[发明专利]物体运动姿态图像的合成方法及系统

说明书

本发明涉及图像处理领域。本发明一实施例提供一种物体运动姿态图像的合成方法及系统，其中所述物体运动姿态图像的合成方法包括：构建关于目标物体的三维模型，其中该三维模型内置有骨架，且该骨架配置有对应不同骨架位置的骨架节点；根据预定的自由度驱动函数和所述骨架节点生成自由度，并基于所述自由度驱动所述三维模型运动；以及基于针对在运动状态下的所述三维模型的投影图像，合成关于所述目标物体的运动姿态图像。由此，利用了骨架驱动运动模型的方式，可以在已知物体姿态参数的情况下反向自动合成其图像数据，能在低成本的条件下大幅度降低采集和标定数据的工作量。

技术领域

本发明涉及图像处理领域，具体地涉及一种物体运动姿态图像的合成方法及系统。

背景技术

近年来AR(Augmented Reality，增强现实技术)交互应用逐渐进入到日常生活，运动物体的姿态跟踪是三维感知部分的重要组成部分。深度图可以提供三维位置信息对运动物体的姿态恢复提供很好的依据，但是深度传感器的普及程度还是不够，所以目前运动三维物体的姿态估计都是通过深度图或者彩色图的两套方案。常用的运动物体姿态数据样本一般都是采用以下两种方案获取的：

方案一：首先，利用真实的传感器(深度摄像头或者RGB相机)采集不同姿态下的样本数据；然后，通过人工标定物体的关键点(像素坐标)，以计算出物体的真实姿态。但是，该方案无法获取关键点的三维坐标，无法获取被遮挡的关键点信息，也无法获取真实三维姿态。

方案二：首先，采用定位传感器贴在物体表面，用以获取实时物体关键点的坐标；然后，计算物体的真实三维姿态。但是，在该方案中的定位传感器的成本较高，同时用传感器采集物体的图像数据或深度图像，定位传感器的信号传输线会被拍入图像(尤其是RGB图像)中，对物体造成遮挡，影响对物体的真实三维姿态的估计结果的精确度。

综上，现有技术中的训练数据完全依赖真实数据的采集和标定，其都存在工作量大且需要高成本设备的问题。

发明内容

本发明实施例的目的是提供一种物体运动姿态图像的合成方法及系统，用以至少解决现有技术中训练数据完全依赖真实数据的采集和标定所导致的工作量大和高成本的问题。

为了实现上述目的，本发明实施例一方面提供一种物体运动姿态图像的合成方法，包括：构建关于目标物体的三维模型，其中该三维模型内置有骨架，且该骨架配置有对应不同骨架位置的骨架节点；根据预定的自由度驱动函数和所述骨架节点生成自由度，并基于所述自由度驱动所述三维模型运动；以及基于针对在运动状态下的所述三维模型的投影图像，合成关于所述目标物体的运动姿态图像。

本发明实施例另一方面的目的是提供一种物体运动姿态图像的合成系统，包括：模型构建单元，用于构建关于目标物体的三维模型，其中该三维模型内置有骨架，且该骨架配置有对应不同骨架位置的骨架节点；自由度驱动单元，用于根据预定的自由度驱动函数和所述骨架节点生成自由度，并基于所述自由度驱动所述三维模型运动；以及投影合成单元，用于基于针对在运动状态下的所述三维模型的投影图像，合成关于所述目标物体的运动姿态图像。

通过上述技术方案，构建内置骨架的关于目标物体的三维模型，并确定相应的自由度，以使得基于自由度驱动非刚体模型来模拟真实物体的运动，然后将模拟出的不同姿态下的三维模型进行投影渲染生成相应姿态下的深度图像及彩色图像数据。由此，利用了骨架驱动运动模型的方式，可以在已知物体姿态参数的情况下反向自动合成其图像数据，能在低成本的条件下大幅度降低采集和标定数据的工作量。

本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1是本发明一实施例的物体运动姿态图像的合成方法的流程图；