申请/专利权人：天津大学

申请日：2020-06-30

公开（公告）日：2020-10-13

公开（公告）号：CN111768452A

主分类号：G06T7/80(20170101)

分类号：G06T7/80(20170101);G06T15/04(20110101);G06N3/04(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.08.01#授权;2020.10.30#实质审查的生效;2020.10.13#公开

摘要：本发明公开了一种基于深度学习的非接触式自动贴图方法，步骤是：通过张正友标定法用色彩测试卡对相机进行标定得到相机内参数；对物体采集多张原始图像并记录焦距参数；利用色彩测试卡图片对原始图像色彩校正得到图像A。建立并训练相机外参数估计网络。将图像A、相机内参数和物体三维模型输入到训练好的相机外参数估计网络中得到相机外参数。将相机外、内参数、物体三维模型和图像A输入到渲染管线中处理后得到渲染结果并进行渲染对齐；渲染管线将图像A中确定要使用的区域的图像的颜色值根据UV坐标保存在一个纹理贴图文件中。本发明实现了自动贴图过程，减少了大量手工步骤，并能接受用户传入的参数进行微调，加速了高质量的贴图速度。

主权项：1.一种基于深度学习的非接触式自动贴图方法，其特征在于，步骤如下：步骤一、准备物体和使用的相机，通过张正友标定法对相机进行标定，标定过程中使用色彩测试卡充当标定板，标定结束后得到相机内参数；针对物体采集多张原始图像，在采集每张原始图像的过程中，记录焦距参数；从而得到原始图像和与每张原始图像对应的相机内参数；利用色彩测试卡图片对每张原始图像进行色彩校正，所得图像为图像A；步骤二、建立并训练相机外参数估计网络，所述相机外参数估计网络为卷积神经网络；步骤三、将图像A、相机内参数和物体的三维模型输入到训练好的相机外参数估计网络中，得到相机外参数；步骤四、将相机外参数、相机内参数、物体的三维模型和图像A输入到渲染管线中，对所述相机外参数、相机内参数、物体的三维模型进行渲染处理后得到渲染结果，调整渲染结果与对应的图像A的轮廓的重合程度达到要求；步骤五、用户根据需求在所述图像A中确定要使用的区域，渲染管线将该区域内的图像的颜色值根据UV坐标保存在一个纹理贴图文件中，至此完成自动贴图。

全文数据：

权利要求：

百度查询： 天津大学 一种基于深度学习的非接触式自动贴图方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD