CN116330667B - 一种玩具的3d打印模型设计方法及*** - Google Patents
一种玩具的3d打印模型设计方法及*** Download PDFInfo
- Publication number
- CN116330667B CN116330667B CN202310313381.8A CN202310313381A CN116330667B CN 116330667 B CN116330667 B CN 116330667B CN 202310313381 A CN202310313381 A CN 202310313381A CN 116330667 B CN116330667 B CN 116330667B
- Authority
- CN
- China
- Prior art keywords
- dimensional model
- point
- dimensional
- toy
- value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000010146 3D printing Methods 0.000 title claims abstract description 42
- 238000013461 design Methods 0.000 title claims description 41
- 239000013598 vector Substances 0.000 claims abstract description 68
- 238000002310 reflectometry Methods 0.000 claims abstract description 45
- 230000001131 transforming effect Effects 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 25
- 238000005457 optimization Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000005286 illumination Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 abstract description 4
- 238000009826 distribution Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002357 laparoscopic surgery Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005375 photometry Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
- B29C64/393—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Optics & Photonics (AREA)
- Image Generation (AREA)
Abstract
本公开提供了一种玩具的3D打印模型设计方法及***,使用光度立体法,通过变换多个不同的光源,获取多个不同的三维模型,并获取每个三维模型上的各个点中包括三维坐标、反射率、表面单位法向量及其像素值的数据,根据三维模型上的各个点的数据进行计算得到光扰动质感值,根据光扰动质感值优化三维模型的表面物理质感后,得到优化所得的三维模型。从而有利于选出最优的反射率和表面单位法向量来优化三维模型的表面物理质感的参数,可以改进三维模型的质量。
Description
技术领域
本公开属于三维建模与数据处理的领域,具体涉及一种玩具的3D打印模型设计方法及***。
背景技术
三维打印技术是近年来发展迅速的一项智能制造的设计技术,是一种基于数字模型构建实体对象的方法,现在也广泛应用于玩具工业的设计和生产中。然而,三维打印产品的质量往往受到一些因素的影响,如设计稿的质量、制造设备的精度、材料的选择等。因此,在三维打印产品的设计过程中,优化原始的三维模型是非常必要的。现有传统的三维打印技术采用的是CAD设计软件,需要手动设计模型的每个面,不仅耗时,而且难以满足现代消费者对个性化、多样性的要求。相比传统的三维打印技术,如公开号为CN112895459B的专利文献中所述的一种基于设计组件信息的3D打印模型智能预处理方法及装置,虽然可以通过三维CAD模型获取模块获取三维CAD模型及其设计组件信息,再根据组件表面述尺寸精度要求和组件表面粗糙度要求来优化设计,但并没有减少设计的复杂度,同时对于优化三维模型的表面物理质感也不甚有效。可见,在三维打印产品设计领域,现有的玩具的3D打印模型设计还面临着数据优化技术上的难题。
发明内容
本发明的目的在于提出一种玩具的3D打印模型设计方法及***,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
本公开提供了一种玩具的3D打印模型设计方法及***,使用光度立体法,通过变换多个不同的光源,获取多个不同的三维模型,并获取每个三维模型上的各个点中包括三维坐标、反射率、表面单位法向量及其像素值的数据,根据三维模型上的各个点的数据进行计算得到光扰动质感值,根据光扰动质感值优化三维模型的表面物理质感后,得到优化所得的三维模型。
为了实现上述目的,根据本公开的一方面,提供一种玩具的3D打印模型设计方法,所述一种玩具的3D打印模型设计方法可用于优化三维模型的表面物理质感,所述表面物理质感包括三维模型表面的反射率和表面单位法向量,所述方法步骤可如下:
S100,使用光度立体法,通过变换多个不同的光源,获取多个不同的三维模型;
S200,获取每个三维模型上的各个点中包括三维坐标、反射率、表面单位法向量及其像素值的数据;
S300,根据三维模型上的各个点的数据进行计算,得到光扰动质感值;
S400,根据光扰动质感值,优化三维模型的表面物理质感后,输出优化所得的三维模型。
进一步地,在S100中,使用光度立体法,通过变换多个不同的光源,获取多个不同的三维模型的方法为:设置多个不同的光源分别轮换对玩具照射进行三维建模,并同时通过使用光度立体法获取三维模型上各点的三维坐标、反射率、表面单位法向量及其像素值的数据,获取各个不同的光源对应的各个三维模型,所述多个不同的光源之间的不同之处在于各光源距离所述玩具所处的位置各不相同。
进一步地,在S200中,获取每个三维模型上的各个点中包括三维坐标、反射率、表面单位法向量及其像素值的数据的方法为:其中所述反射率的数值为属于(0,1)中的小数,所述像素值为经过灰度化与归一化后通过映射为的属于(0,1)中的小数。
进一步地,在S300中,根据三维模型上的各个点的数据进行计算,得到光扰动质感值的方法为:
首先,计算得到各三维模型上各点对应的光扰动值,具体为:
将所述玩具的多个三维模型组成的集合记为Toyset,Toyset中作为元素的三维模型的数量记为n,Toyset中元素的序号为i,且i属于1到n的取值范围,Toyset中作为序号为i的元素的三维模型记作Toy(i);
Toyset中各三维模型包含的点的数量皆相同,Toy(i)中包含的点的数量记为m,Toy(i)中包含的点的序号为j,且j属于1到m的取值范围,Toy(i)中序号为j的点Toy(i,j)包含其三维坐标pos[i,j]、反射率ref[i,j]、表面单位法向量vec[i,j]以及像素值pix[i,j];
对于Toyset包含的各三维模型中的各点,若两个分别属于不同的三维模型的点,分别在其所述三维模型中拥有着数值相同的序号j,则所述两个分别属于不同的三维模型的点拥有数值相同的三维坐标(即例如,Toyset中作为序号为1的元素的三维模型记作Toy(1),Toyset中作为序号为2的元素的三维模型记作Toy(2),Toy(1)中序号j等于3的点跟Toy(2)中序号j也等于3的点这两个点拥有数值相同的三维坐标);
以此计算三维模型上各点的光扰动值:
记Toyset中序号为i的三维模型Toy(i)中序号为j的点Toy(i,j)对应的光扰动值为Dfs[i,j],首先需要(,根据各点包含的三维坐标pos[i,j]来分别将具有同样的三维坐标的点先统一选出来,)分别获取Toyset中除了所述Toy(i)外的各三维模型中序号同样为所述j的各点,同时将序号同样为所述j的各点组成的集合作为所述点Toy(i,j)的光扰动对比集Set(i,j),所述光扰动对比集Set(i,j)中元素的数量则为n-1个,(因为Toyset中共有n个三维模型,除了所述Toy(i)外的三维模型则有n减1个,)所述光扰动对比集Set(i,j)中元素的序号为p(i,j),p(i,j)属于1到n-1,Set(i,j)中序号为p(i,j)的元素为点Toy(p(i,j)),分别获取点Toy(p(i,j))包含的反射率ref[p(i,j)]、表面单位法向量vec[p(i,j)]以及像素值pix[p(i,j)],点Toy(i,j)对应的光扰动值的计算方法可包括:通过分别计算点Toy(i,j)与其光扰动对比集中各点之间的反射率之比ref[p(i,j)]/ref[i,j]、表面单位法向量的相似度Sim(vec[i,j],vec[p(i,j)])以及像素值之比pix[p(i,j)]/pix[i,j]的算术平均数,然后通过在1到n-1遍历p(i,j)计算Toy(i,j)与其光扰动对比集中各点之间的反射率之比、表面单位法向量的相似度以及像素值之比的算术平均数进行累加求和最后除以n-1得到其平均值作为点Toy(i,j)对应的光扰动值,反射率之比、表面单位法向量的相似度以及像素值之比的算术平均值有利于衡量光源的变化干扰在三维模型上的变化概率,从而有效地衡量了光源变换对三维建模的数据特征在数值分布上的影响因素,更好地帮助三维模型排除影响因素进行修正,所述表面单位法向量的相似度可以是通过KL散度或余弦相似度等相似度算法计算向量间的相似度的数值;
对于单位不同的物理量之间的数值上的计算,为了统一不同物理量在数值上的相关性,需要进行无量纲化处理;
进而,根据各三维模型上各点对应的光扰动值,将所有三维模型上的全部的点分别按照三维坐标进行分类,具体为:
将Toyset中所有三维模型上的全部的点分别按照序号j进行分类分为m类(即,将Toyset中所有三维模型上的全部的点按照其三维坐标进行分类,因为序号j具体数值相同的点它们的三维坐标也是相同的,而j属于1到m,所以Toyset中所有三维模型上的全部的点分别按照序号j进行分类被分成了m类,其中第j类包含了Toyset中所有三维模型上的序号都为j的点,所述第j类包含的各点在该类中的排序对应所以Toyset中各三维模型的序号i,第j类中包含的点都是对应了三维模型上相同的三维坐标);
根据Toyset中各三维模型中各点的三维坐标,创建一个拥有与Toyset中各三维模型中各点同样的三维坐标的三维模型作为优化三维模型,所述优化三维模型中包含的点的数量与Toyset中各三维模型中包含的点的数量保持一致,所述优化三维模型中包含的点的序号与Toyset中各三维模型中包含的点的序号保持一致,所述优化三维模型中包含的各点的三维坐标与Toyset中各三维模型中包含的各点的三维坐标保持一致;
然后,计算被分成的各类中的各点的光扰动质感值,具体为:
计算被分成的m类中第j类的各点的光扰动质感值,需要先选取在所述第j类中光扰动值数值最小的一个点作为所述第j类中的光扰动最小点,获取所述第j类中的光扰动最小点对应的表面单位法向量作为所述第j类的光扰动最小向量,在所述第j类中分别计算各点的表面单位法向量与所述第j类的光扰动最小向量之间的余弦相似度,在所述第j类中属于Toyset中序号为i的三维模型Toy(i)中的点为Toy(i,j),而所述Toy(i,j)中变量j的具体数值与所述第j类中变量j的具体数值等同,(通过利用序号i可在1到n的取值范围内遍历所述第j类中各点,)在所述第j类中所述Toy(i,j)与所述第j类的光扰动最小向量之间的余弦相似度记为cosimilar(i,j),记在所述第j类中的点的光扰动质感值为Textur(i,j),Textur(i,j)的计算公式为:
其中,函数exp表示以自然常数e为底的指数函数,函数ln表示以自然常数e为底的对数函数,公式中在ln函数里面的分母部分表示的是先对所述第j类中的各点分别对应的余弦相似度进行指数化并通过利用序号i进行遍历来累加求和,在进行遍历来累加求和得到所述分母部分后,再用公式中在ln函数里面的分子部分除以所述分母部分,然后使用函数ln对所述分子部分除以所述分母部分的商进行取对数计算,在乘以本身对应的反射率进行权重的修正后,由于所述分子部分除以所述分母部分的商为0到1之间的小数,在进行取对数计算的过程中会返回负数,为了更好地统计各项的数据分布的概率情况,最后需要取负数使得最后的数值为正,这样可以有益于提取所述第j类中各点在不同光源影响下的各个三维模型上表面单位法向量的相互联系的数据特征,从而有利于选出最优的反射率和表面单位法向量来优化三维模型的表面物理质感。
进一步地,在S400中,根据光扰动质感值,优化三维模型的表面物理质感后,输出优化所得的三维模型的方法为:
在被分成的各类中选取光扰动质感值数值最小的一个点作为所述优化三维模型中与该类三维坐标相同的点对应的质感优化点,以所述优化三维模型中维坐标相同的点对应的质感优化点的反射率和表面单位法向量,来作为所述优化三维模型中维坐标相同的点对应的反射率和表面单位法向量,然后得到所述优化三维模型作为优化后的三维模型进行输出并保存。
本公开还提供了一种玩具的3D打印模型设计***,所述一种玩具的3D打印模型设计***包括:处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述一种玩具的3D打印模型设计方法中的步骤,所述一种玩具的3D打印模型设计***可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中,可运行的***可包括,但不仅限于,处理器、存储器、服务器集群,所述处理器执行所述计算机程序运行在以下***的单元中:
三维建模单元,用于获取多个不同的三维模型;
模型读取单元,用于获取每个三维模型上的各个点中包括三维坐标、反射率、表面单位法向量及其像素值的数据;
光扰动质感值计算单元,用于根据三维模型上的各个点的数据进行计算,得到光扰动质感值;
优化输出单元,用于根据光扰动质感值,优化三维模型的表面物理质感后,输出优化所得的三维模型。
本公开的有益效果为:本公开提供了一种玩具的3D打印模型设计方法及***,使用光度立体法,通过变换多个不同的光源,获取多个不同的三维模型,并获取每个三维模型上的各个点中包括三维坐标、反射率、表面单位法向量及其像素值的数据,根据三维模型上的各个点的数据进行计算得到光扰动质感值,根据光扰动质感值优化三维模型的表面物理质感后,得到优化所得的三维模型。从而有利于选出最优的反射率和表面单位法向量来优化三维模型的表面物理质感的参数,可以改进三维模型的质量从而促进产品质量的提高。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本公开的上述以及其他特征将更加明显,本公开附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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,在附图中:
图1所示为一种玩具的3D打印模型设计方法的流程图;
图2所示为一种玩具的3D打印模型设计***的***结构图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
如图1所示为根据本发明的一种玩具的3D打印模型设计方法的流程图,下面结合图1来阐述根据本发明的实施方式的一种玩具的3D打印模型设计方法及***。
本公开提供一种玩具的3D打印模型设计方法,所述一种玩具的3D打印模型设计方法可用于优化三维模型的表面物理质感,所述表面物理质感包括三维模型表面的反射率和表面单位法向量,所述方法步骤可如下:
S100,使用光度立体法,通过变换多个不同的光源,获取多个不同的三维模型;
S200,获取每个三维模型上的各个点中包括三维坐标、反射率、表面单位法向量及其像素值的数据;
S300,根据三维模型上的各个点的数据进行计算,得到光扰动质感值;
S400,根据光扰动质感值,优化三维模型的表面物理质感后,输出优化所得的三维模型。
进一步地,在S100中,使用光度立体法,通过变换多个不同的光源,获取多个不同的三维模型的方法为:设置多个不同的光源分别轮换对玩具照射进行三维建模,并同时通过使用光度立体法获取三维模型上各点的三维坐标、反射率、表面单位法向量及其像素值的数据,获取各个不同的光源对应的各个三维模型,所述多个不同的光源之间的不同之处在于各光源距离所述玩具所处的位置各不相同。
进一步地,在S200中,获取每个三维模型上的各个点中包括三维坐标、反射率、表面单位法向量及其像素值的数据的方法为:其中所述反射率的数值为属于(0,1)中的小数,所述像素值为经过灰度化与归一化后通过映射为的属于(0,1)中的小数。
其中,在对目标通过光度立体法进行三维建模的过程中,会获取到目标物体表面的三维坐标、反射率、表面单位法向量以及像素值等数值,详细可参考文献:[1]Basri R,Jacobs D W,Kemelmacher I.Photometric Stereo with General,Unknown Lighting[J].International Journal of Computer Vision,2007,72(3):239-257.;[2]Collins T,Bartoli A.3D Reconstruction in Laparoscopy with Close-Range PhotometricStereo[J].Springer,Berlin,Heidelberg,2012.;[3]马泳潮.基于彩色光度立体法的非刚性体三维数字化研究[D].陕西科技大学,2016.;[4]林慕清.基于光度立体法的三维重建技术的研究与实现[D].东北大学。
进一步地,在S300中,根据三维模型上的各个点的数据进行计算,得到光扰动质感值的方法为:
首先,计算得到各三维模型上各点对应的光扰动值,具体为:
将所述玩具的多个三维模型组成的集合记为Toyset,Toyset中作为元素的三维模型的数量记为n,Toyset中元素的序号为i,且i属于1到n的取值范围,Toyset中作为序号为i的元素的三维模型记作Toy(i);
Toyset中各三维模型包含的点的数量皆相同,Toy(i)中包含的点的数量记为m,Toy(i)中包含的点的序号为j,且j属于1到m的取值范围,Toy(i)中序号为j的点Toy(i,j)包含其三维坐标pos[i,j]、反射率ref[i,j]、表面单位法向量vec[i,j]以及像素值pix[i,j];
对于Toyset包含的各三维模型中的各点,若两个分别属于不同的三维模型的点,分别在其所述三维模型中拥有着数值相同的序号j,则所述两个分别属于不同的三维模型的点拥有数值相同的三维坐标(即例如,Toyset中作为序号为1的元素的三维模型记作Toy(1),Toyset中作为序号为2的元素的三维模型记作Toy(2),Toy(1)中序号j等于3的点跟Toy(2)中序号j也等于3的点这两个点拥有数值相同的三维坐标);
由于光源位置的不同,对玩具的照射方位以及玩具的表面进行反射的部分和角度也有不同,造成了相同三维坐标的点在不同的三维模型上可能会存在反射率、表面单位法向量以及像素值有不同的数值(可参考相关的研究:[5]陈鹏.三维场景光影效果控制与渲染的研究与实现[D].上海交通大学,2012.;[6]任浩然.动态光场采集与三维建模的关键技术研究[D].杭州电子科技大学,2014.),而计算三维模型上各点的光扰动值可以更好地计量光源对三维建模表面的数值的扰动的因素,以此有效地避免对玩具的建模的过程中光源位置对局部暗影造成的建模的失真;
以此计算三维模型上各点的光扰动值:
记Toyset中序号为i的三维模型Toy(i)中序号为j的点Toy(i,j)对应的光扰动值为Dfs[i,j],首先需要(,根据各点包含的三维坐标pos[i,j]来分别将具有同样的三维坐标的点先统一选出来,)分别获取Toyset中除了所述Toy(i)外的各三维模型中序号同样为所述j的各点,同时将序号同样为所述j的各点组成的集合作为所述点Toy(i,j)的光扰动对比集Set(i,j),所述光扰动对比集Set(i,j)中元素的数量则为n-1个,(因为Toyset中共有n个三维模型,除了所述Toy(i)外的三维模型则有n减1个,)所述光扰动对比集Set(i,j)中元素的序号为p(i,j),p(i,j)属于1到n-1,Set(i,j)中序号为p(i,j)的元素为点Toy(p(i,j)),分别获取点Toy(p(i,j))包含的反射率ref[p(i,j)]、表面单位法向量vec[p(i,j)]以及像素值pix[p(i,j)],点Toy(i,j)对应的光扰动值的计算公式为:
其中,通过分别计算点Toy(i,j)与其光扰动对比集中各点之间的反射率之比ref[p(i,j)]/ref[i,j]、表面单位法向量的相似度Sim(vec[i,j],vec[p(i,j)])以及像素值之比pix[p(i,j)]/pix[i,j]的算术平均数,然后通过在1到n-1遍历p(i,j)计算Toy(i,j)与其光扰动对比集中各点之间的反射率之比、表面单位法向量的相似度以及像素值之比的算术平均数进行累加求和最后除以n-1得到其平均值,反射率之比、表面单位法向量的相似度以及像素值之比的算术平均值有利于衡量光源的变化干扰在三维模型上的变化概率,从而有效地衡量了光源变换对三维建模的数据特征在数值分布上的影响因素,更好地帮助三维模型排除影响因素进行修正,函数avg表示计算里面各项数值的算术平均值,函数Sim是通过KL散度或余弦相似度等相似度算法计算向量间的相似度的函数;
对于单位不同的物理量之间的数值上的计算,为了统一不同物理量在数值上的相关性,需要进行无量纲化处理;
进而,根据各三维模型上各点对应的光扰动值,将所有三维模型上的全部的点分别按照三维坐标进行分类,具体为:
将Toyset中所有三维模型上的全部的点分别按照序号j进行分类分为m类(即,将Toyset中所有三维模型上的全部的点按照其三维坐标进行分类,因为序号j具体数值相同的点它们的三维坐标也是相同的,而j属于1到m,所以Toyset中所有三维模型上的全部的点分别按照序号j进行分类被分成了m类,其中第j类包含了Toyset中所有三维模型上的序号都为j的点,所述第j类包含的各点在该类中的排序对应所以Toyset中各三维模型的序号i,第j类中包含的点都是对应了三维模型上相同的三维坐标);
根据Toyset中各三维模型中各点的三维坐标,创建一个拥有与Toyset中各三维模型中各点同样的三维坐标的三维模型作为优化三维模型,所述优化三维模型中包含的点的数量与Toyset中各三维模型中包含的点的数量保持一致,所述优化三维模型中包含的点的序号与Toyset中各三维模型中包含的点的序号保持一致,所述优化三维模型中包含的各点的三维坐标与Toyset中各三维模型中包含的各点的三维坐标保持一致;
由于三维模型表面的反射率和表面单位法向量可以反映物体表面的不光滑、高低不平、凹凸起伏特征等的数据分布特征(可参考文献:[7]虞鸿,吴哲夫,刘恺,等.一种从物体表面法线估计高度信息的算法[J].计算机科学,2013,40(5):4.;[8]张景华,张焱,石志广,等.基于法向量估计的透明物体表面反射光分离[J].光学学报,2021,41(15):1526001.),三维模型如果对表面的数据分布特征提取得不好便会大大影响到后续生产中3D模型打印出来的质量,依此可见提炼得到高质量的数值化模型是至关重要的,可以有利于优化3D建模的表面,所以需要计算被分成的各类中的各点的光扰动质感值,具体为:计算被分成的m类中第j类的各点的光扰动质感值,需要先选取在所述第j类中光扰动值数值最小的一个点作为所述第j类中的光扰动最小点,获取所述第j类中的光扰动最小点对应的表面单位法向量作为所述第j类的光扰动最小向量,在所述第j类中分别计算各点的表面单位法向量与所述第j类的光扰动最小向量之间的余弦相似度,在所述第j类中属于Toyset中序号为i的三维模型Toy(i)中的点为Toy(i,j),而所述Toy(i,j)中变量j的具体数值与所述第j类中变量j的具体数值等同,(通过利用序号i可在1到n的取值范围内遍历所述第j类中各点,)在所述第j类中所述Toy(i,j)与所述第j类的光扰动最小向量之间的余弦相似度记为cosimilar(i,j),记在所述第j类中的点的光扰动质感值为Textur(i,j),Textur(i,j)的计算公式为:
其中,函数exp表示以自然常数e为底的指数函数,函数ln表示以自然常数e为底的对数函数,公式中在ln函数里面的分母部分表示的是先对所述第j类中的各点分别对应的余弦相似度进行指数化并通过利用序号i进行遍历来累加求和,在进行遍历来累加求和得到所述分母部分后,再用公式中在ln函数里面的分子部分除以所述分母部分,然后使用函数ln对所述分子部分除以所述分母部分的商进行取对数计算,在乘以本身对应的反射率进行权重的修正后,由于所述分子部分除以所述分母部分的商为0到1之间的小数,在进行取对数计算的过程中会返回负数,为了更好地统计各项的数据分布的概率情况,最后需要取负数使得最后的数值为正,这样可以有益于提取所述第j类中各点在不同光源影响下的各个三维模型上表面单位法向量的相互联系的数据特征,从而有利于选出最优的反射率和表面单位法向量来优化三维模型的表面物理质感的参数,这样的操作方法虽然没有在生产器械或者3D打印出来的模型上直接地动用、改动,但却比一个个在生产器械或者3D打印出来的产品上操作更为简便和高效,尤其胜在对于在数据特征工程上捕捉三维模型的表面细微部分细腻的物理质感的概率分布,可以从设计的源头上改进三维模型的质量从而间接地进一步促进产品质量的提高。
进一步地,在S400中,根据光扰动质感值,优化三维模型的表面物理质感后,输出优化所得的三维模型的方法为:在所述第j类中选取光扰动质感值数值最小的一个点作为所述优化三维模型中序号为j的点对应的质感优化点,以所述优化三维模型中序号为j的点对应的质感优化点的反射率和表面单位法向量,来作为所述优化三维模型中序号为j的点对应的反射率和表面单位法向量,然后得到所述优化三维模型作为优化后的三维模型进行输出并保存,通过优化三维模型的表面物理质感,得到更具优化的三维模型,从而提高三维打印产品的生产效率和产品质量。相比传统的三维打印设计方法,本公开所述方法可以减少设计的复杂度,提高了设计速度和效率,同时对于优化三维模型的表面细微部分细腻的物理质感,本公开所述方法也更为精准和高效。
所述一种玩具的3D打印模型设计***运行于桌上型计算机、笔记本电脑、掌上电脑或云端数据中心的任一计算设备中,所述计算设备包括:处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述一种玩具的3D打印模型设计方法中的步骤,可运行的***可包括,但不仅限于,处理器、存储器、服务器集群。
本公开的实施例提供的一种玩具的3D打印模型设计***,如图2所示,该实施例的一种玩具的3D打印模型设计***包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种玩具的3D打印模型设计方法实施例中的步骤,所述处理器执行所述计算机程序运行在以下***的单元中:
三维建模单元,用于获取多个不同的三维模型;
模型读取单元,用于获取每个三维模型上的各个点中包括三维坐标、反射率、表面单位法向量及其像素值的数据;
光扰动质感值计算单元,用于根据三维模型上的各个点的数据进行计算,得到光扰动质感值;
优化输出单元,用于根据光扰动质感值,优化三维模型的表面物理质感后,输出优化所得的三维模型。
其中,优选地,本发明中所有未定义的变量,若未有明确定义,均可为人工设置的阈值。
所述一种玩具的3D打印模型设计***可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中。所述一种玩具的3D打印模型设计***包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种玩具的3D打印模型设计方法及***的示例,并不构成对一种玩具的3D打印模型设计方法及***的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种玩具的3D打印模型设计***还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立元器件门电路或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种玩具的3D打印模型设计***的控制中心,利用各种接口和线路连接整个一种玩具的3D打印模型设计***的各个分区域。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种玩具的3D打印模型设计方法及***的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本公开提供了一种玩具的3D打印模型设计方法及***,使用光度立体法,通过变换多个不同的光源,获取多个不同的三维模型,并获取每个三维模型上的各个点中包括三维坐标、反射率、表面单位法向量及其像素值的数据,根据三维模型上的各个点的数据进行计算得到光扰动质感值,根据光扰动质感值优化三维模型的表面物理质感后,得到优化所得的三维模型。从而有利于选出最优的反射率和表面单位法向量来优化三维模型的表面物理质感的参数,可以改进三维模型的质量从而促进产品质量的提高。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (4)
1.一种玩具的3D打印模型设计方法,其特征在于,所述一种玩具的3D打印模型设计方法用于优化三维模型的表面物理质感,所述表面物理质感包括三维模型表面的反射率和表面单位法向量,所述方法步骤如下:
S100,使用光度立体法,通过变换多个不同的光源,获取多个不同的三维模型;
S200,获取每个三维模型上的各个点中包括三维坐标、反射率、表面单位法向量及其像素值的数据;
S300,根据三维模型上的各个点的数据进行计算,得到光扰动质感值;
S400,根据光扰动质感值,优化三维模型的表面物理质感后,输出优化所得的三维模型;
其中,在S200中,获取每个三维模型上的各个点中包括三维坐标、反射率、表面单位法向量及其像素值的数据的方法为:其中所述反射率的数值为属于(0,1)中的小数,所述像素值为经过灰度化与归一化后通过映射为的属于(0,1)中的小数;
在S300中,根据三维模型上的各个点的数据进行计算,得到光扰动质感值的方法为:
首先,计算得到各三维模型上各点对应的光扰动值,具体为:
将所述玩具的多个三维模型组成的集合记为Toyset,Toyset中作为元素的三维模型的数量记为n,Toyset中元素的序号为i,且i属于1到n的取值范围,Toyset中作为序号为i的元素的三维模型记作Toy(i);
Toyset中各三维模型包含的点的数量皆相同,Toy(i)中包含的点的数量记为m,Toy(i)中包含的点的序号为j,且j属于1到m的取值范围,Toy(i)中序号为j的点Toy(i,j)包含其三维坐标pos[i,j]、反射率ref[i,j]、表面单位法向量vec[i,j]以及像素值pix[i,j];
对于Toyset包含的各三维模型中的各点,若两个分别属于不同的三维模型的点,分别在其所述三维模型中拥有着数值相同的序号j,则所述两个分别属于不同的三维模型的点拥有数值相同的三维坐标;
以此计算三维模型上各点的光扰动值:
记Toyset中序号为i的三维模型Toy(i)中序号为j的点Toy(i,j)对应的光扰动值为Dfs[i,j],分别获取Toyset中除了所述Toy(i)外的各三维模型中序号同样为所述j的各点,同时将序号同样为所述j的各点组成的集合作为所述点Toy(i,j)的光扰动对比集Set(i,j),所述光扰动对比集Set(i,j)中元素的数量则为n-1个,所述光扰动对比集Set(i,j)中元素的序号为p(i,j),p(i,j)属于1到n-1,Set(i,j)中序号为p(i,j)的元素为点Toy(p(i,j)),分别获取点Toy(p(i,j))包含的反射率ref[p(i,j)]、表面单位法向量vec[p(i,j)]以及像素值pix[p(i,j)],点Toy(i,j)对应的光扰动值的计算公式为:
;
其中,通过分别计算点Toy(i,j)与其光扰动对比集中各点之间的反射率之比ref[p(i,j)]/ref[i,j]、表面单位法向量的相似度Sim(vec[i,j],vec[p(i,j)])以及像素值之比pix[p(i,j)]/pix[i,j]的算术平均数,然后通过在1到n-1遍历p(i,j)计算Toy(i,j)与其光扰动对比集中各点之间的反射率之比、表面单位法向量的相似度以及像素值之比的算术平均数进行累加求和最后除以n-1得到其平均值,函数avg表示计算里面各项数值的算术平均值,函数Sim是计算向量间的相似度的函数;
进而,根据各三维模型上各点对应的光扰动值,将所有三维模型上的全部的点分别按照三维坐标进行分类,具体为:
将Toyset中所有三维模型上的全部的点分别按照序号j进行分类分为m类;
根据Toyset中各三维模型中各点的三维坐标,创建一个拥有与Toyset中各三维模型中各点同样的三维坐标的三维模型作为优化三维模型,所述优化三维模型中包含的点的数量与Toyset中各三维模型中包含的点的数量保持一致,所述优化三维模型中包含的点的序号与Toyset中各三维模型中包含的点的序号保持一致,所述优化三维模型中包含的各点的三维坐标与Toyset中各三维模型中包含的各点的三维坐标保持一致;
计算被分成的各类中的各点的光扰动质感值,具体为:计算被分成的m类中第j类的各点的光扰动质感值,需要先选取在所述第j类中光扰动值数值最小的一个点作为所述第j类中的光扰动最小点,获取所述第j类中的光扰动最小点对应的表面单位法向量作为所述第j类的光扰动最小向量,在所述第j类中分别计算各点的表面单位法向量与所述第j类的光扰动最小向量之间的余弦相似度,在所述第j类中属于Toyset中序号为i的三维模型Toy(i)中的点为Toy(i,j),而所述Toy(i,j)中变量j的具体数值与所述第j类中变量j的具体数值等同,在所述第j类中所述Toy(i,j)与所述第j类的光扰动最小向量之间的余弦相似度记为cosimilar(i,j),记在所述第j类中的点的光扰动质感值为Textur(i,j),Textur(i,j)的计算公式为:
;
其中,函数exp表示指数函数,函数ln表示对数函数,公式中在ln函数里面的分母部分表示的是先对所述第j类中的各点分别对应的余弦相似度进行指数化并通过利用序号i进行遍历来累加求和,在进行遍历来累加求和得到所述分母部分后,再用公式中在ln函数里面的分子部分除以所述分母部分,然后使用函数ln对所述分子部分除以所述分母部分的商进行取对数计算,在乘以本身对应的反射率进行权重的修正后,最后需要取负数使得最后的数值为正。
2.根据权利要求1所述的一种玩具的3D打印模型设计方法,其特征在于,在S100中,使用光度立体法,通过变换多个不同的光源,获取多个不同的三维模型的方法为:设置多个不同的光源分别轮换对玩具照射进行三维建模,并同时通过使用光度立体法获取三维模型上各点的三维坐标、反射率、表面单位法向量及其像素值的数据,获取各个不同的光源对应的各个三维模型,所述多个不同的光源之间的不同之处在于各光源距离所述玩具所处的位置各不相同。
3.根据权利要求1所述的一种玩具的3D打印模型设计方法,其特征在于,在S400中,根据光扰动质感值,优化三维模型的表面物理质感后,输出优化所得的三维模型的方法为:
在被分成的各类中选取光扰动质感值数值最小的一个点作为所述优化三维模型中与选取的光扰动质感值数值最小的一个点在的类三维坐标相同的点对应的质感优化点,以所述优化三维模型中维坐标相同的点对应的质感优化点的反射率和表面单位法向量,来作为所述优化三维模型中维坐标相同的点对应的反射率和表面单位法向量,然后得到所述优化三维模型作为优化后的三维模型进行输出并保存。
4.一种玩具的3D打印模型设计***,其特征在于,所述一种玩具的3D打印模型设计***运行于桌上型计算机、笔记本电脑或云端数据中心的任一计算设备中,所述计算设备包括:处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1所述的一种玩具的3D打印模型设计方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310313381.8A CN116330667B (zh) | 2023-03-28 | 2023-03-28 | 一种玩具的3d打印模型设计方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310313381.8A CN116330667B (zh) | 2023-03-28 | 2023-03-28 | 一种玩具的3d打印模型设计方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116330667A CN116330667A (zh) | 2023-06-27 |
CN116330667B true CN116330667B (zh) | 2023-10-24 |
Family
ID=86876956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310313381.8A Active CN116330667B (zh) | 2023-03-28 | 2023-03-28 | 一种玩具的3d打印模型设计方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116330667B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117332620B (zh) * | 2023-12-01 | 2024-02-23 | 广东海洋大学 | 基于大气腐蚀数据的耐腐蚀材料优化方法及*** |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013107076A1 (zh) * | 2012-01-19 | 2013-07-25 | 东南大学 | 一种光学三维测量中的自适应窗口傅里叶相位提取法 |
CN105046743A (zh) * | 2015-07-01 | 2015-11-11 | 浙江大学 | 一种基于全局变分技术的超高分辨率三维重建方法 |
JP2016008954A (ja) * | 2014-06-26 | 2016-01-18 | 株式会社豊田中央研究所 | 物体形状推定装置及びプログラム |
WO2016142398A1 (de) * | 2015-03-09 | 2016-09-15 | Schultheiss Gmbh | Verfahren und vorrichtung zur korrektur einer inhomogenen intensitätsverteilung eines von einer strahlungsquelle erzeugten strahlungsfeldes |
WO2016153867A1 (en) * | 2015-03-26 | 2016-09-29 | Otoy, Inc. | Applying holographic effects to prints |
WO2016198929A1 (en) * | 2015-06-12 | 2016-12-15 | Mathur Ashok Chand | Method and apparatus of very much faster 3d printer |
CN207120490U (zh) * | 2017-05-03 | 2018-03-20 | 成都通甲优博科技有限责任公司 | 基于光度立体视觉的桌面3d打印*** |
JP6329332B1 (ja) * | 2017-02-27 | 2018-05-23 | 武藤工業株式会社 | 3次元造形方法及び3次元造形機 |
EP3382645A2 (en) * | 2017-03-27 | 2018-10-03 | 3Dflow srl | Method for generation of a 3d model based on structure from motion and photometric stereo of 2d sparse images |
CN110574071A (zh) * | 2017-01-27 | 2019-12-13 | Ucl商业有限公司 | 用于对齐3d数据集的设备,方法和*** |
CN110869196A (zh) * | 2017-07-28 | 2020-03-06 | 惠普发展公司,有限责任合伙企业 | 变换属性数据以补偿属性值偏移 |
GB202002300D0 (en) * | 2019-06-05 | 2020-04-01 | Posthumus Jan | System and method for manufacturing an individual orthosis |
GB202012490D0 (en) * | 2020-08-11 | 2020-09-23 | Toshiba Kk | A Computer Vision Method and System |
CN111914974A (zh) * | 2020-07-07 | 2020-11-10 | 山东大学 | 一种面向3d打印的立体二维码生成方法及*** |
CN112991532A (zh) * | 2021-03-18 | 2021-06-18 | 中国海洋大学 | 基于光度立体法和激光三角法的水下高精度三维重建方法 |
CN114350085A (zh) * | 2022-01-19 | 2022-04-15 | 云阳县优多科技有限公司 | 一种搪胶 |
WO2022191910A1 (en) * | 2021-03-08 | 2022-09-15 | Massachusetts Institute Of Technology | Enhanced depth estimation using deep learning |
CN115222884A (zh) * | 2022-07-15 | 2022-10-21 | 南京智能高端装备产业研究院有限公司 | 一种基于人工智能的空间对象分析及建模优化方法 |
CN115235369A (zh) * | 2022-03-14 | 2022-10-25 | 西安电子科技大学 | 一种彩色目标的偏振三维成像方法、***及应用 |
WO2023273412A1 (zh) * | 2021-06-30 | 2023-01-05 | 奥比中光科技集团股份有限公司 | 一种光谱反射率的确定方法、装置及设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9396544B2 (en) * | 2014-01-08 | 2016-07-19 | Adobe Systems Corporation | Single image photometric stereo for colored objects |
US10031479B2 (en) * | 2015-03-26 | 2018-07-24 | Otoy, Inc. | Recording holographic data on reflective surfaces |
US11042146B2 (en) * | 2017-11-17 | 2021-06-22 | Kodak Alaris Inc. | Automated 360-degree dense point object inspection |
US11009853B2 (en) * | 2019-07-29 | 2021-05-18 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method of tool path generation for additive manufacturing with vector distribution |
-
2023
- 2023-03-28 CN CN202310313381.8A patent/CN116330667B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013107076A1 (zh) * | 2012-01-19 | 2013-07-25 | 东南大学 | 一种光学三维测量中的自适应窗口傅里叶相位提取法 |
JP2016008954A (ja) * | 2014-06-26 | 2016-01-18 | 株式会社豊田中央研究所 | 物体形状推定装置及びプログラム |
WO2016142398A1 (de) * | 2015-03-09 | 2016-09-15 | Schultheiss Gmbh | Verfahren und vorrichtung zur korrektur einer inhomogenen intensitätsverteilung eines von einer strahlungsquelle erzeugten strahlungsfeldes |
DE102015103389A1 (de) * | 2015-03-09 | 2016-09-15 | Schultheiss Gmbh | Verfahren und Vorrichtung zur Korrektur einer inhomogenen Intensitätsverteilung eines von einer Strahlungsquelle erzeugten Strahlungsfeldes |
WO2016153867A1 (en) * | 2015-03-26 | 2016-09-29 | Otoy, Inc. | Applying holographic effects to prints |
WO2016198929A1 (en) * | 2015-06-12 | 2016-12-15 | Mathur Ashok Chand | Method and apparatus of very much faster 3d printer |
CN105046743A (zh) * | 2015-07-01 | 2015-11-11 | 浙江大学 | 一种基于全局变分技术的超高分辨率三维重建方法 |
CN110574071A (zh) * | 2017-01-27 | 2019-12-13 | Ucl商业有限公司 | 用于对齐3d数据集的设备,方法和*** |
JP6329332B1 (ja) * | 2017-02-27 | 2018-05-23 | 武藤工業株式会社 | 3次元造形方法及び3次元造形機 |
EP3382645A2 (en) * | 2017-03-27 | 2018-10-03 | 3Dflow srl | Method for generation of a 3d model based on structure from motion and photometric stereo of 2d sparse images |
CN207120490U (zh) * | 2017-05-03 | 2018-03-20 | 成都通甲优博科技有限责任公司 | 基于光度立体视觉的桌面3d打印*** |
CN110869196A (zh) * | 2017-07-28 | 2020-03-06 | 惠普发展公司,有限责任合伙企业 | 变换属性数据以补偿属性值偏移 |
GB202002300D0 (en) * | 2019-06-05 | 2020-04-01 | Posthumus Jan | System and method for manufacturing an individual orthosis |
CN111914974A (zh) * | 2020-07-07 | 2020-11-10 | 山东大学 | 一种面向3d打印的立体二维码生成方法及*** |
GB202012490D0 (en) * | 2020-08-11 | 2020-09-23 | Toshiba Kk | A Computer Vision Method and System |
WO2022191910A1 (en) * | 2021-03-08 | 2022-09-15 | Massachusetts Institute Of Technology | Enhanced depth estimation using deep learning |
CN112991532A (zh) * | 2021-03-18 | 2021-06-18 | 中国海洋大学 | 基于光度立体法和激光三角法的水下高精度三维重建方法 |
WO2023273412A1 (zh) * | 2021-06-30 | 2023-01-05 | 奥比中光科技集团股份有限公司 | 一种光谱反射率的确定方法、装置及设备 |
CN114350085A (zh) * | 2022-01-19 | 2022-04-15 | 云阳县优多科技有限公司 | 一种搪胶 |
CN115235369A (zh) * | 2022-03-14 | 2022-10-25 | 西安电子科技大学 | 一种彩色目标的偏振三维成像方法、***及应用 |
CN115222884A (zh) * | 2022-07-15 | 2022-10-21 | 南京智能高端装备产业研究院有限公司 | 一种基于人工智能的空间对象分析及建模优化方法 |
Non-Patent Citations (1)
Title |
---|
纹理映射在模型优化中的应用;胡丽华;徐利梅;李辉;毛万标;;微计算机信息(19) * |
Also Published As
Publication number | Publication date |
---|---|
CN116330667A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240135139A1 (en) | Implementing Traditional Computer Vision Algorithms as Neural Networks | |
US8436853B1 (en) | Methods and systems for acquiring and ranking image sets | |
CN116330667B (zh) | 一种玩具的3d打印模型设计方法及*** | |
CN115984662B (zh) | 一种多模态数据预训练及识别方法、装置、设备及介质 | |
TW202217662A (zh) | 視覺定位方法及相關模型的訓練方法、電子設備和電腦可讀儲存介質 | |
Ma et al. | A mixture model for robust point matching under multi-layer motion | |
CN111325728A (zh) | 产品缺陷检测方法、装置、设备及存储介质 | |
Lu et al. | Automatic point cloud registration algorithm based on the feature histogram of local surface | |
CN115457195A (zh) | 一种配网工程图纸二三维转换方法、***、设备及介质 | |
CN110793437A (zh) | 手操器的定位方法、装置、存储介质及电子设备 | |
CN117173439A (zh) | 基于gpu的图像处理方法、装置、存储介质及电子设备 | |
CN112734772A (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
CN116342848B (zh) | 一种玩具的智能制造方法及*** | |
CN111009004B (zh) | 一种加速图像匹配的硬件优化方法 | |
CN111145081B (zh) | 基于空间体积特征的三维模型视图投影方法及*** | |
CN115331021A (zh) | 基于多层特征自身差异融合的动态特征提取与描述方法 | |
Feng et al. | Noise-resistant matching algorithm integrating regional information for low-light stereo vision | |
Li et al. | PC-OPT: A SfM point cloud denoising algorithm | |
CN116109627B (zh) | 基于迁移学习和小样本学习缺陷检测方法、装置及介质 | |
Chen et al. | Hierarchical denoising method of crop 3D point cloud based on multi-view image reconstruction | |
CN117745778B (zh) | 一种点云配准实现方法、装置、存储介质及电子设备 | |
CN117710243B (zh) | 点云去噪方法、装置、电子设备及可读存储介质 | |
US20240273807A1 (en) | Virtual scene generation method, electronic device and storage medium | |
CN112465756B (zh) | 一种子区内像点初值估计方法、装置、介质及计算机设备 | |
CN113920493B (zh) | 遗落物品的检测方法、装置、设备及存储介质 |
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 |