一种基于数据驱动的模型处理方法及设备技术

本发明专利技术公开了一种基于数据驱动的模型处理方法及设备，包括：对模型库进行分析，得到模型库中各个三维网格模型的特征向量；对所述模型库进行变形，基于变形后的模型库从所述各个三维网格模型的特征向量中提取出主成分特征分量；优化所述主成分特征分量对应的权重，并根据优化后的权重生成满足约束的模型；获取目标体的深度数据，根据所述满足约束的模型以及所述目标体的深度数据建立所述目标体的三维运动模型。

A model of processing method and equipment based on data driving

The invention discloses a method and equipment for processing model based on data driven, including: the model base for analysis, get the feature vector of each model library of 3D mesh model; deformation of the model base, extracting principal component feature component feature vector model library after deformation based on the three-dimensional network from lattice model; weight optimization of the principal component feature correspondence, and according to the weight generating optimized constraint model; depth data acquisition target, according to the three-dimensional model to establish the target of the depth data of the constraint model and the target.

【技术实现步骤摘要】
一种基于数据驱动的模型处理方法及设备
本专利技术涉及模型处理技术，尤其涉及一种基于数据驱动的模型处理方法及设备。
技术介绍
目标体的三维模型重建具有重要研究意义，目前，对于目标体的三维模型重建的典型研究有两个。其中一个研究是使用多个深度相机来获取目标体的静态三维模型，这项研究不能够获取目标体的运动信息。另外一个研究是通过多个深度相机基于骨架的方式来获取目标体的运动姿态，这项研究的重建效率低且不能够做到实时重建，此外，恢复的几何外观质量较低。
技术实现思路
为解决上述技术问题，本专利技术实施例提供了一种基于数据驱动的模型处理方法及设备。本专利技术实施例提供的基于数据驱动的模型处理方法，包括：对模型库进行分析，得到模型库中各个三维网格模型的特征向量；对所述模型库进行变形，基于变形后的模型库从所述各个三维网格模型的特征向量中提取出主成分特征分量；优化所述主成分特征分量对应的权重，并根据优化后的权重生成满足约束的模型；获取目标体的深度数据，根据所述满足约束的模型以及所述目标体的深度数据建立所述目标体的三维运动模型。本专利技术实施例中，所述对模型库进行分析，得到模型库中各个三维网格模型的特征向量，本文档来自技高网...

【技术保护点】
一种基于数据驱动的模型处理方法，其特征在于，所述方法包括：对模型库进行分析，得到模型库中各个三维网格模型的特征向量；对所述模型库进行变形，基于变形后的模型库从所述各个三维网格模型的特征向量中提取出主成分特征分量；优化所述主成分特征分量对应的权重，并根据优化后的权重生成满足约束的模型；获取目标体的深度数据，根据所述满足约束的模型以及所述目标体的深度数据建立所述目标体的三维运动模型。

【技术特征摘要】
1.一种基于数据驱动的模型处理方法，其特征在于，所述方法包括：对模型库进行分析，得到模型库中各个三维网格模型的特征向量；对所述模型库进行变形，基于变形后的模型库从所述各个三维网格模型的特征向量中提取出主成分特征分量；优化所述主成分特征分量对应的权重，并根据优化后的权重生成满足约束的模型；获取目标体的深度数据，根据所述满足约束的模型以及所述目标体的深度数据建立所述目标体的三维运动模型。2.根据权利要求1所述的基于数据驱动的模型处理方法，其特征在于，所述对模型库进行分析，得到模型库中各个三维网格模型的特征向量，包括：从模型库中选择出任意一个三维网格模型作为第一基准模型；基于所述第一基准模型获取所述模型库中各个三维网格模型的特征向量。3.根据权利要求2所述的基于数据驱动的模型处理方法，其特征在于，所述基于所述第一基准模型获取所述模型库中各个三维网格模型的特征向量，包括：对所述三维网格模型的各个三角面片分别建立局部坐标架；基于所述第一基准模型获取所述三维网格模型的各个三角面片的变形梯度，其中，所述变形梯度与所述局部坐标架相关联；对所述三维网格模型的各个三角面片的变形梯度进行极分解以及转化，得到所述三维网格模型的特征向量。4.根据权利要求2所述的基于数据驱动的模型处理方法，其特征在于，所述对所述模型库进行变形，基于变形后的模型库从所述各个三维网格模型的特征向量中提取出主成分特征分量，包括：建立所述第一基准模型与待注册的模型之间对应关系；根据所述对应关系对所述第一基准模型进行变形，得到第二基准模型；依据所述第二基准模型，对所述各个三维网格模型的特征向量进行重构，并通过主成分分析得到所述各个三维网格模型的主成分特征分量。5.根据权利要求1所述的基于数据驱动的模型处理方法，其特征在于，所述获取目标体的深度数据，根据所述满足约束的模型以及所述目标体的深度数据建立所述目标体的三维运动模型，包括：获取目标体的点云数据；设置顶点约束条件以及顶点到面的约束条件，其中，所述顶点约束条件用于约束点云至模型的距离最近，所述顶点到面的约束条件用于约束点云沿模型法线方向投影的距离最近；基于所述顶点约束条件以及顶点到面的约束条件，对所述目标体的模型进行合成；基于合成的所述目标体的模型，对点云进行最近点的搜索，并更新所述顶点约束条件以及顶点到面的约束条件；基于更新的顶点约束条件以及顶点到面的约束条件，更新所述目标体的模型；重复更新顶点约束条件、顶点到面的约束条件以及所述目标体的模型，直至满足收敛条件为止，得到所述目标体的三维运动模型。6.根据权利要求5所述的基于数据驱动的模型处理方法，其特征在于，所述...

【专利技术属性】
技术研发人员：高林，
申请(专利权)人：腾讯科技深圳有限公司，中国科学院计算技术研究所，
类型：发明
国别省市：广东,44