一种基于仿真引擎的模型自动生成方法及处理设备技术

本发明专利技术公开一种基于仿真引擎的模型自动生成方法及处理设备，涉及深度学习技术领域，解决了深度学习的数据样本获取较为困难，效率低，难以满足深度学习需要的技术问题。该方法包括S100：获取深度学习对象的基础数据；S200：基于所述基础数据建立深度学习对象的基础模型；S300：通过所述基础模型获取UV纹理贴图所需的参数及切割路线；S400：对所述深度学习对象的外包装进行拍摄，并通过自动处理得到UV纹理贴图；S500：将所述UV纹理贴图与所述基础模型的纹理相结合，得到初始模型；S600：对所述初始模型进行视觉处理，自动生成结果模型。本发明专利技术整个操作过程方便快捷，实现了对真实场景的模拟，便于快速得到大量的深度学习训练样本，有效满足了深度学习的需要。有效满足了深度学习的需要。有效满足了深度学习的需要。

【技术实现步骤摘要】
一种基于仿真引擎的模型自动生成方法及处理设备


[0001]本专利技术涉及深度学习
，尤其涉及一种基于仿真引擎的模型自动生成方法及处理设备。

技术介绍

[0002]深度学习是学习样本数据的内在规律和表示层次，最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据，深度学习的基础是大数据。
[0003]大数据时代带来了各种各样的数据，然而深度学习的神经网络训练依托的是已经标注好的能用以训练的大量数据样本。数据样本一般需要有不同角度、不同颜色和不同大小，具体而言：符合真实使用场景、进行训练标注、大量的样本数据是数据样本的主要需求。数据样本的多少可以作为验证或构建更优良解决办法的起点，也决定着模型对未来数据的解释能力。现有的数据样本一般通过搜集或拍摄实际场景的照片进行获取，由于数据样本的数量有限，影响了深度学习在部分特殊领域的应用。由此出现了通过深度学习对象物理建模来获取深度学习数据样本的方法，但现有的物理建模方法需要花费大量时间，效率较低，难以快速获取深度学习所需的大量数据样本。
[0004]在实现本专利技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于仿真引擎的模型自动生成方法，其特征在于，包括以下步骤：S100：获取深度学习对象的基础数据；S200：基于所述基础数据建立深度学习对象的基础模型；S300：通过所述基础模型获取UV纹理贴图所需的参数及切割路线；S400：对所述深度学习对象的外包装进行拍摄，并通过自动处理得到UV纹理贴图；S500：将所述UV纹理贴图与所述基础模型的纹理相结合，得到初始模型；S600：对所述初始模型进行视觉处理，自动生成结果模型。2.根据权利要求1所述的一种基于仿真引擎的模型自动生成方法，其特征在于，所述深度学习对象为冰激凌或香烟。3.根据权利要求2所述的一种基于仿真引擎的模型自动生成方法，其特征在于，所述冰激凌的基础模型为圆锥体、圆台或椭圆柱体，所述香烟的基础模型为六面体。4.根据权利要求1所述的一种基于仿真引擎的模型自动生成方法，其特征在于，所述基础数据为深度学习对象的形状和尺寸。5.根据权利要求1所述的一种基于仿真引擎的模型自动生成方法，其特征在于，所述S200、S300步骤之间，还包括S210：对所述基础模型设置重量、材质、角动量和摩擦力参数。6.根据权利要求1所述的一种基于仿真引擎的模型自动生成方法，其特征在于，所述S400步骤中，生成所述UV纹理贴图包括以下步骤：S410：制作深度学习对象外包装样本拍摄时所需的标尺版；S420：将所述外包装样本展开并置于所述标尺版上，进行拍摄后得到待处理的外包装样本图像；S430：通过Python脚本算法，获取所述外包装样本图...

【专利技术属性】
技术研发人员：杨恒，龙涛，李轩，邓靖波，
申请(专利权)人：深圳爱莫科技有限公司，
类型：发明
国别省市：