【技术实现步骤摘要】
动态人体三维模型补全方法、装置、设备和介质
本专利技术实施例涉及计算机视觉、计算机图形学、三维重建、虚拟现实及增强现实等
尤其涉及一种动态人体三维模型补全方法、装置、设备和介质。
技术介绍
在计算机视觉和计算机图形学中,从静态场景的重建、渲染问题到运动物体(尤其是人)的跟踪和表面重建,重建一直是两个学科的重要研究问题。目前的单视角动态重建方法为:基于RGBD的单视角动态重建方法。该方法基于单RGBD单视角动态重建可以通过融合时序信息,将动态重建分为物体运动场估计与参考帧下表面融合这两部分,解决了单帧无法观测到完整模型的问题。然而这种单视角方法依赖于精心设计或者小心谨慎的人体自扫描过程,往往需要人体在相机前转一周。该操作极大限制了其应用范围,对用户不够友好。
技术实现思路
本专利技术提供一种动态人体三维模型补全方法、装置、设备和介质,以实现利用单视角对人体的完整动态重建,得到既有几何细节,又完整的人体模型。第一方面,本专利技术实施例提供了动态人体三维模型补全方法,该方法包括:利用至少一个深度图像采集设备,采集包括目标人体的至少一张深度图像;根据所述至少一张深度图像重建所述目标人体的三维模型,得到所述目标人体的部分三维模型;将目标深度图像关联的RGB图像输入预先训练的神经网络模型,输出所述目标人体的完整三维模型,其中所述目标深度图像为所述至少一张深度图像中的最后一帧图像;对所述部分三维模型和所述完整三维模型进行配准;融合配准后的所 ...
【技术保护点】
1.一种动态人体三维模型补全方法,其特征在于,包括:/n利用至少一个深度图像采集设备,采集包括目标人体的至少一张深度图像;/n根据所述至少一张深度图像重建所述目标人体的三维模型,得到所述目标人体的部分三维模型;/n将目标深度图像关联的RGB图像输入预先训练的神经网络模型,输出所述目标人体的完整三维模型,其中所述目标深度图像为所述至少一张深度图像中的最后一帧图像;/n对所述部分三维模型和所述完整三维模型进行配准;/n融合配准后的所述部分三维模型和所述完整三维模型,得到所述目标人体的最终三维模型。/n
【技术特征摘要】
1.一种动态人体三维模型补全方法,其特征在于,包括:
利用至少一个深度图像采集设备,采集包括目标人体的至少一张深度图像;
根据所述至少一张深度图像重建所述目标人体的三维模型,得到所述目标人体的部分三维模型;
将目标深度图像关联的RGB图像输入预先训练的神经网络模型,输出所述目标人体的完整三维模型,其中所述目标深度图像为所述至少一张深度图像中的最后一帧图像;
对所述部分三维模型和所述完整三维模型进行配准;
融合配准后的所述部分三维模型和所述完整三维模型,得到所述目标人体的最终三维模型。
2.根据权利要求1所述的方法,其特征在于,所述对所述部分三维模型和所述完整三维模型进行配准,包括:
计算所述部分三维模型与所述完整三维模型之间的非刚性变形信息;
根据计算的非刚性变形信息,对所述部分三维模型和所述完整三维模型进行配准。
3.根据权利要求2所述的方法,其特征在于,通过联合求解如下优化方程,确定所述非刚性变形信息,
Ecomp(G0,β0,θ0)=λvdEvdata+λmdEmdata+λbindEbind+λpriorEprior
其中,G0为从所述部分三维模型到所述完整三维模型的非刚性变形模型,该模型为nodegraph图模型,β0为所述部分三维模型对应拟合的SMPL参数化人体模型的形状参数,θ0为所述部分三维模型对应拟合的SMPL模型的姿态参数,Evdata为体素的能量约束项,用于描述所述SMPL模型和所述部分三维模型之间的误差,Emdata为相互作用约束项,用于描述所述部分三维模型与所述完整三维模型之间的误差,以及所述SMPL模型与所述完整三维模型之间的误差,Ebind为捆绑约束项,表征非刚性变形前后的模型误差,Eprior为人体先验运动约束项,用于惩罚人体运动过程中产生的不自然的人体姿态,λvd、λmd、λbind和λprior是对应各约束项的权值系数。
4.根据权利要求1-3中任一所述的方法,其特征在于,所述将目标深度图像关联的RGB图像输入预先训练的神经网络模型,输出所述目标人体的完整三维模型,其中所述目标深度图像为所述至少一张深度图像中的最后一帧图像,包括:
将所述目标深度图像、所述目标深度图像关联的RGB图像以及该RGB图像中人体各个部分的分割图,输入预先训练的神经网络模型,输出所述目标人体的完整三维模型;
其中所述目标深度图像为所述至少一张深度图像中的最后一帧图像。
5.根据权利要求1-3中任一所述的方法,其特征在于,所述融合配准后的所述部分三维模型和所述完整三维模型,得到所述目标对象的最终三维模型,包括:
确定配准后的所述部分三维模型的TSDF截断符号距离函数体素化模型表征中,每个部分体素周围非空体素的数量;
根据所述每个部分体素周围非空体素的数量确定每个完整体素的权重,其中该权重与所述每个部分体素周围非空体素的数量负相关,所述每个完整体素是指配准后的所述完整三维模型的TSDF体素化模型表征中,与所述每个部分体素对应的体素;
根据所述每个部分体素的距离值和权重,以及所述每个完整体素的距离值和权重,融合配准后的所述部分三维模型和所述完整三维模型,得到所述目标对象的最终三维模型。
6.根据权利要求5所述的方法,其特征在于,依照如下公式确定所述每个完整体素的权重,
w(v)=1/(1+N(v))
其中,N(v)表示所述每个部分体素周围非空体素的数量。
7.根据权利要求5所述的方法,其特征在于,依照如下公式,确定所述最终三维模型的TSDF体素化模型表征中体素的距离值,
其中,W(v)是所述每个部分体素的权重,d(v)是与所述每个部分体素对应的每个完整体素的距离值,ω(v)是与所述每个部分体素对应的每个完整体素的权重。
8.根据权利要求7所述的方法,其特征在于,依据如下公式,确定与所述每个部分体素对应的每个完整体素的距离值,
其中,表示所述每个部分体素通过非刚性变形后的位置,u是与对应的在所述完整三维模型的三维点,sgn(.)是符号函数,用来判断d(v)取值的正负。
9.根据权利要求5所述的方法,其特征在于,依照如下公式,确定所述最终三维模型的TSDF体素化模型表征中体素的权重,
W(v)←W(v)+ω(v)
其中,ω(v)是与所述每个部分体素对应的每个完整体素的权重。
10.一种动态人体三维模型补全装置,包括:
图像采集模块,用于利用至少一个深度图像采集设备,采集包括目标人体的至少一张深度图像;
模型重建模块,用于根据所述至少一张深度图像重...
【专利技术属性】
技术研发人员:方璐,苏卓,许岚,温建伟,袁潮,
申请(专利权)人:北京拙河科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。