本发明专利技术公开了一种高精度3D模型生成方法和系统，包含：采集训练图像集；对训练图像集进行标记；获取训练图像的特征参量；通过标记好的训练图像集以及对应特征参量对模糊区域分类模型进行训练；采集待建模目标的若干建模图像；获取若干建模图像的特征参量；将若干建模图像和其对应的特征参量输入训练好的模糊区域分类模型得到模糊度标记结果；对标记好的若干建模图像进行主体分割；通过分割后的建模图像和模糊度标记建立三维数字模型。本发明专利技术提供的高精度3D模型生成方法和系统，能够识别出图像的各区域的模糊值以及图像中的主体部分，进而根据模糊值进行取舍确定每张图像的不同区域在建模时的参与度，提高模型建立的准确性。
【技术实现步骤摘要】
本专利技术属于三维数字模型生成，具体涉及一种高精度3d模型生成方法和系统。
技术介绍
1、现代影视剧的创作中，使用计算机创建的视觉效果（简称视效制作）是其中非常重要的一个组成部分。数字模型的制作是视效制作的基础工作之一。基于图像的扫描模型是数字模型制作的一种重要方法。
2、现有的基于图像的扫描模型技术主要是通过数码相机对物体进行360度拍摄大量图片，然后在软件中对这些照片进行比对，查找图片里的特征点元素，追踪这些特征点在照片间的位置数据，根据这些特征点计算生成三维空间里物体的点云，最后再基于点云生成网格模型。
3、基于图像的扫描模型方法其生成模型的效果与使用的图像质量直接相关。在现实中直接使用数码相机拍摄的图片存在以下问题：
4、为了得到高画质而使用全画幅相机搭配大光圈镜头进行图片拍摄容易产生浅景深效果，导致图像主体上的部分像素产生模糊虚化，会对图像主体特征点的识别造成负面影响。
5、拍摄的图像画面内容中存在大量非主体物的环境信息，不仅影响模型主体物的识别，还会导致生成的模型附带有环境的部分，这带来了额外的计算量以及后续清理环境模型的工作。
技术实现思路
1、本专利技术提供了一种高精度3d模型生成方法和系统解决上述提到的技术问题，具体采用如下的技术方案：
2、一种高精度3d模型生成方法，包含以下步骤：
3、采集训练图像集，所述图像集包含若干训练图像；
4、对所述训练图像集中的每个训练图像进行标记；</p>5、获取所述训练图像集中的每个训练图像的特征参量；
6、通过标记好的所述训练图像集以及对应特征参量对模糊区域分类模型进行训练；
7、采集待建模目标的若干建模图像；
8、获取若干所述建模图像的特征参量；
9、将若干所述建模图像和其对应的特征参量输入训练好的模糊区域分类模型得到模糊度标记结果；
10、对标记好的若干所述建模图像进行主体分割；
11、通过分割后的所述建模图像和模糊度标记建立三维数字模型，在建立所述三维数字模型的过程中根据模糊度标记确定所述建模图像不同区域的参与度。
12、进一步地，所述获取所述训练图像集中的每个训练图像的特征参量的具体方法为：
13、计算所述训练图像的奇异值向量；
14、对所述训练图像的进行余弦变换得到所述训练图像的余弦变换非零系数个数；
15、将所述训练图像的奇异值向量和余弦变换非零系数个数作为所述特征参量。
16、进一步地，所述模糊区域分类模型为bp神经网络模型。
17、进一步地，所述对标记好的若干所述建模图像进行主体分割的具体方法为：
18、将待建模目标的建模图像和主体模型关键词输入sam模型进行主体分割。
19、进一步地，在所述获取若干所述建模图像的特征参量之前，所述高精度3d模型生成方法还包含：
20、对所述建模图像进行预处理。
21、一种高精度3d模型生成系统，包含：
22、图像采集模块，用于采集训练图像集，所述图像集包含若干训练图像；
23、图像标记模块，用于对所述训练图像集中的每个训练图像进行标记；
24、特征获取模块，用于获取所述训练图像集中的每个训练图像的特征参量；
25、模糊识别模块，包含模糊区域分类模型，通过标记好的所述训练图像集以及对应特征参量对模糊区域分类模型进行训练；
26、通过所述图像采集模块采集待建模目标的若干建模图像，通过所述特征获取模块获取若干所述建模图像的特征参量，将若干所述建模图像和其对应的特征参量输入所述模糊识别模块，所述模糊识别模块通过训练好的模糊区域分类模型对其进行处理得到模糊度标记结果；
27、主体分割模块，用于对标记好的若干所述建模图像进行主体分割；
28、模型生成模块，用于通过分割后的所述建模图像和模糊度标记建立三维数字模型，在建立所述三维数字模型的过程中根据模糊度标记确定所述建模图像不同区域的参与度。
29、进一步地，通过所述特征获取模块获取所述训练图像集中的每个训练图像的特征参量的具体方法为：
30、计算所述训练图像的奇异值向量；
31、对所述训练图像的进行余弦变换得到所述训练图像的余弦变换非零系数个数；
32、将所述训练图像的奇异值向量和余弦变换非零系数个数作为所述特征参量。
33、进一步地，所述模糊区域分类模型为bp神经网络模型。
34、进一步地，所述主体分割模块包含sam模型，将待建模目标的建模图像和主体模型关键词输入所述主体分割模块，所述主体分割模块通过所述sam模型对所述建模图像进行主体分割。
35、进一步地，所述高精度3d模型生成系统还包含：
36、图像处理模块，用于对所述建模图像进行预处理。
37、本专利技术的有益之处在于所提供的高精度3d模型生成方法和系统，能够识别出图像的各区域的模糊值以及图像中的主体部分，进而根据模糊值进行取舍确定每张图像的不同区域在建模时的参与度，提高模型建立的准确性。
本文档来自技高网...
【技术保护点】
1.一种高精度3D模型生成方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的高精度3D模型生成方法，其特征在于，
3.根据权利要求1所述的高精度3D模型生成方法，其特征在于，
4.根据权利要求1所述的高精度3D模型生成方法，其特征在于，
5.根据权利要求1所述的高精度3D模型生成方法，其特征在于，
6.一种高精度3D模型生成系统，其特征在于，包含：
7.根据权利要求6所述的高精度3D模型生成系统，其特征在于，
8.根据权利要求6所述的高精度3D模型生成系统，其特征在于，
9.根据权利要求6所述的高精度3D模型生成系统，其特征在于，
10.根据权利要求6所述的高精度3D模型生成系统，其特征在于，
【技术特征摘要】
1.一种高精度3d模型生成方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的高精度3d模型生成方法，其特征在于，
3.根据权利要求1所述的高精度3d模型生成方法，其特征在于，
4.根据权利要求1所述的高精度3d模型生成方法，其特征在于，
5.根据权利要求1所述的高精度3d模型生成方法，其特征在于，
【专利技术属性】
技术研发人员：陈奕，李伟，朱骥明，
申请(专利权)人：浙江时光坐标科技股份有限公司，
类型：发明
国别省市：
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。