车辆去光照三维重建方法、装置、电子设备和存储介质

    公开(公告)号:CN113538664A

    公开(公告)日:2021-10-22

    申请号:CN202110796234.1

    申请日:2021-07-14

    Applicant: 清华大学

    Abstract: 本申请提出一种车辆去光照三维重建方法和装置。其中方法包括:获取带纹理车辆三维模型,对车辆三维模型在不同视角和不同光照条件下进行渲染,得到原始数据;其中,原始数据包括原始图片和原始图片对应的相机内外参数;搭建生成式对抗神经网络,并根据原始数据对生成式对抗神经网络进行训练;基于目标相机参数的彩色相机采集道路上车辆的RGB图片,并将采集到的RGB图片作为经过训练的生成式对抗神经网络的输入部分,从多角度渲染获取重建场景的密度分布,选取密度值满足预设条件的点作为重建点云;去除点云噪点后采用泊松重建算法得到车辆的表面网格模型,并对表面网格模型进行简化,获得包含去光照彩色纹理和材质信息的车辆三维模型。

    一种基于可驱动人脸生成式模型的三维人脸建模方法

    公开(公告)号:CN118097017A

    公开(公告)日:2024-05-28

    申请号:CN202410254214.5

    申请日:2024-03-06

    Applicant: 清华大学

    Abstract: 本申请提出了一种基于可驱动人脸生成式模型的三维人脸建模方法,该方法包括:采用基于关键点投影匹配的拟合方式对开源的人脸图片进行参数化人脸模板拟合,根据拟合后表情姿态参数,将动态特征映射到三正交平面与静态特征叠加,生成完整的三平面特征图,并通过生成式对抗训练方法获得可驱动人脸生成式模型,并结合2D图片编码器网络和大规模人脸视频数据集,学习观测视频到特定神经特征图的映射,实现对已建模头部虚拟化身的表情姿态驱动。基于本申请提出的方案,在通过常见的单摄像头采集设备采集人脸视频后,即可在数秒内实现高清全息三维人脸化身的建模,并支持高真实感、高自由度的人脸化身动态驱动。

    基于无监督数据的TOF深度数据优化方法及装置

    公开(公告)号:CN111402397B

    公开(公告)日:2022-07-29

    申请号:CN202010128595.4

    申请日:2020-02-28

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于无监督数据的TOF深度数据优化方法及装置,其中,方法包括:获取不含噪声的人体三维模型数据库;确定模拟噪声的自变量;分别在纵向方向和横向方向添加噪声;对原始三维模型和加噪后的三维模型进行渲染,并搭建编码器解码器网络;设计能量函数和监督网络,将网络输出结果输入监督网络,约束监督网络逐卷积层提取的特征图趋近;利用人体三维模型数据库和能量函数对生成式对抗神经网络中的生成器和鉴别器的参数权重进行迭代回归优化,直至权重收敛,将采集的真实场景下人物深度图片作为输入,得到包含几何细节且不含噪声的人体网格模型。该方法使用无监督的三维扫描数据生成式对抗网络,在保留几何细节的同时提升深度数据质量。

    基于隐式模板映射的单视图车辆重建方法和装置

    公开(公告)号:CN113160382B

    公开(公告)日:2022-10-28

    申请号:CN202110309292.7

    申请日:2021-03-23

    Applicant: 清华大学

    Abstract: 本申请提出一种基于隐式模板映射的单视图车辆重建方法和装置,涉及计算机视觉中的三维重建技术领域,方法包括:对获取三维车辆模型数据库中每个原始三维车辆模型进行随机纹理赋值获取三维带纹理车辆模型;对三维带纹理车辆模型进行渲染获取原始图片数据集,对每个原始三维车辆模型提取符号距离场;将原始图片数据集和符号距离场输入网络模型进行训练获取输出彩色图片,对输出彩色图片和原始渲染彩色图片进行计算调整网络模型的网络参数,获取已训练的网络模型;获取待处理车辆彩色图片输入已训练的网络模型获取车辆网格模型。由此,只需要使用渲染得到的虚拟数据库,基于隐式模板映射的生成式对抗网络在预测车辆几何结构的同时获得纹理特征。

    基于隐式模板映射的单视图车辆重建方法和装置

    公开(公告)号:CN113160382A

    公开(公告)日:2021-07-23

    申请号:CN202110309292.7

    申请日:2021-03-23

    Applicant: 清华大学

    Abstract: 本申请提出一种基于隐式模板映射的单视图车辆重建方法和装置,涉及计算机视觉中的三维重建技术领域,方法包括:对获取三维车辆模型数据库中每个原始三维车辆模型进行随机纹理赋值获取三维带纹理车辆模型;对三维带纹理车辆模型进行渲染获取原始图片数据集,对每个原始三维车辆模型提取符号距离场;将原始图片数据集和符号距离场输入网络模型进行训练获取输出彩色图片,对输出彩色图片和原始渲染彩色图片进行计算调整网络模型的网络参数,获取已训练的网络模型;获取待处理车辆彩色图片输入已训练的网络模型获取车辆网格模型。由此,只需要使用渲染得到的虚拟数据库,基于隐式模板映射的生成式对抗网络在预测车辆几何结构的同时获得纹理特征。

    高精度人体体态重建方法及系统

    公开(公告)号:CN110415336B

    公开(公告)日:2021-12-14

    申请号:CN201910630399.4

    申请日:2019-07-12

    Applicant: 清华大学

    Abstract: 本发明公开了一种高精度人体体态重建方法及系统,其中,该方法包括以下步骤:获取人体视频,并选取人体视频的关键帧;搭建深度神经网络获取关键帧的人体轮廓信息和二维关节信息;构造参数化人体模型,利用人体轮廓信息和二维关节信息对参数化人体模型进行约束,获得初始化人体姿态参数;利用二维关节信息和人体轮廓信息优化初始化人体姿态参数,并选取人体视频的全部帧,构造联合约束,再次优化初始化人体姿态参数,利用高斯牛顿公式迭代两次优化过程,直至相邻两次迭代的能量差值小于预设阈值。该方法利用少数几个角度的人体RGB信息,可以更好地重建人体模型,使得重建得到的人体模型更精确地反应真实人体身材。

    基于单帧RGBD图像的实时三维人体重建方法及系统

    公开(公告)号:CN111476884A

    公开(公告)日:2020-07-31

    申请号:CN202010239613.6

    申请日:2020-03-30

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于单帧RGBD图像的实时三维人体重建方法及系统,其中,方法包括:将渲染后的数据集作为训练训练数据,并训练得到负责正面深度图优化的Gdf网络、正面彩色图像去光照的Gcf网络、预测背面深度图的Gdb网络和预测背面彩色图像的Gcd网络;将当前RGBD图像转换到正交视角下以输入到Gdf和Gcf网络中,得到优化和去光照后的正面图像,将正面图像输入到Gdb和Gcb网络中得到预测后的背面图像,并利用正面和背面图像将像素点投影到三维空间中得到带颜色的三维点集,并且将带颜色的三维点集按照邻接拓扑关系连接成带纹理的三维人体模型。该方法利用深度相机采集的RGBD图片精细且快速地进行人体的三维重建。

    基于网格形变的单图像人体三维重建方法及系统

    公开(公告)号:CN110428493A

    公开(公告)日:2019-11-08

    申请号:CN201910631389.2

    申请日:2019-07-12

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于网格形变的单图像人体三维重建方法及系统,其中,该方法包括以下步骤:采集单图片和人体模型,以及人体模型对应的初始人体三维模型,并利用初始人体三维模型构建人体模型数据库,以作为卷积神经网络的初始数据;对初始数据进行渲染得到卷积神经网络训练时的输入图片;利用数据流编程深度学习平台构建卷积神经网络,以根据输入图片提取出人体关节位置概率分布图;对单图片进行人体分割标注,得到人体分割标注图;根据单图片、人体分割标注图和人体关节位置概率分布图对卷积神经网络进行训练,得到最终人体三维模型。该方法可以更轻量且更好地表现人体模型细节特征,得到拥有更多三维几何细节特征的人体模型。

    高精度人体体态重建方法及系统

    公开(公告)号:CN110415336A

    公开(公告)日:2019-11-05

    申请号:CN201910630399.4

    申请日:2019-07-12

    Applicant: 清华大学

    Abstract: 本发明公开了一种高精度人体体态重建方法及系统,其中,该方法包括以下步骤:获取人体视频,并选取人体视频的关键帧;搭建深度神经网络获取关键帧的人体轮廓信息和二维关节信息;构造参数化人体模型,利用人体轮廓信息和二维关节信息对参数化人体模型进行约束,获得初始化人体姿态参数;利用二维关节信息和人体轮廓信息优化初始化人体姿态参数,并选取人体视频的全部帧,构造联合约束,再次优化初始化人体姿态参数,利用高斯牛顿公式迭代两次优化过程,直至相邻两次迭代的能量差值小于预设阈值。该方法利用少数几个角度的人体RGB信息,可以更好地重建人体模型,使得重建得到的人体模型更精确地反应真实人体身材。

    车辆去光照三维重建方法、装置、电子设备和存储介质

    公开(公告)号:CN113538664B

    公开(公告)日:2022-12-13

    申请号:CN202110796234.1

    申请日:2021-07-14

    Applicant: 清华大学

    Abstract: 本申请提出一种车辆去光照三维重建方法和装置。其中方法包括:获取带纹理车辆三维模型,对车辆三维模型在不同视角和不同光照条件下进行渲染,得到原始数据;其中,原始数据包括原始图片和原始图片对应的相机内外参数;搭建生成式对抗神经网络,并根据原始数据对生成式对抗神经网络进行训练;基于目标相机参数的彩色相机采集道路上车辆的RGB图片,并将采集到的RGB图片作为经过训练的生成式对抗神经网络的输入部分,从多角度渲染获取重建场景的密度分布,选取密度值满足预设条件的点作为重建点云;去除点云噪点后采用泊松重建算法得到车辆的表面网格模型,并对表面网格模型进行简化,获得包含去光照彩色纹理和材质信息的车辆三维模型。

Patent Agency Ranking