CN116824052A - 一种3d场景重构方法、装置、设备及介质 - Google Patents
一种3d场景重构方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116824052A CN116824052A CN202310760910.9A CN202310760910A CN116824052A CN 116824052 A CN116824052 A CN 116824052A CN 202310760910 A CN202310760910 A CN 202310760910A CN 116824052 A CN116824052 A CN 116824052A
- Authority
- CN
- China
- Prior art keywords
- scene
- reconstructed
- model
- reconstruction
- picture
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 38
- 238000005516 engineering process Methods 0.000 claims abstract description 33
- 230000036544 posture Effects 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 16
- 238000009877 rendering Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000004382 potting Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种3D场景重构方法、装置、设备及介质。3D场景重构方法,包括:获取待重建图片以及3D模型资源库;基于人工智能AI技术,对待重建图片进行识别处理以及场景物件定位处理,得到场景重构参照数据;根据场景重构参照数据以及3D模型资源库,确定重建场景模型,并对重建场景模型中的物件进行调整,得到3D目标重建场景。本发明实施例的技术方案能够在节约人力成本的同时,较好的还原场景中的细节。
Description
技术领域
本发明涉及三维立体设计技术领域,尤其涉及一种3D场景重构方法、装置、设备及介质。
背景技术
随着计算机技术的发展,三维立体的设计场景日趋复杂。
由于复杂的3D场景生成,要求更多细节,现有技术针对这种复杂场景,主要是基于传统的人工方案去实现,但需要消耗巨大的人力成本,而直接基于AI的方案,又无法将场景内的物件都进行细节的还原,生成的3D场景比较粗糙,而且不利于编辑。
发明内容
本发明提供了一种3D场景重构方法、装置、设备及介质,以解决人工重建3D场景时人力成本高,而仅基于AI技术无法进行细节还原又存在重建效果不佳的问题。
根据本发明的一方面,提供了一种3D场景重构方法,包括:
获取待重建图片以及3D模型资源库;
基于人工智能AI技术,对待重建图片进行识别处理以及场景物件定位处理,得到场景重构参照数据;
根据场景重构参照数据以及3D模型资源库,确定重建场景模型,并对重建场景模型中的物件进行调整,得到3D目标重建场景。
根据本发明的另一方面,提供了一种3D场景重构装置,包括:
初始数据获取模块,用于获取待重建图片以及3D模型资源库;
场景重构参照数据获取模块,用于基于人工智能AI技术,对待重建图片进行识别处理以及场景物件定位处理,得到场景重构参照数据;
3D目标重建场景确定模块,用于根据场景重构参照数据以及3D模型资源库,确定重建场景模型,并对重建场景模型中的物件进行调整,得到3D目标重建场景。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的3D场景重构方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的3D场景重构方法。
本发明实施例的技术方案,通过获取待重建图片以及3D模型资源库,从而基于AI技术,对待重建图片进行识别处理以及场景物件定位处理,得到场景重构参照数据,进而根据场景重构参照数据以及3D模型资源库,确定重建场景模型,并对重建场景模型中的物件进行调整,得到3D目标重建场景。在本方案中,对待重建图片进行识别处理以及场景物件定位处理,挖掘出的场景重构参照数据,能够准确的反映待重建图片的细节特征,而基于场景重构参照数据以及3D模型资源库,不仅能自动确定出与待重建图片场景匹配的重建场景模型,还通过对重建场景模型中的物件的细节调整,实现场景物件可编辑以及最大限度细节还原的效果,解决人工重建3D场景时人力成本高,而仅基于AI技术无法进行细节还原又存在重建效果不佳的问题,能够在节约人力成本的同时,较好的还原场景中的细节。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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为本发明实施例一提供的一种3D场景重构方法的流程图;
图2为本发明实施例二提供的一种3D场景重构方法的流程图;
图3是本发明实施例二提供的一种3D场景重构方法的整体逻辑示意图;
图4为本发明实施例三提供的一种3D场景重构装置的结构示意图;
图5示出了可以用来实施本发明的实施例的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“原始”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种3D场景重构方法的流程图,本实施例可适用于高效且高还原度的进行3D场景重构的情况,该方法可以由3D场景重构装置来执行,该3D场景重构装置可以采用硬件和/或软件的形式实现,该3D场景重构装置可配置于电子设备中。电子设备可以包括但不限于服务器或计算机等,如图1所示,该方法包括:
步骤110、获取待重建图片以及3D模型资源库。
其中,待重建图片可以是任意需进行三维立体重构的图片。3D模型资源库可以是预先配置的三维立体场景下的模型库。
在本发明实施例中,需要先获取待重建图片以及预先配置的3D模型资源库。
在本发明的一个可选实施例中,3D模型资源库可以包括至少一个3D场景模型,每个3D场景模型包括多个3D物件模型。
其中,3D场景模型可以是三维立体的场景模型。3D场景模型可以包括但不限于商超场景模型、花卉市场场景模型以及教室场景模型等。3D物件模型可以是对应场景下的三维立体物件的模型。假设,3D场景模型为花卉市场场景模型,则对应的3D物件模型可以包括花卉模型、花架模型、房间模型以及地板模型等。
可选的,3D模型资源库可以是已知的开源3D模型库,也可以是人工基于管线设计和创建的3D模型库。
可选的,3D模型资源库中可不针对场景进行3D场景模型划分,包括各种类的3D物件模型。示例性的,3D场景模型可按照对应物件的属性进行分类,例如,食品类、花卉类以及几何体类等。
步骤120、基于AI技术,对待重建图片进行识别处理以及场景物件定位处理,得到场景重构参照数据。
其中,场景物件定位处理可以用于对待重建图片中的物件位置以及姿态定位。场景重构参照数据可以用于按照待重建图片中的物件布局进行3D场景重构。
在本发明实施例中,可以基于AI技术对待重建图片进行场景与物件的识别处理,并对待重建图片中的物件进行场景物件定位处理,得到场景重构参照数据。
步骤130、根据场景重构参照数据以及3D模型资源库,确定重建场景模型,并对重建场景模型中的物件进行调整,得到3D目标重建场景。
其中,重建场景模型可以是3D模型资源库中与待重建图片匹配的3D场景模型。3D目标重建场景可以是对重建场景模型中的物件进行调整,得到的对待重建图片的还原场景。
在本发明实施例中,可以基于场景重构参照数据,对3D模型资源库中的3D场景模型进行筛选,确定出与待重建图片匹配的模型,并对其进行预处理,得到重建场景模型,进而对重建场景模型中的物件进行姿态调整,得到3D目标重建场景。
本发明实施例的技术方案,通过获取待重建图片以及3D模型资源库,从而基于AI技术,对待重建图片进行识别处理以及场景物件定位处理,得到场景重构参照数据,进而根据场景重构参照数据以及3D模型资源库,确定重建场景模型,并对重建场景模型中的物件进行调整,得到3D目标重建场景。在本方案中,对待重建图片进行识别处理以及场景物件定位处理,挖掘出的场景重构参照数据,能够准确的反映待重建图片的细节特征,而基于场景重构参照数据以及3D模型资源库,不仅能自动确定出与待重建图片场景匹配的重建场景模型,还通过对重建场景模型中的物件的细节调整,实现场景物件可编辑以及最大限度细节还原的效果,解决人工重建3D场景时人力成本高,而仅基于AI技术无法进行细节还原又存在重建效果不佳的问题,能够在节约人力成本的同时,较好的还原场景中的细节。
实施例二
图2为本发明实施例二提供的一种3D场景重构方法的流程图,本实施例以上述实施例为基础进行具体化,给出了基于AI技术,对待重建图片进行识别处理以及场景物件定位处理,得到场景重构参照数据的具体的可选的实施方式。如图2所示,该方法包括:
步骤210、获取待重建图片以及3D模型资源库。
步骤220、基于AI技术,对待重建图片进行识别处理,得到目标识别数据,并基于AI技术,对待重建图片中的物件进行定位,得到场景物件姿态数据。
其中,目标识别数据可以是基于AI技术对待重建图片进行场景以及物件的识别数据。场景物件姿态数据可以用于表征待重建图片中物件的摆放姿态。
在本发明实施例中,可以基于AI算法对待重建图片中的场景和物件,进行识别处理得到目标识别数据,并基于AI算法定位待重建图片中的物件,进而识别物件的摆放姿态,得到场景物件姿态数据。
在本发明的一个可选实施例中,基于AI技术,对待重建图片进行识别处理,得到目标识别数据,可以包括:设置像素分辨尺寸下限阈值;基于AI技术,按照像素分辨尺寸下限阈值对待重建图片进行过滤识别,得到目标识别数据。
其中,像素分辨尺寸下限阈值可以是预先设置的最小像素分辨率阈值。示例性的,像素分辨率尺寸下限阈值可以是32*32。
在本发明实施例中,可以根据实际算力需求,设置像素分辨尺寸下限阈值,进而在基于AI算法对待重建图片进行物件识别时,将待重建图片中小于像素分辨尺寸下限阈值的物件进行过滤,得到目标识别数据。
步骤230、将目标识别数据以及场景物件姿态数据,作为场景重构参照数据。
步骤240、根据场景重构参照数据以及3D模型资源库,确定重建场景模型,并对重建场景模型中的物件进行调整,得到3D目标重建场景。
在本发明的一个可选实施例中,根据场景重构参照数据以及3D模型资源库,确定重建场景模型,并对重建场景模型中的物件进行调整,得到3D目标重建场景,可以包括:根据目标识别数据以及3D模型资源库,确定重建场景模型;根据场景物件姿态数据对重建场景模型进行物件姿态调整,得到3D目标重建场景。
具体的,可以根据目标识别数据对3D模型资源库中的3D场景模型进行筛选,确定出与待重建图片匹配的模型,并对其进行预处理,得到重建场景模型,并按照场景物件姿态数据对重建场景模型中的模型进行物件姿态调整,得到物件位置和姿态与待重建图片相对应的3D目标重建场景。
在本发明的一个可选实施例中,根据目标识别数据以及3D模型资源库,确定重建场景模型,可以包括:根据目标识别数据,从3D模型资源库中确定出与待重建图片匹配的原始目标场景模型;根据目标识别数据,对原始目标场景模型进行物件增删处理以及纹理颜色渲染,得到重建场景模型。
其中,原始目标场景模型可以是3D模型资源库中原有的3D场景模型,即3D模型资源库中原本存储的未进行预处理的模型。物件增删处理可以是对物件进行增加或者删除的处理。纹理颜色渲染可以是对物件进行渲染纹理渲染处理以及颜色渲染处理。
在本发明实施例中,可以根据目标识别数据,对3D模型资源库中的模型精进行筛选,将与待重建图片的场景匹配的3D场景模型,作为原始目标场景模型,进而对目标识别数据进行解析,从而按照目标识别数据中物件种类以及各种类物件数量,对原始目标场景模型进行物件增删处理,并根据目标识别数据中各物件的颜色和纹理特征,对原始目标场景模型的相应的3D物件模型进行纹理颜色渲染,得到重建场景模型。
在本发明的一个可选实施例中,根据场景物件姿态数据对重建场景模型进行物件姿态调整,可以包括:根据场景物件姿态数据,确定待重建图片的各物件摆放姿态;基于houdini,按照待重建图片中各物件摆放姿态,对3D目标重建场景中姿态待调整物件自动进行物件姿态调整。
其中,物件摆放姿态可以用于描述待重建图片中物件的姿态。姿态待调整物件可以是3D目标重建场景中需要进行姿态调整的3D物件模型。
在本发明实施例中,可以对场景物件姿势数据解析,得到待重建图片中各物件的物件摆放姿态,确定3D目标重建场景中的姿态待调整物件,进而通过houdini,按照待重建图片中各物件摆放姿态,对3D目标重建场景中姿态待调整物件自动进行物件姿态调整。
具体的,本方案将待重建图片从繁到简,首先识别出整张图片中的场景类别,再识别场景种的不同物件,然后识别场景种不同物件的摆放姿态,而对应物件的3D资产来自于人工创建的3D模型资源库。这样基于AI与传统方法的协同,不仅可以快速实现复杂场景的重建,而且可以做到场景内所有物件的3D重建,做到所有物件的3D可编辑。比如待重建图片属于花店场景,则基于本方案重构的3D目标重建场景将包括花盆模型以及地板模型等,其每个花盆都可进行编辑,都是一个个独立的3D模型,花的姿态都可以实现编辑。同理,若待重建图片属于商超场景,则基于本方案重构的3D目标重建场景将包括货架模型以及商品模型等,每个商品模型均可进行编辑。
本方案对复杂度高的场景进行3D场景重构效果良好,可以重建出更加丰富多样的场景。而现有技术基于人工进行3D场景重建,一旦涉及到弄复杂场景,人工成本和时间成本都比较高,且很难完全实现,而另外一些现有的技术手段如形体建模和色彩渲染、神经渲染器和神经辐射场对复杂场景且包含非刚体的情况都很难解决。
图3是本发明实施例二提供的一种3D场景重构方法的整体逻辑示意图,如图3所示,基于AI识别待重建图片中的场景、场景中的物件,并定位场景中的物件,从而基于对待重建图片的场景识别结果以及场景中物件的识别结果,从3D模型资源库中检索出原始目标场景模型,并对原始目标场景模型进行预处理,实现对基本3D场景的重建,得到重建场景模型,进一步基于待重建图片中场景物件的定位数据,确定场景中物件的物件摆放姿态,从而根据houdini以及场景中物件的物件摆放姿态,对重建场景模型中的物件模型进行3D姿态调整,完成3D场景重建。3D模型资源库的生成依赖于人工。示例性的,可以先获取需要还原的场景,以及各场景中包括的基本物件种类,进而由人工基于上述确定好的场景以及对应物件种类,构建3D模型,生成3D模型资源库。需要注意的是,所提到场景和物件是一些简单的基本结构,例如场景仅涉及到一个整体的房间布局,物件每种类别只需要设计基本的,例如盆栽、饮料瓶、立方体盒子等等。待重建图片中的丰富多样的物件都以基本3D物件模型做修改即可,例如所需恢复的盆栽模型就直接采用资产库中的盆栽,调整一下纹理颜色,或者花枝的状态。如果待重建图片中的物件是立方体形状,则可以使用资产库中的立方体资产做简单调整。
使用AI的方法如利用已有的成熟的AI算法自动识别待重建图片中的场景,也就是对待重建图片中的场景进行分类,还可以直接检测出待重建图片中的物件(识别其类别并定位)。相应的,在本方案中,包括场景类别、物件类别,以及物件状态类别的识别。其中物件状态类别用于表征物件的放置状态,包括垂直放置、水平放置、密集放置、稀疏放置等等。
本发明实施例的技术方案,通过获取待重建图片以及3D模型资源库,从而基于AI技术,对待重建图片进行识别处理,得到目标识别数据,并基于AI技术,对待重建图片中的物件进行定位,得到场景物件姿态数据,进而将目标识别数据以及场景物件姿态数据,作为场景重构参照数据,进一步根据场景重构参照数据以及3D模型资源库,确定重建场景模型,并对重建场景模型中的物件进行调整,得到3D目标重建场景。在本方案中,对待重建图片进行识别处理以及场景物件定位处理,挖掘出的场景重构参照数据,能够准确的反映待重建图片的细节特征,而基于场景重构参照数据以及3D模型资源库,不仅能自动确定出与待重建图片场景匹配的重建场景模型,还通过对重建场景模型中的物件的细节调整,实现场景物件可编辑以及最大限度细节还原的效果,解决人工重建3D场景时人力成本高,而仅基于AI技术无法进行细节还原又存在重建效果不佳的问题,能够在节约人力成本的同时,较好的还原场景中的细节。
实施例三
图4为本发明实施例三提供的一种3D场景重构装置的结构示意图。如图4所示,该装置包括初始数据获取模块310、场景重构参照数据获取模块320以及3D目标重建场景确定模块330,其中,
初始数据获取模块310,用于获取待重建图片以及3D模型资源库;
场景重构参照数据获取模块320,用于工智能AI技术,对待重建图片进行识别处理以及场景物件定位处理,得到场景重构参照数据;
3D目标重建场景确定模块330,用于根据场景重构参照数据以及3D模型资源库,确定重建场景模型,并对重建场景模型中的物件进行调整,得到3D目标重建场景。
本发明实施例的技术方案,通过获取待重建图片以及3D模型资源库,从而基于AI技术,对待重建图片进行识别处理以及场景物件定位处理,得到场景重构参照数据,进而根据场景重构参照数据以及3D模型资源库,确定重建场景模型,并对重建场景模型中的物件进行调整,得到3D目标重建场景。在本方案中,对待重建图片进行识别处理以及场景物件定位处理,挖掘出的场景重构参照数据,能够准确的反映待重建图片的细节特征,而基于场景重构参照数据以及3D模型资源库,不仅能自动确定出与待重建图片场景匹配的重建场景模型,还通过对重建场景模型中的物件的细节调整,实现场景物件可编辑以及最大限度细节还原的效果,解决人工重建3D场景时人力成本高,而仅基于AI技术无法进行细节还原又存在重建效果不佳的问题,能够在节约人力成本的同时,较好的还原场景中的细节。
可选的,场景重构参照数据获取模块320包括目标识别数据获取单元、场景物件姿态数据获取单元以及场景重构参照数据获取单元,目标识别数据获取单元,用于基于AI技术,对所述待重建图片进行识别处理,得到所述目标识别数据。场景物件姿态数据获取单元,用于基于AI技术,对所述待重建图片中的物件进行定位,得到所述场景物件姿态数据。场景重构参照数据获取单元,用于将所述目标识别数据以及所述场景物件姿态数据,作为所述场景重构参照数据。
可选的,目标识别数据获取单元,用于设置像素分辨尺寸下限阈值;基于AI技术,按照所述像素分辨尺寸下限阈值对所述待重建图片进行过滤识别,得到所述目标识别数据。
可选的,3D目标重建场景确定模块330包括重建场景模型确定单元以及3D目标重建场景确定单元,重建场景模型确定单元,用于根据所述目标识别数据以及所述3D模型资源库,确定重建场景模型。3D目标重建场景确定单元,用于根据所述场景物件姿态数据对所述重建场景模型进行物件姿态调整,得到3D目标重建场景。
可选的,重建场景模型确定单元,具体用于根据所述目标识别数据,从所述3D模型资源库中确定出与所述待重建图片匹配的原始目标场景模型;根据所述目标识别数据,对所述原始目标场景模型进行物件增删处理以及纹理颜色渲染,得到所述重建场景模型。
可选的,3D目标重建场景确定单元,具体用于根据所述场景物件姿态数据,确定所述待重建图片的各物件摆放姿态;基于三维计算机图形软件houdini,按照所述待重建图片中各物件摆放姿态,对所述3D目标重建场景中姿态待调整物件自动进行物件姿态调整。
可选的,3D模型资源库包括至少一个3D场景模型,每个所述3D场景模型包括多个3D物件模型。
本发明实施例所提供的3D场景重构装置可执行本发明任意实施例所提供的3D场景重构方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如3D场景重构方法。
在一些实施例中,3D场景重构方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的3D场景重构方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行3D场景重构方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种3D场景重构方法,其特征在于,包括:
获取待重建图片以及3D模型资源库;
基于人工智能AI技术,对所述待重建图片进行识别处理以及场景物件定位处理,得到场景重构参照数据;
根据所述场景重构参照数据以及所述3D模型资源库,确定重建场景模型,并对所述重建场景模型中的物件进行调整,得到3D目标重建场景。
2.根据权利要求1所述的方法,其特征在于,基于AI技术,对所述待重建图片进行识别处理以及场景物件定位处理,得到场景重构参照数据,包括:
基于AI技术,对所述待重建图片进行识别处理,得到目标识别数据,并基于AI技术,对所述待重建图片中的物件进行定位,得到场景物件姿态数据;
将所述目标识别数据以及所述场景物件姿态数据,作为所述场景重构参照数据。
3.根据权利要求2所述的方法,其特征在于,基于AI技术,对所述待重建图片进行识别处理,得到目标识别数据,包括:
设置像素分辨尺寸下限阈值;
基于AI技术,按照所述像素分辨尺寸下限阈值对所述待重建图片进行过滤识别,得到所述目标识别数据。
4.根据权利要求2所述的方法,其特征在于,根据所述场景重构参照数据以及所述3D模型资源库,确定重建场景模型,并对所述重建场景模型中的物件进行调整,得到3D目标重建场景,包括:
根据所述目标识别数据以及所述3D模型资源库,确定重建场景模型;
根据所述场景物件姿态数据对所述重建场景模型进行物件姿态调整,得到3D目标重建场景。
5.根据权利要求4所述的方法,其特征在于,根据所述目标识别数据以及所述3D模型资源库,确定重建场景模型,包括:
根据所述目标识别数据,从所述3D模型资源库中确定出与所述待重建图片匹配的原始目标场景模型;
根据所述目标识别数据,对所述原始目标场景模型进行物件增删处理以及纹理颜色渲染,得到所述重建场景模型。
6.根据权利要求4所述的方法,其特征在于,根据所述场景物件姿态数据对所述重建场景模型进行物件姿态调整,包括:
根据所述场景物件姿态数据,确定所述待重建图片的各物件摆放姿态;
基于三维计算机图形软件houdini,按照所述待重建图片中各物件摆放姿态,对所述3D目标重建场景中姿态待调整物件自动进行物件姿态调整。
7.根据权利要求1所述的方法,其特征在于,所述3D模型资源库包括至少一个3D场景模型,每个所述3D场景模型包括多个3D物件模型。
8.一种3D场景重构装置,其特征在于,包括:
初始数据获取模块,用于获取待重建图片以及3D模型资源库;
场景重构参照数据获取模块,用于基于人工智能AI技术,对所述待重建图片进行识别处理以及场景物件定位处理,得到场景重构参照数据;
3D目标重建场景确定模块,用于根据所述场景重构参照数据以及所述3D模型资源库,确定重建场景模型,并对所述重建场景模型中的物件进行调整,得到3D目标重建场景。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的3D场景重构方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的3D场景重构方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310760910.9A CN116824052A (zh) | 2023-06-26 | 2023-06-26 | 一种3d场景重构方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310760910.9A CN116824052A (zh) | 2023-06-26 | 2023-06-26 | 一种3d场景重构方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116824052A true CN116824052A (zh) | 2023-09-29 |
Family
ID=88128727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310760910.9A Pending CN116824052A (zh) | 2023-06-26 | 2023-06-26 | 一种3d场景重构方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116824052A (zh) |
-
2023
- 2023-06-26 CN CN202310760910.9A patent/CN116824052A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10268917B2 (en) | Pre-segment point cloud data to run real-time shape extraction faster | |
US20170278308A1 (en) | Image modification and enhancement using 3-dimensional object model based recognition | |
CN115082639B (zh) | 图像生成方法、装置、电子设备和存储介质 | |
CN115409933B (zh) | 多风格纹理贴图生成方法及其装置 | |
CN109766866B (zh) | 一种基于三维重建的人脸特征点实时检测方法和检测*** | |
CN113327278A (zh) | 三维人脸重建方法、装置、设备以及存储介质 | |
CN113724368B (zh) | 图像采集***、三维重建方法、装置、设备以及存储介质 | |
CN113129450A (zh) | 虚拟试衣方法、装置、电子设备和介质 | |
CN113870439A (zh) | 用于处理图像的方法、装置、设备以及存储介质 | |
CN114792355B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN113379932A (zh) | 人体三维模型的生成方法和装置 | |
CN114627239B (zh) | 包围盒生成方法、装置、设备及存储介质 | |
CN115375823A (zh) | 三维虚拟服饰生成方法、装置、设备及存储介质 | |
CN115170703A (zh) | 虚拟形象驱动方法、装置、电子设备及存储介质 | |
CN113052962A (zh) | 模型训练、信息输出方法,装置,设备以及存储介质 | |
CN116824052A (zh) | 一种3d场景重构方法、装置、设备及介质 | |
CN113781653B (zh) | 对象模型生成方法、装置、电子设备及存储介质 | |
CN112241977A (zh) | 一种特征点的深度估计方法和装置 | |
CN114529649A (zh) | 图像处理方法和装置 | |
CN115082298A (zh) | 图像生成方法、装置、电子设备以及存储介质 | |
CN114419182A (zh) | 图像处理方法和装置 | |
US11281935B2 (en) | 3D object detection from calibrated 2D images | |
CN113240780A (zh) | 生成动画的方法和装置 | |
CN116012666B (zh) | 图像生成、模型的训练、信息重建方法、装置及电子设备 | |
CN114820908B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 |
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 |