CN117173383A - 颜色生成方法、装置、设备及存储介质 - Google Patents
颜色生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117173383A CN117173383A CN202311445207.5A CN202311445207A CN117173383A CN 117173383 A CN117173383 A CN 117173383A CN 202311445207 A CN202311445207 A CN 202311445207A CN 117173383 A CN117173383 A CN 117173383A
- Authority
- CN
- China
- Prior art keywords
- point
- processed
- observation
- color value
- color
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 230000004044 response Effects 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 69
- 238000005070 sampling Methods 0.000 claims description 40
- 230000015654 memory Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 abstract description 17
- 230000005855 radiation Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000005291 magnetic effect Effects 0.000 description 5
- 230000001537 neural effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000011069 regeneration method Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- 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
- Image Processing (AREA)
Abstract
本申请公开了一种颜色生成方法、装置、设备及存储介质,其中,所述颜色生成方法包括:响应于针对模型数据中待处理点的颜色生成事件,基于三维重建模型确定所述待处理点在多个观测方向中每一所述观测方向的基础颜色值;所述模型数据为所述三维重建模型生成的;对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值。通过上述方法,可以得到更加真实的颜色值,在重建模型数据的纹理的过程中,可以得到更加清晰的纹理数据。
Description
技术领域
本申请涉及但不限于数据处理技术领域,尤其涉及一种颜色生成方法、装置、设备及存储介质。
背景技术
三维重建是指对三维物体建立适合计算机表示和处理的数学模型,是计算机环境下对其进行处理、操作和分析其性质的基础。常用的三维重建方法大都包含图像获取、摄像机标定、特征提取等步骤。近年来三维计算机视觉的应用从传统工业领域逐渐走向生活、娱乐、服务等。目前的三维重建方法,往往无法准确还原物体颜色值,导致模糊失真的情况。
发明内容
有鉴于此,本申请实施例至少提供一种颜色生成方法、装置、设备及存储介质。
本申请实施例的技术方案是这样实现的:
一方面,本申请实施例提供一种颜色生成方法,所述颜色生成方法包括:
响应于针对模型数据中待处理点的颜色生成事件,基于三维重建模型确定所述待处理点在多个观测方向中每一所述观测方向的基础颜色值;所述模型数据为所述三维重建模型生成的;
对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值。
在一些实施例中,所述基于三维重建模型确定所述待处理点在多个观测方向中每一所述观测方向的基础颜色值,包括:
在每一所述观测方向上,获取所述待处理点对应的至少两个观测点;所述至少两个观测点和所述待处理点均位于所述观测方向上,且所述待处理点位于所述至少两个观测点之间;
基于所述三维重建模型确定每一所述观测方向中每一所述观测点对应的初始颜色值和所述待处理点对应的初始颜色值;
基于所述待处理点对应的初始颜色值和每一所述观测方向中每一所述观测点对应的初始颜色值,确定每一所述观测方向的基础颜色值。
在一些实施例中,所述颜色生成方法还包括:
在球心为坐标原点的单位球面中获取均匀分布的多个采样点;
将每一所述采样点对应的三维坐标确定为每一所述观测方向。
在一些实施例中,所述在每一所述观测方向上,获取所述待处理点对应的至少两个观测点,包括:
针对每一所述观测方向,对所述待处理点的三维坐标依次加i次的采样点坐标,并对所述待处理点的三维坐标依次减去i次的采样点坐标,得到所述观测方向对应的2i个观测点;i为正整数。
在一些实施例中,所述基于所述三维重建模型确定每一所述观测方向中每一所述观测点对应的初始颜色值和所述待处理点对应的初始颜色值,包括:
将每一所述观测方向、所述待处理点的三维坐标分别输入所述三维重建模型,得到每一所述观测方向中所述待处理点对应的初始颜色值;
将每一所述观测方向、每一所述观测点对应的三维坐标输入所述三维重建模型,得到每一所述观测方向中每一所述观测点对应的初始颜色值。
在一些实施例中,所述基于所述待处理点对应的初始颜色值和每一所述观测方向中每一所述观测点对应的初始颜色值,确定每一所述观测方向的基础颜色值,包括:
针对每一所述观测方向,对所述待处理点对应的初始颜色值和每一所述观测点对应的初始颜色值进行加权平均,生成所述观测方向的基础颜色值。
在一些实施例中,所述对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值,包括:
基于每一所述观测方向对应的球谐函数和每一所述观测方向对应的基础颜色值,确定球谐系数;
获取所述待处理点对应的法线方向;
基于所述法线方向对应的球谐函数和所述球谐系数,生成所述待处理点的目标颜色值。
在一些实施例中,所述球谐函数包括多个球谐基函数,所述球谐系数包括每一所述球谐基函数对应的子系数。
在一些实施例中,所述基于每一所述观测方向对应的球谐函数和每一所述观测方向对应的基础颜色值,确定球谐系数,包括:
构建每一所述观测方向对应的多个球谐基函数;
基于每一所述观测方向对应的多个球谐基函数,以及每一所述观测方向对应的基础颜色值,确定每一所述球谐基函数对应的子系数。
在一些实施例中,所述基于所述法线方向对应的球谐函数和所述球谐系数,生成所述待处理点的目标颜色值,包括:
构建所述法线方向对应的多个球谐基函数;
基于所述法线方向对应的每一所述球谐基函数和每一所述球谐基函数对应的子系数,生成所述待处理点的目标颜色值。
在一些实施例中,所述获取所述待处理点对应的法线方向,包括:
在所述模型数据中,获取与所述待处理点之间距离小于预设距离的多个相邻点;
基于所述多个相邻点和所述待处理点,生成所述待处理点对应的法线方向。
在一些实施例中,所述颜色生成方法还包括:
获取三维重建模型输出的模型数据;所述模型数据包括多个所述待处理点;
针对每一所述待处理点,基于三维重建模型确定每一所述待处理点在多个观测方向中每一所述观测方向的基础颜色值;对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值;
基于每一所述待处理点对应的目标颜色值,生成所述模型数据对应的纹理数据。
又一方面,本申请实施例提供一种颜色生成装置,包括:
确定模块,用于响应于针对模型数据中待处理点的颜色生成事件,基于三维重建模型确定所述待处理点在多个观测方向中每一所述观测方向的基础颜色值;所述模型数据为所述三维重建模型生成的;
拟合模块,用于对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值。
再一方面,本申请实施例提供一种计算机设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法中的部分或全部步骤。
又一方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法中的部分或全部步骤。
本申请实施例中,通过获取该待处理点在多个观测方向上的基础颜色值,可以确定三维重建模型对于该待处理点在多个视角的颜色信息,从而可以为得到待处理点的真实颜色提供数据基础;同时,本申请实施例通过对每一观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值,这样,可以得到更加真实的颜色值,在重建模型数据的纹理的过程中,可以得到更加清晰的纹理数据。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请的技术方案。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1为本申请实施例提供的一种颜色生成方法的实现流程示意图一;
图2为本申请实施例提供的一种颜色生成方法的实现流程示意图二;
图3为本申请实施例提供的一种颜色生成方法的实现流程示意图三;
图4为本申请实施例提供的一种颜色生成方法的实现流程示意图四;
图5为本申请实施例提供的一种颜色生成装置的组成结构示意图;
图6为本申请实施例提供的一种计算机设备的硬件实体示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图和实施例对本申请的技术方案进一步详细阐述,所描述的实施例不应视为对本申请的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。所涉及的术语“第一/第二/第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一/第二/第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请的目的,不是旨在限制本申请。
辐射场(Radiance Field,RF):一种三维空间的表示方法,将三维空间中每个点表达为该点的密度(density,或称为不透明度)和颜色(color)。其中,每个点的密度信息是一个大于等于0的标量;每个点的颜色信息是各向异性的向量,包含该点在空间中各个方向上的颜色,且各个方向上颜色信息可以不同。
神经辐射场(Neural Radiance Field, NeRF):用神经网络表示的辐射场,通常使用多层感知机(Multilayer Perceptron, MLP)表示辐射场,MLP的输入为场景中点的三维坐标和方向,输出为输入点处的密度和输入点处在输入方向上的颜色。
隐式表达(Implicit Representation):通常是指使用神经网络隐式的存储场信息,通过将场中点的坐标和/或角度输入到神经网络中进行推理,将推理结果作为在该点处的场信息。例如神经辐射场就是一种辐射场的隐式表达方法。
球谐函数(Spherical Harmonics):是定义在球面坐标上的一组正交基函数,理论上,使用球谐函数的线性组合可以在允许误差范围内近似表示定义在球面坐标上的任意函数。球谐函数有着广泛的应用,在计算机图形学中,球谐函数常常用来表示空间中某点在各个方向上的颜色信息。
本申请实施例中三维重建模型已经完成训练,该三维重建模型的数据结构为公式(1):
公式(1);
其中,该表示任意类型的神经网络,输入为空间点坐标,为观测方向,输出s为该点的不透明度,为神经网络返回的rgb颜
色值。示例性地,该神经网络可以为NeRF模型。
在另一些实施例中,可以对进行归一化,将归一化为1,则该观测
方向可以表示为,上述三维重建模型的数据结构更新为公式(2)。
公式(2);
本申请实施例提供一种颜色生成方法,该方法可以由计算机设备的处理器执行。其中,计算机设备指的可以是服务器、笔记本电脑、平板电脑、台式计算机、智能电视、机顶盒、移动设备(例如移动电话、便携式视频播放器、个人数字助理、专用消息设备、便携式游戏设备)等具备数据处理能力的设备。
图1为本申请实施例提供的一种颜色生成方法的实现流程示意图一,如图1所示,该方法包括如下步骤S101至步骤S102:
步骤S101、响应于针对模型数据中待处理点的颜色生成事件,基于三维重建模型确定所述待处理点在多个观测方向中每一所述观测方向的基础颜色值;所述模型数据为所述三维重建模型生成的。
在一些实施例中,该三维重建模型是经过预处理后的辐射场模型,该辐射场模型是一种三维空间的表示方法,将三维空间中每个空间点表达为该空间点的密度信息和颜色信息。每个空间点的密度信息是一个大于等于0的标量;每个空间点的颜色信息是各向异性的向量,包含该空间点在空间中各个方向上的颜色,且各个方向上颜色信息可以不同。
在另一些实施例中,该三维重建模型是训练后得到的神经网络模型,该三维重建模型不仅可以用于生成上述模型数据,还可以用于基于观测方向和空间点的三维坐标,生成对应的颜色值。示例性地,训练后的神经辐射场模型,即,用神经网络表示的辐射场,通常使用多层感知机(Multilayer Perceptron,MLP)表示辐射场,MLP的输入为场景中点的三维坐标和方向,输出为输入点处的密度和输入点处在输入方向上的颜色。
在本申请实施例中,考虑到三维重建模型对颜色值还原的真实度不高,因此,本申请提供了一种针对待处理点的颜色值的重新生成方法。
在一些实施例中,针对同一个待处理点,可以通过上述三维重建模型,基于多个观测方向中每一个观测方向对该待处理点的颜色值进行还原,以得到每一个观测方向上的基础颜色值。
在一些实施场景中,可以直接将该待处理点和对应的每一观测方向输入至该三维重建模型,得到每一观测方向对应的基础颜色值。
在另一些实施场景中,可以在三维空间中获取与该待处理点相邻的多个空间点,在计算每一观测方向对应的基础颜色值的过程中,可以将该观测方向和该待处理点、多个空间点均输入至该三维重建模型中,进而得到待处理点对应的颜色值、每一空间点对应的颜色值;对上述待处理点和每一空间点对应的颜色值进行加权平均,即可以得到该观测方向上的基础颜色值。
在一些实施例中,上述针对待处理点的颜色生成事件可以是渲染该模型数据中表面点的过程中,针对每一个表面点生成的;也可以是在模型数据为点云模型的情况下,针对每一个点云数据生成的;还可以是模型数据为三维网格模型的情况下,针对三维网格顶点生成的。本申请对该颜色生成事件发生的场景不做限定,可以是任何需要生成一个点的颜色值的实施场景。
在本实施例中,通过得到该待处理点在每一观测方向上的基础颜色值,可以确定三维重建模型对于该待处理点在整体空间内(多个视角)的颜色信息,进而可以为得到待处理点的真实颜色提供数据基础。
步骤S102、对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值。
在一些实施例中,可以通过将每一观测方向的基础颜色值进行平均值计算,将得到的平均颜色值作为该待处理点的目标颜色值。
在另一些实施例中,可以获取该待处理点对应的法线方向,并基于该法线方向和每一观测方向之间的角度,确定每一观测方向的权重;之后,基于每一观测方向的权重和每一观测方向的基础颜色值进行加权平均,进而得到该待处理点的目标颜色值。
在又一些实施例中,还可以基于待处理点的三维坐标、每一观测方向和该观测方向对应的基础颜色值,构建一个观测方向与颜色值的转换关系;之后,获取该待处理点对应的法线方向,并基于上述观测方向与颜色值的转换关系将该法线方向转换为对应的颜色值,作为该待处理点的目标颜色值。其中,该转换关系可以基于球谐函数实现。
在一些实施例中,上述方案中的颜色值可以采用各种形式的表示方式,本申请对此不做限定。示例性地,该颜色值可以表示为以下至少之一:RGB、印刷四分色模式(CMYKcolor model)和HSV(Hue,Saturation,Value)。RGB表示颜色红、绿、蓝三个通道的值,范围为0~255,例如红色为(255,0,0)。CMYK表示颜色青、品红、黄、黑四个通道的值,范围为0~100%,例如红色为(0,100,100,0)。HSV表示颜色色相、饱和度、明度三个通道的值,色相H的范围为0至360°,饱和度S和明度V的范围均为0至100%,例如红色为(0°,100%,100%)。
本申请实施例中,通过获取该待处理点在多个观测方向上的基础颜色值,可以确定三维重建模型对于该待处理点在多个视角的颜色信息,进而可以为得到待处理点的真实颜色提供数据基础;同时,本申请实施例通过对每一观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值,这样,可以得到更加真实的颜色值,在重建模型数据的纹理的过程中,可以得到更加清晰的纹理数据。
图2是本申请实施例提供的颜色生成方法的一个可选的流程示意图二,该方法可以由计算机设备的处理器执行。基于图1,图1中对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值的步骤将结合图2示出的步骤进行说明。
步骤S201、在每一所述观测方向上,获取所述待处理点对应的至少两个观测点;所述至少两个观测点和所述待处理点均位于所述观测方向上,且所述待处理点位于所述至少两个观测点之间。
在一些实施例中,针对每一所述观测方向,需要在该观测方向上获取该待处理点对应的至少两个观测点。也就是说,该至少两个观测点和待处理点均为与该观测方向上。
在一些实施例中,为了得到更加准确的待处理点的目标颜色值,本方案是获取该待处理点周围的观测点作为参考,从而确定该待处理点的目标颜色值。因此,为了提升观测点对待处理点的影响程度,本申请实施例采用了双向采样的方式,即基于该观测方向,在该待处理点两侧获取该待处理对应的观测点,进而得到该至少两个观测点。这样,该待处理点该至少两个观测点之间。
在一些实施例中,在该至少两个观测点为至少三个的情况下,位于待处理点一侧的观测点数量可以与另一侧的观测点数量不同。其中,位于第一侧的观测点数量大于位于第二侧的观测点数量;该第一侧的观测点所在位置的不透明度高于第二侧的观测点所在位置的不透明度,这样,可以得到对待处理点影响程度最高的观测点,提升目标颜色值的准确度。该不透明度为将观测点的三维坐标和当前观测方向输入三维重建模型后得到的。
在另一些实施例中,在该至少两个观测点的数量为偶数的情况下,位于该待处理点每一侧的观测点数量相同。这样,由于传统方案中通过三维重建模型获取待处理点的颜色值的方案是通过观测方向上所有位置的积分得到的,相比于该方案,通过均匀的获取待处理点两侧的观测点,进而基于待处理点和各观测点的颜色值确定该待处理点的目标颜色值,可以避免噪声点对目标颜色值的影响,提升目标颜色值的准确度。
在一些实施例中,步骤S201还可以包括获取该多个观测方向的步骤,可以通过步骤S2011至步骤S2012实现获取每一所述观测方向的步骤。
步骤S2011、在球心为坐标原点的单位球面中获取均匀分布的多个采样点。
在一些实施例中,该单位球面为半径为1的球面,其球心为坐标原点,由此,在该单位球面上获取的所有采样点的三维坐标均已经完成了归一化过程。
在本实施例中,获取的多个采样点为均匀分布在该单位球面上的多个点。获取该采样点的方式可以包括:确定每个采样点之间的角度间隔Δθ,和每个采样点之间的随机偏转角度Δφ。其中,Δθ = 360 / n,表示球面上均匀分布的每个采样点之间的角度(以度数为单位)。Δφ可以随机生成,它确定每个采样点的坐标偏转的角度。通过两个嵌套的循环来生成这些采样点。外部循环用于确定该采样点在球面坐标系中的θ角度值,内部循环用于在每个θ值下生成该采样点在球面坐标系中的φ角度值。之后,将这些球面坐标值转换为笛卡尔坐标系中的采样点,进而确定各采样点对应的三维坐标。
步骤S2012、将每一所述采样点对应的三维坐标确定为每一所述观测方向。
在本实施例中,从坐标系原点指向每一采样点的三维坐标的方向,为对应的观测方向。
示例性地,以采样点包括(1,0,0)、(-1,0,0)、(0,-1,0)、(0,1,0)、(0,0,1)、(0,0,-1)共六个点为例,针对每一采样点,该采样点对应的观测方向为坐标原点指向该采样点的三维坐标。
基于上述实施例,由于从单位球面中获取均匀分布的多个采样点,并基于各个采样点生成对应的观测方向,这样,得到的观测方向已经完成了归一化处理,在后续基于待处理点的三维坐标确定观测点的三维坐标的过程中,可以减少系统计算量,提高计算效率。
在一些实施例中,可以通过步骤S2013实现上述在每一所述观测方向上,获取所述待处理点对应的至少两个观测点。
步骤S2013、针对每一所述观测方向,对所述待处理点的三维坐标依次加i次的采样点坐标,并对所述待处理点的三维坐标依次减去i次的采样点坐标,得到所述观测方向对应的2i个观测点。
在一些实施例中,i为正整数。上述步骤S2013中,可以先对所述待处理点的三维坐标加1次的采样点坐标,得到位于该待处理点一侧的第一个观测点,并对所述待处理点的三维坐标减去1次的采样点坐标,得到位于该待处理点另一侧的第一个观测点;此时,得到了2个观测点。再对所述待处理点的三维坐标加2次的采样点坐标,得到位于该待处理点一侧的第二个观测点,并对所述待处理点的三维坐标减去2次的采样点坐标,得到位于该待处理点另一侧的第二个观测点,此时,共得到了4个观测点;以此类推,可以得到2i个观测点。
示例性地,以采样点(1,0,0)对应的观测方向为例,在当前待处理点的三维坐标为(6,6,6)的情况下,若i为2,则可以得到位于待处理点一侧的(4,6,6)、(5,6,6)和位于待处理点另一侧的(7,6,6)、(8,6,6),共4个观测点。
基于上述实施例,由于各个观测方向是通过归一化的三维坐标体现的,上述方案通过依次累加或减去i个归一化的三维坐标(观测方向),进而可以快速得到设置于待处理点两侧的2i个观测点,提高了处理效率。
步骤S202、基于所述三维重建模型确定每一所述观测方向中每一所述观测点对应的初始颜色值和所述待处理点对应的初始颜色值。
在一些实施例中,针对每一观测方向,将该观测方向和该观测方向对应的每一观测点和待处理点的三维坐标输入该三维重建模型,可以直接得到该三维重建模型输出的初始颜色值和该初始颜色值对应的不透明度。其中,这里用到了该初始颜色值。
在本实施例中,可以基于上述三维重建模型的数据结构公式(1)或(2)实现初始颜色值的确定。
在一些实施例中,可以通过步骤S2021至步骤S2022实现基于所述三维重建模型确定每一所述观测方向中每一所述观测点对应的初始颜色值和所述待处理点对应的初始颜色值。
步骤S2021、将每一所述观测方向、所述待处理点的三维坐标分别输入所述三维重建模型,得到每一所述观测方向中所述待处理点对应的初始颜色值。
在一些实施例中,针对每一观测方向,将该观测方向和该观测方向对应的和待处理点的三维坐标输入该三维重建模型,可以直接得到该三维重建模型输出的该观测方向中所述待处理点的初始颜色值。
步骤S2022、将每一所述观测方向、每一所述观测点对应的三维坐标输入所述三维重建模型,得到每一所述观测方向中每一所述观测点对应的初始颜色值。
在一些实施例中,针对每一观测方向,将该观测方向和该观测方向对应的和每一所述观测点的三维坐标输入该三维重建模型,可以直接得到该三维重建模型输出的该观测方向中每一所述观测点的初始颜色值。
基于上述实施例,通过该三维重建模型,可以获取在一个观测方向下,多个位置(包括待处理点和每一观测点)的初始颜色值,这样,可以在生成当前观测方向的基础颜色值的过程中,融合该观测方向上该待处理点的一定范围内的颜色信息,由此得到的基础颜色值的真实性更高。
步骤S203、基于所述待处理点对应的初始颜色值和每一所述观测方向中每一所述观测点对应的初始颜色值,确定每一所述观测方向的基础颜色值。
在一些实施例中,针对每一观测方向,可以将待处理点和每个观测点的初始颜色值平均,作为该观测方向的基础颜色值。在实施过程中,对于给定的观测方向,将待处理点和每个观测点的初始颜色值相加,然后除以颜色值的总数(包括待处理点和观测点)即可得到基础颜色值。
在另一些实施例中,可以通过步骤S2031实现基于所述待处理点对应的初始颜色值和每一所述观测方向中每一所述观测点对应的初始颜色值,确定每一所述观测方向的基础颜色值。
步骤S2031、针对每一所述观测方向,对所述待处理点对应的初始颜色值和每一所述观测点对应的初始颜色值进行加权平均,生成所述观测方向的基础颜色值。
在本实施例中,针对每一观测方向,可以将待处理点和每个观测点的初始颜色值分别乘以预定义的权重,然后将乘积相加并除以权重总和,即可得到基础颜色值。
在一些实施例中,观测点距离待处理点的距离越近,其对应的权重越高,观测点距离待处理点的距离越远,其对应的权重越低;这样,可以在融合待处理点和每一个观测点的初始颜色值的过程中,考虑用于参考的观测点的距离信息,进而可以使融合后的基础颜色值真实性更高。
在另一些实施例中,还可以通过非线性函数法融合待处理点和每一个观测点的初始颜色值。其中,该方案使用非线性函数对待处理点和观测点的初始颜色值进行变化,并将变化后的值用于生成基础颜色值。在实施过程中,可以使用非线性函数(如sigmoid函数等)分别对待处理点和每个观测点的初始颜色值进行计算,然后将计算后的值相加,最后将和值使用另一个非线性函数进行映射,以得到基础颜色值。
图3是本申请实施例提供的颜色生成方法的一个可选的流程示意图三,该方法可以由计算机设备的处理器执行。基于图1,图1中的对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值将结合图3示出的步骤进行说明。
步骤S301、基于每一所述观测方向对应的球谐函数和每一所述观测方向对应的基础颜色值,确定球谐系数。
在一些实施例中,所述球谐函数包括多个球谐基函数,所述球谐系数包括每一所述球谐基函数对应的子系数。
在本实施例中,该球谐函数包括多个球谐基函数的线性表达式,其中,上述球谐系
数包括每一球谐基函数对应的子系数。在一些实施例中,所述球谐函数与预设的球谐基阶
数K和输入方向相关,所述球谐函数包括N个球谐基函数,,K为正整数;所述
球谐系数包括N个球谐基函数中每一所述球谐基函数对应的子系数。
在一些实施例中,本申请中构建的球谐函数的球谐基阶数K可以基于计算机性能和实际渲染需求动态变化。其中,计算机性能越高,可以构建更高球谐基阶数的球谐函数,进而可以得到精度越高的目标颜色值;计算机性能越差,可以构建更低球谐基阶数(最小为1)的球谐函数,进而可以提高目标颜色值的生成效率。
其中,球谐函数可以表示为公式(3):
公式(3);
其中,为球谐基阶数K的球谐函数,为N个球谐基函数中第n个球谐基函数,为球谐基阶数k对应的球谐基函数,,为观测方向对应的极
坐标。
为了便于理解本申请,以下将以球谐基阶数K为1的情况为例,对本申请进行说明,并未对本申请实施方式的限定。在球谐基阶数K为1的情况下,球谐函数可以表示为公式(4)。
公式(4);
其中,、、和为球谐基阶数
K为1的情况下对应的球谐基函数。
步骤S301可以基于每一观测方向的球谐函数(包括多个球谐基函数)和对应的基础颜色值,构建每一观测方向对应的线性方程,即观测方向的球谐函数与球谐系数的乘积可以得到该观测方向的基础颜色值;通过联立每一所述观测方向对应的线性方程,即可以得到每一所述球谐基函数对应的子系数,即球谐系数。其中,该球谐系数携带了当前待处理点在所有方向上的真实颜色信息。该球谐系数用于基于所述待处理点处的观测方向确定所述待处理点的目标颜色值。
在一些实施例中,可以通过步骤S3011至步骤S3012实现基于每一所述观测方向对应的球谐函数和每一所述观测方向对应的基础颜色值,确定球谐系数。
步骤S3011、构建每一所述观测方向对应的多个球谐基函数。
在一些实施例中,针对观测方向,可以将其转换得到极坐标下的和;基于和构建该观测方向对应的多个球谐基函数;为了便于计算,可
以以函数矩阵的形式呈现。
示例性地,在球谐基阶数K为1的情况下,一个观测方向对应的球谐基函数矩阵可以表示为公式(5)。
公式(5);
步骤S3012、基于每一所述观测方向对应的多个球谐基函数,每一所述观测方向对应的基础颜色值,确定每一所述球谐基函数对应的子系数。
在一些实施例中,在观测方向的数量为D的情况下,上述基于每一观测方向对应的
球谐基函数,可以得到一个的球谐基函数矩阵;基于每一观测方向对应的基
础颜色值,可以得到一个的颜色值矩阵,C为颜色值的通道数;上述确定每一所述球
谐基函数对应的子系数可以表示为的球谐系数矩阵。其中,该球谐基函数矩
阵与球谐系数矩阵的乘积为颜色值矩阵,基于上述矩阵关系,可以得到该球谐系数矩阵。
在一些实施例中,在球谐基阶数K为1,且颜色值包括rgb三通道的情况下,上述矩阵关系可以表示为公式(6);
公式(6);
其中,表示第n个观
测方向上的4个球谐基函数;至表示4个球谐基函数在r通道下分别对应的子系数;至表示4个球谐基函数在g通道下分别对应的子系数;至表示4个球谐基
函数在b通道下分别对应的子系数;表示第n个观测方向上的rgb值。
步骤S302、获取所述待处理点对应的法线方向。
在一些实施例中,可以在该待处理点对应的模型数据中确定所述待处理点所在的网格单元,获取所在网格单元的法向量,以得到该待处理点对应的法线方向。其中,在该待处理点位于网格单元的中间的情况下,可以直接将所在网格单元的法向量作为该待处理点对应的法线方向;在该待处理点位于至少两个网格单元之间的情况下,可以获取每一网格单元的法向量,并对每一网格单元的法向量进行加权平均,得到最终的法线方向。
在一些实施例中,可以通过步骤S3021至步骤S3022实现获取所述待处理点对应的法线方向。
步骤S3021、在所述模型数据中,获取与所述待处理点之间距离小于预设距离的多个相邻点。
在一些实施例中,可以使用搜索算法,如广度优先搜索或深度优先搜索,从待处理点开始搜索相邻点,并检查它们的距离是否小于预设距离,将符合条件的相邻点放入一个列表中,直至得到该多个相邻点。
在另一些实施例中,还可以使用空间索引技术,如kd树(k-dimensional tree),将模型数据中的所有点按照坐标位置建立起kd树,然后以待处理点为中心,以预设距离为半径,在kd树上搜索相邻点,将符合条件的相邻点放入一个列表中,再进行法线方向的计算。
步骤S3022、基于所述多个相邻点和所述待处理点,生成所述待处理点对应的法线方向。
在一些实施例中,上述步骤是通过待处理点和其相邻点的位置信息来计算待处理点的法线方向。假设待处理点为P,相邻点为Q1,Q2,Q3...Qn,那么可以通过这些相邻点的位置信息来估计P点的切面,并得出P点的法线方向。
在一些实施场景中,可以采用以下方法的至少之一确定该待处理点对应的法线方向:平均法向量法、最小二乘法、主成分分析(Principal Component Analysis,PCA)法和基于曲面拟合的方法。
其中,平均法向量法先计算该待处理点与每一相邻点之间连线的法向量,然后对其进行平均,得到待处理点对应的法线方向。最小二乘法是将每个相邻点和待处理点的位置信息视为一个数据点,将这些数据点拟合成一个平面,利用该平面来计算P点的法线方向。PCA分析法是通过主成分分析来计算P点法线方向的,首先通过相邻点和待处理点的位置信息构造一个平面,然后计算该平面上的主成分,主成分就是该平面的最大偏离方向,即是该平面的法向量,也就是P点的法线方向。基于曲面拟合的方法是基于曲面拟合技术的,将相邻点的位置信息作为输入,使用曲面拟合算法生成一个平滑的曲面模型,并从中提取出待处理点的法线方向,其中,常用的曲面拟合算法包括Bezier曲线,B-Spline曲线,或者是神经网络等。
在一些实施例中,需要注意的是,实现中还需要考虑一些不规则的数据点的影响,需要所述多个相邻点进行预处理,以滤除一些噪声和异常值,确保法线方向结果不受其影响。
步骤S303、基于所述法线方向对应的球谐函数和所述球谐系数,生成所述待处理点的目标颜色值。
在一些实施例中,可以通过步骤S3031至步骤S3032实现基于所述法线方向对应的球谐函数和所述球谐系数,生成所述待处理点的目标颜色值。
步骤S3031、构建所述法线方向对应的多个球谐基函数。
步骤S3032、基于所述法线方向对应的每一所述球谐基函数和每一所述球谐基函数对应的子系数,生成所述待处理点的目标颜色值。
其中,步骤S303中步骤S3031至步骤S3032的实施过程与上述步骤S301中的步骤S3011至步骤S3012的实施方式相似,在实施时可以参照步骤S3011至步骤S3012的实施方式。
在一些实施场景中,所述颜色生成方法可以应用于导出模型数据对应的纹理数据这一场景中,其中,该模型数据可以包括多个待处理点,在当前实施场景中,需要对所述多个待处理点进行处理,并生成对应的纹理数据。请参阅图4,图4是本申请实施例提供的颜色生成方法的一个可选的流程示意图四,该方法可以由计算机设备的处理器执行。将结合图4示出的步骤进行说明。
步骤S401、获取三维重建模型输出的模型数据;所述模型数据包括多个所述待处理点。
在一些实施例中,该三维重建模型是经过预处理后的辐射场模型,该辐射场模型是一种三维空间的表示方法,将三维空间中每个空间点表达为该空间点的密度信息和颜色信息。每个空间点的密度信息是一个大于等于0的标量;每个空间点的颜色信息是各向异性的向量,包含该空间点在空间中各个方向上的颜色,且各个方向上颜色信息可以不同。
在另一些实施例中,该三维重建模型是训练后得到的神经网络模型,该三维重建模型不仅可以用于生成上述模型数据,还可以用于基于观测方向和空间点的三维坐标,生成对应的颜色值。示例性地,训练后的神经辐射场模型,即,用神经网络表示的辐射场,通常使用多层感知机表示辐射场,MLP的输入为场景中点的三维坐标和方向,输出为输入点处的密度和输入点处在输入方向上的颜色。
在本申请实施例中,该三维重建模型已经完成了模型数据的重建,需要进一步重建该模型数据对应的纹理数据,考虑到三维重建模型对颜色值还原的真实度不高,因此,本申请提供了一种针对待处理点的颜色值的重新生成方法。
步骤S402、针对每一所述待处理点,基于三维重建模型确定每一所述待处理点在多个观测方向中每一所述观测方向的基础颜色值;对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值。
其中,步骤S402的实施过程与上述步骤S101至步骤S102的实施方式相似,在实施时可以参照上述步骤S101至步骤S102的实施方式。
步骤S403、基于每一所述待处理点对应的目标颜色值,生成所述模型数据对应的纹理数据。
在本申请实施例中,在模型数据为点云模型的情况下,上述每一所述待处理点对应的目标颜色值为每一个点云数据对应的目标颜色值;在模型数据为三维网格模型的情况下,上述每一所述待处理点对应的目标颜色值为每一三维网格顶点对应的目标颜色值。本申请对模型数据的类型不做限定,可以是任何需要生成纹理数据的模型数据,步骤S403可以针对该模型数据中需要展示的点、线、面确定需要生成目标颜色值的待处理点,为每一个待处理点生成对应的目标颜色值,就可以得到模型数据对应的纹理数据。
本申请实施例中,该方案可以为模型数据中每一待处理点提供更具真实性和细节纹理感的纹理映射,由此方法生成的纹理数据可以帮助提高模型显示的体验和逼真程度,从而满足更高要求的三维重建需求,如虚拟现实、游戏开发、数字场景重现等领域的实际应用。
基于前述的实施例,本申请实施例提供一种颜色生成装置,该装置包括所包括的各单元、以及各单元所包括的各模块,可以通过计算机设备中的处理器来实现;当然也可通过具体的逻辑电路实现;在实施的过程中,处理器可以为中央处理器(Central ProcessingUnit,CPU)、微处理器(Microprocessor Unit,MPU)、数字信号处理器(Digital SignalProcessor,DSP)或现场可编程门阵列(Field Programmable Gate Array,FPGA)等。
图5为本申请实施例提供的一种颜色生成装置的组成结构示意图,如图5所示,颜色生成装置500包括:确定模块510和拟合模块520,其中:
确定模块510,用于响应于针对模型数据中待处理点的颜色生成事件,基于三维重建模型确定所述待处理点在多个观测方向中每一所述观测方向的基础颜色值;所述模型数据为所述三维重建模型生成的;
拟合模块520,用于对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值。
在一些实施例中,所述确定模块510,还用于:
在每一所述观测方向上,获取所述待处理点对应的至少两个观测点;所述至少两个观测点和所述待处理点均位于所述观测方向上,且所述待处理点位于所述至少两个观测点之间;
基于所述三维重建模型确定每一所述观测方向中每一所述观测点对应的初始颜色值和所述待处理点对应的初始颜色值;
基于所述待处理点对应的初始颜色值和每一所述观测方向中每一所述观测点对应的初始颜色值,确定每一所述观测方向的基础颜色值。
在一些实施例中,所述确定模块510,还用于:
在球心为坐标原点的单位球面中获取均匀分布的多个采样点;
将每一所述采样点对应的三维坐标确定为每一所述观测方向。
在一些实施例中,所述确定模块510,还用于:
针对每一所述观测方向,对所述待处理点的三维坐标依次加i次的采样点坐标,并对所述待处理点的三维坐标依次减去i次的采样点坐标,得到所述观测方向对应的2i个观测点;i为正整数。
在一些实施例中,所述确定模块510,还用于:
将每一所述观测方向、所述待处理点的三维坐标分别输入所述三维重建模型,得到每一所述观测方向中所述待处理点对应的初始颜色值;
将每一所述观测方向、每一所述观测点对应的三维坐标输入所述三维重建模型,得到每一所述观测方向中每一所述观测点对应的初始颜色值。
在一些实施例中,所述确定模块510,还用于:
针对每一所述观测方向,对所述待处理点对应的初始颜色值和每一所述观测点对应的初始颜色值进行加权平均,生成所述观测方向的基础颜色值。
在一些实施例中,所述拟合模块520,还用于:
基于每一所述观测方向对应的球谐函数和每一所述观测方向对应的基础颜色值,确定球谐系数;
获取所述待处理点对应的法线方向;
基于所述法线方向对应的球谐函数和所述球谐系数,生成所述待处理点的目标颜色值。
在一些实施例中,所述球谐函数包括多个球谐基函数,所述球谐系数包括每一所述球谐基函数对应的子系数。
在一些实施例中,所述拟合模块520,还用于:
构建每一所述观测方向对应的多个球谐基函数;
基于每一所述观测方向对应的多个球谐基函数,每一所述观测方向对应的基础颜色值,确定每一所述球谐基函数对应的子系数。
在一些实施例中,所述拟合模块520,还用于:
构建所述法线方向对应的多个球谐基函数;
基于所述法线方向对应的每一所述球谐基函数和每一所述球谐基函数对应的子系数,生成所述待处理点的目标颜色值。
在一些实施例中,所述拟合模块520,还用于:
在所述模型数据中,获取与所述待处理点之间距离小于预设距离的多个相邻点;
基于所述多个相邻点和所述待处理点,生成所述待处理点对应的法线方向。
在一些实施例中,所述颜色生成装置500包括:获取模块、确定模块510、拟合模块520和生成模块。
获取模块,用于获取三维重建模型输出的模型数据;所述模型数据包括多个所述待处理点;
确定模块510,还用于针对每一所述待处理点,基于三维重建模型确定每一所述待处理点在多个观测方向中每一所述观测方向的基础颜色值;
所述拟合模块520,还用于对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值;
生成模块,用于基于每一所述待处理点对应的目标颜色值,生成所述模型数据对应的纹理数据。
以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。在一些实施例中,本申请实施例提供的装置具有的功能或包含的模块可以用于执行上述方法实施例描述的方法,对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述的颜色生成方法,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,本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该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)执行本申请各个实施例所述颜色生成方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ReadOnly Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件、软件或固件,或者硬件、软件、固件三者之间的任意结合。
本申请实施例提供一种计算机设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法中的部分或全部步骤。
本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法中的部分或全部步骤。所述计算机可读存储介质可以是瞬时性的,也可以是非瞬时性的。
本申请实施例提供一种计算机程序,包括计算机可读代码,在所述计算机可读代码在计算机设备中运行的情况下,所述计算机设备中的处理器执行用于实现上述方法中的部分或全部步骤。
本申请实施例提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序被计算机读取并执行时,实现上述方法中的部分或全部步骤。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一些实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一些实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
这里需要指出的是:上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考。以上设备、存储介质、计算机程序及计算机程序产品实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请设备、存储介质、计算机程序及计算机程序产品实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
图6为本申请实施例提供的一种计算机设备的硬件实体示意图,如图6所示,该计算机设备600的硬件实体包括:处理器601和存储器602,其中,存储器602存储有可在处理器601上运行的计算机程序,处理器601执行程序时实现上述任一实施例的方法中的步骤。
存储器602存储有可在处理器上运行的计算机程序,存储器602配置为存储由处理器601可执行的指令和应用,还可以缓存待处理器601以及计算机设备600中各模块待处理或已经处理的数据(例如,图像数据、音频数据、语音通信数据和视频通信数据),可以通过闪存(FLASH)或随机访问存储器(Random Access Memory,RAM)实现。
处理器601执行程序时实现上述任一项的颜色生成方法的步骤。处理器601通常控制计算机设备600的总体操作。
本申请实施例提供一种计算机存储介质,计算机存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如上任一实施例的颜色生成方法的步骤。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
上述处理器可以为目标用途集成电路(Application Specific IntegratedCircuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(Programmable LogicDevice,PLD)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地,实现上述处理器功能的电子器件还可以为其它,本申请实施例不作具体限定。
上述计算机存储介质/存储器可以是只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory,FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory,CD-ROM)等存储器;也可以是包括上述存储器之一或任意组合的各种终端,如移动电话、计算机、平板设备、个人数字助理等。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各步骤/过程的序号的大小并不意味着执行顺序的先后,各步骤/过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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,在本申请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(ReadOnly Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请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,本申请的技术方案本质上或者说对相关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)执行本申请各个实施例所述颜色生成方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (15)
1.一种颜色生成方法,其特征在于,所述颜色生成方法包括:
响应于针对模型数据中待处理点的颜色生成事件,基于三维重建模型确定所述待处理点在多个观测方向中每一所述观测方向的基础颜色值;所述模型数据为所述三维重建模型生成的;
对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值。
2.根据权利要求1所述的颜色生成方法,其特征在于,所述基于三维重建模型确定所述待处理点在多个观测方向中每一所述观测方向的基础颜色值,包括:
在每一所述观测方向上,获取所述待处理点对应的至少两个观测点;所述至少两个观测点和所述待处理点均位于所述观测方向上,且所述待处理点位于所述至少两个观测点之间;
基于所述三维重建模型确定每一所述观测方向中每一所述观测点对应的初始颜色值和所述待处理点对应的初始颜色值;
基于所述待处理点对应的初始颜色值和每一所述观测方向中每一所述观测点对应的初始颜色值,确定每一所述观测方向的基础颜色值。
3.根据权利要求2所述的颜色生成方法,其特征在于,所述颜色生成方法还包括:
在球心为坐标原点的单位球面中获取均匀分布的多个采样点;
将每一所述采样点对应的三维坐标确定为每一所述观测方向。
4.根据权利要求3所述的颜色生成方法,其特征在于,所述在每一所述观测方向上,获取所述待处理点对应的至少两个观测点,包括:
针对每一所述观测方向,对所述待处理点的三维坐标依次加i次的采样点坐标,并对所述待处理点的三维坐标依次减去i次的采样点坐标,得到所述观测方向对应的2i个观测点;i为正整数。
5.根据权利要求2所述的颜色生成方法,其特征在于,所述基于所述三维重建模型确定每一所述观测方向中每一所述观测点对应的初始颜色值和所述待处理点对应的初始颜色值,包括:
将每一所述观测方向、所述待处理点的三维坐标分别输入所述三维重建模型,得到每一所述观测方向中所述待处理点对应的初始颜色值;
将每一所述观测方向、每一所述观测点对应的三维坐标输入所述三维重建模型,得到每一所述观测方向中每一所述观测点对应的初始颜色值。
6.根据权利要求2所述的颜色生成方法,其特征在于,所述基于所述待处理点对应的初始颜色值和每一所述观测方向中每一所述观测点对应的初始颜色值,确定每一所述观测方向的基础颜色值,包括:
针对每一所述观测方向,对所述待处理点对应的初始颜色值和每一所述观测点对应的初始颜色值进行加权平均,生成所述观测方向的基础颜色值。
7.根据权利要求1至6任一项所述的颜色生成方法,其特征在于,所述对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值,包括:
基于每一所述观测方向对应的球谐函数和每一所述观测方向对应的基础颜色值,确定球谐系数;
获取所述待处理点对应的法线方向;
基于所述法线方向对应的球谐函数和所述球谐系数,生成所述待处理点的目标颜色值。
8.根据权利要求7所述的颜色生成方法,其特征在于,所述球谐函数包括多个球谐基函数,所述球谐系数包括每一所述球谐基函数对应的子系数。
9.根据权利要求8所述的颜色生成方法,其特征在于,所述基于每一所述观测方向对应的球谐函数和每一所述观测方向对应的基础颜色值,确定球谐系数,包括:
构建每一所述观测方向对应的多个球谐基函数;
基于每一所述观测方向对应的多个球谐基函数,以及每一所述观测方向对应的基础颜色值,确定每一所述球谐基函数对应的子系数。
10.根据权利要求8所述的颜色生成方法,其特征在于,所述基于所述法线方向对应的球谐函数和所述球谐系数,生成所述待处理点的目标颜色值,包括:
构建所述法线方向对应的多个球谐基函数;
基于所述法线方向对应的每一所述球谐基函数和每一所述球谐基函数对应的子系数,生成所述待处理点的目标颜色值。
11.根据权利要求7所述的颜色生成方法,其特征在于,所述获取所述待处理点对应的法线方向,包括:
在所述模型数据中,获取与所述待处理点之间距离小于预设距离的多个相邻点;
基于所述多个相邻点和所述待处理点,生成所述待处理点对应的法线方向。
12.根据权利要求1所述的颜色生成方法,其特征在于,所述颜色生成方法还包括:
获取三维重建模型输出的模型数据;所述模型数据包括多个所述待处理点;
针对每一所述待处理点,基于三维重建模型确定每一所述待处理点在多个观测方向中每一所述观测方向的基础颜色值;对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值;
基于每一所述待处理点对应的目标颜色值,生成所述模型数据对应的纹理数据。
13.一种颜色生成装置,其特征在于,所述颜色生成装置包括:
确定模块,用于响应于针对模型数据中待处理点的颜色生成事件,基于三维重建模型确定所述待处理点在多个观测方向中每一所述观测方向的基础颜色值;所述模型数据为所述三维重建模型生成的;
拟合模块,用于对每一所述观测方向的基础颜色值进行颜色拟合,得到所述待处理点的目标颜色值。
14.一种计算机设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至12任一项所述颜色生成方法中的步骤。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至12任一项所述颜色生成方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311445207.5A CN117173383B (zh) | 2023-11-02 | 2023-11-02 | 颜色生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311445207.5A CN117173383B (zh) | 2023-11-02 | 2023-11-02 | 颜色生成方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117173383A true CN117173383A (zh) | 2023-12-05 |
CN117173383B CN117173383B (zh) | 2024-02-27 |
Family
ID=88945324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311445207.5A Active CN117173383B (zh) | 2023-11-02 | 2023-11-02 | 颜色生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117173383B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667303A (zh) * | 2009-09-29 | 2010-03-10 | 浙江工业大学 | 一种基于编码结构光的三维重建方法 |
CN111652960A (zh) * | 2020-05-07 | 2020-09-11 | 浙江大学 | 一种基于可微渲染器的从单幅图像求解人脸反射材质的方法 |
WO2021223134A1 (zh) * | 2020-05-07 | 2021-11-11 | 浙江大学 | 一种基于微渲染器的从单幅图像求解人脸反射材质的方法 |
CN114549731A (zh) * | 2022-04-22 | 2022-05-27 | 清华大学 | 视角图像的生成方法、装置、电子设备及存储介质 |
CN115439606A (zh) * | 2022-08-31 | 2022-12-06 | 华为技术有限公司 | 三维重建方法、图形界面、系统及相关装置 |
CN115797561A (zh) * | 2022-11-29 | 2023-03-14 | 阿里巴巴(中国)有限公司 | 三维重建方法、设备及可读存储介质 |
CN116188689A (zh) * | 2023-01-13 | 2023-05-30 | 阿里巴巴(中国)有限公司 | 辐射场的处理方法、存储介质以及计算机终端 |
CN116486002A (zh) * | 2023-04-06 | 2023-07-25 | 浙江大学 | 一种面向真实场景的隐式自主三维重建方法 |
-
2023
- 2023-11-02 CN CN202311445207.5A patent/CN117173383B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667303A (zh) * | 2009-09-29 | 2010-03-10 | 浙江工业大学 | 一种基于编码结构光的三维重建方法 |
CN111652960A (zh) * | 2020-05-07 | 2020-09-11 | 浙江大学 | 一种基于可微渲染器的从单幅图像求解人脸反射材质的方法 |
WO2021223134A1 (zh) * | 2020-05-07 | 2021-11-11 | 浙江大学 | 一种基于微渲染器的从单幅图像求解人脸反射材质的方法 |
CN114549731A (zh) * | 2022-04-22 | 2022-05-27 | 清华大学 | 视角图像的生成方法、装置、电子设备及存储介质 |
CN115439606A (zh) * | 2022-08-31 | 2022-12-06 | 华为技术有限公司 | 三维重建方法、图形界面、系统及相关装置 |
CN115797561A (zh) * | 2022-11-29 | 2023-03-14 | 阿里巴巴(中国)有限公司 | 三维重建方法、设备及可读存储介质 |
CN116188689A (zh) * | 2023-01-13 | 2023-05-30 | 阿里巴巴(中国)有限公司 | 辐射场的处理方法、存储介质以及计算机终端 |
CN116486002A (zh) * | 2023-04-06 | 2023-07-25 | 浙江大学 | 一种面向真实场景的隐式自主三维重建方法 |
Non-Patent Citations (2)
Title |
---|
BERNHARD KERBL ET AL: "3D Gaussian Splatting for Real-Time Radiance Field Rendering", HTTPS://DL.ACM.ORG/DOI/10.1145/3592433, pages 1 - 14 * |
杨超: "基于颜色信息的复杂物体表面三维形貌测量方法", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN117173383B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949255B (zh) | 图像重建方法及设备 | |
US20210012093A1 (en) | Method and apparatus for generating face rotation image | |
CN111784821B (zh) | 三维模型生成方法、装置、计算机设备及存储介质 | |
CN111340866B (zh) | 深度图像生成方法、装置及存储介质 | |
CN112215050A (zh) | 非线性3dmm人脸重建和姿态归一化方法、装置、介质及设备 | |
CN110335330A (zh) | 图像模拟生成方法及其系统、深度学习算法训练方法及电子设备 | |
CN110175641A (zh) | 图像识别方法、装置、设备和存储介质 | |
WO2022166797A1 (zh) | 图像生成模型的训练方法、生成方法、装置及设备 | |
CN114925748B (zh) | 模型训练及模态信息的预测方法、相关装置、设备、介质 | |
CN115409931A (zh) | 一种基于图像与点云数据融合的三维重建方法 | |
CN115082322B (zh) | 图像处理方法和装置、图像重建模型的训练方法和装置 | |
CN115049717A (zh) | 一种深度估计方法及装置 | |
CN113298931B (zh) | 一种物体模型的重建方法、装置、终端设备和存储介质 | |
Miccini et al. | A hybrid approach to structural modeling of individualized HRTFs | |
CN114913284A (zh) | 三维人脸重建模型训练方法、装置和计算机设备 | |
CN117333637B (zh) | 三维场景的建模及渲染方法、装置及设备 | |
CN117173383B (zh) | 颜色生成方法、装置、设备及存储介质 | |
CN113808277A (zh) | 一种图像处理方法及相关装置 | |
GB2600808A (en) | Denoising images rendered using Monte Carlo renderings | |
CN116993955A (zh) | 三维模型的重拓扑方法、装置、设备及存储介质 | |
CN115170834A (zh) | 色差度量方法、装置、电子设备 | |
CN111046997A (zh) | 一种基于防伪加密与视觉识别的图像安全码生成方法 | |
CN115690359A (zh) | 一种点云处理方法、装置、电子设备及存储介质 | |
Li et al. | Denoisingnet: An efficient convolutional neural network for image denoising | |
Zhao et al. | Nonuniform illumination correction for underwater images through a pseudo-siamese network |
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 |