CN116580174A - 一种虚拟场景实时构建方法 - Google Patents

一种虚拟场景实时构建方法 Download PDF

Info

Publication number
CN116580174A
CN116580174A CN202310643981.0A CN202310643981A CN116580174A CN 116580174 A CN116580174 A CN 116580174A CN 202310643981 A CN202310643981 A CN 202310643981A CN 116580174 A CN116580174 A CN 116580174A
Authority
CN
China
Prior art keywords
image
real
feature
scene
dimensional
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.)
Pending
Application number
CN202310643981.0A
Other languages
English (en)
Inventor
朱立谷
谢民雄
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.)
Beijing Jinshangqi Technology Co ltd
Original Assignee
Beijing Jinshangqi Technology Co ltd
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 Beijing Jinshangqi Technology Co ltd filed Critical Beijing Jinshangqi Technology Co ltd
Priority to CN202310643981.0A priority Critical patent/CN116580174A/zh
Publication of CN116580174A publication Critical patent/CN116580174A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Architecture (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种虚拟场景实时构建方法，该虚拟场景实时构建方法包括：通过获取政务服务平台所处的场景的真实图像，对所述真实图像进行解析，得到解析结果，并基于所述解析结果确定映射参数；根据所述映射参数进行映射，构建虚拟场景图像；根据所述虚拟场景图像在预设的三维模型库中检索，并构建出三维虚拟模型；获取政务服务平台的实时处理数据，并根据所述实时处理数据在所述三维虚拟模型进行实时更新，通过所述三维虚拟模型实现虚拟现实场景的展示；本发明实现了对政务服务平台关联建模与虚拟场景融合，呈现给用户直观的虚拟场景，得到真实、自然的视觉体验效果，让政务办事更加紧凑，加强政务服务管理监督，提升政务服务平台政务处理效率。

Description

一种虚拟场景实时构建方法
技术领域
本发明涉及计算机相关技术领域，特别是一种虚拟场景实时构建方法。
背景技术
政务服务是指各级政府、各相关部门及事业单位，根据法律法规，为社会团体、企事业单位和个人提供的许可、确认、裁决、奖励、处罚等行政服务。政务服务事项包括行政权力事项和公共服务事项。政务服务中心是集中提供政务服务的综合性场所，为群众办理业务提供了极大的便利；但是，目前政务服务平台的办事模式较为零散，独立运行不便于管理监督。
发明内容
本发明的目的是为了解决上述问题，设计了一种虚拟场景实时构建方法。
实现上述目的本发明的技术方案为，进一步，在虚拟场景实时构建方法中，该虚拟场景实时构建方法包括以下步骤：
获取政务服务平台所处的场景的真实图像，对所述真实图像进行解析，得到解析结果，并基于所述解析结果确定映射参数；
根据所述映射参数进行映射，构建虚拟场景图像；
根据所述虚拟场景图像在预设的三维模型库中检索，并构建出三维虚拟模型；
获取政务服务平台的实时处理数据，并根据所述实时处理数据在所述三维虚拟模型进行实时更新，通过所述三维虚拟模型实现虚拟现实场景的展示。
进一步，在上述虚拟场景实时构建方法中，所述获取政务服务平台所处的场景的真实图像，对所述真实图像进行解析，得到解析结果，包括：
获取政务服务平台所处的场景的真实图像，对所述真实图像进行特征提取，得到图像特征数据，其中所述图像特征数据至少包括特征名称、特征维度和特征参数；
基于所述图像特征数据构建多个特征矩阵；
获取每个所述特征矩阵的特征向量，并将所述特征向量输入预先训练得到的图像识别模型中，输出解析结果。
进一步，在上述虚拟场景实时构建方法中，所述图像识别模型的训练过程包括以下步骤：
获取样本图像，对所述样本图像进行特征提取，得到特征图；
利用 N 个不同尺度的平均池化层对所述特征图进行池化，生成多尺度特征图；
利用卷积层，分别将所述多尺度特征图通道数降低为原通道数的1/ N ，并通过双线性差值上采样层将各尺度特征图上采样到原特征图大小，并将原特征图与上采样后的多尺度特征图在通道维度上进行拼接；
通过卷积层构建特征矩阵，利用特征矩阵训练图像识别模型，得到训练好的图像识别模型。
进一步，在上述虚拟场景实时构建方法中，所述根据所述映射参数进行映射，构建虚拟场景图像，包括：
获取政务服务平台所处的场景的真实图像，提取所述场景的真实图像的特征点；
确定所述场景的真实图像的坐标中心，并计算得到所述特征点对应的坐标；
根据所述映射参数和所述特征点的坐标，确定出特征匹配对，并进行配准处理，得到虚拟场景数据；
根据所述虚拟场景数据构建虚拟场景图像。
进一步，在上述虚拟场景实时构建方法中，所述根据所述虚拟场景图像在预设的三维模型库中检索，并构建出三维虚拟模型，包括：
根据所述虚拟场景图像确定目标三维模型的建模信息，并确定建模信息中每个建模参数；
获取预设的三维模型库中的样本三维模型，确定每个所述样本三维模型的样本参数；
遍历所述样本信息中的样本参数，并计算所述建模参数与所述样本参数的相似度，得到相似度计算结果；
将所述相似度计算结果按照从低到高的顺序输出，并构建三维虚拟模型。
进一步，在上述虚拟场景实时构建方法中，所述构建出三维虚拟模型之后，还包括：
获取三维虚拟模型，并确定三维模型图像，采用灰度值分割方式对所述三维模型图像进行处理，得到灰度级熵值；
对所述灰度级熵值进行均衡处理，得到处理后的三维模型图像；
对所述处理后的三维模型图像进行平滑处理，以对所述三维虚拟模型图像增强。
进一步，在上述虚拟场景实时构建方法中，所述对所述处理后的三维模型图像进行平滑处理，以对所述三维虚拟模型图像增强，包括：
对处理后的三维模型图像的像素进行卷积求和，得到灰度值；
将所述灰度值与原有像素值进行对比，若大于预设的阈值，则将卷积计算的加权平均像素值转化成像素值。
其有益效果在于，通过获取政务服务平台所处的场景的真实图像，对所述真实图像进行解析，得到解析结果，并基于所述解析结果确定映射参数；根据所述映射参数进行映射，构建虚拟场景图像；根据所述虚拟场景图像在预设的三维模型库中检索，并构建出三维虚拟模型；获取政务服务平台的实时处理数据，并根据所述实时处理数据在所述三维虚拟模型进行实时更新，通过所述三维虚拟模型实现虚拟现实场景的展示；本发明实现了对政务服务平台关联建模与虚拟场景融合，呈现给用户直观的虚拟场景，得到真实、自然的视觉体验效果，让政务办事更加紧凑，加强政务服务管理监督，提升政务服务平台政务处理效率。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。
图1为本发明实施例中虚拟场景实时构建方法的实施例示意图；
图2为本发明实施例中虚拟场景实时构建方法的第一个实施例示意图；
图3为本发明实施例中虚拟场景实时构建方法的第二个实施例示意图；
图4为本发明实施例中虚拟场景实时构建方法的第三个实施例示意图。
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，以下结合附图及实施例，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。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
下面结合附图对本发明进行具体描述，如图1所示，一种虚拟场景实时构建方法，该虚拟场景实时构建方法包括以下步骤：
步骤101、获取政务服务平台所处的场景的真实图像，对真实图像进行解析，得到解析结果，并基于解析结果确定映射参数；
步骤102、根据映射参数进行映射，构建虚拟场景图像；
步骤103、根据虚拟场景图像在预设的三维模型库中检索，并构建出三维虚拟模型；
步骤104、获取政务服务平台的实时处理数据，并根据实时处理数据在三维虚拟模型进行实时更新，通过三维虚拟模型实现虚拟现实场景的展示。
本发明实施例中，通过获取政务服务平台所处的场景的真实图像，对真实图像进行解析，得到解析结果，并基于解析结果确定映射参数；根据映射参数进行映射，构建虚拟场景图像；根据虚拟场景图像在预设的三维模型库中检索，并构建出三维虚拟模型；获取政务服务平台的实时处理数据，并根据实时处理数据在三维虚拟模型进行实时更新，通过三维虚拟模型实现虚拟现实场景的展示；本发明实现了对政务服务平台关联建模与虚拟场景融合，呈现给用户直观的虚拟场景，得到真实、自然的视觉体验效果，让政务办事更加紧凑，加强政务服务管理监督，提升政务服务平台政务处理效率。
本实施例中，请参阅图2，本发明实施例中一种虚拟场景实时构建方法第一实施例包括：
步骤201、获取政务服务平台所处的场景的真实图像，对真实图像进行特征提取，得到图像特征数据，其中图像特征数据至少包括特征名称、特征维度和特征参数；
步骤202、基于图像特征数据构建多个特征矩阵；
步骤203、获取每个特征矩阵的特征向量，并将特征向量输入预先训练得到的图像识别模型中，输出解析结果。
本实施例中，图像识别模型的训练过程包括以下步骤：
获取样本图像，对样本图像进行特征提取，得到特征图；
利用 N 个不同尺度的平均池化层对特征图进行池化，生成多尺度特征图；
利用卷积层，分别将多尺度特征图通道数降低为原通道数的1/ N ，并通过双线性差值上采样层将各尺度特征图上采样到原特征图大小，并将原特征图与上采样后的多尺度特征图在通道维度上进行拼接；
通过卷积层构建特征矩阵，利用特征矩阵训练图像识别模型，得到训练好的图像识别模型。
本实施例中，全连接的线性变换由于前一层和后一层所有的神经元之间都有一对一的连接关系，也称为稠密连接层。在实际的应用过程中，这种神经元之间关系的描述可能有许多冗余，对于神经网络模型的训练并不是很友好。为此，人们发明了一系列稀疏的连接方式来描述前后两层神经元之间的连接关系，其中最有名的一个就是卷积层，对应的神经网络称为卷积神经网络。卷积常用于计算机视觉，在边缘检测、锐化等方面有应用，卷积层中一个最重要的东西为卷积核，也称为权重，它通常是一个行列数相等的矩阵，卷积核中的每个分量都是可训练的实数，它的作用就是将输入数据（比如灰度图片数据，形式就是一个矩阵）通过运算输出。在运算过程中，需要从输入图片中取出和卷积和大小相同的一块区域，然后把区域里面的数，和卷积核的权重按照以一对的方式相乘，并把所有的乘积求和作为最后的输出。通过变化区域位置可以得到新的输出，这个过程即为卷积的过程。
本实施例中，请参阅图3，本发明实施例中一种虚拟场景实时构建方法第二实施例包括：
步骤301、获取政务服务平台所处的场景的真实图像，提取场景的真实图像的特征点；
步骤302、确定场景的真实图像的坐标中心，并计算得到特征点对应的坐标；
步骤303、根据映射参数和特征点的坐标，确定出特征匹配对，并进行配准处理，得到虚拟场景数据；
步骤304、根据虚拟场景数据构建虚拟场景图像。
本实施例中，请参阅图4，本发明实施例中一种虚拟场景实时构建方法第三实施例包括：
步骤401、根据虚拟场景图像确定目标三维模型的建模信息，并确定建模信息中每个建模参数；
步骤402、获取预设的三维模型库中的样本三维模型，确定每个样本三维模型的样本参数；
步骤403、遍历样本信息中的样本参数，并计算建模参数与样本参数的相似度，得到相似度计算结果；
步骤404、将相似度计算结果按照从低到高的顺序输出，并构建三维虚拟模型。
本实施例中，构建出三维虚拟模型之后，还包括：
获取三维虚拟模型，并确定三维模型图像，采用灰度值分割方式对三维模型图像进行处理，得到灰度级熵值；
对灰度级熵值进行均衡处理，得到处理后的三维模型图像；
对处理后的三维模型图像进行平滑处理，以对三维虚拟模型图像增强。
本实施例中，对处理后的三维模型图像进行平滑处理包括：对处理后的三维模型图像的像素进行卷积求和，得到灰度值；将灰度值与原有像素值进行对比，若大于预设的阈值，则将卷积计算的加权平均像素值转化成像素值。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种虚拟场景实时构建方法，其特征在于，该虚拟场景实时构建方法包括以下步骤：
获取政务服务平台所处的场景的真实图像，对所述真实图像进行解析，得到解析结果，并基于所述解析结果确定映射参数；
根据所述映射参数进行映射，构建虚拟场景图像；
根据所述虚拟场景图像在预设的三维模型库中检索，并构建出三维虚拟模型；
获取政务服务平台的实时处理数据，并根据所述实时处理数据在所述三维虚拟模型进行实时更新，通过所述三维虚拟模型实现虚拟现实场景的展示。
2.根据权利要求1所述的一种虚拟场景实时构建方法，其特征在于，所述获取政务服务平台所处的场景的真实图像，对所述真实图像进行解析，得到解析结果，包括：
获取政务服务平台所处的场景的真实图像，对所述真实图像进行特征提取，得到图像特征数据，其中所述图像特征数据至少包括特征名称、特征维度和特征参数；
基于所述图像特征数据构建多个特征矩阵；
获取每个所述特征矩阵的特征向量，并将所述特征向量输入预先训练得到的图像识别模型中，输出解析结果。
3.根据权利要求1所述的一种虚拟场景实时构建方法，其特征在于，所述图像识别模型的训练过程包括以下步骤：
获取样本图像，对所述样本图像进行特征提取，得到特征图；
利用 N 个不同尺度的平均池化层对所述特征图进行池化，生成多尺度特征图；
利用卷积层，分别将所述多尺度特征图通道数降低为原通道数的1/ N ，并通过双线性差值上采样层将各尺度特征图上采样到原特征图大小，并将原特征图与上采样后的多尺度特征图在通道维度上进行拼接；
通过卷积层构建特征矩阵，利用特征矩阵训练图像识别模型，得到训练好的图像识别模型。
4.根据权利要求1所述的一种虚拟场景实时构建方法，其特征在于，所述根据所述映射参数进行映射，构建虚拟场景图像，包括：
获取政务服务平台所处的场景的真实图像，提取所述场景的真实图像的特征点；
确定所述场景的真实图像的坐标中心，并计算得到所述特征点对应的坐标；
根据所述映射参数和所述特征点的坐标，确定出特征匹配对，并进行配准处理，得到虚拟场景数据；
根据所述虚拟场景数据构建虚拟场景图像。
5.根据权利要求1所述的一种虚拟场景实时构建方法，其特征在于，所述根据所述虚拟场景图像在预设的三维模型库中检索，并构建出三维虚拟模型，包括：
根据所述虚拟场景图像确定目标三维模型的建模信息，并确定建模信息中每个建模参数；
获取预设的三维模型库中的样本三维模型，确定每个所述样本三维模型的样本参数；
遍历所述样本信息中的样本参数，并计算所述建模参数与所述样本参数的相似度，得到相似度计算结果；
将所述相似度计算结果按照从低到高的顺序输出，并构建三维虚拟模型。
6.根据权利要求1所述的一种虚拟场景实时构建方法，其特征在于，所述构建出三维虚拟模型之后，还包括：
获取三维虚拟模型，并确定三维模型图像，采用灰度值分割方式对所述三维模型图像进行处理，得到灰度级熵值；
对所述灰度级熵值进行均衡处理，得到处理后的三维模型图像；
对所述处理后的三维模型图像进行平滑处理，以对所述三维虚拟模型图像增强。
7.根据权利要求1所述的一种虚拟场景实时构建方法，其特征在于，所述对所述处理后的三维模型图像进行平滑处理，以对所述三维虚拟模型图像增强，包括：
对处理后的三维模型图像的像素进行卷积求和，得到灰度值；
将所述灰度值与原有像素值进行对比，若大于预设的阈值，则将卷积计算的加权平均像素值转化成像素值。
CN202310643981.0A 2023-06-01 2023-06-01 一种虚拟场景实时构建方法 Pending CN116580174A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310643981.0A CN116580174A (zh) 2023-06-01 2023-06-01 一种虚拟场景实时构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310643981.0A CN116580174A (zh) 2023-06-01 2023-06-01 一种虚拟场景实时构建方法

Publications (1)

Publication Number Publication Date
CN116580174A true CN116580174A (zh) 2023-08-11

Family

ID=87541329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310643981.0A Pending CN116580174A (zh) 2023-06-01 2023-06-01 一种虚拟场景实时构建方法

Country Status (1)

Country Link
CN (1) CN116580174A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117440140A (zh) * 2023-12-21 2024-01-23 四川师范大学 一种基于虚拟现实技术的多人异地过节服务系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117440140A (zh) * 2023-12-21 2024-01-23 四川师范大学 一种基于虚拟现实技术的多人异地过节服务系统
CN117440140B (zh) * 2023-12-21 2024-03-12 四川师范大学 一种基于虚拟现实技术的多人异地过节服务系统

Similar Documents

Publication Publication Date Title
CN111104962B (zh) 图像的语义分割方法、装置、电子设备及可读存储介质
CN108229479B (zh) 语义分割模型的训练方法和装置、电子设备、存储介质
CN109522942B (zh) 一种图像分类方法、装置、终端设备和存储介质
US11232286B2 (en) Method and apparatus for generating face rotation image
CN110197716B (zh) 医学影像的处理方法、装置及计算机可读存储介质
CN107301643B (zh) 基于鲁棒稀疏表示与拉普拉斯正则项的显著目标检测方法
CN112328715B (zh) 视觉定位方法及相关模型的训练方法及相关装置、设备
CN111311614B (zh) 基于分割网络和对抗网络的三维点云语义分割方法
CN113159232A (zh) 一种三维目标分类、分割方法
CN112990016B (zh) 表情特征提取方法、装置、计算机设备及存储介质
CN114612902A (zh) 图像语义分割方法、装置、设备、存储介质及程序产品
CN115131218A (zh) 图像处理方法、装置、计算机可读介质及电子设备
CN116580174A (zh) 一种虚拟场景实时构建方法
CN111179270A (zh) 基于注意力机制的图像共分割方法和装置
CN111931790A (zh) 一种激光点云提取方法及装置
CN113343981A (zh) 一种视觉特征增强的字符识别方法、装置和设备
CN113902010A (zh) 分类模型的训练方法和图像分类方法、装置、设备和介质
CN109597906B (zh) 图像检索方法及装置
CN114049491A (zh) 指纹分割模型训练、指纹分割方法、装置、设备及介质
CN113822134A (zh) 一种基于视频的实例跟踪方法、装置、设备及存储介质
CN110929731B (zh) 一种基于探路者智能搜索算法的医疗影像处理方法及装置
CN111914809A (zh) 目标对象定位方法、图像处理方法、装置和计算机设备
CN111814804A (zh) 基于ga-bp-mc神经网络的人体三维尺寸信息预测方法及装置
CN113610856B (zh) 训练图像分割模型和图像分割的方法和装置
CN115546554A (zh) 敏感图像的识别方法、装置、设备和计算机可读存储介质

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