基于扫描实物获得的虚拟制造技术

本发明专利技术公开了一种基于扫描实物获得的虚拟

【技术实现步骤摘要】
基于扫描实物获得的虚拟3D模型方法及系统


[0001]本专利技术涉及智能化扫描
，并且更具体地，涉及一种基于扫描实物获得的虚拟
3D
模型方法及系统
。

技术介绍

[0002]随着计算机硬件性能和图像处理算法的不断发展，将实物转化为虚拟
3D
模型的技术得到了广泛应用
。
通过将实物转化为虚拟
3D
模型，可以实现对实物的数字化和可视化，这使得实物可以在计算机环境中进行分析
、
处理和展示，方便存储
、
共享和传播
。
[0003]基于扫描实物获得的虚拟
3D
模型可以用于设计和制造过程中的多个阶段
。
例如，在工业设计中，可以使用虚拟模型进行产品设计
、
模拟和测试，以提高产品质量和效率
。
在制造过程中，可以使用虚拟模型进行工艺规划
、
模具设计和生产优化
。
[0004]然而，在传统的基于扫描实物获得虚拟
3D
模型的方案中，对于具有复杂形状和细节的实物，传统方法可能无法准确地捕捉到每个细节和曲面，且需要复杂的建模过程，这可能导致生成的
3D
模型缺乏精确性和完整性
。
并且，传统方案通常需要人工干预来处理扫描过程中的问题，例如遮挡物
、
反射和阴影等，这增加了操作的复杂性和时间成本
。
此外，传统方案对光照和材质变化非常敏感，这意味着在不同的光照条件下或具有不同材质的表面上，扫描结果可能会有所偏差或失真
。
[0005]因此，期望一种优化的基于扫描实物获得的虚拟
3D
模型方案
。

技术实现思路

[0006]为了解决上述技术问题，提出了本专利技术
。
本专利技术的实施例提供了一种基于扫描实物获得的虚拟
3D
模型方法及系统，其对实物对象进行扫描以得到扫描图像；对所述扫描图像进行基于人工智能的图像优化以得到优化扫描图像；对所述优化扫描图像进行预处理以得到
3D
网格模型；以及，使用
3D
渲染软件对所述
3D
网格模型进行后处理和渲染以得到实物虚拟
3D
模型
。
这样，可以保留实物的细节和特征，生成高精度和高质量的虚拟
3D
模型，提高模型的真实感和逼真度
。
[0007]第一方面，提供了一种基于扫描实物获得的虚拟
3D
模型方法，其包括：
[0008]对实物对象进行扫描以得到扫描图像；
[0009]对所述扫描图像进行基于人工智能的图像优化以得到优化扫描图像，其包括：
[0010]通过基于深度神经网络模型的图像特征提取器对所述扫描图像进行多尺度特征提取以得到扫描图像浅层特征图
、
扫描图像中层特征图和扫描图像深层特征图；
[0011]将所述扫描图像浅层特征图
、
所述扫描图像中层特征图和所述扫描图像深层特征图进行融合以得到语义融合扫描图像特征；
[0012]以及基于所述语义融合扫描图像特征，生成所述优化扫描图像；
[0013]对所述优化扫描图像进行预处理以得到
3D
网格模型；以及
[0014]使用
3D
渲染软件对所述
3D
网格模型进行后处理和渲染以得到实物虚拟
3D
模型
。
[0015]第二方面，提供了一种基于扫描实物获得的虚拟
3D
模型系统，其包括：
[0016]图像获取模块，用于对实物对象进行扫描以得到扫描图像；
[0017]图像优化模块，用于对所述扫描图像进行基于人工智能的图像优化以得到优化扫描图像；
[0018]预处理模块，用于对所述优化扫描图像进行预处理以得到
3D
网格模型；以及
[0019]后处理和渲染模块，用于使用
3D
渲染软件对所述
3D
网格模型进行后处理和渲染以得到实物虚拟
3D
模型
。
附图说明
[0020]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，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
。
[0021]图1为根据本专利技术实施例的基于扫描实物获得的虚拟
3D
模型方法的流程图
。
[0022]图2为根据本专利技术实施例的基于扫描实物获得的虚拟
3D
模型方法的架构示意图
。
[0023]图3为根据本专利技术实施例的基于扫描实物获得的虚拟
3D
模型方法中步骤
120
的子步骤的流程图
。
[0024]图4为根据本专利技术实施例的基于扫描实物获得的虚拟
3D
模型系统的框图
。
[0025]图5为根据本专利技术实施例的基于扫描实物获得的虚拟
3D
模型方法的场景示意图
。
具体实施方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，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，都属于本专利技术保护的范围
。
[0027]除非另有说明，本专利技术实施例所使用的所有技术和科学术语与本专利技术的
的技术人员通常理解的含义相同
。
本专利技术中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本专利技术的范围
。
[0028]在本专利技术实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义
。
[0029]需要说明的是，本专利技术实施例所涉及的术语“第一
\
第二
\
第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一
\
第二
\
第三”在允许的情况下可以互换特定的顺序或先后次序
。
应该理解“第一
\
第二
\
第三”区分的对象在适当情况下可以互换，以使这里描述的本专利技术的实施例可以除了在这里图示或描述的那些以外的顺序实施
。
[0030]扫描实物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于扫描实物获得的虚拟
3D
模型方法，其特征在于，包括：对实物对象进行扫描以得到扫描图像；对所述扫描图像进行基于人工智能的图像优化以得到优化扫描图像，其包括：通过基于深度神经网络模型的图像特征提取器对所述扫描图像进行多尺度特征提取以得到扫描图像浅层特征图
、
扫描图像中层特征图和扫描图像深层特征图；将所述扫描图像浅层特征图
、
所述扫描图像中层特征图和所述扫描图像深层特征图进行融合以得到语义融合扫描图像特征；以及基于所述语义融合扫描图像特征，生成所述优化扫描图像；对所述优化扫描图像进行预处理以得到
3D
网格模型；以及使用
3D
渲染软件对所述
3D
网格模型进行后处理和渲染以得到实物虚拟
3D
模型
。2.
根据权利要求1所述的基于扫描实物获得的虚拟
3D
模型方法，其特征在于，所述深度神经网络模型为金字塔网络
。3.
根据权利要求2所述的基于扫描实物获得的虚拟
3D
模型方法，其特征在于，将所述扫描图像浅层特征图
、
所述扫描图像中层特征图和所述扫描图像深层特征图进行融合以得到语义融合扫描图像特征，包括：融合所述扫描图像中层特征图和所述扫描图像深层特征图以得到扫描图像语义融合特征图；使用联合语义传播模块来融合所述扫描图像语义融合特征图和所述扫描图像浅层特征图以得到语义融合扫描图像浅层特征图作为所述语义融合扫描图像特征
。4.
根据权利要求3所述的基于扫描实物获得的虚拟
3D
模型方法，其特征在于，基于所述语义融合扫描图像特征，生成所述优化扫描图像，包括：将所述语义融合扫描图像浅层特征图通过基于解码器的图像优化生成器以得到所述优化扫描图像
。5.
根据权利要求4所述的基于扫描实物获得的虚拟
3D
模型方法，其特征在于，还包括训练步骤：用于对所述基于金字塔网络的图像特征提取器
、
所述联合语义传播模块和所述基于解码器的图像优化生成器进行训练
。6.
根据权利要求5所述的基于扫描实物获得的虚拟
3D
模型方法，其特征在于，所述训练步骤，包括：获取训练数据，所述训练数据包括训练扫描图像，以及，所述优化扫描图像的真实图像；将所述训练扫描图像通过所述基于金字塔网络的图像特征提取器以得到训练扫描图像浅层特征图
、
训练扫描图像中层特征图和训练扫描图像深层特征图；融合所述训练扫描图像中层特征图和所述训练扫描图像深层特征图以得到训练扫描图像语义融合特征图；使用所述联合语义传播模块来融合所述训练扫描图像语义融合特征图和所述训练扫...

【专利技术属性】
技术研发人员：郭勇，苑朋飞，靳世凯，庄麒达，尚泽，
申请(专利权)人：中影年年北京文化传媒有限公司，
类型：发明
国别省市：