[發(fā)明專利]多層次細(xì)節(jié)模型生成方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110654905.0
• 申請(qǐng)日: 2021-06-11
• 公開(kāi)（公告）號(hào): CN113327315A
• 公開(kāi)（公告）日: 2021-08-31
• 發(fā)明（設(shè)計(jì)）人: 宋輝露;聶丹;李學(xué)川;黃海鵬;魯路平
• 申請(qǐng)（專利權(quán)）人: 武漢天遠(yuǎn)視科技有限責(zé)任公司
• 主分類號(hào): G06T15/00
• 分類號(hào): G06T15/00;G06T17/20;G06T5/00;G06T5/40;G06K9/62
• 代理公司: 成都弘毅天承知識(shí)產(chǎn)權(quán)代理有限公司 51230
• 代理人: 崔翠翠

本發(fā)明涉及三維重建技術(shù)領(lǐng)域，公開(kāi)了多層次細(xì)節(jié)模型生成方法和裝置，其中，所述方法包括：獲取目標(biāo)的初始影像集合和初始三維網(wǎng)格模型；基于初始影像集合生成最佳紋理塊集合；將最佳紋理塊集合中的紋理塊映射到初始三維網(wǎng)格模型上生成包含紋理的初始三維模型；對(duì)初始三維模型進(jìn)行簡(jiǎn)化獲得包含紋理的簡(jiǎn)化三維模型；基于簡(jiǎn)化三維模型生成多層次細(xì)節(jié)模型。本發(fā)明解決了現(xiàn)有多層次細(xì)節(jié)模型生成速度慢、存儲(chǔ)資源消耗大、模型精度低的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及三維重建技術(shù)領(lǐng)域，具體是指多層次細(xì)節(jié)模型生成方法和裝置。

背景技術(shù)

現(xiàn)有三維重建的通用流程一般包括點(diǎn)云生成、稀疏重建、稠密重建、網(wǎng)格生成、網(wǎng)格優(yōu)化、網(wǎng)格簡(jiǎn)化和紋理生成，整個(gè)流程以采集得到的原始影像為輸入，輸出包含紋理的網(wǎng)格模型。其中，多層次細(xì)節(jié)技術(shù)是根據(jù)目標(biāo)模型的節(jié)點(diǎn)在顯示環(huán)境中所處的位置和重要度，決定目標(biāo)三維模型渲染的資源分配，降低非重要物體的面數(shù)和細(xì)節(jié)度，從而獲得高效率的渲染運(yùn)算的一種三維重建技術(shù)。

在多層次細(xì)節(jié)模型生成方面，目前網(wǎng)格簡(jiǎn)化與紋理生成相對(duì)獨(dú)立，先通過(guò)得到不同簡(jiǎn)化倍數(shù)的模型，針對(duì)每個(gè)簡(jiǎn)化模型分別進(jìn)行一次紋理生成，得到一份紋理文件。最終，多層次細(xì)節(jié)模型的每個(gè)層級(jí)都將包含一份網(wǎng)格模型和一份紋理文件，造成現(xiàn)有多層次細(xì)節(jié)模型生成方法存在生成速度慢、存儲(chǔ)資源消耗大、模型精度低的問(wèn)題。

發(fā)明內(nèi)容

基于以上技術(shù)問(wèn)題，本發(fā)明提供了一種多層次細(xì)節(jié)模型生成方法和裝置，解決了現(xiàn)有多層次細(xì)節(jié)模型生成速度慢、存儲(chǔ)資源消耗大、模型精度低的問(wèn)題。

為解決以上技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案如下：

多層次細(xì)節(jié)模型生成方法，包括：獲取目標(biāo)的初始影像集合和初始三維網(wǎng)格模型；基于初始影像集合生成最佳紋理塊集合；將最佳紋理塊集合中的紋理塊映射到初始三維網(wǎng)格模型上生成包含紋理的初始三維模型；對(duì)初始三維模型進(jìn)行簡(jiǎn)化獲得包含紋理的簡(jiǎn)化三維模型；基于簡(jiǎn)化三維模型生成多層次細(xì)節(jié)模型。

進(jìn)一步的，獲取目標(biāo)的初始影像集合之后，還包括：通過(guò)影像優(yōu)化算法對(duì)初始紋理影像集合進(jìn)行優(yōu)化處理，影像優(yōu)化算法包括銳化算法和限制對(duì)比度的自適應(yīng)直方圖均衡化算法。

進(jìn)一步的，基于初始影像集合生成最佳紋理塊集合，包括：基于初始影像集合生成初始紋理塊集合，初始紋理塊集合由初始三維網(wǎng)格模型各個(gè)三角面片對(duì)應(yīng)的面片紋理塊集合組成；基于面片紋理塊集合選取最佳紋理塊；基于最佳紋理塊生成最佳紋理塊集合。

進(jìn)一步的，基于初始影像集合生成初始紋理塊集合之后，還包括：通過(guò)影像篩選算法對(duì)初始紋理塊集合進(jìn)行篩選處理，影像篩選算法包括均值漂移算法。

進(jìn)一步的，基于面片紋理塊集合選取最佳紋理塊包括：

基于平面檢測(cè)算法對(duì)初始三維網(wǎng)格模型的三角面片進(jìn)行平面劃分；

對(duì)于位于同一平面的三角面片，選取面片紋理塊集合中屬于同一初始影像的面片紋理塊作為三角面片的初選紋理塊集合；

基于馬爾科夫隨機(jī)場(chǎng)設(shè)置能量函數(shù)：

其中，E(V)為能量函數(shù)，E_data為數(shù)據(jù)項(xiàng)，E_smooth為平滑項(xiàng)，F(xiàn)_aces為三角面片集合,E_dges為邊集合，F(xiàn)_i為第i個(gè)三角面片，V_i為三角面片F(xiàn)_i對(duì)應(yīng)的第i個(gè)初選紋理塊；

求解所述能量函數(shù)獲得最優(yōu)值，并選取E(V)為最優(yōu)值時(shí)的初選紋理塊V_i作為最佳紋理塊。

進(jìn)一步的，基于最佳紋理塊生成最佳紋理塊集合之后，還包括：基于光照信息調(diào)整算法對(duì)最佳紋理塊集合的光照信息進(jìn)行調(diào)整。