-
公开(公告)号:CN110163799B
公开(公告)日:2023-05-05
申请号:CN201910367926.7
申请日:2019-05-05
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06T3/40
Abstract: 本发明公开一种基于深度学习的超分辨率点云生成方法。该方法结合传统点云的细分插值算法和深度神经网络来生成理想的超分辨率点云。在第一阶段使用一种改进的局部细分插值算法将输入的稀疏点云进行插值操作;第二个步骤,使用深度神经网络来进行进一步的点坐标位置调优,依靠神经网络强大的学习能力输出对插值点的调整值。在神经网络中,加入了外积操作将全局的特征向量转变成外积矩阵。外积矩阵的引入能够方便的使用卷积网络进行特征的进一步处理,同时能够减少网络的参数。与原有的细分插值算法和基于神经网络的超分辨点云生成方法相比,本方法不仅在误差控制和点均匀度分布上都取得了更好的结果,可以应用在模型渲染和曲面重建等场景。
-
公开(公告)号:CN110517333B
公开(公告)日:2023-02-03
申请号:CN201910759197.X
申请日:2019-08-16
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种动态浅浮雕模型建模方法。通常的浅浮雕生成方法是关于生成静态的模型,不能获得一种类似动画的动态效果。本发明首先预处理输入图像,生成二值化图像;然后参数化图像区域,用等几何分析方法计算高度场,生成平面上的浅浮雕模型;通过求解时间相关方程构造基曲面随时间的变化形态,最后将随时间变化的基曲面与平面上的浅浮雕模型相加,即可生成动态浅浮雕模型。本发明能够有效并自动地生成随时间变化的动态浅浮雕模型,达到了很好的艺术效果。
-
公开(公告)号:CN110163799A
公开(公告)日:2019-08-23
申请号:CN201910367926.7
申请日:2019-05-05
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06T3/40
Abstract: 本发明公开一种基于深度学习的超分辨率点云生成方法。该方法结合传统点云的细分插值算法和深度神经网络来生成理想的超分辨率点云。在第一阶段使用一种改进的局部细分插值算法将输入的稀疏点云进行插值操作;第二个步骤,使用深度神经网络来进行进一步的点坐标位置调优,依靠神经网络强大的学习能力输出对插值点的调整值。在神经网络中,加入了外积操作将全局的特征向量转变成外积矩阵。外积矩阵的引入能够方便的使用卷积网络进行特征的进一步处理,同时能够减少网络的参数。与原有的细分插值算法和基于神经网络的超分辨点云生成方法相比,本方法不仅在误差控制和点均匀度分布上都取得了更好的结果,可以应用在模型渲染和曲面重建等场景。
-
公开(公告)号:CN110765506B
公开(公告)日:2023-03-31
申请号:CN201910942992.2
申请日:2019-09-30
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06F30/10
Abstract: 本发明公开了实体模型的多分辨率等几何拓扑优化方法。传统拓扑优化方法需要后处理操作才能使优化结果适用于CAD系统。本发明对六面体网格实体模型进行体细分,为原始六面体网格实体模型的每个六面体单元构造Bézier体,并在Bézier体中施加力和几何约束;然后计算其中一次细分模型的刚度矩阵和右端项,得到位移,从而对该细分模型的每个细分单元进行灵敏度分析;接着,通过进化比确定本次迭代保留的体积,直到迭代后达到目标体积时,删除所有密度不为1的细分单元,对剩余的每个细分单元构造Bézier体,得到实体模型的最终拓扑优化模型。本发明最终得到的具有光滑样条表示的最优实体几何模型可以直接导入到CAD系统之中。
-
公开(公告)号:CN110176074B
公开(公告)日:2023-02-03
申请号:CN201910421964.6
申请日:2019-05-21
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
Abstract: 本发明公开了基于等几何配点法的浅浮雕模型快速建模方法。若能将等几何配点法应用在浅浮雕模型的建模上,必能提高浅浮雕模型的建模效率。本发明步骤如下:对图像进行参数化处理得到样条形式的参数化结果;采用Greville坐标对参数化结果进行配点,所有配点的集合记为配点集合;等几何配点法求解带有狄利克雷边界条件的泊松方程得到基曲面模型;定义特征点集合和特征点约束值;采用等几何配点法求解加入了特征点约束值的带有狄利克雷边界条件的泊松方程,得到浅浮雕模型。本发明采用了基于配点法的等几何分析,选取的点远远少于伽辽金方法,因此在计算速度上远远优于伽辽金法。
-
公开(公告)号:CN110517333A
公开(公告)日:2019-11-29
申请号:CN201910759197.X
申请日:2019-08-16
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种动态浅浮雕模型建模方法。通常的浅浮雕生成方法是关于生成静态的模型,不能获得一种类似动画的动态效果。本发明首先预处理输入图像,生成二值化图像;然后参数化图像区域,用等几何分析方法计算高度场,生成平面上的浅浮雕模型;通过求解时间相关方程构造基曲面随时间的变化形态,最后将随时间变化的基曲面与平面上的浅浮雕模型相加,即可生成动态浅浮雕模型。本发明能够有效并自动地生成随时间变化的动态浅浮雕模型,达到了很好的艺术效果。
-
公开(公告)号:CN110765506A
公开(公告)日:2020-02-07
申请号:CN201910942992.2
申请日:2019-09-30
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06F30/10
Abstract: 本发明公开了实体模型的多分辨率等几何拓扑优化方法。传统拓扑优化方法需要后处理操作才能使优化结果适用于CAD系统。本发明对六面体网格实体模型进行体细分,为原始六面体网格实体模型的每个六面体单元构造Bézier体,并在Bézier体中施加力和几何约束;然后计算其中一次细分模型的刚度矩阵和右端项,得到位移,从而对该细分模型的每个细分单元进行灵敏度分析;接着,通过进化比确定本次迭代保留的体积,直到迭代后达到目标体积时,删除所有密度不为1的细分单元,对剩余的每个细分单元构造Bézier体,得到实体模型的最终拓扑优化模型。本发明最终得到的具有光滑样条表示的最优实体几何模型可以直接导入到CAD系统之中。
-
公开(公告)号:CN110176074A
公开(公告)日:2019-08-27
申请号:CN201910421964.6
申请日:2019-05-21
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
Abstract: 本发明公开了基于等几何配点法的浅浮雕模型快速建模方法。若能将等几何配点法应用在浅浮雕模型的建模上,必能提高浅浮雕模型的建模效率。本发明步骤如下:对图像进行参数化处理得到样条形式的参数化结果;采用Greville坐标对参数化结果进行配点,所有配点的集合记为配点集合;等几何配点法求解带有狄利克雷边界条件的泊松方程得到基曲面模型;定义特征点集合和特征点约束值;采用等几何配点法求解加入了特征点约束值的带有狄利克雷边界条件的泊松方程,得到浅浮雕模型。本发明采用了基于配点法的等几何分析,选取的点远远少于伽辽金方法,因此在计算速度上远远优于伽辽金法。
-
公开(公告)号:CN119832644A
公开(公告)日:2025-04-15
申请号:CN202510300662.9
申请日:2025-03-14
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V40/10 , G06T17/00 , G06T7/80 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种未标定多视角相机的轻量化三维人体姿态估计方法,该方法首先收集任意视角数量的三维人体姿态估计数据集,并定义来自#imgabs0#个动态视角的二维姿态序列和对应的三维姿态序列。其次利用双向Mamba模型,提取多视角二维姿态序列的特征,得到预测结果,对双向Mamba模块进行预训练并微调。最后利用未标定可移动相机拍摄的多视角数据集端到端地训练双向Mamba模型,输出各个视角的三维姿态,通过procrustes将不同视角的姿态对齐至其中一个视角,完成人体姿态估计。本发明采用多视角姿态估计,使得人物在有较多的遮挡的环境下依然能高精度的估计人体姿态,并避免了相机标定的过程。
-
公开(公告)号:CN118397165A
公开(公告)日:2024-07-26
申请号:CN202410608427.3
申请日:2024-05-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于路径追踪的室内阴影去除数据集生成方法,该方法首先获取三维场景数据集,去除数据集中每个场景中家具的自相交问题,得到没有物体碰撞的场景布局信息。其次遍历场景中每个房间的的大小、包含的物体和每个物体的位置信息;选出场景中的每个房间找出N个相机外参。然后根据获取的相机位置设置光源。最后根据场景物体布局信息、相机外参和光源信息,基于路径追踪算法渲染图像,生成没有阴影的直接光照图和没有阴影的间接光照图,得到无阴影图。本发明能够快速生成大量高质量的阴影去除训练数据,从而加速了阴影去除算法的研发和优化过程。
-
-
-
-
-
-
-
-
-