[發(fā)明專利]基于cGAN的無限地形生成方法、系統(tǒng)、存儲介質(zhì)和終端有效
| 申請?zhí)枺?/td> | 201811101271.0 | 申請日: | 2018-09-20 |
| 公開(公告)號: | CN109215123B | 公開(公告)日: | 2022-07-29 |
| 發(fā)明(設(shè)計)人: | 匡平;鄭庭穎;杜雪梅;付蓉 | 申請(專利權(quán))人: | 電子科技大學 |
| 主分類號: | G06T17/05 | 分類號: | G06T17/05;G06T7/11;G06T15/00 |
| 代理公司: | 成都華風專利事務(wù)所(普通合伙) 51223 | 代理人: | 徐豐;張巨箭 |
| 地址: | 611731 四川省成*** | 國省代碼: | 四川;51 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 cgan 無限 地形 生成 方法 系統(tǒng) 存儲 介質(zhì) 終端 | ||
本發(fā)明公開了基于cGAN的無限地形生成方法、系統(tǒng)、存儲介質(zhì)和終端,方法包括:獲取草圖;數(shù)據(jù)預(yù)處理:將所述草圖覆蓋已存在的生成地形對應(yīng)位置,并打包該位置與周圍八個方向鄰接區(qū)域的地形灰度圖,形成一整張待處理圖像,作為地形生成網(wǎng)絡(luò)的輸入;網(wǎng)絡(luò)處理:將待處理圖像在地形生成網(wǎng)絡(luò)中進行處理,網(wǎng)絡(luò)的輸出將對中心草圖區(qū)域進行地形的創(chuàng)作,通過該區(qū)域的草圖與周圍已有地形的高低起伏生成擬合周圍走向的中心區(qū)域的地形灰度圖;后期處理:將輸出的中心區(qū)域的地形灰度圖與已有地形對應(yīng)位置的區(qū)域分別乘以一個權(quán)重并相加,再賦值到已有地形中,形成當前的大地形灰度圖;主題渲染。本發(fā)明通過深度學習,根據(jù)用戶的簡單輸入生成復(fù)雜的3D地形。
技術(shù)領(lǐng)域
本發(fā)明涉及3D地形建模領(lǐng)域,尤其涉及基于cGAN的無限地形生成方法、系統(tǒng)、存儲介質(zhì)和終端。
背景技術(shù)
3D地形是虛擬環(huán)境中不可或缺且極其重要的視覺內(nèi)容。目前,計算機圖形技術(shù)在地形生成領(lǐng)域已經(jīng)取得了很多突破性的工作,但開發(fā)人員仍在追求更好質(zhì)量和更快速度的地形生成。
地形建模在各種可視化應(yīng)用程序、計算機游戲和計算機圖形中都很重要。目前,地形生成的主要方法可分為基于樣本、基于仿真和程序生成技術(shù)。
在Mandelbrot[1982]的工作中引入了基于仿真的技術(shù),他使用Poisson斷層生成了分形地形。Musgrave等[1989]將建模細分為兩個步驟:地形生成和侵蝕仿真,使用各種侵蝕來修改分形地形。在計算機圖形學中,用于地形生成的侵蝕技術(shù)已經(jīng)被提出近30年了。侵蝕仿真方法用以改善地形特征的真實性[Cordonnier,2018],且可以應(yīng)用于任何地形模型。在Benes等人[2002]的工作中提出了水力地形侵蝕,為了改善地形的真實感,將侵蝕過程分為四個獨立的步驟。
基于樣本的方法從現(xiàn)有樣本生成新地形。Lagae[2005]提出了一種通過樣本進行幾何合成的方法,該方法是分為分析階段和合成階段。基于紋理的地形與草圖相結(jié)合,用于通過用戶控制來定義地形,該方法可以生成較為真實的地形[Tasse等,2012]。然而,基于樣本的方法僅限于,在原有地形之上對地形做出微小的改變,和僅限于基于物理的編輯[Vanek等,2011]。
程序生成技術(shù)是當前主流的生成地形方法,使用連續(xù)的過程函數(shù)來定義地形的高程,具有較高的計算效率。研究人員已經(jīng)提出了各種方法,將復(fù)雜的特征,如河流、丘陵和山脈納入程序性地形[Kelley,1988;Smelik等,2014]。Génevaux等[2015]提出了基于程序原始的地形表示,其通過組合基元的貢獻來描述具有不同細節(jié)水平的復(fù)雜地形。最近,Guérin等人[2017]引入了地形建模框架,該框架結(jié)合了程序建模和交互式草圖,實現(xiàn)從輸入草圖生成復(fù)雜的地形。該框架不僅限于編寫程序規(guī)則或定義基于物理的模擬的參數(shù)。然而,我們發(fā)現(xiàn)地形在Guérin等人的工作中受限于固定大小。
具體地,深度學習的研究和發(fā)展在計算機圖形學方面取得了很大進展。在眾多的深度學習方法中,GAN模型的訓練方法更為徹底,因為它生成了數(shù)據(jù)本身。
如今,在GAN技術(shù)的支持下,可以自動生成電影和游戲中經(jīng)常出現(xiàn)的圖像。用戶只需繪制一些草圖,就可以自動生成高分辨率的3D地形模型。上述過程是通過程序生成完成的,且無需花費數(shù)十小時的工作時間。GAN技術(shù)根據(jù)手繪圖學習如何輸出地形圖像,然后輸入用戶繪制的河流、山脊的景觀草圖,受過訓練后的GAN將自動輸出高質(zhì)量的地形高度圖。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于電子科技大學,未經(jīng)電子科技大學許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811101271.0/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種渲染模型訓練方法、系統(tǒng)、設(shè)備、介質(zhì)及渲染方法
- 一種基于條件生成式對抗網(wǎng)絡(luò)的語種識別分類方法
- 一種方位角可控的SAR目標圖像生成方法
- 基于CGAN的計算鬼成像重建恢復(fù)方法
- 基于二值化網(wǎng)絡(luò)檢測可行駛區(qū)域的方法、系統(tǒng)及存儲介質(zhì)
- 一種基于二值化CGAN網(wǎng)絡(luò)的公路車道檢測方法
- 一種基于改進cGAN網(wǎng)絡(luò)生成適用多設(shè)備識別指靜脈圖像的方法
- 基于CGAN的空間目標ISAR圖像部件分割方法
- 一種基于CGAN的巡檢圖像數(shù)據(jù)小樣本擴充方法
- 一種基于圖像相似度的輸電線路小樣本溫度圖像擴增方法
- 地形分塊與地形測點加權(quán)的地形匹配定位方法
- 一種地形圖生成系統(tǒng)
- 作業(yè)車輛的控制系統(tǒng)、控制方法及作業(yè)車輛
- 作業(yè)車輛的控制系統(tǒng)、控制方法及作業(yè)車輛
- 作業(yè)車輛的控制系統(tǒng)、控制方法以及作業(yè)車輛
- 作業(yè)車輛的控制系統(tǒng)、控制方法以及作業(yè)車輛
- 一種三維地形生成方法及裝置
- 三維地形數(shù)據(jù)獲取方法、裝置、計算機設(shè)備以及存儲介質(zhì)
- 固態(tài)地形編輯方法、裝置、電子設(shè)備及計算機存儲介質(zhì)
- 虛擬地形的渲染方法、裝置、設(shè)備及介質(zhì)





