CN117557700A - 一种用于人物建模的方法及设备 - Google Patents
一种用于人物建模的方法及设备 Download PDFInfo
- Publication number
- CN117557700A CN117557700A CN202410047564.4A CN202410047564A CN117557700A CN 117557700 A CN117557700 A CN 117557700A CN 202410047564 A CN202410047564 A CN 202410047564A CN 117557700 A CN117557700 A CN 117557700A
- Authority
- CN
- China
- Prior art keywords
- image
- character
- coordinates
- coordinate system
- person
- 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 26
- 230000003068 static effect Effects 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 23
- 210000000988 bone and bone Anatomy 0.000 claims description 12
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 230000000452 restraining effect Effects 0.000 claims description 6
- 238000013508 migration Methods 0.000 claims description 5
- 230000005012 migration Effects 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 238000005452 bending Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000009958 sewing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
-
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2012—Colour editing, changing, or manipulating; Use of colour codes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种用于人物建模的方法，用于人物的多视图建立人物模型，包括：S1、搭建图像采集平台，从多角度采集同一人物静止时周身的若干张RGB图像；S2、建立参考坐标系、相机坐标系、图像坐标系计算RGB图像内像素点在三维空间下的对应坐标，构建人物外表模型；S3、对若干张RGB图像进行的人物的骨架关节点特征进行提取计算，构建人物内骨骼模型；S4、通过步骤S2获取的人物外表模型与步骤S3获取的人物内骨骼模型构建人物静态仿真模型。通过还原RGB图像内像素点所包含三维空间形象，不但能够通过精确的色彩还原给人们带来视觉上的真实感受，并且通过多角度拍摄RGB图像更节省时间。
Description
技术领域
本发明公开了一种三维建模方法，尤其涉及一种用于人物建模的方法及设备。
背景技术
人体三维建模，广泛应用于3D动画制作、游戏、电影特效中，通过三维虚拟仿真技术，可以为人们带来视觉上的真实感受。现有的人体三维建模技术，通常采用扫描仪或深度相机的方式获取人物信息，上述方法具有拍摄时间长，获取色彩精度低的缺点，不适用于需要快速生成人体三维模型的场景，对此提出改进。
发明内容
本发明针对现有技术拍摄时间长，获取色彩精度低的缺点，不适用于需要快速生成人体三维模型的场景等缺陷，提供了新的一种用于人物建模的方法及设备。
为了解决上述技术问题，本发明通过以下技术方案实现：
一种用于人物建模的方法，用于人物的多视图建立人物模型，包括以下步骤：
S1、搭建图像采集平台，通过图像采集平台上设置的若干个摄像头，从多角度采集同一人物静止时周身的若干张RGB图像；
S2、对若干张RGB图像进行的人物特征进行提取，建立参考坐标系、相机坐标系、图像坐标系计算RGB图像内像素点在三维空间下的对应坐标，构建人物外表模型；
S3、对若干张RGB图像进行的人物的骨架关节点特征进行提取计算，构建人物内骨骼模型；
S4、通过步骤S2获取的人物外表模型与步骤S3获取的人物内骨骼模型构建人物静态仿真模型。
本发明采用RGB图像进行特征点提取的方式进行人物模型的构建，通过还原RGB图像内像素点所包含三维空间形象，不但能够通过精确的色彩还原给人们带来视觉上的真实感受，并且通过多角度拍摄RGB图像更节省时间。
以下还提供了若干可选方式，但并不作为对上述总体方案的额外限定，仅仅是进一步的增补或优选，在没有技术或逻辑矛盾的前提下，各可选方式可单独针对上述总体方案进行组合，还可以是多个可选方式之间进行组合。
可选的，所述步骤S2包括以下步骤：
S21、对若干张RGB图像进行的人物特征进行识别，并将具有相同的特征的RGB图像分类，形成若干个关联图像组；
S22、建立位于图像采集平台内任意一点的参考坐标系，以各个摄像头为原点建立相机坐标系，对各张RGB图像建立图像坐标系，将参考坐标系转化成图像坐标系对各RGB图像上像素点的坐标；
S23、指定一组关联图像组，取任意两张RGB图像，对上述两张RGB图像中相匹配的若干个像素点分别在参考坐标系内进行三角测量，获得若干个与各像素点相对应人物特征所在的空间坐标，从而通过上述若干个空间坐标生成第一点云；
S24、重复执行步骤S23，直至遍历上述指定关联图像组中全部RGB图像，从而获取到若干组第一点云，将若干组第一点云通过迭代最近点算法进行配准，经过反复迭代后得到第二点云；
S25、选取与步骤S24中指定的关联图像组相邻的关联图像组依次执行步骤S23、步骤S24；
S26、循环步骤S23、步骤S24、步骤S25，直至完成全部关联图像组内第二点云的生成，将获得的若干组第二点云合并构成被采集人物的整体点云；
S27、对被采集人物的整体点云进行曲面重建，得到人物外表模型。
可选的，步骤S22中所述参考坐标系转化成图像坐标系对各RGB图像上像素点的坐标包括以下步骤：
将参考坐标通过摄像头的外参矩阵转换成相机坐标；
将相机坐标通过透视投影转换成图像坐标；
将图像坐标通过仿射变换转换成像素坐标；
通过摄像头拍摄人物对应在参考坐标系的一点PA齐次坐标到像素坐标上一点PC齐次坐标/>的投影关系如下：
，
其中，表示摄像头的内参矩阵K，/>表示规范化投影矩阵，/>表示摄像头的外参矩阵。
可选的，步骤S23中所述的三角测量包括以下步骤：
S231、对获取所述的两张RGB图像所对应的摄像头分别进行标定，得到相机坐标O1、O2；
S232、选取被采集人物身体上的一个点，对应参考坐标系，分别对应两张RGB图像像素坐标/>、/>，通过平移矩阵T与旋转矩阵R来描述PA在相机坐标O1、相机坐标O2在三维坐标之间的联系如下：
，
S233、通过本质矩阵描述、/>之间的极几何约束关系，采用八点法求解得到深度值λ。
可选的，所述步骤S3包括以下步骤：
S31、通过卷积网络和图形模型的联合训练，对RGB图像上人体骨关节进行定位；
S32、计算人体骨关节的三维空间下的位置，提取骨骼尺寸参数；
S33、将定位后的人体骨关节进行连线，提取人体骨架线；
S34、采用骨骼尺寸参数对人体骨架线进行约束，得到人物内骨骼模型。
可选的，还包括步骤S5：建立交互式服装库，对步骤S4 中构建的人物静态仿真模型进行个性化试装。
可选的，所述交互式服装库包括：
服装建模模块，用于在人物静态仿真模型上编辑或组装服装模型；
服装迁移模块，用于保留服装款式，并保存对服装的几何约束。
可选的，所述服装建模模块包括：
读取经导入包含服装样式的二维图样；
对二维图样进行标记，根据对应衣领、袖子、下摆、上身、下身、腰部创建部件标签；
对各部件标签下的二维图样进行三角网格化；
对三角网格化后的二维图样进行物理仿真，对不同部件的三角网格进行约束；
将不同部件进行缝合，完成整套服装的创建。
可选的，所述服装迁移模块包括：
将对不同部件的三角网格约束数据进行保存，包括三角网格的每条边的距离约束、共边的两个三角网格之间的弯曲约束；
在部件更换时，调用上述约束数据，延用位置信息，进行快速缝合。
本申请还公开了一种图像采集平台，从多角度采集同一人物静止时周身的若干张RGB图像，包括：
基座，放置在地面上，作为该图像采集设备安装摄影摄像装置以及通设传输信号的管线的基础；
采集区，由垂直设置于所述基座边缘的若干根立柱合围构成；
摄像头组，设置在上述立柱上，由各立柱的高度方向间隔设置的摄像头构成，且各摄像头均朝向所述采集区布置。
附图说明
图1为本申请中图像采集平台的结构示意图；
图2为立柱的结构示意图；
图3为点PA在参考坐标系内的关系示意图
图4为点PA在相机坐标系内的关系示意图
图5为点PA在图像坐标系内的关系示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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做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。
需要说明的是，当组件被称为与另一个组件“连接”时，它可以直接与另一个组件连接或者也可以存在居中的组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。
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。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是在于限制本申请。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
参考图1与图2，在本申请的一些实施例中，公开了一种用于实施上述建模方法的图像采集平台，该图像采集平台能够环绕被建模人物的周身，获取该人物的RGB图像与投影图像。
其中，环绕被建模人物的周身具体至少包含前、后、左、右方位，还可以包括被建模人物身高方向的上、下方位。
上述实施例中的图像采集平台包括基座1、环绕该基座1周向设置的若干根立柱2、设置在立柱2上的若干个摄像头3。
为便于摄像头3采集到的图像大小、焦距相对接近或统一，减少后期计算量（即：由于摄像头3与立柱2的位置以及立柱2与基座1的位置相对固定，可以通过测算得到摄像头3之间的相对位姿），上述基座1设置为相对规则的形状，例如：基座1可以为圆形、椭圆形、矩形中的任意一种；
其中，立柱2垂直于基座1设置，立柱2内带有线束通道，用于传输图像数据的通信线束，经过该线束通道连接摄像头3；
多根立柱2之间，围绕基座1阵列分布形成一笼状结构，该笼状结构内部为图像采集区4。图像采集区4用于容纳被建模人物，并限制其活动范围，能缩小采样范围，提高图像获取的精准性，减少计算量。
立柱2具有迎向图像采集区4的正面，以及背离图像采集区4的背面，摄像头3分布在立柱2的正面，且朝向图像采集区4设置。
进一步的，在各立柱2的正面设置有至少3个摄像头3，同一根立柱2上的摄像头3之间沿立柱2的高度方向分布，按等高线对同一高度的摄像头3进行分组可以分为第一摄像头3组、第二摄像头3组、第三摄像头3组，分别对应并采集被建模人物的头部、躯干、下肢图像。
为增加摄像头3所采集图像的信息量，立柱2的正面还设置有补光灯5，用于打光提高人物亮度，增加更多人物细节。
作为优选的，同一根立柱上的摄像头数量为5个。
作为优选的，立柱的数量为27根。
方法
在本申请一实施例中公开了一种人物的建模方法，用于对若干张不同角度拍摄的人物照片进行三维重建的方法，包括以下步骤：
S1、搭建上述实施例中的图像采集平台，通过图像采集平台上设置的若干个摄像头，从多角度采集同一人物静止时周身的若干张RGB图像。
其中，多角度具体指沿人物周身从周向分布以及沿人物身高方向分布的环绕阵列拍摄方式。
为获取更多人物细节，被拍摄人物在拍摄时，所穿着的衣物相对修身，双手五指张开掌心朝前，双臂抬起30度。
S2、对若干张RGB图像进行的人物特征进行提取，建立参考坐标系、相机坐标系、图像坐标系计算RGB图像内像素点在三维空间下的对应坐标，构建人物外表模型。
步骤S2包括以下步骤：S21、对若干张RGB图像进行的人物特征进行识别，并将具有相同的特征的RGB图像分类，形成若干个关联图像组。
S22、建立位于图像采集平台内任意一点的参考坐标系，以各个摄像头为原点建立相机坐标系，对各张RGB图像建立图像坐标系，将参考坐标系转化成图像坐标系对各RGB图像上像素点的坐标。
关于，建立位于图像采集平台内任意一点的参考坐标系，该点可以选择真实世界的任意一点，但为了减少测算量，方便计算获取摄像头之间的位置关系，即相机位姿，我们取图像采集平台一点来标定各摄像头，在后续计算中对该点进行固定延用，以减少计算量。
其中，将参考坐标系转化成图像坐标系对各RGB图像上像素点的坐标包括以下步骤：
将参考坐标通过摄像头的外参矩阵转换成相机坐标；
将相机坐标通过透视投影转换成图像坐标；
将图像坐标通过仿射变换转换成像素坐标；
通过摄像头拍摄人物对应在参考坐标系的一点PA齐次坐标到像素坐标上一点PC齐次坐标/>的投影关系如下：
其中，表示摄像头的内参矩阵K，/>表示规范化投影矩阵，/>表示摄像头的外参矩阵，/>为相机焦距。
S23、指定一组关联图像组，取任意两张RGB图像，对上述两张RGB图像中相匹配的若干个像素点分别在参考坐标系内进行三角测量，获得若干个与各像素点相对应人物特征所在的空间坐标，从而通过上述若干个空间坐标生成第一点云。
其中，S231、对获取所述的两张RGB图像所对应的摄像头分别进行标定，得到相机坐标O1、O2；
S232、选取被采集人物身体上的一个点，对应参考坐标系，分别对应两张RGB图像像素坐标/>、/>，通过平移矩阵T与旋转矩阵R来描述PA在相机坐标O1、相机坐标O2在三维坐标之间的联系如下：
S233、通过本质矩阵描述、/>之间的极几何约束关系，采用八点法求解得到深度值λ。
参考图4可知，像素点的深度值λ为三维空间下/>与摄像头之间的距离，/>为相机拍摄时的焦距，从而得出在各个像素点的深度值λ，对应该像素点对应在三维空间下的对应位置与摄像头之间的距离，通过相机坐标表达。
如图3所示，摄像头设置在相机坐标系XYZ的原点位置，摄像头的光轴与Z轴平行，表示三维空间中的一点，对应被采集人物身体上的一个点，/>代表在RGB图像上的投影所对应的像素点。
从而参考图5所示，利用平移矩阵T与旋转矩阵R，我们可以得知点与两张RGB图像像素坐标/>、/>的关系，由于相机坐标O1、相机坐标O2所对应的相机坐标可以实现通过测量得出进行标定，因此/>、的坐标可以通过内参矩阵/>，与规范化投影矩阵/>，进行计算得出，从而获得/>的坐标。
S24、重复执行步骤S23，直至遍历上述指定关联图像组中全部RGB图像，从而获取到若干组第一点云，将若干组第一点云通过迭代最近点算法进行配准，经过反复迭代后得到第二点云。
S25、选取与步骤S24中指定的关联图像组相邻的关联图像组依次执行步骤S23、步骤S24；
S26、循环步骤S23、步骤S24、步骤S25，直至完成全部关联图像组内第二点云的生成，将获得的若干组第二点云合并构成被采集人物的整体点云。
S27、对被采集人物的整体点云进行曲面重建，得到人物外表模型。
S3、对若干张RGB图像进行的人物的骨架关节点特征进行提取计算，构建人物内骨骼模型；
步骤S3包括以下步骤：
S31、通过卷积网络和图形模型的联合训练，对RGB图像上人体骨关节进行定位；
S32、计算人体骨关节的三维空间下的位置，提取骨骼尺寸参数；
S33、将定位后的人体骨关节进行连线，提取人体骨架线；
S34、采用骨骼尺寸参数对人体骨架线进行约束，得到人物内骨骼模型。
S4、通过步骤S2获取的人物外表模型与步骤S3获取的人物内骨骼模型构建人物静态仿真模型。
S5：建立交互式服装库，对步骤S4 中构建的人物静态仿真模型进行个性化试装。
所述交互式服装库包括：
服装建模模块，用于在人物静态仿真模型上编辑或组装服装模型，包括：读取经导入包含服装样式的二维图样；对二维图样进行标记，根据对应衣领、袖子、下摆、上身、下身、腰部创建部件标签；对各部件标签下的二维图样进行三角网格化；对三角网格化后的二维图样进行物理仿真，对不同部件的三角网格进行约束；将不同部件进行缝合，完成整套服装的创建。
服装迁移模块，用于保留服装款式，并保存对服装的几何约束，包括：将对不同部件的三角网格约束数据进行保存，包括三角网格的每条边的距离约束、共边的两个三角网格之间的弯曲约束；在部件更换时，调用上述约束数据，延用位置信息，进行快速缝合。
总之，以上所述仅为本发明的较佳实施例，凡依本发明申请专利的范围所作的均等变化与修饰，皆应属本发明的涵盖范围。
Claims (10)
1.一种用于人物建模的方法，用于人物的多视图建立人物模型，其特征在于，包括以下步骤：
S1、搭建图像采集平台，通过图像采集平台上设置的若干个摄像头，从多角度采集同一人物静止时周身的若干张RGB图像；
S2、对若干张RGB图像进行的人物特征进行提取，建立参考坐标系、相机坐标系、图像坐标系计算RGB图像内像素点在三维空间下的对应坐标，构建人物外表模型；
S3、对若干张RGB图像进行的人物的骨架关节点特征进行提取计算，构建人物内骨骼模型；
S4、通过步骤S2获取的人物外表模型与步骤S3获取的人物内骨骼模型构建人物静态仿真模型。
2.根据权利要求1中所述的一种用于人物建模的方法，其特征在于，所述步骤S2包括以下步骤：
S21、对若干张RGB图像进行的人物特征进行识别，并将具有相同的特征的RGB图像分类，形成若干个关联图像组；
S22、建立位于图像采集平台内任意一点的参考坐标系，以各个摄像头为原点建立相机坐标系，对各张RGB图像建立图像坐标系，将参考坐标系转化成图像坐标系对各RGB图像上像素点的坐标；
S23、指定一组关联图像组，取任意两张RGB图像，对上述两张RGB图像中相匹配的若干个像素点分别在参考坐标系内进行三角测量，获得若干个与各像素点相对应人物特征所在的空间坐标，从而通过上述若干个空间坐标生成第一点云；
S24、重复执行步骤S23，直至遍历上述指定关联图像组中全部RGB图像，从而获取到若干组第一点云，将若干组第一点云通过迭代最近点算法进行配准，经过反复迭代后得到第二点云；
S25、选取与步骤S24中指定的关联图像组相邻的关联图像组依次执行步骤S23、步骤S24；
S26、循环步骤S23、步骤S24、步骤S25，直至完成全部关联图像组内第二点云的生成，将获得的若干组第二点云合并构成被采集人物的整体点云；
S27、对被采集人物的整体点云进行曲面重建，得到人物外表模型。
3.根据权利要求2中所述的一种用于人物建模的方法，其特征在于，步骤S22中所述参考坐标系转化成图像坐标系对各RGB图像上像素点的坐标包括以下步骤：
将参考坐标通过摄像头的外参矩阵转换成相机坐标；
将相机坐标通过透视投影转换成图像坐标；
将图像坐标通过仿射变换转换成像素坐标；
通过摄像头拍摄人物对应在参考坐标系的一点PA齐次坐标到像素坐标上一点PC齐次坐标/>的投影关系如下：
，其中，/>表示摄像头的内参矩阵K，/>表示规范化投影矩阵，/>表示摄像头的外参矩阵。
4.根据权利要求3中所述的一种用于人物建模的方法，其特征在于，步骤S23中所述的三角测量包括以下步骤：
S231、对获取所述的两张RGB图像所对应的摄像头分别进行标定，得到相机坐标O1、O2；
S232、选取被采集人物身体上的一个点，对应参考坐标系，分别对应两张RGB图像像素坐标/>、/>，通过平移矩阵T与旋转矩阵R来描述PA在相机坐标O1、相机坐标O2在三维坐标之间的联系如下：
，S233、通过本质矩阵描述/>、/>之间的极几何约束关系，采用八点法求解得到深度值λ。
5.根据权利要求1中所述的一种用于人物建模的方法，其特征在于，所述步骤S3包括以下步骤：
S31、通过卷积网络和图形模型的联合训练，对RGB图像上人体骨关节进行定位；
S32、计算人体骨关节的三维空间下的位置，提取骨骼尺寸参数；
S33、将定位后的人体骨关节进行连线，提取人体骨架线；
S34、采用骨骼尺寸参数对人体骨架线进行约束，得到人物内骨骼模型。
6. 根据权利要求1中所述的一种用于人物建模的方法，其特征在于，还包括步骤S5：建立交互式服装库，对步骤S4 中构建的人物静态仿真模型进行个性化试装。
7.根据权利要求6中所述的一种用于人物建模的方法，其特征在于，所述交互式服装库包括：
服装建模模块，用于在人物静态仿真模型上编辑或组装服装模型；
服装迁移模块，用于保留服装款式，并保存对服装的几何约束。
8.根据权利要求7中所述的一种用于人物建模的方法，其特征在于，所述服装建模模块包括：
读取经导入包含服装样式的二维图样；
对二维图样进行标记，根据对应衣领、袖子、下摆、上身、下身、腰部创建部件标签；
对各部件标签下的二维图样进行三角网格化；
对三角网格化后的二维图样进行物理仿真，对不同部件的三角网格进行约束；
将不同部件进行缝合，完成整套服装的创建。
9.根据权利要求8中所述的一种用于人物建模的方法，其特征在于，所述服装迁移模块包括：
将对不同部件的三角网格约束数据进行保存，包括三角网格的每条边的距离约束、共边的两个三角网格之间的弯曲约束；
在部件更换时，调用上述约束数据，延用位置信息，进行快速缝合。
10.图像采集平台，从多角度采集同一人物静止时周身的若干张RGB图像，其特征在于，包括：
基座，放置在地面上，作为该图像采集设备安装摄影摄像装置以及通设传输信号的管线的基础；
采集区，由垂直设置于所述基座边缘的若干根立柱合围构成；
摄像头组，设置在上述立柱上，由各立柱的高度方向间隔设置的摄像头构成，且各摄像头均朝向所述采集区布置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410047564.4A CN117557700B (zh) | 2024-01-12 | 2024-01-12 | 一种用于人物建模的方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410047564.4A CN117557700B (zh) | 2024-01-12 | 2024-01-12 | 一种用于人物建模的方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117557700A true CN117557700A (zh) | 2024-02-13 |
| CN117557700B CN117557700B (zh) | 2024-03-22 |
Family
ID=89823767
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410047564.4A Active CN117557700B (zh) | 2024-01-12 | 2024-01-12 | 一种用于人物建模的方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117557700B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106709947A (zh) * | 2016-12-20 | 2017-05-24 | 西安交通大学 | 一种基于rgbd相机的三维人体快速建模系统 |
| CN110580725A (zh) * | 2019-09-12 | 2019-12-17 | 浙江大学滨海产业技术研究院 | 一种基于rgb-d相机的箱体分拣方法及系统 |
| 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 |
| CN112183506A (zh) * | 2020-11-30 | 2021-01-05 | 成都市谛视科技有限公司 | 一种人体姿态生成方法及其系统 |
| CN112991458A (zh) * | 2021-03-09 | 2021-06-18 | 武汉大学 | 一种基于体素的快速三维建模方法及系统 |
| CN113554736A (zh) * | 2021-09-22 | 2021-10-26 | 成都市谛视科技有限公司 | 骨骼动画顶点矫正方法及模型的学习方法、装置和设备 |
| CN114529605A (zh) * | 2022-02-16 | 2022-05-24 | 青岛联合创智科技有限公司 | 一种基于多视图融合的人体三维姿态估计方法 |
| US20220189113A1 (en) * | 2020-12-15 | 2022-06-16 | Kwangwoon University Industry-Academic Collaboration Foundation | Method for generating 3d skeleton using joint-based calibration acquired from multi-view camera |
| KR20220085678A (ko) * | 2020-12-15 | 2022-06-22 | 광운대학교 산학협력단 | 다시점 카메라로부터 획득된 조인트 기반의 캘리브레이션을 이용한 3차원 스켈레톤 생성 방법 |
| CN116152439A (zh) * | 2023-03-02 | 2023-05-23 | 南京大学 | 一种基于多视角人体图像的人体三维姿态重建方法及系统 |
| CN116839564A (zh) * | 2023-05-24 | 2023-10-03 | 山东新一代信息产业技术研究院有限公司 | 一种高精地图构建辅助方法、设备及介质 |
| CN116977596A (zh) * | 2023-07-07 | 2023-10-31 | 杭州电子科技大学 | 一种基于多视角图像的三维建模系统及方法 |
-
2024
- 2024-01-12 CN CN202410047564.4A patent/CN117557700B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106709947A (zh) * | 2016-12-20 | 2017-05-24 | 西安交通大学 | 一种基于rgbd相机的三维人体快速建模系统 |
| CN110580725A (zh) * | 2019-09-12 | 2019-12-17 | 浙江大学滨海产业技术研究院 | 一种基于rgb-d相机的箱体分拣方法及系统 |
| 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 |
| CN112183506A (zh) * | 2020-11-30 | 2021-01-05 | 成都市谛视科技有限公司 | 一种人体姿态生成方法及其系统 |
| US20220189113A1 (en) * | 2020-12-15 | 2022-06-16 | Kwangwoon University Industry-Academic Collaboration Foundation | Method for generating 3d skeleton using joint-based calibration acquired from multi-view camera |
| KR20220085678A (ko) * | 2020-12-15 | 2022-06-22 | 광운대학교 산학협력단 | 다시점 카메라로부터 획득된 조인트 기반의 캘리브레이션을 이용한 3차원 스켈레톤 생성 방법 |
| CN112991458A (zh) * | 2021-03-09 | 2021-06-18 | 武汉大学 | 一种基于体素的快速三维建模方法及系统 |
| CN113554736A (zh) * | 2021-09-22 | 2021-10-26 | 成都市谛视科技有限公司 | 骨骼动画顶点矫正方法及模型的学习方法、装置和设备 |
| CN114529605A (zh) * | 2022-02-16 | 2022-05-24 | 青岛联合创智科技有限公司 | 一种基于多视图融合的人体三维姿态估计方法 |
| CN116152439A (zh) * | 2023-03-02 | 2023-05-23 | 南京大学 | 一种基于多视角人体图像的人体三维姿态重建方法及系统 |
| CN116839564A (zh) * | 2023-05-24 | 2023-10-03 | 山东新一代信息产业技术研究院有限公司 | 一种高精地图构建辅助方法、设备及介质 |
| CN116977596A (zh) * | 2023-07-07 | 2023-10-31 | 杭州电子科技大学 | 一种基于多视角图像的三维建模系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| RINALDI MUNIR: "Comparison_of_secret_color_image_sharing_based_on_XOR_operation_in_RGB_and_YCbCr_color_model", 《2017 6TH INTERNATIONAL CONFERENCE ON ELECTRICAL ENGINEERING AND INFORMATICS(ICEEI)》, 12 March 2018 (2018-03-12), pages 1 - 6 * |
| 周泽浩;张之江;: "基于RGB-D相机数据的人体三维重建系统", 工业控制计算机, no. 09, 25 September 2020 (2020-09-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117557700B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111460872B (zh) | 图像处理方法及装置、图像设备及存储介质 | |
| CN111783525B (zh) | 基于风格迁移的航空摄影图像目标样本生成方法 | |
| KR101424942B1 (ko) | 이미지 프로세싱을 기반으로 한 3ｄ 공간 차원용 시스템 및 방법 | |
| CN105631861B (zh) | 结合高度图从无标记单目图像中恢复三维人体姿态的方法 | |
| CN110399809A (zh) | 多特征融合的人脸关键点检测方法及装置 | |
| CN113496507A (zh) | 一种人体三维模型重建方法 | |
| CN107067299A (zh) | 虚拟试衣方法和系统 | |
| CN113657357B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN114450719A (zh) | 人体模型重建方法、重建系统及存储介质 | |
| CN112669448B (zh) | 基于三维重建技术的虚拟数据集开发方法、系统及存储介质 | |
| US20240119671A1 (en) | Systems and methods for face asset creation and models from one or more images | |
| WO2020104990A1 (en) | Virtually trying cloths & accessories on body model | |
| CN110717978A (zh) | 基于单张图像的三维头部重建方法 | |
| CN113284249B (zh) | 一种基于图神经网络的多视角三维人体重建方法及系统 | |
| CN117557755B (zh) | 虚拟场景中师生化身服饰可视化方法及系统 | |
| CN112365589B (zh) | 一种虚拟三维场景展示方法、装置及系统 | |
| CN111915725B (zh) | 一种基于运动重建的人体测量方法 | |
| CN116612256B (zh) | 一种基于NeRF的实时远程三维实景模型浏览方法 | |
| CN117557700B (zh) | 一种用于人物建模的方法及设备 | |
| Yao et al. | A data-driven approach for 3D human body pose reconstruction from a kinect sensor | |
| CN109101916A (zh) | 基于标识带的视频动作的获取方法和装置 | |
| CN117115350A (zh) | 一种三维人体模型及其重建方法及人体数据测量方法 | |
| Li et al. | Realistic human head modeling with multi-view hairstyle reconstruction | |
| CN117876630A (zh) | 基于四面体网格的可驱动完整人体全息化身表达方法 | |
| Magnenat-Thalmann et al. | Inhabited Virtual Heritage. |
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 |