-
公开(公告)号：CN110349087B
公开(公告)日：2021-02-12
申请号：CN201910609314.4
申请日：2019-07-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于适应性卷积的RGB‑D图像高质量网格生成方法，包括步骤：1)构建训练数据集；2)数据扩增和归一化；3)构建适应卷积层；4)构建深度图像补全网络和超分辨率网络并进行训练；5)将测试数据依次输入两个训练好的网络中，输出修补好的高分辨率图片并进一步转化成高质量网格。本发明构建的数据集弥补了当前在深度图像补全领域缺乏高质量的大规模的数据集的问题；使用编码解码结构以及跨层连接结构，能够有效将数据中的低层特征和高层特征融合起来，同时避免了参数的冗余；使用适应性卷积结构能有效解决当前方法难以产生高质量的完整的深度图像的问题。本发明能解决当前kinect获取到的数据精度低，缺失区域大的问题。
-
Patent Agency Ranking
公开(公告)号：CN110930514A
公开(公告)日：2020-03-27
申请号：CN201911152843.2
申请日：2019-11-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于局部区域特征的三维网格模型自适应简化方法，包括步骤：1)从三维模型数据集构建局部区域数据集；2)训练MLP分类网络：利用局部区域数据集训练一个基于局部区域特征和简化率的分类网络；3)计算顶点法线偏差阈值：定义分类结果和顶点法线偏差阈值间的函数关系，利用分类结果计算顶点法线偏差阈值。本发明提出了一种基于三维网格模型拓扑结构的局部区域提取方法，利用MLP来对区域特征训练分类器，简化时，对各个局部区域分类并用分类结果指导局部区域顶点设置法线偏差阈值，即对局部区域设置不同的简化终止条件，避免了对模型设置统一的简化率，实现自适应简化，获得更高的简化率。
-
公开(公告)号：CN110349087A
公开(公告)日：2019-10-18
申请号：CN201910609314.4
申请日：2019-07-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于适应性卷积的RGB-D图像高质量网格生成方法，包括步骤：1)构建训练数据集；2)数据扩增和归一化；3)构建适应卷积层；4)构建深度图像补全网络和超分辨率网络并进行训练；5)将测试数据依次输入两个训练好的网络中，输出修补好的高分辨率图片并进一步转化成高质量网格。本发明构建的数据集弥补了当前在深度图像补全领域缺乏高质量的大规模的数据集的问题；使用编码解码结构以及跨层连接结构，能够有效将数据中的低层特征和高层特征融合起来，同时避免了参数的冗余；使用适应性卷积结构能有效解决当前方法难以产生高质量的完整的深度图像的问题。本发明能解决当前kinect获取到的数据精度低，缺失区域大的问题。
-
公开(公告)号：CN107292942B
公开(公告)日：2019-10-18
申请号：CN201710308084.9
申请日：2017-05-04
Applicant: 华南理工大学
IPC: G06T13/20
Abstract: 本发明公开了一种权值C2连续的线性混合形状编辑方法，包括以下步骤：1)获取基础信息，包括用户输入的模型、实控制点和控制骨骼；2)使用实控制点离散化控制骨骼，并对实控制点初始化；3)估算模型各顶点到实控制点的内部距离；4)生成虚控制点；5)计算实控制点对虚控制点的权重以及控制点对模型顶点的权重；6)用户操作实控制点变换，虚控制点响应变换；7)GPU并行加速重构模型。本发明可以在编辑的过程中，尽量保持模型表面原有的细节特征，模型变形过渡平滑，能够感知模型的局部或整体形状，模型的编辑效果良好，重构模型阶段使用GPU并行计算加速，能够及时给用户的编辑反馈，高效的编辑效率能够达到实时效果。
-
公开(公告)号：CN107292942A
公开(公告)日：2017-10-24
申请号：CN201710308084.9
申请日：2017-05-04
Applicant: 华南理工大学
IPC: G06T13/20
Abstract: 本发明公开了一种权值C2连续的线性混合形状编辑方法，包括以下步骤：1)获取基础信息，包括用户输入的模型、实控制点和控制骨骼；2)使用实控制点离散化控制骨骼，并对实控制点初始化；3)估算模型各顶点到实控制点的内部距离；4)生成虚控制点；5)计算实控制点对虚控制点的权重以及控制点对模型顶点的权重；6)用户操作实控制点变换，虚控制点响应变换；7)GPU并行加速重构模型。本发明可以在编辑的过程中，尽量保持模型表面原有的细节特征，模型变形过渡平滑，能够感知模型的局部或整体形状，模型的编辑效果良好，重构模型阶段使用GPU并行计算加速，能够及时给用户的编辑反馈，高效的编辑效率能够达到实时效果。
-
公开(公告)号：CN106484511A
公开(公告)日：2017-03-08
申请号：CN201610872366.7
申请日：2016-09-30
Applicant: 华南理工大学
IPC: G06F9/48
CPC classification number: Y02D10/24 , G06F9/4875
Abstract: 本发明公开了一种谱姿态迁移方法，包括计算输入的参考模型、源模型的拉普拉斯矩阵及其对应的谱与特征函数，得到参考模型与源模型的调和基，并计算控制网格的拉普拉斯矩阵；选取参考模型与源模型之间的特征对应点，计算参考模型与源模型之间对应函数，利用对应函数优化参考模型和源模型的调和基；计算源模型关于控制网格的重心坐标矩阵；集成基于广义重心坐标的子空间技术到该能量函数中；优化能量函数，得到变形后的控制网格；利用重心坐标矩阵，计算目标模型的顶点位置；采用分层谱姿态迁移算法将参考模型的姿态迁移到源模型上；进行朝向优化处理，得到目标模型。本发明能获得令人满意的姿态迁移效果。
-
-
-
-
-
Search Results
36
records
(took 0.019 seconds)
