CN113538649B - 一种超分辨率的三维纹理重建方法、装置及其设备 - Google Patents
一种超分辨率的三维纹理重建方法、装置及其设备 Download PDFInfo
- Publication number
- CN113538649B CN113538649B CN202110795722.0A CN202110795722A CN113538649B CN 113538649 B CN113538649 B CN 113538649B CN 202110795722 A CN202110795722 A CN 202110795722A CN 113538649 B CN113538649 B CN 113538649B
- Authority
- CN
- China
- Prior art keywords
- texture image
- super
- resolution
- mapping
- texture
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013507 mapping Methods 0.000 claims abstract description 148
- 238000012545 processing Methods 0.000 claims abstract description 65
- 230000000007 visual effect Effects 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 30
- 230000009466 transformation Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 7
- 238000005070 sampling Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000013519 translation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Generation (AREA)
Abstract
本申请提供了一种超分辨率的三维纹理重建方法、装置及其设备；所述方法应用于建立符合预设测量体积的目标待测物体的超分辨率真实感纹理模型；所述方法包括：获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数；依据所述深度数据生成所述待测物体的三维模型；依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理模型；避免了纹理三维映射对图像的采样处理，有效地提高了重建三维模型的纹理分辨率；分辨率提升效果明显。
Description
技术领域
本申请涉及图像处理领域，特别是一种超分辨率的三维纹理重建方法、装置及其设备。
背景技术
纹理映射(Texture Mapping)，又称纹理贴图，是将平面的纹理像素映射到三维物体表面的过程。基于实拍的纹理三维映射，就是把多幅图像映射到三维物体的表面上来增强真实感，并消除三维表面由于不同拍摄视角、光照等原因产生的区域纹理“接缝”，实现逼真的三维物体彩色模型。纹理映射和光照计算、图像混合等技术结合起来，可以形成逼真的色彩渲染效果。
纹理映射是真实感图像制作的一个重要部分，运用它可以方便的制作出极具真实感的图形。
而在传统的纹理映射中，通常需要进行图像采样，且具有纹理损失，纹理映射图像的分辨率不高，效果较差。
发明内容
鉴于所述问题，提出了本申请以便提供克服所述问题或者至少部分地解决所述问题的一种超分辨率的三维纹理重建方法、装置及其设备，包括：
一种超分辨率的三维纹理重建方法，所述方法应用于建立符合预设测量体积的目标待测物体的超分辨率真实感纹理模型，所述方法包括：
获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数；
依据所述深度数据生成所述待测物体的三维模型；
依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；
依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；
依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理模型。
进一步地，所述依据所述深度数据生成所述待测物体的三维模型的步骤，包括：
将所述深度数据通过旋转和平移矩阵生成含有重叠区域的数据集；
对所述数据集内的重叠区域数据进行冗余数据处理，并依据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维模型。
进一步地，所述对所述数据集内的重叠区域数据进行冗余数据处理，并依据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维模型的步骤，包括：
将冗余数据处理后的所述重叠区域数据进行数据简化处理生成简化数据；
依据所述简化数据生成所述待测物体的三维模型。
进一步地，所述依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程的步骤，包括：
依据所述纹理图像和所述三维模型确定对应于所述纹理图像与所述三维模型的变换矩阵；
依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵构建映射能量方程。
进一步地，所述依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵构建映射能量方程的步骤，包括：
依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵确定所述纹理图像与目标纹理图像的图像误差，以及所述纹理图像与目标纹理图像的梯度误差；
依据所述图像误差以及所述梯度误差构建所述映射能量方程。
进一步地，所述对所述映射能量方程进行能量优化处理生成超分辨率的纹理图像映射的步骤，包括：
获取对应于所述映射能量方程的纹理图像映射初值T0；
将所述纹理图像映射初值T0进行图像卷积处理生成超分辨率的纹理图像；
将所述超分辨率的纹理图像进行迭代循环处理生成超分辨率的纹理图像映射T；其中，所述超分辨率的纹理图像映射T满足拉格朗日方程。
进一步地，所述依据所述超分辨率的纹理图像映射生成超分辨率真实感纹理模型的步骤，包括：
依据所述超分辨率的纹理图像映射生成超分辨率纹理图像；
依据所述超分辨率纹理图像与所述三维模型表面的对应关系生成所述超分辨率真实感纹理模型。
一种超分辨率的三维纹理重建装置,包括：
获取模块，用于获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体不同视角至少包括五个视角的相位参数；
第一生成模块，用于依据所述深度数据生成所述待测物体的三维模型；
构建模块，用于依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；
第二生成模块，用于依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；
第三生成模块，用于依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理模型。
一种设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的超分辨率的三维纹理重建方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的超分辨率的三维纹理重建方法的步骤。
本申请具有以下优点：
在本申请的实施例中，通过获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数；依据所述深度数据生成所述待测物体的三维模型；依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理模型。避免了纹理三维映射对图像的采样处理，有效地提高了重建三维模型的纹理分辨率；分辨率提升效果明显。
附图说明
为了更清楚地说明本申请的技术方案，下面将对本申请的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性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
图2是本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
图3是本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
图4是本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
图5是本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
图6是本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
图7是本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
图8是本申请一实施例提供的一种超分辨率的三维纹理重建装置的结构框图；
图9是本发明一实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的所述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作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。
参照图1，示出了本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
所述方法应用于建立符合预设测量体积的目标待测物体的超分辨率真实感纹理模型；所述方法包括：
S110、获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数；
S120、依据所述深度数据生成所述待测物体的三维模型；
S130、依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；
S140、依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；
S150、依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理模型。
在本申请的实施例中，通过获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数；依据所述深度数据生成所述待测物体的三维模型；依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理模型。避免了纹理三维映射对图像的采样处理，有效地提高了重建三维模型的纹理分辨率；分辨率提升效果明显。
下面，将对本示例性实施例中一种超分辨率的三维纹理重建方法作进一步地说明。
需要说明的是，所述超分辨率的纹理图像映射就是一精确映射，通过一精确映射确定三维物体表面每个点坐标(x,y,z)对应一个RGB颜色值；可以理解为，保存三维几何模型和采集纹理图像的对应关系，即确保三维几何模型每个点(x,y,z)都有对应的RGB颜色值。
如所述步骤S110所述，获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数。
在本发明一实施例中，可以结合下列描述进一步说明步骤S110所述“获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数”的具体过程。
需要说明的是，所述目标待测物体通常为漫反射的物体，且不能透明或为液态。
需要说明的是，获取所述目标待测物体的深度数据指的是在测量体积内，对待目标测物体的数据采集。
需要说明的是，深度数据具体是通过获取目标待测物体至少包括五个视角拍摄的深度数据，纹理图像具体是通过获取目标待测物体至少包括五个视角的纹理图像。
作为一种示例，通过目标待测物体的相位参数，所述相位参数包括相位编码、相位解码和相位计算；获得目标待测物体当前视角局部坐标系的深度数据；再获取其他至少包括五个视角的深度数据；使得深度数据是包含至少包括五个视角对应的深度数据。
作为一种示例，通过目标待测物体的纹理图像数据采集，获取当前视角的纹理图像，再获取其他视角的纹理图像，使得纹理图像也是包含至少包括五个视角对应的纹理图像。
作为一种示例，所述视角可以为五个视角至八个视角，其中五个视角至八个视角内均为不同视角；由于目标待测物体的复杂性所以使得拍摄的视角要多，能够有效地解决目标待测物体复杂，遮挡多的问题。
需要说明的是，相位计算指的是通过获取相位，就能得到目标待测物体的深度坐标(x,y,z)值。
如所述步骤S120所述，依据所述深度数据生成所述待测物体的三维模型。
在本发明一实施例中，可以结合下列描述进一步说明步骤S120所述“依据所述深度数据生成所述待测物体的三维模型”的具体过程。
参照图2，示出了本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
如下列步骤所述，所述依据所述深度数据生成所述待测物体的三维模型的步骤，包括：
S1201，将所述深度数据通过旋转和平移矩阵生成含有重叠区域的数据集；
S1202，对所述数据集内的重叠区域数据进行冗余数据处理，并依据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维模型；
需要说明的是，将所述采集深度数据通过旋转和平移矩阵进行配准生成含有重叠区域的数据集，并对重叠区域数据进去冗余数据的祛除，再依据冗余数据处理后的所述重叠区域数据获得目标测量物体的完整三维模型。
需要说明的是，建立纹理图像和三维模型的对应关系：β:R2→R3。
作为一种示例，由于不同坐标数据，经过旋转和平移矩阵进行配准后，因为得到的是重叠区域数据，需要对重叠区域数据进行冗余数据的祛除处理，即将重叠区域数据内的冗余数据进行祛除，得到无冗余数据的重叠区域数据；再依据无冗余数据的重叠区域数据生成所述待测物体的三维模型。
在具体实现中，由于对目标待测物体进行至少包括五个视角下的深度数据采集，获取待测物体的深度数据时，在采集得到的深度数据中，相邻深度数据之间有重叠区域；因此需要将采集得到的深度数据进行祛除冗余数据处理，使其深度数据更加简洁；而对于目标待测物体进行至少包括五个视角下的纹理图像采集，获取待测物体的纹理图像时，在采集得到的纹理图像中，需保证目标待测物体的纹理至少出现在采集得到的纹理图像的N幅图像中，且N≥2。
如所述步骤S1202所述，对所述数据集内的重叠区域数据进行冗余数据处理，并依据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维模型。
在本发明一实施例中，可以结合下列描述进一步说明步骤S1202“对所述数据集内的重叠区域数据进行冗余数据处理，并依据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维模型”的具体过程。
参照图3，示出了本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
如下列步骤所述，所述对所述数据集内的重叠区域数据进行冗余数据处理，并依据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维模型的步骤，包括：
S12021，将冗余数据处理后的所述重叠区域数据进行数据简化处理生成简化数据；
S12022，依据所述简化数据生成所述待测物体的三维模型。
需要说明的是，对冗余数据处理后的所述重叠区域数据还可以进行数据简化处理，在满足精度要求的情况下，用更少的数据实现物体的表达。
如所述步骤S130所述，依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程。
在本发明一实施例中，可以结合下列描述进一步说明步骤S130所述“依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程”的具体过程。
参照图4，示出了本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
如下列步骤所述，所述依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程的步骤，包括：
S1301，依据所述纹理图像和所述三维模型确定对应于所述纹理图像与所述三维模型的变换矩阵；
S1302，依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵构建映射能量方程。
需要说明的是，将所述纹理图像与所述三维模型进行匹配，以确定所述纹理图像与所述三维模型的变换矩阵。
需要说明的是，变换矩阵，目的是将不同坐标系下采集的三维数据匹配到同一坐标系，建立物体完整数据。变换矩阵是刚体变换，可以通过平移和旋转矩阵来表示。
需要说明的是，映射能量方程是依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵一并构建的。
需要说明的是，建立映射能量方程依据是，因为开始是初步映射，映射不是最优映射，为了得到最优映射，建立映射能量方程来衡量映射的好坏，能量最小，说明映射的损失能量小，映射最优。其作用是，通过初始变换，建立能量优化，迭代优化，找到能量最小，即最优映射。
作为一种示例，依据所述纹理图像和所述三维模型确定对应于所述纹理图像与所述三维模型的变换矩阵中，还包括对异常纹理图像处理，用于对所述三维模型的纹理图像大于阈值的纹理进行异常处理，处理纹理图像过曝或闪光区域，检测过曝或闪光区域进行纹理处理；以及对正常纹理处理，将满足所述三维模型的纹理阈值的纹理进行纹理图像去噪和冗余数据处理，获得去冗余的正常纹理图像。
在一具体实现中，对纹理图像进行预处理，对目标待测物体局部缺漏数据、缺失数据进行数据处理；其中，对纹理图像进行预处理，用于对目标待测物体采集的纹理图像进行处理，含区域分割、背景检测、区域特征等纹理图像处理，对纹理图像亮度或差异太大的图像，使用图像处理软件进行光照和色彩强度的处理；对目标待测物体局部缺漏数据、缺失数据进行数据处理，用于根据目标待测物体周围数据的拓扑情况，进行数据的补偿处理，补充目标待测物体缺失的局部数据。
如所述步骤S1302所述，依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵构建映射能量方程；
在本发明一实施例中，可以结合下列描述进一步说明步骤S1302“依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵构建映射能量方程”的具体过程。
参照图5，示出了本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
如下列步骤所述，所述依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵构建映射能量方程的步骤，包括：
S13021，依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵确定所述纹理图像与目标纹理图像的图像误差，以及所述纹理图像与目标纹理图像的梯度误差；
S13022，依据所述图像误差以及所述梯度误差构建所述映射能量方程。
需要说明的是，目标纹理图像和纹理图像的图像误差之和，以及目标纹理图像和纹理图像的梯度误差之和，为了平衡两个误差，在梯度误差乘以参数α，且α≥0。
需要说明的是，所述映射能量方程，包含对纹理图像的卷积操作或对纹理图像的迭代操作，得到超分辨率的纹理图像映射，超分辨纹理图像的分辨率大于任一采集的纹理图像的分辨率。
需要说明的是，所述映射能量方程为：E(T)＝Edata(T)+αEvar(T)；
其中，
以及
具体地，Edata(T)为所述纹理图像与目标纹理图像的图像误差，Evar(T)为所述纹理图像与目标纹理图像的梯度误差，Ii为采集的纹理图像，∑为物体的三维模型，T为待求的纹理映射，βi：s→∑，i＝1，2，Λ，n为纹理图像Ii到三维模型∑的投影变换矩阵，b为小孔成像的成像脉冲响应，α为平衡因子，x为图像坐标，E为能量函数，S为物体曲面，d为积分。
作为一种示例，E(T)表示能量，Edata(T)衡量采集图像误差，Evar(T)衡量梯度误差(也叫映射误差)。
在一具体实现中，d是对图像坐标x积分。
如所述步骤S140所述，依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；
在本发明一实施例中，可以结合下列描述进一步说明步骤S140“依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射”的具体过程。
参照图6，示出了本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
如下列步骤所述，所述对所述映射能量方程进行能量优化处理生成超分辨率的纹理图像映射的步骤，包括：
S1401，获取对应于所述映射能量方程的纹理图像映射初值T0；
S1402，将所述纹理图像映射初值T0进行图像卷积处理生成超分辨率的纹理图像；
S1403，将所述超分辨率的纹理图像进行迭代循环处理生成超分辨率的纹理图像映射T；其中，所述超分辨率的纹理图像映射T满足拉格朗日方程。
需要说明的是，通过在所述映射能量方程内输入所述纹理图像映射初值T0，所述纹理图像映射初值T0经过图像卷积处理，获得超分辨率的纹理图像；然后，将所述超分辨率的纹理图像进行迭代循环处理得到所述超分辨率的纹理图像映射T，所述超分辨率的纹理图像映射T即精确的纹理图像映射T；其中，所述超分辨率的纹理图像映射T满足拉格朗日方程。
需要说明的是，纹理图像映射T需要满足拉格朗日方程。
作为一种示例，T为待求的纹理图像映射，通过对映射能量方程求解得到的T，要使得T满足拉格朗日方程。
在一具体实现中，
其中，
Di＝b*(T oβi)-Ii，
具体地，υi(s)＝1表示目标待测物体在纹理图像Ii可见。
如所述步骤S150所述，依据所述超分辨率的纹理图像映射生成超分辨率真实感纹理模型；
在本发明一实施例中，可以结合下列描述进一步说明步骤S150“依据所述超分辨率的纹理图像映射生成超分辨率真实感纹理模型”的具体过程。
参照图7，示出了本申请一实施例提供的一种超分辨率的三维纹理重建方法的步骤流程图；
如下列步骤所述，所述依据所述超分辨率的纹理图像映射生成超分辨率真实感纹理模型的步骤，包括：
S1501，依据所述超分辨率的纹理图像映射生成超分辨率纹理图像；
S1502，依据所述超分辨率纹理图像与所述三维模型表面的对应关系生成所述超分辨率真实感纹理模型。
需要说明的是，获取超分辨率的纹理图像映射T:S→R，获取对应的超分辨率的纹理图像
存储在计算机缓存中，再通过纹理图像
与三维模型表面S的对应关系，得到超分辨率真实感纹理模型。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
参照图8，示出了本申请一实施例提供的一种超分辨率的三维纹理重建装置的结构框图；
具体包括：
获取模块810，用于获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数；
第一生成模块820，用于依据所述深度数据生成所述待测物体的三维模型；
构建模块830，用于依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；
第二生成模块840，用于依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；
第三生成模块850，用于依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理模型。
在本发明一实施例中，所述第一生成模块820，包括：
第一生成子模块，用于将所述深度数据通过旋转和平移矩阵生成含有重叠区域的数据集；
第二生成子模块，用于对所述数据集内的重叠区域数据进行冗余数据处理，并依据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维模型。
在本发明一实施例中，所述第二生成子模块，包括：
第一生成单元，用于将冗余数据处理后的所述重叠区域数据进行数据简化处理生成简化数据；
第二生成单元，用于依据所述简化数据生成所述待测物体的三维模型。
在本发明一实施例中，所述构建模块830，包括：
确定子模块，用于依据所述纹理图像和所述三维模型确定对应于所述纹理图像与所述三维模型的变换矩阵；
构建子模块，用于依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵构建映射能量方程。
在本发明一实施例中，所述构建子模块，包括：
确定单元，用于依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵确定所述纹理图像与目标纹理图像的图像误差，以及所述纹理图像与目标纹理图像的梯度误差；
构建单元，用于依据所述图像误差以及所述梯度误差构建所述映射能量方程。
在本发明一实施例中，所述第二生成模块840，包括：
获取子模块，用于获取对应于所述映射能量方程的纹理图像映射初值T0；
第三生成子模块，用于将所述纹理图像映射初值T0进行图像卷积处理生成超分辨率的纹理图像。
第四生成子模块，用于将所述超分辨率的纹理图像进行迭代循环处理生成超分辨率的纹理图像映射T；其中，所述超分辨率的纹理图像映射T满足拉格朗日方程。
在本发明一实施例中，所述第三生成模块850，包括：
第四生成子模块，用于依据所述超分辨率的纹理图像映射生成超分辨率纹理图像；
第五生成子模块，用于依据所述超分辨率纹理图像与所述三维模型表面的对应关系生成所述超分辨率真实感纹理模型。
参照图9，示出了本发明的一种超分辨率的三维纹理重建方法的计算机设备，具体可以包括如下：
上述计算机设备12以通用计算设备的形式表现，计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线18结构中的一种或多种，包括存储器总线18或者存储器控制器，外围总线18，图形加速端口，处理器或者使用多种总线18结构中的任意总线18结构的局域总线18。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线18，微通道体系结构(MAC)总线18，增强型ISA总线18、音视频电子标准协会(VESA)局域总线18以及外围组件互连(PCI)总线18。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其他移动/不可移动的、易失性/非易失性计算机体统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(通常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易失性磁盘(如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质界面与总线18相连。存储器可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块42，这些程序模块42被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其他程序模块42以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24、摄像头等)通信，还可与一个或者多个使得操作人员能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)界面22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN))，广域网(WAN)和/或公共网络(例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其他模块通信。应当明白，尽管图9中未示出，可以结合计算机设备12使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元16、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统34等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的超分辨率的三维纹理重建方法。
也即，上述处理单元16执行上述程序时实现：获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数；依据所述深度数据生成所述待测物体的三维模型；依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理模型。
在本发明实施例中，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有实施例提供的超分辨率的三维纹理重建方法：
也即，给程序被处理器执行时实现：获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数；依据所述深度数据生成所述待测物体的三维模型；依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理模型。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言——诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在操作人员计算机上执行、部分地在操作人员计算机上执行、作为一个独立的软件包执行、部分在操作人员计算机上部分在远程计算机上执行或者完全在远程计算机或者服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到操作人员计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本申请具有以下优点：本发明实施例提供的一种超分辨率的三维纹理重建方法、装置及其设备，首先在测量体积内，获取测量目标物体的深度数据和纹理图像，并通过深度图像数据的配置，冗余、简化等数据处理，得到目标物体的三维完整几何模型；要得到所述目标物体的高保真纹理三维模型，需将采集的纹理图像映射到三维几何模型表面上，建立目标物体的纹理映射，并在三维模型表面进行纹理融合。本发明通过建立纹理图像与几何模型的映射能量方程，通过能量优化和纹理图像的卷积操作，得到超分辨率的纹理图像映射，超分辨纹理图像的分辨率大于任一采集的纹理图像的分辨率。与传统的纹理映射相比，本发明方法不需要进行图像采样，不会有纹理损失，且通过能量优化和纹理卷积操作，提高了纹理映射图像的分辨率，得到的目标纹理重建的图像分辨率更高，效果更佳。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种超分辨率的三维纹理重建方法、装置及其设备，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种超分辨率的三维纹理重建方法，其特征在于，所述方法应用于建立符合预设测量体积的目标待测物体的超分辨率真实感纹理模型；
所述方法包括：
获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数；
依据所述深度数据生成所述待测物体的三维模型；
依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；其中，依据所述纹理图像和所述三维模型确定对应于所述纹理图像与所述三维模型的变换矩阵；依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵构建映射能量方程；
依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；获取对应于所述映射能量方程的纹理图像映射初值T0；将所述纹理图像映射初值T0进行图像卷积处理生成超分辨率的纹理图像；将所述超分辨率的纹理图像进行迭代循环处理生成超分辨率的纹理图像映射T；其中，所述超分辨率的纹理图像映射T满足拉格朗日方程；
依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理模型。
2.根据权利要求1所述的方法，其特征在于，所述依据所述深度数据生成所述待测物体的三维模型的步骤，包括：
将所述深度数据通过旋转和平移矩阵生成含有重叠区域的数据集；
对所述数据集内的重叠区域数据进行冗余数据处理，并依据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维模型。
3.根据权利要求2所述的方法，其特征在于，所述对所述数据集内的重叠区域数据进行冗余数据处理，并依据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维模型的步骤，包括：
将冗余数据处理后的所述重叠区域数据进行数据简化处理生成简化数据；
依据所述简化数据生成所述待测物体的三维模型。
4.根据权利要求1所述的方法，其特征在于，所述依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射的步骤，包括：
依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵确定所述纹理图像与目标纹理图像的图像误差，以及所述纹理图像与目标纹理图像的梯度误差；
依据所述图像误差以及所述梯度误差构建所述映射能量方程。
5.根据权利要求1所述的方法，其特征在于，所述依据所述超分辨率的纹理图像映射生成超分辨率真实感纹理模型的步骤，包括：
依据所述超分辨率的纹理图像映射生成超分辨率纹理图像；
依据所述超分辨率纹理图像与所述三维模型表面的对应关系生成所述超分辨率真实感纹理模型。
6.一种超分辨率的三维纹理重建装置，其特征在于，所述装置应用于建立符合预设测量体积的目标待测物体的超分辨率真实感纹理模型，包括：
获取模块，用于获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数；
第一生成模块，用于依据所述深度数据生成所述待测物体的三维模型；
构建模块，用于依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；其中，依据所述纹理图像和所述三维模型确定对应于所述纹理图像与所述三维模型的变换矩阵；依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵构建映射能量方程；
第二生成模块，用于依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；获取对应于所述映射能量方程的纹理图像映射初值T0；将所述纹理图像映射初值T0进行图像卷积处理生成超分辨率的纹理图像；将所述超分辨率的纹理图像进行迭代循环处理生成超分辨率的纹理图像映射T；其中，所述超分辨率的纹理图像映射T满足拉格朗日方程；
第三生成模块，用于依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理模型。
7.一种设备，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110795722.0A CN113538649B (zh) | 2021-07-14 | 2021-07-14 | 一种超分辨率的三维纹理重建方法、装置及其设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110795722.0A CN113538649B (zh) | 2021-07-14 | 2021-07-14 | 一种超分辨率的三维纹理重建方法、装置及其设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113538649A CN113538649A (zh) | 2021-10-22 |
| CN113538649B true CN113538649B (zh) | 2022-09-16 |
Family
ID=78127927
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110795722.0A Active CN113538649B (zh) | 2021-07-14 | 2021-07-14 | 一种超分辨率的三维纹理重建方法、装置及其设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113538649B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115601490B (zh) * | 2022-11-29 | 2023-03-14 | 思看科技(杭州)股份有限公司 | 基于纹理映射的纹理图像前置置换方法、装置和存储介质 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8885975B2 (en) * | 2012-06-22 | 2014-11-11 | General Electric Company | Method and apparatus for iterative reconstruction |
| TWI534755B (zh) * | 2013-11-20 | 2016-05-21 | 財團法人資訊工業策進會 | 三維立體模型之建立方法和裝置 |
| CN104574501B (zh) * | 2014-12-19 | 2017-07-21 | 浙江大学 | 一种针对复杂三维场景的高质量纹理映射方法 |
| CN105574922B (zh) * | 2015-12-16 | 2019-04-30 | 浙江大学 | 一种鲁棒的三维模型高质量纹理映射方法 |
| CN107818554B (zh) * | 2016-09-12 | 2023-04-21 | 索尼公司 | 信息处理设备和信息处理方法 |
| CN108764368B (zh) * | 2018-06-07 | 2021-11-30 | 西安邮电大学 | 一种基于矩阵映射的图像超分辨率重建方法 |
| CN109191554B (zh) * | 2018-09-04 | 2021-01-01 | 清华-伯克利深圳学院筹备办公室 | 一种超分辨图像重建方法、装置、终端和存储介质 |
| CN109377551B (zh) * | 2018-10-16 | 2023-06-27 | 北京旷视科技有限公司 | 一种三维人脸重建方法、装置及其存储介质 |
| CN110599578A (zh) * | 2019-07-29 | 2019-12-20 | 深圳市易尚展示股份有限公司 | 一种真实感三维彩色纹理重建方法 |
| CN111598993B (zh) * | 2020-01-17 | 2022-07-08 | 江苏艾佳家居用品有限公司 | 基于多视角成像技术的三维数据重建方法、装置 |
| CN111369666A (zh) * | 2020-03-02 | 2020-07-03 | 中国电子科技集团公司第五十二研究所 | 一种基于多台rgbd相机的动态目标重建方法和装置 |
-
2021
- 2021-07-14 CN CN202110795722.0A patent/CN113538649B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113538649A (zh) | 2021-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10984556B2 (en) | Method and apparatus for calibrating relative parameters of collector, device and storage medium | |
| CN110163903B (zh) | 三维图像的获取及图像定位方法、装置、设备和存储介质 | |
| US10062210B2 (en) | Apparatus and method for radiance transfer sampling for augmented reality | |
| CN108895981B (zh) | 一种三维测量方法、装置、服务器和存储介质 | |
| CN112771573B (zh) | 基于散斑图像的深度估计方法及装置、人脸识别系统 | |
| US11776202B2 (en) | Image processing method and apparatus, computer storage medium, and electronic device | |
| CN111882634B (zh) | 一种图像渲染方法、装置、设备及存储介质 | |
| CN109191554B (zh) | 一种超分辨图像重建方法、装置、终端和存储介质 | |
| CN109472852B (zh) | 点云图像的显示方法及装置、设备及存储介质 | |
| US10755139B2 (en) | Random sample consensus for groups of data | |
| CN109214350B (zh) | 一种光照参数的确定方法、装置、设备及存储介质 | |
| CN112734896B (zh) | 环境遮蔽渲染方法、装置、存储介质及电子设备 | |
| WO2024198855A1 (zh) | 场景渲染方法、装置、设备、计算机可读存储介质及产品 | |
| CN110084873B (zh) | 用于渲染三维模型的方法和装置 | |
| CN113538649B (zh) | 一种超分辨率的三维纹理重建方法、装置及其设备 | |
| CN114004972A (zh) | 一种图像语义分割方法、装置、设备和存储介质 | |
| US20220405968A1 (en) | Method, apparatus and system for image processing | |
| CN112150600A (zh) | 一种容积重建图像生成方法、装置、系统及存储介质 | |
| CN111125564B (zh) | 热力图生成方法、装置、计算机设备及存储介质 | |
| CN112465692A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN111696154B (zh) | 坐标定位方法、装置、设备及存储介质 | |
| US10255674B2 (en) | Surface reflectance reduction in images using non-specular portion replacement | |
| CN111124862B (zh) | 智能设备性能测试方法、装置及智能设备 | |
| CN110390717A (zh) | 3d模型重建方法、装置及电子设备 | |
| CN118115651A (zh) | 基于gpu计算着色器的图像渲染方法、设备及可读介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230828 Address after: 518100 Smart Home Phase II 2B1001, No. 76 Baohe Avenue, Baolong Community, Baolong Street, Longgang District, Shenzhen City, Guangdong Province Patentee after: Shenzhen Longer 3D Technology Co.,Ltd. Address before: 518000 1603B, science and technology building, 2188 Longxiang Avenue, Longgang District, Shenzhen, Guangdong Patentee before: SHENZHEN INSTITUTE OF INFORMATION TECHNOLOGY |
|
| TR01 | Transfer of patent right |