CN114399595A - 三维全景数字展厅的图像自动处理方法、***及终端 - Google Patents
三维全景数字展厅的图像自动处理方法、***及终端 Download PDFInfo
- Publication number
- CN114399595A CN114399595A CN202111646913.7A CN202111646913A CN114399595A CN 114399595 A CN114399595 A CN 114399595A CN 202111646913 A CN202111646913 A CN 202111646913A CN 114399595 A CN114399595 A CN 114399595A
- Authority
- CN
- China
- Prior art keywords
- live
- feature
- model
- scene
- modeling
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 22
- 239000000463 material Substances 0.000 claims description 57
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 abstract description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009469 supplementation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Architecture (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及涉及智能图像处理技术领域,尤其是涉及一种三维全景数字展厅的图像自动处理方法、***及终端,旨在解决现有技术存在三维模型搭建,需要采集各项参数,处理效率低的问题,其技术方案是一种三维全景数字展厅的图像自动处理方法,包括获取待展示场景的建模素材;建立三维的数字坐标系,识别所述实景图像中的轮廓特征;在所述数字坐标系中定位轮廓特征,并将所述轮廓特征坐标化,获取特征坐标;基于所述轮廓特征对待展示场景中的物品分别建模获取特征模型;基于所述特征坐标将特征模型进行定位及拼接,生成场景模型,本申请具有提高数字展厅中三维模型的建模效率的效果。
Description
技术领域
本申请涉及智能图像处理技术领域,尤其是涉及一种三维全景数字展厅的图像自动处理方法、***及终端。
背景技术
传统展厅具有展示内容更换周期长、展示手段单一、互动性差、与观众沟通困难等缺陷,而数字展厅结合多媒体和虚拟现实技术,实现了展示对象的数字化展示,通过网络与参与者互动,结合3D动画、视频、游戏等多媒体元素丰富了用户的感官体验,得到了广泛的应用。
目前,数字展厅在构建的过程中,通常需要工程师和设计师通过计算机建模的方式,对需要展示的场景进行搭建,并将搭建成的场景图像进行3D渲染等处理。
在实现本申请的过程中,发明人发现上述技术至少存在以下问题:
有工程师依照场景资料对待展示的场景进行三维模型搭建,需要采集各项参数,处理效率低。
发明内容
为了提高数字展厅中三维模型的建模效率,本申请提供一种三维全景数字展厅的图像自动处理方法、***及终端。
第一方面,本申请提供的一种三维全景数字展厅的图像自动处理方法,采用如下的技术方案:
一种三维全景数字展厅的图像自动处理方法,所述方法包括以下步骤:
获取待展示场景的建模素材,所述建模素材中至少包括实景图像;
建立三维的数字坐标系,识别所述实景图像中的轮廓特征,所述轮廓特征用于标识实景图像中的物品;
在所述数字坐标系中定位轮廓特征,并将所述轮廓特征坐标化,获取特征坐标;
基于所述轮廓特征对待展示场景中的物品分别建模获取特征模型;
基于所述特征坐标将特征模型进行定位及拼接,生成场景模型。
通过采用上述技术方案,获取建模素材后,智能终端可以直接对实景图像进行识别,识别出实景图像中存在的需要建模的物品,进而有助于实现对场景中物品的自动识别,通过建立三维坐标系,可以将场景中的物品在三维坐标系中实现定位,有助于提高场景模型中物品布置的精确度,最终通过场景中的物品在三维坐标系中的定位进行场景模型的组装生成,实现了由实景图像到场景模型的转化,有助于提高模型生成的智能化程度,有助于提高建模效率。
在一个具体的可实施方式中,所述建模素材还包括视频素材、音频素材以及解说文本中的一种或多种。
通过采用上述技术方案,建模素材中增加视频素材、音频素材以及解说文本等,有助于扩展场景模型中的信息,进而有助于增强场景模型的信息展示效果。
在一个具体的可实施方式中,所述基于所述轮廓特征对待展示场景中的物品分别建模获取特征模型之后还包括:
基于预设的图像识别算法分析所述特征模型,获取模型信息;
基于所述模型信息,获取与所述特征模型关联的关联建模素材;
将所述关联建模素材嵌入对应的特征模型中。
通过采用上述技术方案,可以将建模素材中与特征模型匹配的素材嵌入到特征模型中,以使相应的素材可以得到展示,取代了由人工进行补充,有助于提高场景模型的建模效率,同时增加场景模型中的信息量,有助于改善场景模型的信息展示效果。
在一个具体的可实施方式中,所述建立三维的数字坐标系,识别所述实景图像中的轮廓特征,所述轮廓特征用于标识实景图像中的物品包括:
建立三维的数字坐标系;
将所述实景图像转化为灰度实景图,获取所述灰度实景图的灰度值;
基于预设的边缘识别算法解析所述灰度实景图,获取所述灰度实景图中的轮廓特征,所述轮廓特征用于标识实景图像中的物品。
通过采用上述技术方案,通过灰度图的方式对实景图像进行边缘识别,有助于增强边缘识别的精确度,便于在进行特征模型的建模使,使得特征模型的各个方向的尺寸得到精确的估算,进而有助于提高场景模型的建模效率。
在一个具体的可实施方式中,所述基于所述轮廓特征对待展示场景中的物品分别建模获取特征模型之前,还包括:
将所述轮廓特征与预设的模型数据库中的历史特征模型进行匹配;
若存在与所述轮廓特征对应的第一历史特征模型,则直接调用所述第一历史特征模型。
通过采用上述技术方案,当存在与实景图像中的轮廓匹配的历史特征模型时,可以直接调用,有助于避免对同一个物品进行重复建模的工作,进而有助于提高场景模型的建模效率。
在一个具体的可实施方式中,所述若存在与所述轮廓特征对应的第一历史特征模型,则直接调用所述第一历史特征模型之后,还包括:
基于所述轮廓特征的特征坐标,基于特征坐标获取特征模型的尺寸信息;
将所述第一历史特征模型进行等比例缩放,以使所述第一历史特征模型符合特征模型的尺寸信息。
通过采用上述技术方案,同一物品在不同场景中可能有不同的尺寸,通过三维坐标系获取特征模型的尺寸信息后,基于尺寸信息对特征模型进行缩放,有助于降低场景模型中出现物品尺寸异常的可能性,有助于提高场景模型的精确度。
第二方面,本申请提供一种三维全景数字展厅的图像自动处理***,采用如下的技术方案:
一种三维全景数字展厅的图像自动处理***,其特征在于:所述***包括:
素材获取模块,用于获取待展示场景的建模素材,所述建模素材中至少包括实景图像;
轮廓识别模块,用于建立三维的数字坐标系,识别所述实景图像中的轮廓特征,所述轮廓特征用于标识实景图像中的物品;
特征定位模块,用于在所述数字坐标系中定位轮廓特征,并将所述轮廓特征坐标化,获取特征坐标;
特征建模模块,用于基于所述轮廓特征对待展示场景中的物品分别建模获取特征模型;
场景生成模块,用于基于所述特征坐标将特征模型进行定位及拼接,生成场景模型。
通过采用上述技术方案,获取建模素材后,智能终端可以直接对实景图像进行识别,识别出实景图像中存在的需要建模的物品,进而有助于实现对场景中物品的自动识别,通过建立三维坐标系,可以将场景中的物品在三维坐标系中实现定位,有助于提高场景模型中物品布置的精确度,最终通过场景中的物品在三维坐标系中的定位进行场景模型的组装生成,实现了由实景图像到场景模型的转化,有助于提高模型生成的智能化程度,有助于提高建模效率。
第三方面,本申请提供一种智能终端,采用如下的技术方案:
一种智能终端,所述智能终端包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面任一所述的一种三维全景数字展厅的图像自动处理方法。
通过采用上述技术方案,智能终端中的处理器可以根据存储器中存储的相关计算机程序,实现上述一种三维全景数字展厅的图像自动处理方法,进而提高数字展厅中三维模型的建模效率。
第四方面,本申请提供一种计算机可读存储介质,采用了如下的技术方案:
一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如第一方面任一所述的一种三维全景数字展厅的图像自动处理方法。
通过采用上述技术方案,能够存储相应的程序,进而提高数字展厅中三维模型的建模效率。
综上所述,本申请包括以下至少一种有益技术效果:
获取建模素材后,智能终端可以直接对实景图像进行识别,识别出实景图像中存在的需要建模的物品,进而有助于实现对场景中物品的自动识别,通过建立三维坐标系,可以将场景中的物品在三维坐标系中实现定位,有助于提高场景模型中物品布置的精确度,最终通过场景中的物品在三维坐标系中的定位进行场景模型的组装生成,实现了由实景图像到场景模型的转化,有助于提高模型生成的智能化程度,有助于提高建模效率;
可以将建模素材中与特征模型匹配的素材嵌入到特征模型中,以使相应的素材可以得到展示,取代了由人工进行补充,有助于提高场景模型的建模效率,同时增加场景模型中的信息量,有助于改善场景模型的信息展示效果;
同一物品在不同场景中可能有不同的尺寸,通过三维坐标系获取特征模型的尺寸信息后,基于尺寸信息对特征模型进行缩放,有助于降低场景模型中出现物品尺寸异常的可能性,有助于提高场景模型的精确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例中示出的一种三维全景数字展厅的图像自动处理方法的方法流程图;
图2是本申请实施例中示出的一种三维全景数字展厅的图像自动处理***的***流程图;
图3是本申请实施例中示出的智能终端的结构示意图。
附图标记说明:1、素材获取模块;2、轮廓识别模块;3、特征定位模块;4、特征建模模块;5、场景生成模块。
具体实施方式
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图1-3,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
本申请实施例提供了一种三维全景数字展厅的图像自动处理方法,所述方法的执行主体可以是智能终端。智能终端可以用于接收设计师提供的用于进行场景建模工作的建模素材,建模素材中包括有与待展示场景相关的资料及信息,通过对建模素材的分析,智能终端最终可以实现场景模型的建模工作,达到在三维全景展厅中展示的目的。
下面将结合具体实施方式,对图1所示的处理流程进行详细的说明,内容可以如下:
步骤101,获取待展示场景的建模素材。
其中,建模素材中至少包括实景图像。
在实施中,实景图像可以由工程师通过拍摄获取,在拍摄前可以由智能终端向工程师提供预设的实景图像要求,一般的,为了便于场景模型的搭建,实景图像通过需要工程师从多个不同的角度进行拍摄,可以设置为工程图中标准的三视图,即主视图、侧视图以及俯视图;也可以设置为从多角度拍摄的轴测图。这样,有助于提高场景建模的精确度,降低物品模型错误或遗漏场景中物品的情况发生的可能性。
在一个具体的实施例中,数字展厅中的三维模型展示场景时,除了需要展示场景本身,还可能需要展示场景中的信息,因此相应的:建模素材还包括视频素材、音频素材以及解说文本中的一种或多种。
在实施中,获取建模素材时,建模素材中包括有与建立场景模型相关的全部素材,因此显然的,建模素材中还可以包括用于展示场景中额外信息的其它素材,例如视频素材、音频素材以及解说文本等,还可以包括Flash等具有互动性的小程序。
这样,建模素材中补充的不同种类的素材有助于根据工程师的需要进行展示,有助于增强场景模型展示场景信息的效果。
步骤102,建立三维的数字坐标系,识别所述实景图像中的轮廓特征,所述轮廓特征用于标识实景图像中的物品。
在实施中,为了实现实景图像中场景的还原,智能终端需要通过实景图像获取两个信息,一方面需要获取实景图像中所描述的所有物品、摆设以及结构,另一方面需要获知上述的物品、摆设以及结构在场景中的相对位置。因此,智能终端需要先建立三维的数字坐标系,以三维的数字坐标系作为空间中物品定位、建模的基准。坐标系建立完成后,智能终端可以对实景图像进行识别,以获取实景图像中的轮廓特征,这里所指的轮廓特征可以用于标识出实景图像中的物品、摆设以及结构。
在一个具体的实施例中,由于场景模型为三维模型,为了精准地描述出场景中物品的三维形象,相应的,步骤102可以包括如下处理:建立三维的数字坐标系;将所述实景图像转化为灰度实景图,获取所述灰度实景图的灰度值;基于预设的边缘识别算法解析所述灰度实景图,获取所述灰度实景图中的轮廓特征,所述轮廓特征用于标识实景图像中的物品。
在实施中,为了根据二维的实景图像计算出场景中物品的三维模型,智能终端可以将实景图像转化为灰度图,获取灰度实景图后再进行处理。具体的,智能终端可以调用加权平均值算法获取实景图像中每个像素点的灰度值,具体可以基于Gary=(R*299+G*587+B*114)/1000来获取,其中R、G、B均为彩色照片像素的颜色值,获取实景图像的灰度值之后,智能终端可以针对待处理的当前像素点,选择一个预设的像素模版,该预设的像素模版由当前像素近邻的若干像素组成,然后计算像素模版中所有像素的灰度均值,再把该灰度均值作为当前像素点的灰度值。
这样,智能终端获取的实景灰度图除了进行基本的灰度转换处理以外,还经过了一定的滤波处理,使得实景灰度图中包含的图像信息更为精确。下一步,只能终端可以调用边缘识别算法,通过边缘识别算法识别实景灰度图中的轮廓特征,这里的边缘识别算法可以调用Sobel算子或高斯拉普拉斯算子。最终智能终端获取了实景图像中的轮廓特征。
步骤103,在所述数字坐标系中定位轮廓特征,并将所述轮廓特征坐标化,获取特征坐标。
在实施中,智能终端建立了三维的数字坐标系后,可以基于多角度的实景图像中展示的相对的位置信息,来定位在步骤102中所识别出的轮廓特征的。具体的,可以将多个角度的实景图像分别进行二值化处理,二值乎处理后,获取实景图像中每个像素点到对应的二维坐标系的定位坐标,最后将两个二维坐标系中的定位坐标进行合并,获取特征坐标。可以举例说明,智能终端选用的实景图像的拍摄角度分别为主视图、侧视图以及俯视图,此时,基于主视图建立的二维坐标系实际上就是智能终端建立的三维数字坐标系的YZ坐标系,而基于侧视图建立的二维坐标系实际上就是智能终端建立的三维数字坐标系中的XZ坐标系,基于俯视图建立的二维坐标系实际上就是智能终端建立的三维坐标系中的XY坐标系。
这样,将上述分别基于主视图、侧视图以及俯视图建立的二维坐标系中的轮廓特征的各系坐标进行组合,即可以得到轮廓特征在三维坐标系中用于定位的特征坐标。
步骤104,基于所述轮廓特征对待展示场景中的物品分别建模获取特征模型。
在实施中,智能终端获取了轮廓特征的特征坐标之后,可以基于轮廓特征对场景中的物品、设施以及机构进行三维建模,进而获取各个独立的特征模型。
在一个具体的实施例中,同一类场景中可能有出现相同的结构,重复建模会导致终端的计算效率降低,因此相应的,步骤104之前还可以包括如下处理:将所述轮廓特征与预设的模型数据库中的历史特征模型进行匹配;若存在与所述轮廓特征对应的第一历史特征模型,则直接调用所述第一历史特征模型。
在实施中,智能终端在每次场景建模的工作中,可以将建模完成的特征模型进行存储,基于历史特征模型构建一个模型数据库。智能终端获取轮廓特征之后,在基于轮廓特征执行三维建模之前,可以基于轮廓特征在模型数据库中进行检索,通过检索的方式寻找模型数据库中是否有匹配的历史模型特征,若检索到对应的第一历史特征模型,则可以直接调用第一历史特征模型作为当前场景模型中的特征模型。
这样,可以降低场景模型建模的计算量,有助于提高场景模型的建模效率。
在一个具体的实施例中,不同场景中的相同结构可能尺寸不一样,因此相应的,还可以包括如下处理:基于所述轮廓特征的特征坐标,基于特征坐标获取特征模型的尺寸信息;将所述第一历史特征模型进行等比例缩放,以使所述第一历史特征模型符合特征模型的尺寸信息。
这样,可以在调用第一历史特征模型的情况下,保证场景中尺寸对应。
在一个具体的实施例中,步骤104之后还可以包括如下处理:基于预设的图像识别算法分析所述特征模型,获取模型信息;基于所述模型信息,获取与所述特征模型关联的关联建模素材;将所述关联建模素材嵌入对应的特征模型中。
这样,智能终端可以将建模素材中与特征模型匹配的素材嵌入到特征模型中,以使相应的素材可以得到展示,取代了由人工进行补充,有助于提高场景模型的建模效率,同时增加场景模型中的信息量,有助于改善场景模型的信息展示效果。
步骤105,基于所述特征坐标将特征模型进行定位及拼接,生成场景模型。
在实施中,获取特征模型之后,根据与特征模型对应的轮廓特征的特征坐标,可以将特征模型进行定位和组装,最终生成场景模型。
基于相同的技术构思,本发明实施例还提供了一种三维全景数字展厅的图像自动处理***,三维全景数字展厅的图像自动处理***包括:
素材获取模块1,用于获取待展示场景的建模素材,所述建模素材中至少包括实景图像;
轮廓识别模块2,用于建立三维的数字坐标系,识别所述实景图像中的轮廓特征,所述轮廓特征用于标识实景图像中的物品;
特征定位模块3,用于在所述数字坐标系中定位轮廓特征,并将所述轮廓特征坐标化,获取特征坐标;
特征建模模块4,用于基于所述轮廓特征对待展示场景中的物品分别建模获取特征模型;
场景生成模块5,用于基于所述特征坐标将特征模型进行定位及拼接,生成场景模型。
在一个具体的可实施方案中,所述***还包括:
模型识别子模块,用于基于预设的图像识别算法分析所述特征模型,获取模型信息;
素材关联子模块,用于基于所述模型信息,获取与所述特征模型关联的关联建模素材;
素材嵌入子模块,用于将所述关联建模素材嵌入对应的特征模型中。
在一个具体的可实施方案中,所述轮廓识别模块2包括:
坐标系子模块,用于建立三维的数字坐标系;
灰度转换子模块,用于将所述实景图像转化为灰度实景图,获取所述灰度实景图的灰度值;
边缘识别子模块,用于基于预设的边缘识别算法解析所述灰度实景图,获取所述灰度实景图中的轮廓特征,所述轮廓特征用于标识实景图像中的物品。
在一个具体的可实施方案中,特征建模模块4之前还包括:
历史匹配子模块,用于将所述轮廓特征与预设的模型数据库中的历史特征模型进行匹配;
历史调用子模块,用于若存在与所述轮廓特征对应的第一历史特征模型,则直接调用所述第一历史特征模型。
在一个具体的可实施方案中,特征建模模块4还包括:
尺寸获取子模块,用于基于所述轮廓特征的特征坐标,基于特征坐标获取特征模型的尺寸信息;
比例缩放子模块,用于将所述第一历史特征模型进行等比例缩放,以使所述第一历史特征模型符合特征模型的尺寸信息。
本申请实施例还公开一种智能终端,智能终端包括存储器和处理器,存储器上存储有能够被处理器加载并执行如上述的一种三维全景数字展厅的图像自动处理方法的计算机程序。
基于相同的技术构思,本申请实施例还公开一种计算机可读存储介质,包括能够被处理器加载执行时实现上述一种三维全景数字展厅的图像自动处理方法流程中的各个步骤。
计算机可读存储介质例如包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
所属领域的技术人员可以清楚地了解到,为描述的方便和简化,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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现有技术做出贡献的部分或者该技术方案的全部或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)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U 盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以对本申请的技术方案进行了详细介绍,但以上实施例的说明只是用于帮助理解本申请的方法及其核心思想,不应理解为对本申请的限制。本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。
Claims (9)
1.一种三维全景数字展厅的图像自动处理方法,其特征在于,所述方法包括以下步骤:
获取待展示场景的建模素材,所述建模素材中至少包括实景图像;
建立三维的数字坐标系,识别所述实景图像中的轮廓特征,所述轮廓特征用于标识实景图像中的物品;
在所述数字坐标系中定位轮廓特征,并将所述轮廓特征坐标化,获取特征坐标;
基于所述轮廓特征对待展示场景中的物品分别建模获取特征模型;
基于所述特征坐标将特征模型进行定位及拼接,生成场景模型。
2.根据权利要求1所述的一种三维全景数字展厅的图像自动处理方法,其特征在于:所述建模素材还包括视频素材、音频素材以及解说文本中的一种或多种。
3.根据权利要求2所述的一种三维全景数字展厅的图像自动处理方法,其特征在于,所述基于所述轮廓特征对待展示场景中的物品分别建模获取特征模型之后还包括:
基于预设的图像识别算法分析所述特征模型,获取模型信息;
基于所述模型信息,获取与所述特征模型关联的关联建模素材;
将所述关联建模素材嵌入对应的特征模型中。
4.根据权利要求1所述的一种三维全景数字展厅的图像自动处理方法,其特征在于:所述建立三维的数字坐标系,识别所述实景图像中的轮廓特征,所述轮廓特征用于标识实景图像中的物品包括:
建立三维的数字坐标系;
将所述实景图像转化为灰度实景图,获取所述灰度实景图的灰度值;
基于预设的边缘识别算法解析所述灰度实景图,获取所述灰度实景图中的轮廓特征,所述轮廓特征用于标识实景图像中的物品。
5.根据权利要求1所述的一种三维全景数字展厅的图像自动处理方法,其特征在于:所述基于所述轮廓特征对待展示场景中的物品分别建模获取特征模型之前,还包括:
将所述轮廓特征与预设的模型数据库中的历史特征模型进行匹配;
若存在与所述轮廓特征对应的第一历史特征模型,则直接调用所述第一历史特征模型。
6.根据权利要求5所述的一种三维全景数字展厅的图像自动处理方法,其特征在于,所述若存在与所述轮廓特征对应的第一历史特征模型,则直接调用所述第一历史特征模型之后,还包括:
基于所述轮廓特征的特征坐标,基于特征坐标获取特征模型的尺寸信息;
将所述第一历史特征模型进行等比例缩放,以使所述第一历史特征模型符合特征模型的尺寸信息。
7.一种三维全景数字展厅的图像自动处理***,其特征在于:所述***包括:
素材获取模块(1),用于获取待展示场景的建模素材,所述建模素材中至少包括实景图像;
轮廓识别模块(2),用于建立三维的数字坐标系,识别所述实景图像中的轮廓特征,所述轮廓特征用于标识实景图像中的物品;
特征定位模块(3),用于在所述数字坐标系中定位轮廓特征,并将所述轮廓特征坐标化,获取特征坐标;
特征建模模块(4),用于基于所述轮廓特征对待展示场景中的物品分别建模获取特征模型;
场景生成模块(5),用于基于所述特征坐标将特征模型进行定位及拼接,生成场景模型。
8.一种智能终端,其特征在于,所述智能终端包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至6任一所述的一种三维全景数字展厅的图像自动处理方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至6任一所述的一种三维全景数字展厅的图像自动处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111646913.7A CN114399595A (zh) | 2021-12-29 | 2021-12-29 | 三维全景数字展厅的图像自动处理方法、***及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111646913.7A CN114399595A (zh) | 2021-12-29 | 2021-12-29 | 三维全景数字展厅的图像自动处理方法、***及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114399595A true CN114399595A (zh) | 2022-04-26 |
Family
ID=81229818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111646913.7A Pending CN114399595A (zh) | 2021-12-29 | 2021-12-29 | 三维全景数字展厅的图像自动处理方法、***及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399595A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115543095A (zh) * | 2022-12-02 | 2022-12-30 | 江苏冰谷数字科技有限公司 | 一种公共安全数字互动体验方法及*** |
CN116188700A (zh) * | 2023-04-27 | 2023-05-30 | 南京大圣云未来科技有限公司 | 一种基于aigc自动生成3d场景的*** |
-
2021
- 2021-12-29 CN CN202111646913.7A patent/CN114399595A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115543095A (zh) * | 2022-12-02 | 2022-12-30 | 江苏冰谷数字科技有限公司 | 一种公共安全数字互动体验方法及*** |
CN116188700A (zh) * | 2023-04-27 | 2023-05-30 | 南京大圣云未来科技有限公司 | 一种基于aigc自动生成3d场景的*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107742311B (zh) | 一种视觉定位的方法及装置 | |
US11798239B2 (en) | Method and device for a placement of a virtual object of an augmented or mixed reality application in a real-world 3D environment | |
CN114399595A (zh) | 三维全景数字展厅的图像自动处理方法、***及终端 | |
US11145080B2 (en) | Method and apparatus for three-dimensional object pose estimation, device and storage medium | |
CN105701828B (zh) | 一种图像处理方法和装置 | |
CN107920202B (zh) | 基于增强现实的视频处理方法、装置及电子设备 | |
CN111862205A (zh) | 一种视觉定位方法、装置、设备及存储介质 | |
KR20130089649A (ko) | 3차원 이미지에서 컨텐츠를 검열하는 방법 및 장치 | |
CN111054080A (zh) | 智能检测透视外挂方法、装置、设备及其存储介质 | |
US11900552B2 (en) | System and method for generating virtual pseudo 3D outputs from images | |
EP3561777A1 (en) | Method and apparatus for processing a 3d scene | |
KR20160034513A (ko) | Rgb-d 영상을 이용한 실감형 증강현실 구현 장치 및 방법 | |
US20230260207A1 (en) | Shadow-based estimation of 3d lighting parameters from reference object and reference virtual viewpoint | |
KR101652594B1 (ko) | 증강 현실 컨텐츠 제공 장치 및 방법 | |
CN107610236B (zh) | 一种基于图形识别的交互方法及*** | |
US20140098246A1 (en) | Method, Apparatus and Computer-Readable Recording Medium for Refocusing Photographed Image | |
CN114638866A (zh) | 一种基于局部特征学习的点云配准方法及*** | |
CN107563958B (zh) | 全息图像转换方法和*** | |
CN113570615A (zh) | 一种基于深度学习的图像处理方法、电子设备及存储介质 | |
CN110390731B (zh) | 图像处理方法、装置、计算机可读存储介质及电子设备 | |
CN109040612B (zh) | 目标对象的图像处理方法、装置、设备及存储介质 | |
CN113486941B (zh) | 直播图像的训练样本生成方法、模型训练方法及电子设备 | |
CN111369612A (zh) | 一种三维点云图像生成方法及设备 | |
Heisterklaus et al. | Image-based pose estimation using a compact 3d model | |
Avazov et al. | Automatic moving shadow detection and removal method for smart city environments |
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 |