公开/公告号CN114937112A
专利类型发明专利
公开/公告日2022-08-23
原文格式PDF
申请/专利权人 浙江佳迪数字科技有限公司;
申请/专利号CN202210477659.0
申请日2022-05-05
分类号G06T15/04(2011.01);G06T15/00(2011.01);G06T17/00(2006.01);G06F30/27(2020.01);G06T7/40(2017.01);G06T7/90(2017.01);G06V10/764(2022.01);G06V10/82(2022.01);
代理机构浙江柏立知识产权代理有限公司 33451;
代理人柳伟华
地址 314400 浙江省嘉兴市海宁市许村镇人民大道2777号北区4号楼B座505室(自主申报)
入库时间 2023-06-19 16:28:30
法律状态公告日
法律状态信息
法律状态
2022-09-09
实质审查的生效 IPC(主分类):G06T15/04 专利申请号:2022104776590 申请日:20220505
实质审查的生效
技术领域
本发明涉及烫金面料三维仿真技术领域,尤其涉及一种基于机器学习的烫金三维数字面料的成像方法。
背景技术
三维数字化虚拟仿真是元宇宙的基础性技术之一。三维数字面料是织物、服装、布艺等柔性物体在元宇宙的三维数据和虚拟呈现。三维数字面料是服装例如连衣裙、衬衣、西装等,以及装饰布艺如沙发、窗帘、墙布、床上用品等产品三维数字化仿真和三维设计的应用基础。
传统的三维数字面料的建模,是基于真实面料的三维扫描重建的过程,主要步骤包括:1)采用二维扫描仪获取真实面料的光学彩色图片;2)根据光学彩色图片的色差分析,获取面料纹理的纹理贴图和法向贴图;3)在面料仿真实时渲染模式过程中,验证面料纹理法向贴图的有效性;4)调整法向贴图强度,促使数字面料仿真效果近似真实面料纹理立体特征。
对于烫金工艺面料,常规三维数字面料建模过程中,一般采用特征纹理金属度贴图技术,即将光学图片中烫金纹理像素部分提供标识,在实时渲染过程中生成金属光泽效果。但是基于现有三维重建技术的烫金面料成像技术,存在以下不足:
1)采用二维扫描得到的光学彩色图片不能直接获得烫金纹理贴图和烫金法向贴图;
2)色差分析得到的法向贴图无法准确反映烫金工艺特征;
3)金属度贴图需要人工原创设计,工作量大,效率低。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的在于提出一种基于机器学习的烫金三维数字面料的成像方法,能够真实反映烫金工艺特征,大大提升开发效率。
本发明的技术方案如下:
一种基于机器学习的烫金三维数字面料的成像方法,图案构图成像步骤如下:
S1、采用二维扫描仪采集基布纹理信息,制作基布纹理贴图,形成图案的平面像素点集;
S2、基于S1中基布纹理的像素点设置法向量,制作基布法向贴图;
S3、基于机器学习生成目标烫金工艺纹理贴图,得到图案的像素点集,并进行金属度渲染标识;
S4、根据烫金工艺参数确定烫金纹理的法向量,基于S3中得到的目标烫金纹理图案,制作烫金工艺法向贴图;
S5、根据上述的基布纹理贴图、基布法向贴图、烫金工艺纹理贴图、烫金工艺法向贴图,渲染生成三维数字面料。
进一步的,步骤S3中烫金工艺金属度贴图根据如下步骤得到:
a)创作包括唯一色彩和白色背景的独特素材A0;
b)选择多张目标风格的印花纹理图案作为参考图案集合;
c)将b)中的图案进行机器学习训练,从自动生成的若干图案中选择一定数量的图案加入参考图案集合中,加入到下一次训练当中;
d)将经过多次训练后,选择最终的目标烫金纹理图案At;
e)针对目标烫金纹理图案At的唯一色彩部分赋予金属度标识。
进一步的,上述步骤c)中机器学习训练中,图像分类处理采用的是多层卷积神经网络,并基于时间递归网络的学习模型。
进一步的,烫金工艺法向贴图纹理与烫金工艺金属度贴图纹理特征一致。
进一步的,S4中烫金工艺法向贴图的法向量采用真实测量法得到。
进一步的,S5中三维数字面料制作基于Style3D Fabric软件。
进一步的,三维数字面料的制作步骤如下:在Style3D Fabric软件中对应贴图参数制备相应的三维数字面料,并在软件的实时渲染模式中,将生成的三维数字面料采用GPU渲染模式,得到烫金数字面料的720°三维图像。
本发明中的有益效果:采用机器学习的设计方法效率高,不需要人工设计全幅烫金纹理,而且能够真实反映烫金纹理的工艺特征,对于面料设计师和面料工厂而言,减少了原创花型的设计成本,缩短开发周期,三维数字面料可以用于三维虚拟效果展示、烫金工艺流程的制定、烫金面料的研发定型,极大的提高了烫金布艺产品的生产、研发和销售过程的效率。
具体实施方式
下面将结合本发明实施例中,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
烫金三维数字面料设计方法如下:
一种基于机器学习的烫金三维数字面料的成像方法,图案构图成像步骤如下:
S1、采用二维扫描仪采集基布纹理信息,制作基布纹理贴图,形成图案的平面像素点集;
S2、基于S1中基布纹理的像素点设置法向量,制作基布法向贴图。
S3、基于机器学习生成目标烫金工艺纹理贴图,得到图案的像素点集,并进行金属度渲染标识;
S4、根据烫金工艺参数确定烫金纹理的法向量,基于S3中得到的目标烫金纹理图案,制作烫金工艺法向贴图;
S5、根据上述的基布纹理贴图、基布法向贴图、烫金工艺纹理贴图、烫金工艺法向贴图,在Style3D Fabric软件中制作SFAB格式三维数字面料,并在实时渲染模式中,将步骤S5中的生成的对应贴图的SFAB格式三维数字面料文件,采用GPU渲染模式,得到烫金数字面料的720度三维图像;实际操作时,软件中选择基布的像素点数据后,将烫金的像素数据叠加在基布上,实施渲染操作。
具体的,步骤S3中烫金工艺金属度贴图根据如下步骤得到:
a)创作包括唯一色彩和白色背景的独特素材A0;
b)选择多张目标风格的印花纹理图案作为参考图案集合;
c)将b)中的图案进行机器学习训练,从自动生成的若干图案中选择一定数量的图案加入参考图案集合中,加入到下一次训练当中;其中,图像分类处理采用的是多层卷积神经网络,并基于时间递归网络的学习模型,具体参考专利CN201610962182.X;本实施例直接采用基于上述原理的图像学习软件:米绘AI。
d)将经过多次训练后,选择最终的目标烫金纹理图案At;
e)针对目标烫金纹理图案At的唯一色彩部分赋予金属度标识。
实施例1:
1)创作一个包含两个色彩和白色背景的独特素材。
2)选择5张目标风格的纹理图案。
3)在机器学习智能辅助设计软件中训练,每次自动生成10张图案。
4)其中只有1张图案符合单一色彩要求。
5)经过5次训练后无法得到目标烫金纹理图案。
实施例2:
1)创作一个包含唯一色彩和白色背景的独特素材。
2)选择5张目标风格的纹理图案。
3)在机器学习智能辅助设计软件中训练,每次自动生成10张图案。
4)其中10张图案符合单一色彩要求,3张图案符合设计师风格要求。
5)经过5次训练后无法得到目标烫金纹理图案。
实施例3:
1)创作一个包含唯一色彩和白色背景的独特素材。
2)选择5张目标风格的纹理图案。
3)在机器学习智能辅助设计软件中训练,每次自动生成20张图案。
4)其中16张图案符合单一色彩要求,6张图案符合设计师风格要求,从中选择5张图案加入参考图案集合。
5)经过7次训练后得到目标烫金纹理图案At,作为金属度纹理贴图。
6)测试真实烫金工艺的法向量,根据At制作烫金工艺法向贴图。
7)采用二维扫描仪器扫描基布的纹理特征,通过图像分析获取基布的纹理贴图和法向贴图。
8)根据以上得到的金属度纹理贴图、烫金工艺法向贴图、基布纹理贴图、基布法向贴图,制作烫金三维数字面料。
9)采用计算机GPU实时渲染三维数字面料文件,验证烫金效果的真实性。
实施例4:
1)创作一个包含唯一色彩和白色背景的独特素材。
2)选择5张目标风格的纹理图案。
3)在机器学习智能辅助设计软件中训练,每次自动生成30张图案。
4)其中20张图案符合单一色彩要求,12张图案符合设计师风格要求,从中选择5张图案加入参考图案集合。
5)经过5次训练后得到目标烫金纹理图案At,作为金属度纹理贴图。
6)测试真实烫金工艺的法向量,根据At制作烫金工艺法向贴图。
7)采用二维扫描仪器扫描基布的纹理特征,通过图像分析获取基布的纹理贴图和法向贴图。
8)根据以上得到的金属度纹理贴图、烫金工艺法向贴图、基布纹理贴图、基布法向贴图,制作烫金三维数字面料。
9)采用计算机GPU实时渲染三维数字面料文件,验证烫金效果的真实性。
实施例5:
1)创作一个包含唯一色彩和白色背景的独特素材。
2)选择5张目标风格的纹理图案。
3)在机器学习智能辅助设计软件中训练,每次自动生成50张图案。
4)其中30张图案符合单一色彩要求,18张图案符合设计师风格要求,从中选择5张图案加入参考图案集合。
5)经过3次训练后得到目标烫金纹理图案At,作为金属度纹理贴图。
6)测试真实烫金工艺的法向量,根据At制作烫金工艺法向贴图。
7)采用二维扫描仪器扫描基布的纹理特征,通过图像分析获取基布的纹理贴图和法向贴图。
8)根据以上得到的金属度纹理贴图、烫金工艺法向贴图、基布纹理贴图、基布法向贴图,制作烫金三维数字面料。
9)采用计算机GPU实时渲染三维数字面料文件,验证烫金效果的真实性。
实施例6:
1)创作一个包含唯一色彩和白色背景的独特素材。
2)选择5张目标风格的纹理图案。
3)在机器学习智能辅助设计软件中训练,每次自动生成60张图案。
4)其中50张图案符合单一色彩要求,21张图案符合设计师风格要求,从中选择5张图案加入参考图案集合。
5)经过6次训练后得到目标烫金纹理图案At,作为金属度纹理贴图。
6)测试真实烫金工艺的法向量,根据At制作烫金工艺法向贴图。
7)采用二维扫描仪器扫描基布的纹理特征,通过图像分析获取基布的纹理贴图和法向贴图。
8)根据以上得到的金属度纹理贴图、烫金工艺法向贴图、基布纹理贴图、基布法向贴图,制作烫金三维数字面料。
9)采用计算机GPU实时渲染三维数字面料文件,验证烫金效果的真实性。
实施例7:
1)创作一个包含唯一色彩和白色背景的独特素材。
2)选择10张目标风格的纹理图案。
3)在机器学习智能辅助设计软件中训练,每次自动生成100张图案。
4)其中82张图案符合单一色彩要求,19张图案符合设计师风格要求,从中选择10张图案加入参考图案集合。
5)经过5次训练后得到目标烫金纹理图案At,作为金属度纹理贴图。
6)测试真实烫金工艺的法向量,根据At制作烫金工艺法向贴图。
7)采用二维扫描仪器扫描基布的纹理特征,通过图像分析获取基布的纹理贴图和法向贴图。
8)根据以上得到的金属度纹理贴图、烫金工艺法向贴图、基布纹理贴图、基布法向贴图,制作烫金三维数字面料。
9)采用计算机GPU实时渲染三维数字面料文件,验证烫金效果的真实性。
以上实施例的对比效果如下表所示:
综合以上测试效果,本实施例中采用5张参考图案,每次采用机器学习的方法得到30-50张自动生成图案,经过3-5次学习后可以得到满意的金属度纹理图案,以此为基础制作烫金三维数字面料。上述方法具有经济上可行的设计研发效率,并且能够真实反映烫金面料的工艺特征。
本申请中,未详细说明的结构及连接关系均为现有技术,其结构及原理已为公知技术,在此不再赘述。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
机译: 在智能系统中,通过机器扫描和成像、机器学习和通过深度学习并借助机器学习方法重建三维模型,对建筑物和群体进行自动三维设计的方法
机译: 基于机器学习的数字内容聚类的系统和方法,数字内容威胁检测和机器学习中的数字内容威胁修复进行任务导向的数字威胁缓解平台
机译: 主题,例如三维三维数字图像数据目标结构的医学成像应用目标分割方法,涉及基于最优序列的分割结构和限制分割区域的分割结构