一种用于高模简化低模并自动映射制造技术

本发明专利技术涉及数字人模型技术领域，公开了一种用于高模简化低模并自动映射

【技术实现步骤摘要】
一种用于高模简化低模并自动映射UV纹理的方法


[0001]本专利技术涉及数字人模型
，具体涉及一种用于高模简化低模并自动映射
UV
纹理的方法
。

技术介绍

[0002]随着计算机
AI
时代的发展，人工智能的重要性与日俱增，各行业的需求都在增加
。
元宇宙这一领域与人工智能息息相关，虚拟数字人是构建元宇宙的重要角色之一，这几年越来越多的虚拟数字人实际产品也已经在各行各业中逐渐落地
。
[0003]数字人是基于人工智能，机器学习，深度学习这些新时代
拥有一定的，动作行为能力，表情表演能力，这极大的扩宽了人们对于未来元宇宙的设想和发展，虚拟数字人也得到广泛应用
。
[0004]当前虚拟数字人主要应用场景如虚拟偶像
、
数字人直播
、
数字人明信片等，未来的元宇宙数字人必将是高度自由化的可由使用者个性化定制的，但是当前的游戏产品大多缺乏这一特点，比如玩家在游戏中大多是使用游戏公司创造的物品
、
角色
。
这使得游戏缺乏较长的耐玩性
。
针对于这种情况，假如使用者可以使用自己样貌的游戏人物模型，道具也可以使用生活中现成的物品模型，这是不是可以极大增加使用者的兴趣和创意
。
[0005]在三维重建的领域，传统的方法主要有以下三大类：
[0006]主动式：结构光
、TOF
飞行时间法
、
墩号三角测距法；
[0007]被动：单目视觉
、
双目或多目视觉；
[0008]RGB
‑
D
相机；
[0009]显而易见的以上方法在实际应用中对设备要求都比较高，简便性不佳，同时设备价格也比较昂贵，因此基于深度学习的三维重建开始逐渐被研究
。
随着人工智能深度学习的快速发展，神经网络的三维重建逐渐得到快速发展，相较于传统的三维重建技术，不需要昂贵的结构光
、
激光扫描等设备，也不需要使用多个相机，就能达到通过一张或多张照片生成高精细的模型
。
[0010]由于当前市面上成熟的三维重建技术，往往生成的模型精度较高，实际使用需要耗费大量计算性能，想要部署到手机
、
嵌入式等小型设备中，需要人为的使用
3D
软件去对模型进行减面优化，而模型通过减面后，原来的贴图将无法使用，又需要
3D
软件进行手动贴图，再之后绑定骨骼设置权重才能在实际游戏和影视中运动，但是这样的步骤必须要在代码程序中自动执行，需要人为参与
。

技术实现思路

[0011]本专利技术的目的在于提供一种用于高模简化低模并自动映射
UV
纹理的方法，解决上述技术问题：
[0012]本专利技术的目的可以通过以下技术方案实现：
[0013]一种用于高模简化低模并自动映射
UV
纹理的方法，包括：
[0014]获取包含目标物的至少一张图片数据；
[0015]根据所述图片数据进行三维重建得到所述目标物的高精细模型；
[0016]获取所述高精细模型的模型信息和
UV
贴图；
[0017]对所述高精细模型进行保边简化处理得到低精细模型；
[0018]对所述低精细模型进行
UV
重计算后转化为指定格式模型；
[0019]将所述指定格式模型的数据内容替换至进行过骨骼绑定的全身模型上
。
[0020]通过上述技术方案，利用本专利技术可根据包含目标物的至少一张图片数据，可利用神经网络模型对目标物进行三维重建，得到方便后续进行减面和贴图的文件格式的高精细模型，其图片数据可以是从生活中提取照片素材，目标物可以是人或者物体；之后再高精细模型进行保边简化处理，得到减面后的低精细模型，再对低精细模型进行
UV
重计算后进行自动的贴图，之后再转化为符合游戏或影视需求的指定格式，配合骨骼绑定的全身模型，对全身模型进行设置骨骼权重的设置，便可得到能够具有动画效果的目标物模型
。
[0021]作为本专利技术进一步的方案：所述模型信息包括多个三角形面和边界信息与非边界信息；每个所述三角形面包括3个边和3个顶点；
[0022]所述边界信息为所有只出现过一次的边的集合；
[0023]所述非边界信息为除了所述边界信息以外的所有边和点的集合
。
[0024]作为本专利技术进一步的方案：所述保边简化处理包括：
[0025]将属于所述边界信息的点标记第一
RGB
色彩；
[0026]将属于所述非边界信息的点标记第二
RGB
色彩；
[0027]根据网格抽取算法从简化前模型
A
中选取一个最小化误差指标的三角形移除，重复移除过程直到满足指定的三角形数量时停止，得到简化后模型
B
；其中，所述简化前模型
A
的所有的边界点集为
N1，所述简化后模型
B
的所有的边界点集为
N2；
[0028]删除所述简化后模型
B
中所有包含
N2点集的三角面后得到模型
C
，并获取所述模型
C
的所有的边界点的点集
N3；
[0029]获取
N1与
N3所有点的二维坐标信息
(x
，
y)
，使用
Delaunay
三角剖分算法使得这些点相互之间生成新三角面；
[0030]删除不符合预设处理规则的所述新三角面得到所述低精细模型
。
[0031]作为本专利技术进一步的方案：所述预设处理规则包括：
[0032]三角面的三个点
x
坐标同时大于或小于0[0033]三角面的三个点不能同时来源点集
N1。
[0034]作为本专利技术进一步的方案：所述
UV
重计算的方法包括：
[0035]通过预设的
UV
展开方式来计算最终的
vt
坐标
。
[0036]作为本专利技术进一步的方案：所述高精细模型和所述低精细模型均为
numpy
格式，所述指定格式为游戏影视所使用的
FBX
格式
。
[0037]本专利技术的有益效果：本专利技术可根据包含目标物的至少一张图片数据，可利用神经网络模型对目标物进行三维重建，得到方便后续进行减面和贴图的文件格式的高精细模型，其图片数据可以是从生活中提取照片素材，目标物可以是人或者物体；之后再高精细模型进行保边简化处理，得到减面后的低精细模型，再对低精细模型进行
UV
重计算后进行自动的贴图，之后再转化为符合游戏或影视需求的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于高模简化低模并自动映射
UV
纹理的方法，其特征在于，包括：获取包含目标物的至少一张图片数据；根据所述图片数据进行三维重建得到所述目标物的高精细模型；获取所述高精细模型的模型信息和
UV
贴图；对所述高精细模型进行保边简化处理得到低精细模型；对所述低精细模型进行
UV
重计算后转化为指定格式模型；将所述指定格式模型的数据内容替换至进行过骨骼绑定的全身模型上
。2.
根据权利要求1所述的用于高模简化低模并自动映射
UV
纹理的方法，其特征在于，所述模型信息包括多个三角形面和边界信息与非边界信息；每个所述三角形面包括3个边和3个顶点；所述边界信息为所有只出现过一次的边的集合；所述非边界信息为除了所述边界信息以外的所有边和点的集合
。3.
根据权利要求2所述的用于高模简化低模并自动映射
UV
纹理的方法，其特征在于，所述保边简化处理包括：将属于所述边界信息的点标记第一
RGB
色彩；将属于所述非边界信息的点标记第二
RGB
色彩；根据网格抽取算法从简化前模型
A
中选取一个最小化误差指标的三角形移除，重复移除过程直到满足指定的三角形数量时停止，得到简化后模型
B
；其中，所述简化前模型
A
的所有的边界点集为
N1，所述简化后模型
B
的所有的边界点集为
N2；删除所述简化后模型
B
中所有包含...

【专利技术属性】
技术研发人员：曹卫，史春苓，陈科科，胡俊锋，姜博，
申请(专利权)人：杭州秋果计划科技有限公司，
类型：发明
国别省市：