CN116188686B - 通过局部减面组合成角色低面模型的方法、系统和介质 - Google Patents
通过局部减面组合成角色低面模型的方法、系统和介质 Download PDFInfo
- Publication number
- CN116188686B CN116188686B CN202310080748.6A CN202310080748A CN116188686B CN 116188686 B CN116188686 B CN 116188686B CN 202310080748 A CN202310080748 A CN 202310080748A CN 116188686 B CN116188686 B CN 116188686B
- Authority
- CN
- China
- Prior art keywords
- model
- models
- complete
- requirement
- face
- 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
- 230000009467 reduction Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000005477 standard model Effects 0.000 claims abstract description 73
- 238000004891 communication Methods 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract description 3
- 210000000887 face Anatomy 0.000 description 19
- 238000000465 moulding Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mounting, Exchange, And Manufacturing Of Dies (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开的通过局部减面组合成角色低面模型的方法、系统和介质，其中方法包括：获取满足精度需求的完整模型信息和平台的模型面数需求信息；将所述满足精度需求的完整模型进行拆分，得到多个模型组件；基于预设算法，将所述模型组件进行迭代减面，得到各种不同面数的通用模型；将所述不同面数的通用模型发送至预设标准模型库DB进行存储；将平台的模型面数需求和预设标准模型库DB进行匹配，得到需求组件并将所述需求组件组成完整模型。本发明只需要从标准模型库中进行筛选、组合即可高效率完成低模的制作，并且符合对应平台要求，无所多次重复人工减面，减少了模型师的重复工作，提高了模型师的工作效率。
Description
技术领域
本发明涉及角色低面模型领域，更具体的，涉及通过局部减面组合成角色低面模型的方法、系统和介质。
背景技术
随着科技的发展，元宇宙web3.0受众范围和应用场景越来越广，数字孪生的技术也越来越完善，其中最重要的就是画面的表现，目前的线上空间都是以小程序和网页端为主要平台，同时也造成了更多的性能限制，其中就包括美术资源过大导致加载崩溃，模型面数需要根据不同的平台要求更新，增加了模型师的工作量。
因此，现有技术存在缺陷，亟待改进。
发明内容
鉴于上述问题，本发明的目的是提供通过局部减面组合成角色低面模型的方法、系统和介质，能够更有效的提高模型师的工作效率。
本发明第一方面提供了局部减面组合成角色低面模型的方法，包括：
获取满足精度需求的完整模型信息和平台的模型面数需求信息；
将所述满足精度需求的完整模型进行拆分，得到多个模型组件；
基于预设算法，将所述模型组件进行迭代减面，得到各种不同面数的通用模型；
将所述不同面数的通用模型发送至预设标准模型库DB进行存储；
将平台的模型面数需求和预设标准模型库DB进行匹配，得到需求组件并将所述需求组件组成完整模型。
本方案中，将所述满足精度需求的完整模型进行拆分的原则，具体如下：
若满足进度需求的完整模型为多连通模型，则将其分解为多个单连通模型；
若满足进度需求的完整模型为单连通的凹模型，则将其分解为多个凸模型；
所述凸模型为具有最简单的拓扑结构的模型组件。
本方案中，基于预设算法，将所述模型组件进行迭代减面的方法，具体包括：
建立空的标准模型库DB；
提取一个未被处理的模型组件，设为模型M；
将模型M执行减面幅度为a的qem算法，得到模型s并提取模型s的精度；
判断模型s的精度是否大于预设第一精度阈值，若否，则模型s为不合格；
若是，则将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准，得到配准值；
判断所述配准值是否小于预设定值b，若是，则对应模型s已存在；若否，则将对应模型s保存至标准模型库DB，并将所述模型M继续执行迭代减面；
所述预设算法为二次误差度量（qem）算法。
本方案中，所述将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准的公式，具体为：
；
其中B表示模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准的配准值；R,T表示模型s和模式t两个模型配准后的变换矩阵；，/>分别表示模型s和模型t的点的集合；/>表示集合/>中的一点，/>表示集合/>中的一点。
本方案中，所述将对应模型s保存至标准模型库DB的方法，具体包括：
将标准模型库DB按照不同面数进行划分，得到不同面数的组件库；
将不同面数的模型组件发送至对应面数的组件库进行存储。
本方案中，还包括：
获取需求组件组成的完整模型的内存信息；
判断所述需求组件组成的完整模型的内存是否大于对应平台的模型内存需求阈值，若是，则对应需求组件完成的完整模型为不合格；否者为合格。
本发明第二方面提供了通过局部减面组合成角色低面模型的系统，包括存储器和处理器，所述存储器中存储有通过局部减面组合成角色低面模型的方法程序，所述通过局部减面组合成角色低面模型的方法程序被所述处理器执行时实现如下步骤：
获取满足精度需求的完整模型信息和平台的模型面数需求信息；
将所述满足精度需求的完整模型进行拆分，得到多个模型组件；
基于预设算法，将所述模型组件进行迭代减面，得到各种不同面数的通用模型；
将所述不同面数的通用模型发送至预设标准模型库DB进行存储；
将平台的模型面数需求和预设标准模型库DB进行匹配，得到需求组件并将所述需求组件组成完整模型。
本方案中，将所述满足精度需求的完整模型进行拆分的原则，具体如下：
若满足进度需求的完整模型为多连通模型，则将其分解为多个单连通模型；
若满足进度需求的完整模型为单连通的凹模型，则将其分解为多个凸模型；
所述凸模型为具有最简单的拓扑结构的模型组件。
本方案中，基于预设算法，将所述模型组件进行迭代减面的方法，具体包括：
建立空的标准模型库DB；
提取一个未被处理的模型组件，设为模型M；
将模型M执行减面幅度为a的qem算法，得到模型s并提取模型s的精度；
判断模型s的精度是否大于预设第一精度阈值，若否，则模型s为不合格；
若是，则将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准，得到配准值；
判断所述配准值是否小于预设定值b，若是，则对应模型s已存在；若否，则将对应模型s保存至标准模型库DB，并将所述模型M继续执行迭代减面；
所述预设算法为二次误差度量（qem）算法。
本方案中，所述将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准的公式，具体为：
；
其中B表示模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准的配准值；R,T表示模型s和模式t两个模型配准后的变换矩阵；，/>分别表示模型s和模型t的点的集合；/>表示集合/>中的一点，/>表示集合/>中的一点。
本方案中，所述将对应模型s保存至标准模型库DB的方法，具体包括：
将标准模型库DB按照不同面数进行划分，得到不同面数的组件库；
将不同面数的模型组件发送至对应面数的组件库进行存储。
本方案中，还包括：
获取需求组件组成的完整模型的内存信息；
判断所述需求组件组成的完整模型的内存是否大于对应平台的模型内存需求阈值，若是，则对应需求组件完成的完整模型为不合格；否者为合格。
本发明第三方面提供了一种介质，所述介质中存储有通过局部减面组合成角色低面模型的方法程序，所述通过局部减面组合成角色低面模型的方法程序被处理器执行时，实现如上述任一项所述的通过局部减面组合成角色低面模型的方法的步骤。
本发明公开的通过局部减面组合成角色低面模型的方法、系统和介质，只需要从标准模型库中进行筛选、组合即可高效率完成低模的制作，并且符合对应平台要求，无所多次重复人工减面，减少了模型师的重复工作，提高了模型师的工作效率。
附图说明
图1示出了本发明局部减面组合成角色低面模型的方法的流程图；
图2示出了本发明将模型组件进行迭代减面的方法的流程图；
图3示出了本发明一种远程医疗问诊系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明局部减面组合成角色低面模型的方法的流程图；
如图1所示，本发明公开了局部减面组合成角色低面模型的方法，包括：
S102，获取满足精度需求的完整模型信息和平台的模型面数需求信息；
S104，将所述满足精度需求的完整模型进行拆分，得到多个模型组件；
S106，基于预设算法，将所述模型组件进行迭代减面，得到各种不同面数的通用模型；
S108，将所述不同面数的通用模型发送至预设标准模型库DB进行存储；
S110，将平台的模型面数需求和预设标准模型库DB进行匹配，得到需求组件并将所述需求组件组成完整模型。
需要说明的是，所述满足精度需求的完整模型的来源包括模型师制作、开放版权的模型等不违反版权问题的模型。将对应满足进度需求的完整模型进行拆分，例如：上半身，包括：脸型、发型、眉型、眼睛、嘴巴；下半身，包括：腿部、足部，使拆分的模型组件具有最简单的拓扑结构。所述预设算法为二次误差度量（qem）算法，通过对应算法，将拆分的模型组件进行迭代减面，得到各种不同面数的通用模型，并将所述不同面数的通用模型进行存储。所述平台主要为线上小程序或网页端，不同平台对角色模型面数需求不同，因此将平台的模型面数需求和预设标准模型库DB进行匹配，以直接获取需求组件，并组成完成模型，减少了模型时的重复工作。
根据本发明实施例中，将所述满足精度需求的完整模型进行拆分的原则，具体如下：
若满足进度需求的完整模型为多连通模型，则将其分解为多个单连通模型；
若满足进度需求的完整模型为单连通的凹模型，则将其分解为多个凸模型；
所述凸模型为具有最简单的拓扑结构的模型组件。
需要说明的是，当满足精度需求的完整模型上的任何一个闭合曲线都能连续收缩成一个点时，判断所述满足精度需求的完整模型为单连通模型，否则为多连通模型；所述凸模型为模型中任何两点的连线都在模型内部的单连通模型，所述凹模型为非凸模型的单连通模型。所述满足精度需求的完整模型的单连通/多连通特性和凹凸性具有显著的视觉特征，由人工端进行分类并进行拆分。
图2示出了本发明将模型组件进行迭代减面的方法的流程图。
如图2所示，根据本发明实施例，基于预设算法，将所述模型组件进行迭代减面的方法，具体包括：
S1061，建立空的标准模型库DB；
S1062，提取一个未被处理的模型组件，设为模型M；
S1063，将模型M执行减面幅度为a的qem算法，得到模型s并提取模型s的精度；
S1064，判断模型s的精度是否大于预设第一精度阈值，若否，则模型s为不合格；
S1065，若是，则将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准，得到配准值；
S1066，判断所述配准值是否小于预设定值b，若是，则对应模型s已存在；若否，则将对应模型s保存至标准模型库DB，并将所述模型M继续执行迭代减面。
需要说明的是，模型的精度由模型面数决定，其中模型面数越多，模型精度也越高，同时占用平台的内存也越大。比如预设第一精度阈值为5000面，则说明小于或等于5000面的模型精度为不合格，若模型s的精度小于或等于5000面时，将模型s设为不合格，返回S1062步骤；若模型s的精度大于5000面，则继续判断模型s和标准模型库DB中相同面数级别的所有其他模型t的配准值B是否小于定值b，若是，则返回步骤S1062，否者将模型s保存至标准模型库DB，并将所述模型M继续执行步骤S1063,直至模型s的精度小于或等于预设第一精度阈值。所述预设定值b在实际执行中以模型s和模型t的尺度为准，所述预设算法为二次误差度量（qem）算法。
根据本发明实施例，所述将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准的公式，具体为：
；
其中B表示模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准的配准值；R,T表示模型s和模式t两个模型配准后的变换矩阵；，/>分别表示模型s和模型t的点的集合；/>表示集合/>中的一点，/>表示集合/>中的一点。
需要说明的是，将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准，具体为模型s和标准模型库DB中相同面数级别的其中一个模型进行配准，若配准值B小于定值b，则停止模型s和标准模型库DB中相同面数级别的其他模型进行配准，对应模型M的迭代减面结束；若配准值B大于或等于定值b，则将对应模型s继续和标准模型库DB中相同面数级别的其他模型依次进行配准，其中若存在配准值B大于或等于定值b，对应模型M的迭代减面结束。
根据本发明实施例，所述将对应模型s保存至标准模型库DB的方法，具体包括：
将标准模型库DB按照不同面数进行划分，得到不同面数的组件库；
将不同面数的模型组件发送至对应面数的组件库进行存储。
需要说明的是，将标准模型库DB划分为多个不同面数的组件库，并且将不用面数的模型组件保存至对应面数的组件库，以方便按照模型面数查找模型组件。
根据本发明实施例，还包括：
获取需求组件组成的完整模型的内存信息；
判断所述需求组件组成的完整模型的内存是否大于对应平台的模型内存需求阈值，若是，则对应需求组件完成的完整模型为不合格；否者为合格。
需要说明的是，一般情况模型面数越多，对应模型的精度越高，对应模型的内存越大，需求组件组成的完整模型的内存和模型面数存在直接关系。但是当对应完整模型存在拼接不完整、拼接冗长等问题时，可能造成需求组件组成的完整模型的内存过大，容易造成平台加载模型崩溃等情况。比如对应平台的模型内存需求阈值为40兆（M），当需求组件组成的完整模型的内存大于40M，则说明对应需求组件组成的完整模型不合格，需要重新匹配组件。
根据本发明实施例，还包括：
将需求组件组成的完整模型按照内存从小到大进行排列，并按照顺序依次发送至开发端以进行从优选择。
需要说明的是，所述需求组件组成的完整模型是按照模型面数进行匹配组合而成，因此对应完整模型都符合模型面数需求。同时，当对应完整模型的内存越小时，说明对应完整模型的拼接或者内部结构相对其他完整模型存在的冗长部位越少，对应完整模型越精简。
图3示出了本发明一种远程医疗问诊系统的框图。
如图3所示，本发明第二方面提供了通过局部减面组合成角色低面模型的系统3，包括存储器31和处理器32，所述存储器中存储有通过局部减面组合成角色低面模型的方法程序，所述通过局部减面组合成角色低面模型的方法程序被所述处理器执行时实现如下步骤：
获取满足精度需求的完整模型信息和平台的模型面数需求信息；
将所述满足精度需求的完整模型进行拆分，得到多个模型组件；
基于预设算法，将所述模型组件进行迭代减面，得到各种不同面数的通用模型；
将所述不同面数的通用模型发送至预设标准模型库DB进行存储；
将平台的模型面数需求和预设标准模型库DB进行匹配，得到需求组件并将所述需求组件组成完整模型。
需要说明的是，所述满足精度需求的完整模型的来源包括模型师制作、开放版权的模型等不违反版权问题的模型。将对应满足进度需求的完整模型进行拆分，例如：上半身，包括：脸型、发型、眉型、眼睛、嘴巴；下半身，包括：腿部、足部，使拆分的模型组件具有最简单的拓扑结构。所述预设算法为二次误差度量（qem）算法，通过对应算法，将拆分的模型组件进行迭代减面，得到各种不同面数的通用模型，并将所述不同面数的通用模型进行存储。所述平台主要为线上小程序或网页端，不同平台对角色模型面数需求不同，因此将平台的模型面数需求和预设标准模型库DB进行匹配，以直接获取需求组件，并组成完成模型，减少了模型时的重复工作。
根据本发明实施例中，将所述满足精度需求的完整模型进行拆分的原则，具体如下：
若满足进度需求的完整模型为多连通模型，则将其分解为多个单连通模型；
若满足进度需求的完整模型为单连通的凹模型，则将其分解为多个凸模型；
所述凸模型为具有最简单的拓扑结构的模型组件。
需要说明的是，当满足精度需求的完整模型上的任何一个闭合曲线都能连续收缩成一个点时，判断所述满足精度需求的完整模型为单连通模型，否则为多连通模型；所述凸模型为模型中任何两点的连线都在模型内部的单连通模型，所述凹模型为非凸模型的单连通模型。所述满足精度需求的完整模型的单连通/多连通特性和凹凸性具有显著的视觉特征，由人工端进行分类并进行拆分。
根据本发明实施例，基于预设算法，将所述模型组件进行迭代减面的方法，具体包括：
建立空的标准模型库DB；
提取一个未被处理的模型组件，设为模型M；
将模型M执行减面幅度为a的qem算法，得到模型s并提取模型s的精度；
判断模型s的精度是否大于预设第一精度阈值，若否，则模型s为不合格；
若是，则将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准，得到配准值；
判断所述配准值是否小于预设定值b，若是，则对应模型s已存在；若否，则将对应模型s保存至标准模型库DB，并将所述模型M继续执行迭代减面。
需要说明的是，模型的精度由模型面数决定，其中模型面数越多，模型精度也越高，同时占用平台的内存也越大。比如预设第一精度阈值为5000面，则说明小于或等于5000面的模型精度为不合格，若模型s的精度小于或等于5000面时，将模型s设为不合格，返回S1062步骤；若模型s的精度大于5000面，则继续判断模型s和标准模型库DB中相同面数级别的所有其他模型t的配准值B是否小于定值b，若是，则返回步骤S1062，否者将模型s保存至标准模型库DB，并将所述模型M继续执行步骤S1063,直至模型s的精度小于或等于预设第一精度阈值。所述预设定值b在实际执行中以模型s和模型t的尺度为准，所述预设算法为二次误差度量（qem）算法。
根据本发明实施例，所述将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准的公式，具体为：
；
其中B表示模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准的配准值；R,T表示模型s和模式t两个模型配准后的变换矩阵；，/>分别表示模型s和模型t的点的集合；/>表示集合/>中的一点，/>表示集合/>中的一点。
需要说明的是，将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准，具体为模型s和标准模型库DB中相同面数级别的其中一个模型进行配准，若配准值B小于定值b，则停止模型s和标准模型库DB中相同面数级别的其他模型进行配准，对应模型M的迭代减面结束；若配准值B大于或等于定值b，则将对应模型s继续和标准模型库DB中相同面数级别的其他模型依次进行配准，其中若存在配准值B大于或等于定值b，对应模型M的迭代减面结束。
根据本发明实施例，所述将对应模型s保存至标准模型库DB的方法，具体包括：
将标准模型库DB按照不同面数进行划分，得到不同面数的组件库；
将不同面数的模型组件发送至对应面数的组件库进行存储。
需要说明的是，将标准模型库DB划分为多个不同面数的组件库，并且将不用面数的模型组件保存至对应面数的组件库，以方便按照模型面数查找模型组件。
根据本发明实施例，还包括：
获取需求组件组成的完整模型的内存信息；
判断所述需求组件组成的完整模型的内存是否大于对应平台的模型内存需求阈值，若是，则对应需求组件完成的完整模型为不合格；否者为合格。
需要说明的是，一般情况模型面数越多，对应模型的精度越高，对应模型的内存越大，需求组件组成的完整模型的内存和模型面数存在直接关系。但是当对应完整模型存在拼接不完整、拼接冗长等问题时，可能造成需求组件组成的完整模型的内存过大，容易造成平台加载模型崩溃等情况。比如对应平台的模型内存需求阈值为40兆（M），当需求组件组成的完整模型的内存大于40M，则说明对应需求组件组成的完整模型不合格，需要重新匹配组件。
根据本发明实施例，还包括：
将需求组件组成的完整模型按照内存从小到大进行排列，并按照顺序依次发送至开发端以进行从优选择。
需要说明的是，所述需求组件组成的完整模型是按照模型面数进行匹配组合而成，因此对应完整模型都符合模型面数需求。同时，当对应完整模型的内存越小时，说明对应完整模型的拼接或者内部结构相对其他完整模型存在的冗长部位越少，对应完整模型越精简。
本发明第三方面提供了一种介质，所述介质中存储有通过局部减面组合成角色低面模型的方法程序，所述通过局部减面组合成角色低面模型的方法程序被处理器执行时，实现如上述任一项所述的通过局部减面组合成角色低面模型的方法的步骤。
本发明公开的通过局部减面组合成角色低面模型的方法、系统和介质，其中方法包括：获取满足精度需求的完整模型信息和平台的模型面数需求信息；将所述满足精度需求的完整模型进行拆分，得到多个模型组件；基于预设算法，将所述模型组件进行迭代减面，得到各种不同面数的通用模型；将所述不同面数的通用模型发送至预设标准模型库DB进行存储；将平台的模型面数需求和预设标准模型库DB进行匹配，得到需求组件并将所述需求组件组成完整模型。本发明只需要从标准模型库中进行筛选、组合即可高效率完成低模的制作，并且符合对应平台要求，无所多次重复人工减面，减少了模型师的重复工作，提高了模型师的工作效率。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、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。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (8)
1.通过局部减面组合成角色低面模型的方法，其特征在于，包括：
获取满足精度需求的完整模型信息和平台的模型面数需求信息；
将所述满足精度需求的完整模型进行拆分，得到多个模型组件；
基于预设算法，将所述模型组件进行迭代减面，得到各种不同面数的通用模型；
将所述不同面数的通用模型发送至预设标准模型库DB进行存储；
将平台的模型面数需求和预设标准模型库DB进行匹配，得到需求组件并将所述需求组件组成完整模型；
基于预设算法，将所述模型组件进行迭代减面的方法，具体包括：
建立空的标准模型库DB；
提取一个未被处理的模型组件，设为模型M；
将模型M执行减面幅度为a的qem算法，得到模型s并提取模型s的精度；
判断模型s的精度是否大于预设第一精度阈值，若否，则模型s为不合格；
若是，则将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准，得到配准值；
判断所述配准值是否小于预设定值b，若是，则对应模型s已存在；若否，则将对应模型s保存至标准模型库DB，并将所述模型M继续执行迭代减面；
所述预设算法为二次误差度量(qem)算法。
2.根据权利要求1所述的通过局部减面组合成角色低面模型的方法，其特征在于，将所述满足精度需求的完整模型进行拆分的原则，具体如下：
若满足进度需求的完整模型为多连通模型，则将其分解为多个单连通模型；
若满足进度需求的完整模型为单连通的凹模型，则将其分解为多个凸模型；
所述凸模型为具有最简单的拓扑结构的模型组件。
3.根据权利要求1所述的通过局部减面组合成角色低面模型的方法，其特征在于，所述将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准的公式，具体为：
其中B表示模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准的配准值；R,T表示模型s和模式t两个模型配准后的变换矩阵；Ps，Pt分别表示模型s和模型t的点的集合；表示集合Ps中的一点，/>表示集合Pt中的一点。
4.根据权利要求1所述的通过局部减面组合成角色低面模型的方法，其特征在于，所述将对应模型s保存至标准模型库DB的方法，具体包括：
将标准模型库DB按照不同面数进行划分，得到不同面数的组件库；
将不同面数的模型组件发送至对应面数的组件库进行存储。
5.根据权利要求1所述的通过局部减面组合成角色低面模型的方法，其特征在于，还包括：
获取需求组件组成的完整模型的内存信息；
判断所述需求组件组成的完整模型的内存是否大于对应平台的模型内存需求阈值，若是，则对应需求组件完成的完整模型为不合格；否者为合格。
6.通过局部减面组合成角色低面模型的系统，其特征在于，包括存储器和处理器，所述存储器中存储有通过局部减面组合成角色低面模型的方法程序，所述通过局部减面组合成角色低面模型的方法程序被所述处理器执行时实现如下步骤：
获取满足精度需求的完整模型信息和平台的模型面数需求信息；
将所述满足精度需求的完整模型进行拆分，得到多个模型组件；
基于预设算法，将所述模型组件进行迭代减面，得到各种不同面数的通用模型；
将所述不同面数的通用模型发送至预设标准模型库DB进行存储；
将平台的模型面数需求和预设标准模型库DB进行匹配，得到需求组件并将所述需求组件组成完整模型；
基于预设算法，将所述模型组件进行迭代减面的方法，具体包括：
建立空的标准模型库DB；
提取一个未被处理的模型组件，设为模型M；
将模型M执行减面幅度为a的qem算法，得到模型s并提取模型s的精度；
判断模型s的精度是否大于预设第一精度阈值，若否，则模型s为不合格；
若是，则将模型s和标准模型库DB中相同面数级别的所有其他模型t进行配准，得到配准值；
判断所述配准值是否小于预设定值b，若是，则对应模型s已存在；若否，则将对应模型s保存至标准模型库DB，并将所述模型M继续执行迭代减面；
所述预设算法为二次误差度量(qem)算法。
7.根据权利要求6所述的通过局部减面组合成角色低面模型的系统，其特征在于，将所述满足精度需求的完整模型进行拆分的原则，具体如下：
若满足进度需求的完整模型为多连通模型，则将其分解为多个单连通模型；
若满足进度需求的完整模型为单连通的凹模型，则将其分解为多个凸模型；
所述凸模型为具有最简单的拓扑结构的模型组件。
8.一种介质，其特征在于，所述介质中存储有通过局部减面组合成角色低面模型的方法程序，所述通过局部减面组合成角色低面模型的方法程序被处理器执行时，实现如权利要求1至5中任一项所述的通过局部减面组合成角色低面模型的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310080748.6A CN116188686B (zh) | 2023-02-08 | 2023-02-08 | 通过局部减面组合成角色低面模型的方法、系统和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310080748.6A CN116188686B (zh) | 2023-02-08 | 2023-02-08 | 通过局部减面组合成角色低面模型的方法、系统和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116188686A CN116188686A (zh) | 2023-05-30 |
| CN116188686B true CN116188686B (zh) | 2023-09-08 |
Family
ID=86432149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310080748.6A Active CN116188686B (zh) | 2023-02-08 | 2023-02-08 | 通过局部减面组合成角色低面模型的方法、系统和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116188686B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109960887A (zh) * | 2019-04-01 | 2019-07-02 | 网易（杭州）网络有限公司 | 基于lod的模型制作方法及装置、存储介质及电子设备 |
| CN112734930A (zh) * | 2020-12-30 | 2021-04-30 | 长沙眸瑞网络科技有限公司 | 三维模型轻量化方法、系统、存储介质及图像处理装置 |
| CN113498532A (zh) * | 2020-01-21 | 2021-10-12 | 京东方科技集团股份有限公司 | 显示处理方法、显示处理装置、电子设备及存储介质 |
| CN113781642A (zh) * | 2021-10-22 | 2021-12-10 | 苏州葛兰岱尔数字科技有限公司 | 一种基于减面算法的三维模型多层级lod的生成方法 |
| CN113870437A (zh) * | 2021-09-26 | 2021-12-31 | 瑞测(江苏)空间信息技术有限公司 | 一种数字孪生bim模型转换与轻量化方法及装置 |
| CN114419283A (zh) * | 2022-01-25 | 2022-04-29 | 网易（杭州）网络有限公司 | 网格模型的简化方法、装置、电子设备及存储介质 |
| CN115527004A (zh) * | 2022-09-29 | 2022-12-27 | 网易（杭州）网络有限公司 | 模型减面方法和装置、计算机可读存储介质、电子设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11380059B2 (en) * | 2020-11-20 | 2022-07-05 | Procore Technologies, Inc. | Computer system and methods for optimizing distance calculation |
-
2023
- 2023-02-08 CN CN202310080748.6A patent/CN116188686B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109960887A (zh) * | 2019-04-01 | 2019-07-02 | 网易（杭州）网络有限公司 | 基于lod的模型制作方法及装置、存储介质及电子设备 |
| CN113498532A (zh) * | 2020-01-21 | 2021-10-12 | 京东方科技集团股份有限公司 | 显示处理方法、显示处理装置、电子设备及存储介质 |
| CN112734930A (zh) * | 2020-12-30 | 2021-04-30 | 长沙眸瑞网络科技有限公司 | 三维模型轻量化方法、系统、存储介质及图像处理装置 |
| CN113870437A (zh) * | 2021-09-26 | 2021-12-31 | 瑞测(江苏)空间信息技术有限公司 | 一种数字孪生bim模型转换与轻量化方法及装置 |
| CN113781642A (zh) * | 2021-10-22 | 2021-12-10 | 苏州葛兰岱尔数字科技有限公司 | 一种基于减面算法的三维模型多层级lod的生成方法 |
| CN114419283A (zh) * | 2022-01-25 | 2022-04-29 | 网易（杭州）网络有限公司 | 网格模型的简化方法、装置、电子设备及存储介质 |
| CN115527004A (zh) * | 2022-09-29 | 2022-12-27 | 网易（杭州）网络有限公司 | 模型减面方法和装置、计算机可读存储介质、电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| An Experimental Evaluation of 3D Mesh Decimation Techniques;Bogdan Mocanu etc.;IEEE;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116188686A (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111858869B (zh) | 一种数据匹配方法、装置、电子设备和存储介质 | |
| CN107578467B (zh) | 一种医疗器械三维建模方法及装置 | |
| CN110618986A (zh) | 一种大数据统计抽样方法、装置、服务器及存储介质 | |
| CN109409504A (zh) | 一种数据处理方法、装置、计算机及存储介质 | |
| CN111414803A (zh) | 人脸识别方法、装置、电子设备 | |
| CN111506717B (zh) | 问题答复方法、装置、设备及存储介质 | |
| CN114782564B (zh) | 一种点云的压缩方法、装置、电子设备及存储介质 | |
| CN114676830A (zh) | 一种基于神经网络编译器的仿真实现方法 | |
| CN112668608A (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
| CN111932438A (zh) | 图像风格迁移方法、设备及存储装置 | |
| CN117292020B (zh) | 图像生成方法、装置、电子设备及存储介质 | |
| CN116188686B (zh) | 通过局部减面组合成角色低面模型的方法、系统和介质 | |
| CN114913305B (zh) | 模型处理方法、装置、设备、存储介质及计算机程序产品 | |
| CN112115997B (zh) | 一种物体识别模型的训练方法、系统及装置 | |
| CN115393181A (zh) | 美漫风格的头像生成模型的训练、生成方法及电子设备 | |
| Shukla et al. | Scene graph driven text-prompt generation for image inpainting | |
| CN112200275B (zh) | 人工神经网络的量化方法及装置 | |
| CN113658320A (zh) | 一种三维重建方法、人脸三维重建方法及其相关装置 | |
| Havemann et al. | The Meaning of 3D Shape and Some Techniques to Extract it | |
| CN114663579B (zh) | 孪生三维模型生成方法、装置、电子设备及存储介质 | |
| CN116107561B (zh) | 一种基于低代码的动作节点快速构建方法、系统和存储介质 | |
| CN112802134B (zh) | 一种三维模型的编码方法、装置和终端 | |
| CN117494248B (zh) | 坐标数据处理方法、装置、计算机设备、存储介质 | |
| CN117709074A (zh) | 程序化构建站房ue模型的处理方法、系统、设备及介质 | |
| CN115457238A (zh) | 三维网格模型层次化线框提取方法、装置、设备及介质 |
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 |