发明内容
有鉴于此,本发明提供一种定制鞋履的方法,以解决上述技术问题。
为实现上述目的,本发明提供如下技术方案:
一种定制鞋履的方法,包括:建立鞋子三维模型,并将鞋子三维模型导入至鞋子定制平台进行渲染;建立鞋楦数据获取模型,并将鞋楦数据获取模型导入至鞋子定制平台;建立脚型数据获取模型,并将脚型数据获取模型导入至鞋子定制平台;获取顾客的定制信息和脚型测量信息;对顾客的脚型测量信息进行预处理,并输入至脚型数据获取模型得到顾客的脚型数据;将顾客的脚型数据输入至鞋楦数据获取模型得到鞋楦数据;根据鞋楦数据制作鞋楦,并根据制作好的鞋楦制作鞋子。
在上述的方案中,所述建立鞋子三维模型包括以下步骤:通过Maya三维软件建立鞋子的轮廓部分模型;通过细分建模方法对建立的鞋子进行细节调整,获取完整的鞋子三维模型。
在上述的方案中,所述将鞋子三维模型导入至鞋子定制平台进行渲染包括通过纹理对鞋子三维模型数据进行渲染,所述通过纹理对鞋子三维模型数据进行渲染包括以下步骤:对鞋子三维模型数据和渲染纹理资源进行存储;通过顶点着色器对鞋子三维模型的顶点进行坐标变换处理,并对经过坐标变换处理的鞋子三维模型进行裁剪处理,获取裁剪空间的鞋子三维模型的图元坐标;将裁剪空间中鞋子三维模型的每个图元坐标转换到屏幕坐标系下,对屏幕坐标系下的图元进行光栅化处理得到片元;通过片元着色器进行纹理采样来获取每个片元的纹理坐标,通过每个片元的纹理坐标计算出每个片元的颜色;对每个片元进行模板测试和深度测试,并将经过模板测试和深度测试片元的颜色与已存储的颜色进行融合处理,同时将经过颜色融合处理后的片元进行存储;获取纹理渲染后的鞋子三维模型。
在上述的方案中,所述将鞋子三维模型导入至鞋子定制平台进行渲染还包括通过贴图对鞋子三维模型数据进行渲染,所述通过贴图对鞋子三维模型数据进行渲染包括以下步骤:对渲染贴图资源进行保存,并对鞋子三维模型进行保存和打包;将渲染贴图与所述鞋子三维模型中的各个部位进行映射;获取贴图渲染后的鞋子三维模型。
在上述的方案中,所述建立鞋楦数据获取模型包括以下步骤:获取脚型与鞋楦在长度、宽度、围度指标的匹配关系数据库;构建第一卷积神经网络模型,将匹配关系数据库中的数据输入至第一卷积神经网络模型进行训练,得到初步鞋楦数据获取模型;获取测试人员的脚型样本数据和测试人员试穿与脚型对应的鞋楦的舒适度信息;根据舒适度信息对测试人员脚型对应的鞋楦进行调整直至测试人员感觉舒适;将测试人员的脚型样本数据以及对应的鞋楦数据输入至匹配关系数据库对匹配关系数据库中的数据进行更新;将匹配关系数据库中的数据输入至初步鞋楦数据获取模型进行训练得到最终的鞋楦数据获取模型。
在上述的方案中,所述获取脚型与鞋楦在长度、宽度、围度指标的匹配关系数据库包括以下步骤:根据鞋楦底样长与脚长度数据、后容差和放余量之间的关系获取脚型与鞋楦在长度指标的匹配关系;根据鞋楦宽度与脚宽度数据和放余量之间的关系获取脚型与鞋楦在宽度指标的匹配关系;根据鞋楦围度与脚围度数据和放余量之间的关系获取脚型与鞋楦在围度指标的匹配关系;将各项匹配关系进行保存获取匹配关系数据库。
在上述的方案中,所述建立脚型数据获取模型包括以下步骤:通过网络爬虫以及摄像机拍摄获取多个脚部图像;使用获取的脚部图像制作数据集,并将数据集划分为训练集、测试集以及验证集;将训练集输入至已建立的第二卷积神经网络模型进行训练获取初步脚型数据获取模型;通过fine-tune方法对初步脚型数据获取模型进行微调,修改相关参数,获取最终脚型数据获取模型。
在上述的方案中,所述使用获取的脚部图像制作数据集,并将数据集划分为训练集、测试集以及验证集包括以下步骤:通过LabelImg图像标注工具对获取的脚部图像进行标注;通过双线性插值算法对已标注脚部图像进行缩放处理,使所有图像的尺寸均为预设值,并经过缩放处理的脚部图像进行保存;通过亮度变换公式将缩放处理后的脚部图像从RGB空间转换到HSV空间,并对缩放处理后的脚部图像进行翻转处理;对经过亮度变换和翻转处理的脚部图像进行保存;通过线性函数归一化方法对保存的脚部图像进行归一化处理得到数据集;将数据集按照预设比例划分为训练集、测试集以及验证集。
在上述的方案中,所述获取顾客的定制信息和脚型测量信息包括以下步骤:顾客发送鞋子定制信息至鞋子定制平台;厂家在鞋子定制平台上获取顾客的联系信息和获取顾客自主设计的鞋信息;通过摄像机获取顾客脚的视频信息;顾客将脚的视频信息发送至鞋子定制平台。
在上述的方案中,所述对顾客的脚型测量信息进行预处理包括以下步骤:获取顾客脚的视频文件,并获取视频文件的总帧数;通过Hough变换对视频的每一帧图像进行图像矫正处理;从视频的第一帧图像开始,获取当前帧图像与下一帧图像的图像差值;将图像差值大于预定阈值的当前帧图像作为关键帧图像进行保存,将图像差值大于预定阈值的当前帧图像进行剔除。
综上所述,本发明的有益效果是:顾客通过鞋子定制平台进行自主设计的鞋子,并在发送定制信息以及脚的视频信息至鞋子定制平台,鞋子定制平台通过对脚的视频信息进行算法处理后获取顾客的脚型数据,再将顾客的脚型数据输入至鞋楦数据获取模型得到鞋楦数据,厂家根据鞋楦数据制作鞋楦以及鞋子,使客户参与到设计过程中,同时,顾客只需发送脚的视频信息,提高了顾客的便利性与满意度。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
如图1所示,本发明的一种定制鞋履的方法,包括:
步骤S1:建立鞋子三维模型,并将鞋子三维模型导入至鞋子定制平台进行渲染;
步骤S2:建立鞋楦数据获取模型,并将鞋楦数据获取模型导入至鞋子定制平台;
步骤S3:建立脚型数据获取模型,并将脚型数据获取模型导入至鞋子定制平台;
步骤S4:获取顾客的定制信息和脚型测量信息;
步骤S5:对顾客的脚型测量信息进行预处理,并输入至脚型数据获取模型得到顾客的脚型数据;
步骤S6:将顾客的脚型数据输入至鞋楦数据获取模型得到鞋楦数据;
步骤S7:根据鞋楦数据制作鞋楦,并根据制作好的鞋楦制作鞋子。
如图2所示,所述建立鞋子三维模型包括以下步骤:
步骤S111:通过Maya三维软件建立鞋子的轮廓部分模型;
步骤S112:通过细分建模方法对建立的鞋子进行细节调整,获取完整的鞋子三维模型。
在本实施例中,所述鞋子的轮廓部分包括鞋子的鞋底、鞋帮、鞋面和鞋带,所述鞋底包括内底和外底。
在本实施例中,所述通过细分建模方法对建立的鞋子进行细节调整包括对鞋面进行光滑处理。
如图3所示,所述将鞋子三维模型导入至鞋子定制平台进行渲染包括:
步骤S121:通过纹理对鞋子三维模型数据进行渲染;
步骤S122:通过贴图对鞋子三维模型数据进行渲染。
如图4所示,所述通过纹理对鞋子三维模型数据进行渲染包括以下步骤:
步骤S1211:对鞋子三维模型数据和渲染纹理资源进行存储;
步骤S1212:通过顶点着色器对鞋子三维模型的顶点进行坐标变换处理,并对经过坐标变换处理的鞋子三维模型进行裁剪处理,获取裁剪空间的鞋子三维模型的图元坐标;
步骤S1213:将裁剪空间中鞋子三维模型的每个图元坐标转换到屏幕坐标系下,对屏幕坐标系下的图元进行光栅化处理得到片元;
步骤S1214:通过片元着色器进行纹理采样来获取每个片元的纹理坐标,通过每个片元的纹理坐标计算出每个片元的颜色;
步骤S1215:对每个片元进行模板测试和深度测试,并将经过模板测试和深度测试片元的颜色与已存储的颜色进行融合处理,同时将经过颜色融合处理后的片元进行存储;
步骤S1216:获取纹理渲染后的鞋子三维模型。
在本实施例中,所述通过顶点着色器对鞋子三维模型的顶点进行坐标变换处理包括将三维模型的顶点坐标从模型空间转换到齐次剪裁空间下得到顶点的齐次坐标,并通过透视除法对齐次坐标进行处理后,得到顶点的归一化设备坐标。
在本实施例中,在模板测试过程中,鞋子定制平台读取每个片元的屏幕坐标位置的模板值,并将每个片元的屏幕坐标位置的模板值与模板参考值进行对比,将屏幕坐标位置的模板值小于等于模板参考值深度参考值的片元进行舍弃;在深度测试过程中,鞋子定制平台读取每个片元的深度值,并将每个片元的深度值与深度参考值进行比较,将深度值小于等于深度参考值深度参考值的片元进行舍弃。
如图5所示,所述通过贴图对鞋子三维模型数据进行渲染包括以下步骤:
步骤S1221:对渲染贴图资源进行保存,并对鞋子三维模型进行保存和打包;
步骤S1222:将渲染贴图与所述鞋子三维模型中的各个部位进行映射;
步骤S1223:获取贴图渲染后的鞋子三维模型。
如图6所示,所述建立鞋楦数据获取模型包括以下步骤:
步骤S21:获取脚型与鞋楦在长度、宽度、围度指标的匹配关系数据库;
步骤S22:构建第一卷积神经网络模型,将匹配关系数据库中的数据输入至第一卷积神经网络模型进行训练,得到初步鞋楦数据获取模型;
步骤S23:获取测试人员的脚型样本数据和测试人员试穿与脚型对应的鞋楦的舒适度信息;
步骤S24:根据舒适度信息对测试人员脚型对应的鞋楦进行调整直至测试人员感觉舒适;
步骤S25:将测试人员的脚型样本数据以及对应的鞋楦数据输入至匹配关系数据库对匹配关系数据库中的数据进行更新;
步骤S26:将匹配关系数据库中的数据输入至初步鞋楦数据获取模型进行训练得到最终的鞋楦数据获取模型。
在本实施例中,所述获取测试人员的脚型样本数据包括通过三维足部扫描仪获取测试人员的脚型点云数据,通过对脚型点云数据获处理取测试人员的脚长度数据、脚宽度数据、脚围度数据和脚高度数据,所述脚长度数据包括脚长、第一跖趾关节长、第五跖趾关节长、第五足趾端点长和踵心位置长,所述脚宽度数据包括基本宽度、第一跖趾里宽、踵心宽度和跖趾斜宽,所述脚围度数据包括跖围、前跗骨围和兜根围,所述脚高度数据包括拇指高、第一跖趾高、前跗骨高、外踝下缘高和足弓高;所述对脚型点云数据获处理包括通过ICP算法对脚型点云数据进行处理获取三维脚型,将三维脚型的底部与坐标系平齐摆正,投影在底面,并以中趾中间到脚后跟正中间为中轴,并以该轴方向为x轴方向,脚基本宽度方向为y轴方向,将垂直与于x轴和y轴的方向作为z轴方向,则脚型在x轴上的最则脚型在x轴上的最远跨度即为脚长,脚型在y轴上的最远跨度即为脚基本宽度,从脚型在z轴上的数据可得到拇指高、第一跖趾高、前跗骨高、外踝下缘高和足弓高,而脚的围度数据可以将脚型投影到xoy平面上获得,根据投影在平面上的脚型轮廓图找到特征点,根据构造辅助平面的方式,可以通过转化计算点云和平面相交围线的长度近似计算得到脚的围度数据。
如图7所示,获取脚型与鞋楦在长度、宽度、围度指标的匹配关系数据库包括以下步骤:
步骤S211:根据鞋楦底样长与脚长度数据、后容差和放余量之间的关系获取脚型与鞋楦在长度指标的匹配关系;
步骤S212:根据鞋楦宽度与脚宽度数据和放余量之间的关系获取脚型与鞋楦在宽度指标的匹配关系;
步骤S213:根据鞋楦围度与脚围度数据和放余量之间的关系获取脚型与鞋楦在围度指标的匹配关系;
步骤S214:将各项匹配关系进行保存获取匹配关系数据库。
在本实施例中,为保证脚在鞋腔内的活动余量,使鞋不至于顶脚,鞋楦底样长需在足长的基础上增加放余量,同时,脚后跟是一个弧状结构,为使在行走时鞋不脱跟,鞋楦后跟应有适当的后容差。
在本实施例中,所述根据鞋楦底样长与脚长度数据、后容差和放余量之间的关系获取脚型与鞋楦在长度指标的匹配关系包括根据鞋楦底样长=足长+放余量-后容差获取脚型与鞋楦在长度指标的匹配关系,其中,放余量和后容差为固定值;所述根据鞋楦围度与脚围度数据和放余量之间的关系获取脚型与鞋楦在围度指标的匹配关系包括根据鞋楦围度=脚围度-围感差值获取脚型与鞋楦在围度指标的匹配关系,其中围感差值包括跖围感差值、前跗骨围感差值和兜根围差值,所述围感差值用于表示脚在鞋腔内因脚的运动而变形的值。
如图8所示,所述建立脚型数据获取模型包括以下步骤:
步骤S31:通过网络爬虫以及摄像机拍摄获取多个脚部图像;
步骤S32:使用获取的脚部图像制作数据集,并将数据集划分为训练集、测试集以及验证集;
步骤S33:将训练集输入至已建立的第二卷积神经网络模型进行训练获取初步脚型数据获取模型;
步骤S34:通过fine-tune方法对初步脚型数据获取模型进行微调,修改相关参数,获取最终脚型数据获取模型。
如图9所示,所述使用获取的脚部图像制作数据集,并将数据集划分为训练集、测试集以及验证集包括以下步骤:
步骤S321:通过LabelImg图像标注工具对获取的脚部图像进行标注;
步骤S322:通过双线性插值算法对已标注脚部图像进行缩放处理,使所有图像的尺寸均为预设值,并经过缩放处理的脚部图像进行保存;
步骤S323:通过亮度变换公式将缩放处理后的脚部图像从RGB空间转换到HSV空间,并对缩放处理后的脚部图像进行翻转处理;
步骤S324:对经过亮度变换和翻转处理的脚部图像进行保存;
步骤S325:通过线性函数归一化方法对保存的脚部图像进行归一化处理得到数据集;
步骤S326:将数据集按照预设比例划分为训练集、测试集以及验证集。
如图10所示,所述获取顾客的定制信息和脚型测量信息包括以下步骤:
步骤S41:顾客发送鞋子定制信息至鞋子定制平台;
步骤S42:厂家在鞋子定制平台上获取顾客的联系信息和获取顾客自主设计的鞋信息;
步骤S43:通过摄像机获取顾客脚的视频信息;
步骤S44:顾客将脚的视频信息发送至鞋子定制平台。
如图11所示,所述对顾客的脚型测量信息进行预处理包括以下步骤:
步骤S51:获取顾客脚的视频文件,并获取视频文件的总帧数;
步骤S52:通过Hough变换对视频的每一帧图像进行图像矫正处理;
步骤S53:从视频的第一帧图像开始,获取当前帧图像与下一帧图像的图像差值;
步骤S54:将图像差值大于预定阈值的当前帧图像作为关键帧图像进行保存,将图像差值大于预定阈值的当前帧图像进行剔除。
在本实施例中,顾客自主设计鞋信息时通过登录鞋子定制平台,并访问已建立的鞋子三维模型,同时,通过登录鞋子定制平台中三维定制鞋的界面来对鞋型进行选择,所述鞋型包括运动鞋、高跟鞋、皮鞋以及凉鞋等,在鞋型选择完成后,对鞋面的纹理以及贴图进行选择、并对鞋带的样式、鞋舌的纹理以及贴图、鞋帮的纹理以及贴图、内底的纹理以及贴图、外底的纹理以及贴图进行选择,并对大概鞋码进行选择后获取设计好的鞋子的三维展示图,顾客根据满意程度选择定制或者选择重新设计。
在本实施例中,所述通过摄像机获取顾客脚的视频信息包括通过摄像机获取包括顾客左脚脚背、左脚脚底、左脚脚内侧、左脚脚外侧、左脚脚后跟、右脚脚背、右脚脚底、右脚脚内侧、右脚脚外侧和右脚脚后跟的视频信息。
在本实施例中,所述对视频的每一帧图像进行图像矫正处理的过程中,对视频的每一帧图像进行图像矫正处理可提高脚型数据获取模型的速率;将图像差值大于预定阈值的当前帧图像作为关键帧图像进行保存,将图像差值大于预定阈值的当前帧图像进行剔除可减少无用的视频帧,减少输入至脚型数据获取模型的数据,从而提高脚型数据获取模型的运算速率。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。