rendering
module
dimensional effect
image
data
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.)
Withdrawn
Application number
CN202110498621.7A
Other languages
English (en)
Inventor
肖昶
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.)
Chongqing College of Electronic Engineering
Original Assignee
Chongqing College of Electronic Engineering
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 Chongqing College of Electronic Engineering filed Critical Chongqing College of Electronic Engineering
Priority to CN202110498621.7A priority Critical patent/CN113192171A/zh
Publication of CN113192171A publication Critical patent/CN113192171A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明属于图像渲染技术领域，公开了一种基于云端渲染的三维效果图高效渲染方法及系统，渲染参数确定模块、数据采集模块、中央控制模块、3D场景还原模块、三维效果图验证模块、三维效果图修正模块、数据处理模块、渲染任务划分模块、指令生成模块、数据上传模块、云端渲染模块、下载模块、融合模块、效果处理模块、更新显示模块。本发明保证最终结果的准确性以及有效性；采用加速段测试的特征FAST检测方法，每20个像素点为一组进行特征点的扫描提取，可以快速准确的提取金字塔图像上的特征点，提高了检测准确率又节约了大量时间；有效减少渲染耗费的时间，提高渲染的效果，提升服务体验度；能够充分满足用户的需求。

Description

一种基于云端渲染的三维效果图高效渲染方法及系统
技术领域
本发明属于图像渲染技术领域，尤其涉及一种基于云端渲染的三维效果图高效渲染方法及系统。
背景技术
目前，随着虚拟现实技术的兴起与完善，很多企业逐渐使用虚拟现实技术进行推广及营销产品。一些公司为了获取设备模型的三维效果图，需要与专业的三维制作人员反复的沟通，成本高，效率低，成单周期长，商务人员与客户的沟通也不够直观。而为了获取三维效果图，制作人员需要运用专业的三维模型制作软件，首先需要建模，然后再进行渲染。通常为了完成这个过程，需要一周左右的制作时间，花费的时间较长且不够便捷，且存在造成制作成本高，效率低下的问题。因此，亟需一种新的三维效果图高效渲染系统。
通过上述分析，现有技术存在的问题及缺陷为：现有的三维效果图渲染方法需要一周左右的制作时间，花费的时间较长且不够便捷，且存在造成制作成本高，效率低下的问题。
发明内容
针对现有技术存在的问题，本发明提供了一种基于云端渲染的三维效果图高效渲染方法及系统。
本发明是这样实现的，一种基于云端渲染的三维效果图高效渲染系统，所述基于云端渲染的三维效果图高效渲染系统包括：
渲染参数确定模块、数据采集模块、中央控制模块、3D场景还原模块、三维效果图验证模块、三维效果图修正模块、数据处理模块、渲染任务划分模块、指令生成模块、数据上传模块、云端渲染模块、下载模块、融合模块、效果处理模块、更新显示模块。
渲染参数确定模块，与中央控制模块连接，用于通过渲染参数确定程序确定渲染环境以及渲染参数；
数据采集模块，与中央控制模块连接，用于通过数据采集设备采集获取相应的待渲染的三维效果图；
中央控制模块，与渲染参数确定模块、数据采集模块、3D场景还原模块、三维效果图验证模块、三维效果图修正模块、数据处理模块、渲染任务划分模块、指令生成模块、数据上传模块、云端渲染模块、下载模块、融合模块、效果处理模块、更新显示模块连接，用于通过单片机或控制器协调控制所述基于云端渲染的三维效果图高效渲染系统各个模块的正常工作；
3D场景还原模块，与中央控制模块连接，用于通过3D场景还原程序基于待渲染的三维效果图进行3D场景的还原，包括：
(1)基于待渲染的三维效果图获取客观场景的基本信息，通过3D场景构建的方法构建对应场景；
(2)将所述客观场景的场景数据进行预处理，并将所述预处理后的场景数据与所述基本信息进行预处理以及关联性分析，得到分类后的分类数据；
(3)获取所述分类数据对应的场景材料以及交互方式；
(4)将所述分类数据映射到对应场景中，并基于所述场景材料以及所述交互方式将所述客观场景进行3D视觉呈现；
三维效果图验证模块，与中央控制模块连接，用于通过三维效果图验证程序基于还原的3D场景验证待渲染的三维效果图的真实性以及完整性；
三维效果图修正模块，与中央控制模块连接，用于当验证的三维效果图不完整或不真实时，通过三维效果图修正程序进行三维效果图的修正，包括：
(1)采用加速段测试的特征FAST检测方法提取三维效果图特征点，对提取特征点后的图像进行高斯滤波后，计算特征点描述子；
(2)根据特征点描述子对提取到的图像特征点进行坐标归一化处理；
(3)利用径向畸变矫正公式对归一化后的图像特征点坐标进行径向畸变矫正处理；其中，所述的径向畸变矫正公式如下：
u＝x(1+k1r2+k2r4+k3r6)；
v＝y(1+k1r2+k2r4+k3r6)；
其中，u表示径向畸变矫正后归一化图像特征点的横向坐标值，x表示径向畸变矫正前归一化图像特征点的横向坐标值；k1，k2，k3分别表示相机标定后的三个径向畸变参数；v表示径向畸变矫正后归一化图像特征点的纵向坐标值，y表示径向畸变矫正前归一化图像特征点的纵向坐标值，r表示径向畸变矫正前归一化图像特征点坐标到图像中心之间的距离；
(4)利用切向畸变矫正公式对径向畸变矫正后图像坐标进行切向畸变矫正处理；其中，所述切向畸变矫正公式如下：
m＝u+2p1uv+p2(s2+2u2)；
n＝v+p1(s2+2v2)+2p2uv；
其中，m表示切向畸变矫正后归一化图像特征点的横向坐标值；p1，p2分别表示相机标定后的二个切向畸变参数；n表示切向畸变矫正后归一化图像特征点的纵向坐标值，s表示径向畸变矫正后归一化坐标到图像中心间的距离；
数据处理模块，与中央控制模块连接，用于通过数据处理程序对修正后的待渲染三维效果图进行格式、尺寸处理；
渲染任务划分模块，与中央控制模块连接，用于通过渲染任务划分程序对三维效果图的渲染任务进行划分；
指令生成模块，与中央控制模块连接，用于通过指令生成程序基于划分的渲染任务分别生成控制指令；
数据上传模块，与中央控制模块连接，用于通过数据上传程序将处理后的待渲染的三维效果图、还原的3D场景以及相应的渲染环境、渲染参数以及生成的控制指令上传至云端；
云端渲染模块，与中央控制模块连接，用于通过云端渲染程序基于相应的控制指令以及上传的待渲染的三维效果图、还原的3D场景以及相应的渲染环境、渲染参数分任务进行渲染；
下载模块，与中央控制模块连接，用于通过下载程序将云端渲染结果进行分别的下载；
融合模块，与中央控制模块连接，用于通过融合程序将多个云端渲染结果进行融合，得到融合后的渲染效果图，包括：
(1)获取所有待融合的渲染效果图的图像数据；根据不同分辨率选定不同的阈值n，判断待融合渲染效果图像数量m与n的大小对比，若m小于等于n，转向步骤(2)；若m大于n，转向步骤(3)；
(2)根据图像深度值进行图像融合，比较不同图像相同位置的深度数据，确定所有位置分别相对应的最小深度数据和像素数据，即可得到融合图像的数据；
(3)在GPU中根据图像像素进行并行计算，即每个线程分别对所有子图像中的某一对应像素进行循环比较取值操作，所有线程执行完后可得到融合图像的数据；
效果处理模块，与中央控制模块连接，用于通过处理程序对融合后的渲染效果图进行视角处理，并裁剪；
更新显示模块，与中央控制模块连接，用于利用显示设备对还原的3D场景、原始三维效果图、融合后的渲染效果图、裁剪后的渲染效果图以及视角处理后的渲染效果图进行更新显示。
进一步，渲染参数确定模块中，所述渲染参数包括：漫反射、折射以及材质的颜色和曝光率。
进一步，3D场景还原模块中，所述将所述客观场景的场景数据进行预处理，并将所述预处理后的场景数据与所述基本信息进行预处理以及关联性分析，得到分类后的分类数据，包括：
1)获取所述客观场景的建筑物的属性；
2)对所述客观场景的场景数据进行数据结构定义，得到标准化数据；
3)将所述标准化数据与所述基本信息进行关联性分析，得到分类后的分类数据，并将所述属性、所述标准化数据以及所述分类数据进行存储。
进一步，三维效果图修正模块中，所述采用加速段测试的特征FAST检测方法提取三维效果图特征点，包括：
1)将三维效果图处理为8层金字塔图像；
2)将加速段测试的特征FAST特征点的阈值设置为20；
3)在金字塔图像上提取均匀分布的1000个图像特征点。
进一步，三维效果图修正模块中，所述对提取特征点后的图像进行高斯滤波后，计算特征点描述子，包括：
1)用方差为2，9×9个像素点的高斯窗口，对提取特征点后的三维效果图像进行高斯滤波，得到滤波后的三维效果图像；
2)从滤波后的三维效果图像中任意选取一个图像特征点，作为当前三维效果图像的特征点；
3)利用比特位计算公式，计算描述子中的每个比特位；其中，所述比特位计算公式如下：
Figure BDA0003055508170000051
其中，τb表示描述子中的第b个比特位，k1表示所选一对5×5像素点中的第一个图像子块的像素和，k2表示所选一对5×5像素点中的的第二个图像子块的像素和。
进一步，渲染任务划分模块中，所述通过渲染任务划分模块对三维效果图的渲染任务进行划分包括：
获取待渲染图像；当确定所述待渲染图像符合预设条件时，将与待渲染图像对应的渲染任务划分为至少两个子任务，其中一个子任务用于进行场景渲染。
进一步，融合模块中，所述在GPU中根据图像像素进行并行计算，即每个线程分别对所有子图像中的某一对应像素进行循环比较取值操作，所有线程执行完后可得到融合图像的数据，包括：
1)为GPU创建对应的像素数组、深度数组以及融合的像素数组和深度数组，并将CPU中已有的数据映射到GPU中相应的数组中；
2)在每个线程中，循环比较像素中融合图像的深度值与下一幅图像的深度值，将深度值小的深度值和像素值赋值给融合图像的深度值和像素值，直到所有线程中所有子图像比较完毕；
3)将融合图像的像素数组和深度数组从GPU传出到CPU，传输完毕后即可获得融合图像的像素数组和深度数组。
进一步，融合模块中，所述图像数据包括像素数组和深度数组，像素数组中包含的数据为每个像素的RGBA值，深度数组中包含的数据为每个像素的深度值。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用所述基于云端渲染的三维效果图高效渲染系统。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述基于云端渲染的三维效果图高效渲染系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的基于云端渲染的三维效果图高效渲染系统，通过对获取的三维渲染效果图进行验证，保证了最终结果的准确性以及有效性；FAST特征检测方法是一种可以快速进行特征点检测的方法，广泛应用于物体检测、视觉跟踪、三维等领域。它基于特征点周围的图像灰度值，检测候选特征点周围一圈的像素值，如果候选点周围领域内有足够多的像素点与该候选点的灰度值差别够大，则认为该候选点为一个特征点，即只利用周围像素比较的信息就可以得到特征点。本申请中采用加速段测试的特征FAST检测方法，每20个像素点为一组进行特征点的扫描提取，可以快速准确的提取金字塔图像上的特征点，进一步提取出三维效果图中的特征点，相较于其他方法既提高了检测准确率又节约了大量时间；同时基于预先还原3D场景，并将渲染任务进行分解，有效减少了渲染耗费的时间，提高了渲染的效果，提升了服务体验度。本发明还能够进行渲染参数的预先设置，能够充分满足用户的需求，同时基于对渲染效果图进行视角处理，能够向用户直观的展示渲染效果，令用户仿佛身临其境，提高用户体验。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，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这些附图获得其他的附图。
图1是本发明实施例提供的基于云端渲染的三维效果图高效渲染系统结构示意图；
图中：1、渲染参数确定模块；2、数据采集模块；3、中央控制模块；4、3D场景还原模块；5、三维效果图验证模块；6、三维效果图修正模块；7、数据处理模块；8、渲染任务划分模块；9、指令生成模块；10、数据上传模块；11、云端渲染模块；12、下载模块；13、融合模块；14、效果处理模块；15、更新显示模块。
图2是本发明实施例提供的基于云端渲染的三维效果图高效渲染方法流程图。
图3是本发明实施例提供的通过3D场景还原模块利用3D场景还原程序基于待渲染的三维效果图进行3D场景的还原的方法流程图。
图4是本发明实施例提供的通过三维效果图修正模块当验证的三维效果图不完整或不真实时，通过三维效果图修正程序进行三维效果图的修正的方法流程图。
图5是本发明实施例提供的通过融合模块利用融合程序将多个云端渲染结果进行融合，得到融合后的渲染效果图的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明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仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种基于云端渲染的三维效果图高效渲染方法及系统，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的基于云端渲染的三维效果图高效渲染系统包括：渲染参数确定模块1、数据采集模块2、中央控制模块3、3D场景还原模块4、三维效果图验证模块5、三维效果图修正模块6、数据处理模块7、渲染任务划分模块8、指令生成模块9、数据上传模块10、云端渲染模块11、下载模块12、融合模块13、效果处理模块14、更新显示模块15。
渲染参数确定模块1，与中央控制模块3连接，用于通过渲染参数确定程序确定渲染环境以及渲染参数；
数据采集模块2，与中央控制模块3连接，用于通过数据采集设备采集获取相应的待渲染的三维效果图；
中央控制模块3，与渲染参数确定模块1、数据采集模块2、3D场景还原模块4、三维效果图验证模块5、三维效果图修正模块6、数据处理模块7、渲染任务划分模块8、指令生成模块9、数据上传模块10、云端渲染模块11、下载模块12、融合模块13、效果处理模块14、更新显示模块15连接，用于通过单片机或控制器协调控制所述基于云端渲染的三维效果图高效渲染系统各个模块的正常工作；
3D场景还原模块4，与中央控制模块3连接，用于通过3D场景还原程序基于待渲染的三维效果图进行3D场景的还原；
三维效果图验证模块5，与中央控制模块3连接，用于通过三维效果图验证程序基于还原的3D场景验证待渲染的三维效果图的真实性以及完整性；
三维效果图修正模块6，与中央控制模块3连接，用于当验证的三维效果图不完整或不真实时，通过三维效果图修正程序进行三维效果图的修正；
数据处理模块7，与中央控制模块3连接，用于通过数据处理程序对修正后的待渲染三维效果图进行格式、尺寸处理；
渲染任务划分模块8，与中央控制模块3连接，用于通过渲染任务划分程序对三维效果图的渲染任务进行划分；
指令生成模块9，与中央控制模块3连接，用于通过指令生成程序基于划分的渲染任务分别生成控制指令；
数据上传模块10，与中央控制模块3连接，用于通过数据上传程序将处理后的待渲染的三维效果图、还原的3D场景以及相应的渲染环境、渲染参数以及生成的控制指令上传至云端；
云端渲染模块11，与中央控制模块3连接，用于通过云端渲染程序基于相应的控制指令以及上传的待渲染的三维效果图、还原的3D场景以及相应的渲染环境、渲染参数分任务进行渲染；
下载模块12，与中央控制模块3连接，用于通过下载程序将云端渲染结果进行分别的下载；
融合模块13，与中央控制模块3连接，用于通过融合程序将多个云端渲染结果进行融合，得到融合后的渲染效果图；
效果处理模块14，与中央控制模块3连接，用于通过处理程序对融合后的渲染效果图进行视角处理，并裁剪；
更新显示模块15，与中央控制模块3连接，用于利用显示设备对还原的3D场景、原始三维效果图、融合后的渲染效果图、裁剪后的渲染效果图以及视角处理后的渲染效果图进行更新显示。
如图2所示，本发明实施例提供的基于云端渲染的三维效果图高效渲染方法包括以下步骤：
S101，通过渲染参数确定模块利用渲染参数确定程序确定渲染环境以及渲染参数；通过数据采集模块利用数据采集设备采集获取相应的待渲染的三维效果图；
S102，通过中央控制模块利用单片机或控制器协调控制所述基于云端渲染的三维效果图高效渲染系统各个模块的正常工作；
S103，通过3D场景还原模块利用3D场景还原程序基于待渲染的三维效果图进行3D场景的还原；
S104，通过三维效果图验证模块利用三维效果图验证程序基于还原的3D场景验证待渲染的三维效果图的真实性以及完整性；
S105，通过三维效果图修正模块当验证的三维效果图不完整或不真实时，通过三维效果图修正程序进行三维效果图的修正；
S106，通过数据处理模块利用数据处理程序对修正后的待渲染三维效果图进行格式、尺寸处理；
S107，通过渲染任务划分模块利用渲染任务划分程序对三维效果图的渲染任务进行划分；通过指令生成模块利用指令生成程序基于划分的渲染任务分别生成控制指令；
S108，通过数据上传模块利用数据上传程序将处理后的待渲染的三维效果图、还原的3D场景以及相应的渲染环境、渲染参数以及生成的控制指令上传至云端；
S109，通过云端渲染模块利用云端渲染程序基于相应的控制指令以及上传的待渲染的三维效果图、还原的3D场景以及相应的渲染环境、渲染参数分任务进行渲染；
S110，通过下载模块利用下载程序将云端渲染结果进行分别的下载；通过融合模块利用融合程序将多个云端渲染结果进行融合，得到融合后的渲染效果图；
S111，通过效果处理模块利用处理程序对融合后的渲染效果图进行视角处理，并裁剪；通过更新显示模块利用显示设备对还原的3D场景、原始三维效果图、融合后的渲染效果图、裁剪后的渲染效果图以及视角处理后的渲染效果图进行更新显示。
本发明实施例提供的步骤S101中，所述渲染参数包括：漫反射、折射以及材质的颜色和曝光率。
本发明实施例提供的步骤S107中，所述通过渲染任务划分模块对三维效果图的渲染任务进行划分包括：获取待渲染图像；当确定所述待渲染图像符合预设条件时，将与待渲染图像对应的渲染任务划分为至少两个子任务，其中一个子任务用于进行场景渲染。
下面结合具体实施例对本发明作进一步描述。
实施例1
本发明实施例提供的基于云端渲染的三维效果图高效渲染方法如图1所示，作为优选实施例，如图3所示，本发明实施例提供的通过3D场景还原模块利用3D场景还原程序基于待渲染的三维效果图进行3D场景的还原的方法包括：
S201，基于待渲染的三维效果图获取客观场景的基本信息，通过3D场景构建的方法构建对应场景；
S202，将所述客观场景的场景数据进行预处理，并将所述预处理后的场景数据与所述基本信息进行预处理以及关联性分析，得到分类后的分类数据；
S203，获取所述分类数据对应的场景材料以及交互方式；
S204，将所述分类数据映射到对应场景中，并基于所述场景材料以及所述交互方式将所述客观场景进行3D视觉呈现。
本发明实施例提供的将所述客观场景的场景数据进行预处理，并将所述预处理后的场景数据与所述基本信息进行预处理以及关联性分析，得到分类后的分类数据，包括：
(1)获取所述客观场景的建筑物的属性；
(2)对所述客观场景的场景数据进行数据结构定义，得到标准化数据；
(3)将所述标准化数据与所述基本信息进行关联性分析，得到分类后的分类数据，并将所述属性、所述标准化数据以及所述分类数据进行存储。
实施例2
本发明实施例提供的基于云端渲染的三维效果图高效渲染方法如图1所示，作为优选实施例，如图4所示，本发明实施例提供的通过三维效果图修正模块当验证的三维效果图不完整或不真实时，通过三维效果图修正程序进行三维效果图的修正的方法包括：
S301，采用加速段测试的特征FAST检测方法提取三维效果图特征点，对提取特征点后的图像进行高斯滤波后，计算特征点描述子；
S302，根据特征点描述子对提取到的图像特征点进行坐标归一化处理；
S303，利用径向畸变矫正公式对归一化后的图像特征点坐标进行径向畸变矫正处理；
S304，利用切向畸变矫正公式对径向畸变矫正后图像坐标进行切向畸变矫正处理。
本发明实施例提供的径向畸变矫正公式如下：
u＝x(1+k1r2+k2r4+k3r6)；
v＝y(1+k1r2+k2r4+k3r6)；
其中，u表示径向畸变矫正后归一化图像特征点的横向坐标值，x表示径向畸变矫正前归一化图像特征点的横向坐标值；k1，k2，k3分别表示相机标定后的三个径向畸变参数；v表示径向畸变矫正后归一化图像特征点的纵向坐标值，y表示径向畸变矫正前归一化图像特征点的纵向坐标值，r表示径向畸变矫正前归一化图像特征点坐标到图像中心之间的距离。
本发明实施例提供的切向畸变矫正公式如下：
m＝u+2p1uv+p2(s2+2u2)；
n＝v+p1(s2+2v2)+2p2uv；
其中，m表示切向畸变矫正后归一化图像特征点的横向坐标值；p1，p2分别表示相机标定后的二个切向畸变参数；n表示切向畸变矫正后归一化图像特征点的纵向坐标值，s表示径向畸变矫正后归一化坐标到图像中心间的距离。
本发明实施例提供的采用加速段测试的特征FAST检测方法提取三维效果图特征点，包括：
(1)将三维效果图处理为8层金字塔图像；
(2)将加速段测试的特征FAST特征点的阈值设置为20；
(3)在金字塔图像上提取均匀分布的1000个图像特征点。
本发明实施例提供的对提取特征点后的图像进行高斯滤波后，计算特征点描述子，包括：
(1)用方差为2，9×9个像素点的高斯窗口，对提取特征点后的三维效果图像进行高斯滤波，得到滤波后的三维效果图像；
(2)从滤波后的三维效果图像中任意选取一个图像特征点，作为当前三维效果图像的特征点；
(3)利用比特位计算公式，计算描述子中的每个比特位；其中，所述比特位计算公式如下：
Figure BDA0003055508170000131
其中，τb表示描述子中的第b个比特位，k1表示所选一对5×5像素点中的第一个图像子块的像素和，k2表示所选一对5×5像素点中的的第二个图像子块的像素和。
实施例3
本发明实施例提供的基于云端渲染的三维效果图高效渲染方法如图1所示，作为优选实施例，如图5所示，本发明实施例提供的通过融合模块利用融合程序将多个云端渲染结果进行融合，得到融合后的渲染效果图的方法包括：
S401，获取所有待融合的渲染效果图的图像数据；根据不同分辨率选定不同的阈值n，判断待融合渲染效果图像数量m与n的大小对比，若m小于等于n，转向步骤S402；若m大于n，转向步骤S403；
S402，根据图像深度值进行图像融合，比较不同图像相同位置的深度数据，确定所有位置分别相对应的最小深度数据和像素数据，即可得到融合图像的数据；
S403，在GPU中根据图像像素进行并行计算，即每个线程分别对所有子图像中的某一对应像素进行循环比较取值操作，所有线程执行完后可得到融合图像的数据。
本发明实施例提供的在GPU中根据图像像素进行并行计算，即每个线程分别对所有子图像中的某一对应像素进行循环比较取值操作，所有线程执行完后可得到融合图像的数据，包括：
(1)为GPU创建对应的像素数组、深度数组以及融合的像素数组和深度数组，并将CPU中已有的数据映射到GPU中相应的数组中；
(2)在每个线程中，循环比较像素中融合图像的深度值与下一幅图像的深度值，将深度值小的深度值和像素值赋值给融合图像的深度值和像素值，直到所有线程中所有子图像比较完毕；
(3)将融合图像的像素数组和深度数组从GPU传出到CPU，传输完毕后即可获得融合图像的像素数组和深度数组。
本发明实施例提供的图像数据包括像素数组和深度数组，像素数组中包含的数据为每个像素的RGBA值，深度数组中包含的数据为每个像素的深度值。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于云端渲染的三维效果图高效渲染系统，其特征在于，所述基于云端渲染的三维效果图高效渲染系统包括：
渲染参数确定模块，与中央控制模块连接，用于通过渲染参数确定程序确定渲染环境以及渲染参数；
数据采集模块，与中央控制模块连接，用于通过数据采集设备采集获取相应的待渲染的三维效果图；
中央控制模块，与渲染参数确定模块、数据采集模块、3D场景还原模块、三维效果图验证模块、三维效果图修正模块、数据处理模块、渲染任务划分模块、指令生成模块、数据上传模块、云端渲染模块、下载模块、融合模块、效果处理模块、更新显示模块连接，用于通过单片机或控制器协调控制所述基于云端渲染的三维效果图高效渲染系统各个模块的正常工作；
3D场景还原模块，与中央控制模块连接，用于通过3D场景还原程序基于待渲染的三维效果图进行3D场景的还原，包括：
(1)基于待渲染的三维效果图获取客观场景的基本信息，通过3D场景构建的方法构建对应场景；
(2)将所述客观场景的场景数据进行预处理，并将所述预处理后的场景数据与所述基本信息进行预处理以及关联性分析，得到分类后的分类数据；
(3)获取所述分类数据对应的场景材料以及交互方式；
(4)将所述分类数据映射到对应场景中，并基于所述场景材料以及所述交互方式将所述客观场景进行3D视觉呈现；
三维效果图验证模块，与中央控制模块连接，用于通过三维效果图验证程序基于还原的3D场景验证待渲染的三维效果图的真实性以及完整性；
三维效果图修正模块，与中央控制模块连接，用于当验证的三维效果图不完整或不真实时，通过三维效果图修正程序进行三维效果图的修正，包括：
(1)采用加速段测试的特征FAST检测方法提取三维效果图特征点，对提取特征点后的图像进行高斯滤波后，计算特征点描述子；
(2)根据特征点描述子对提取到的图像特征点进行坐标归一化处理；
(3)利用径向畸变矫正公式对归一化后的图像特征点坐标进行径向畸变矫正处理；其中，所述的径向畸变矫正公式如下：
u＝x(1+k1r2+k2r4+k3r6)；
v＝y(1+k1r2+k2r4+k3r6)；
其中，u表示径向畸变矫正后归一化图像特征点的横向坐标值，x表示径向畸变矫正前归一化图像特征点的横向坐标值；k1，k2，k3分别表示相机标定后的三个径向畸变参数；v表示径向畸变矫正后归一化图像特征点的纵向坐标值，y表示径向畸变矫正前归一化图像特征点的纵向坐标值，r表示径向畸变矫正前归一化图像特征点坐标到图像中心之间的距离；
(4)利用切向畸变矫正公式对径向畸变矫正后图像坐标进行切向畸变矫正处理；其中，所述切向畸变矫正公式如下：
m＝u+2p1uv+p2(s2+2u2)；
n＝v+p1(s2+2v2)+2p2uv；
其中，m表示切向畸变矫正后归一化图像特征点的横向坐标值；p1，p2分别表示相机标定后的二个切向畸变参数；n表示切向畸变矫正后归一化图像特征点的纵向坐标值，s表示径向畸变矫正后归一化坐标到图像中心间的距离；
数据处理模块，与中央控制模块连接，用于通过数据处理程序对修正后的待渲染三维效果图进行格式、尺寸处理；
渲染任务划分模块，与中央控制模块连接，用于通过渲染任务划分程序对三维效果图的渲染任务进行划分；
指令生成模块，与中央控制模块连接，用于通过指令生成程序基于划分的渲染任务分别生成控制指令；
数据上传模块，与中央控制模块连接，用于通过数据上传程序将处理后的待渲染的三维效果图、还原的3D场景以及相应的渲染环境、渲染参数以及生成的控制指令上传至云端；
云端渲染模块，与中央控制模块连接，用于通过云端渲染程序基于相应的控制指令以及上传的待渲染的三维效果图、还原的3D场景以及相应的渲染环境、渲染参数分任务进行渲染；
下载模块，与中央控制模块连接，用于通过下载程序将云端渲染结果进行分别的下载；
融合模块，与中央控制模块连接，用于通过融合程序将多个云端渲染结果进行融合，得到融合后的渲染效果图，包括：
(1)获取所有待融合的渲染效果图的图像数据；根据不同分辨率选定不同的阈值n，判断待融合渲染效果图像数量m与n的大小对比，若m小于等于n，转向步骤(2)；若m大于n，转向步骤(3)；
(2)根据图像深度值进行图像融合，比较不同图像相同位置的深度数据，确定所有位置分别相对应的最小深度数据和像素数据，即可得到融合图像的数据；
(3)在GPU中根据图像像素进行并行计算，即每个线程分别对所有子图像中的某一对应像素进行循环比较取值操作，所有线程执行完后可得到融合图像的数据；
效果处理模块，与中央控制模块连接，用于通过处理程序对融合后的渲染效果图进行视角处理，并裁剪；
更新显示模块，与中央控制模块连接，用于利用显示设备对还原的3D场景、原始三维效果图、融合后的渲染效果图、裁剪后的渲染效果图以及视角处理后的渲染效果图进行更新显示。
2.如权利要求1所述基于云端渲染的三维效果图高效渲染系统，其特征在于，渲染参数确定模块中，所述渲染参数包括：漫反射、折射以及材质的颜色和曝光率。
3.如权利要求1所述基于云端渲染的三维效果图高效渲染系统，其特征在于，3D场景还原模块中，所述将所述客观场景的场景数据进行预处理，并将所述预处理后的场景数据与所述基本信息进行预处理以及关联性分析，得到分类后的分类数据，包括：
1)获取所述客观场景的建筑物的属性；
2)对所述客观场景的场景数据进行数据结构定义，得到标准化数据；
3)将所述标准化数据与所述基本信息进行关联性分析，得到分类后的分类数据，并将所述属性、所述标准化数据以及所述分类数据进行存储。
4.如权利要求1所述基于云端渲染的三维效果图高效渲染系统，其特征在于，三维效果图修正模块中，所述采用加速段测试的特征FAST检测方法提取三维效果图特征点，包括：
1)将三维效果图处理为8层金字塔图像；
2)将加速段测试的特征FAST特征点的阈值设置为20；
3)在金字塔图像上提取均匀分布的1000个图像特征点。
5.如权利要求1所述基于云端渲染的三维效果图高效渲染系统，其特征在于，三维效果图修正模块中，所述对提取特征点后的图像进行高斯滤波后，计算特征点描述子，包括：
1)用方差为2，9×9个像素点的高斯窗口，对提取特征点后的三维效果图像进行高斯滤波，得到滤波后的三维效果图像；
2)从滤波后的三维效果图像中任意选取一个图像特征点，作为当前三维效果图像的特征点；
3)利用比特位计算公式，计算描述子中的每个比特位；其中，所述比特位计算公式如下：
Figure FDA0003055508160000041
其中，τb表示描述子中的第b个比特位，k1表示所选一对5×5像素点中的第一个图像子块的像素和，k2表示所选一对5×5像素点中的的第二个图像子块的像素和。
6.如权利要求1所述基于云端渲染的三维效果图高效渲染系统，其特征在于，渲染任务划分模块中，所述通过渲染任务划分模块对三维效果图的渲染任务进行划分包括：
获取待渲染图像；当确定所述待渲染图像符合预设条件时，将与待渲染图像对应的渲染任务划分为至少两个子任务，其中一个子任务用于进行场景渲染。
7.如权利要求1所述基于云端渲染的三维效果图高效渲染系统，其特征在于，融合模块中，所述在GPU中根据图像像素进行并行计算，即每个线程分别对所有子图像中的某一对应像素进行循环比较取值操作，所有线程执行完后可得到融合图像的数据，包括：
1)为GPU创建对应的像素数组、深度数组以及融合的像素数组和深度数组，并将CPU中已有的数据映射到GPU中相应的数组中；
2)在每个线程中，循环比较像素中融合图像的深度值与下一幅图像的深度值，将深度值小的深度值和像素值赋值给融合图像的深度值和像素值，直到所有线程中所有子图像比较完毕；
3)将融合图像的像素数组和深度数组从GPU传出到CPU，传输完毕后即可获得融合图像的像素数组和深度数组。
8.如权利要求1所述基于云端渲染的三维效果图高效渲染系统，其特征在于，融合模块中，所述图像数据包括像素数组和深度数组，像素数组中包含的数据为每个像素的RGBA值，深度数组中包含的数据为每个像素的深度值。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用如权利要求1～8任意一项所述基于云端渲染的三维效果图高效渲染系统。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用如权利要求1～8任意一项所述基于云端渲染的三维效果图高效渲染系统。
CN202110498621.7A 2021-05-08 2021-05-08 一种基于云端渲染的三维效果图高效渲染方法及系统 Withdrawn CN113192171A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110498621.7A CN113192171A (zh) 2021-05-08 2021-05-08 一种基于云端渲染的三维效果图高效渲染方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110498621.7A CN113192171A (zh) 2021-05-08 2021-05-08 一种基于云端渲染的三维效果图高效渲染方法及系统

Publications (1)

Publication Number Publication Date
CN113192171A true CN113192171A (zh) 2021-07-30

Family

ID=76984495

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110498621.7A Withdrawn CN113192171A (zh) 2021-05-08 2021-05-08 一种基于云端渲染的三维效果图高效渲染方法及系统

Country Status (1)

Country Link
CN (1) CN113192171A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117593437A (zh) * 2024-01-18 2024-02-23 华伦医疗用品(深圳)有限公司 基于gpu的内窥镜实时图像处理方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117593437A (zh) * 2024-01-18 2024-02-23 华伦医疗用品(深圳)有限公司 基于gpu的内窥镜实时图像处理方法及系统
CN117593437B (zh) * 2024-01-18 2024-05-14 华伦医疗用品(深圳)有限公司 基于gpu的内窥镜实时图像处理方法及系统

Similar Documents

Publication Publication Date Title
CN107533771B (zh) 通过3d模型重建进行网格简化
US9311756B2 (en) Image group processing and visualization
CN115082639A (zh) 图像生成方法、装置、电子设备和存储介质
CN105302413B (zh) 控件的ui测试方法及系统
CN110913205B (zh) 视频特效的校验方法及装置
CN108961267B (zh) 图片处理方法、图片处理装置及终端设备
CN113177472A (zh) 动态手势识别方法、装置、设备以及存储介质
US20230386041A1 (en) Control Method, Device, Equipment and Storage Medium for Interactive Reproduction of Target Object
CA3182430A1 (en) Systems and methods for automatic alignment of drawings
CN114792355B (zh) 虚拟形象生成方法、装置、电子设备和存储介质
CN112416346A (zh) 界面配色方案的生成方法、装置、设备及存储介质
CN112085078A (zh) 图像分类模型生成系统、方法、装置和计算机设备
CN115331132A (zh) 一种汽车零件的检测方法、装置、电子设备和存储介质
CN113516697B (zh) 图像配准的方法、装置、电子设备及计算机可读存储介质
CN113192171A (zh) 一种基于云端渲染的三维效果图高效渲染方法及系统
CN113657396A (zh) 训练方法、译文展示方法、装置、电子设备以及存储介质
CN115471439A (zh) 显示面板缺陷的识别方法、装置、电子设备及存储介质
CN116912648A (zh) 生成材料参数识别模型的方法、装置、设备以及存储介质
CN113850238B (zh) 文档检测方法、装置、电子设备及存储介质
CN110598785A (zh) 一种训练样本图像的生成方法及装置
CN113781653B (zh) 对象模型生成方法、装置、电子设备及存储介质
CN111652831B (zh) 对象融合方法、装置、计算机可读存储介质及电子设备
US20230131366A1 (en) Computer-implemented method for completing an image
CN111652024B (zh) 一种人脸的显示、直播方法、装置、电子设备和存储介质
CN112449249A (zh) 视频流处理方法及装置、电子设备及存储介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210730