[发明专利]模型数据处理方法、装置、可读存储介质和设备

权利要求书

1.一种模型数据处理方法，所述方法包括：

获取第一三维扫描点云数据，所述第一三维扫描点云数据对应的用户为同一姿态；

利用相同的人体网格模型去拟合所述第一三维扫描点云数据，得到具有相同拓扑结构的网格数据集；

对所述网格数据集进行主成分分析，得到网格数据集所在的形状空间的基向量组及平均形状网格，根据所述基向量组及平均形状网格建立头肩颈形状空间模型；

获取同一用户具有姿态变化的第二三维扫描点云数据，根据同一用户形状参数不变的原则，利用所述头肩颈形状空间模型解释所述第二三维扫描点云数据，得到用户对应的形状参数和各个姿态对应的头肩颈姿态参数，包括：获取当前用户对应的第一姿态三维扫描点云数据；利用所述头肩颈形状空间模型在形状空间中寻找当前形状参数，使得当前形状参数对应的网格上的顶点与第一姿态三维扫描点云数据的对应关系点匹配；获取当前用户对应的其它姿态三维扫描点云数据；固定所述当前形状参数，通过调整头肩颈姿态参数以解释所述其它姿态三维扫描点云数据，得到各个姿态对应的头肩颈姿态参数；

根据所述头肩颈姿态参数训练得到姿态统计分布模型；

存储所述头肩颈形状空间模型和所述姿态统计分布模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取应用数据，所述应用数据包括三维扫描设备扫描得到的点云数据、单个深度相机得到的半边点云数据、二维图像数据中的至少一种；

根据所述头肩颈形状空间模型和姿态统计分布模型解释所述应用数据对应的形状和姿态，得到目标形状参数和目标姿态参数。

3.根据权利要求1所述的方法，其特征在于，所述根据所述头肩颈姿态参数训练得到姿态统计分布模型包括：

获取不同用户不同姿态对应的头肩颈姿态参数大数据；

将所述头肩颈姿态参数大数据作为训练数据输入混合高斯模型以学习得到所述姿态统计分布模型；

所述姿态统计分布模型对于输入的当前头肩颈姿态参数，输出对应的头肩颈姿态状态检测结果。

4.根据权利要求1所述的方法，其特征在于，所述第一姿态三维扫描点云数据是当前用户在第一姿态下对应的三维扫描点云数据。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述目标形状参数和目标头肩颈姿态参数得到与所述应用数据对应的当前用户体型匹配的目标网格；

根据目标网格的网格顶点计算得到所述当前用户对应的虚拟三维模型关键位置信息；

根据所述虚拟三维模型关键位置信息建立与所述当前用户体型匹配的目标虚拟三维模型。

6.一种模型数据处理装置，其特征在于，所述装置包括：

点云数据获取模块，用于获取第一三维扫描点云数据，所述第一三维扫描点云数据对应的用户为同一姿态；

网格构建模块，用于利用相同的人体网格模型去拟合所述第一三维扫描点云数据，得到具有相同拓扑结构的网格数据集；

头肩颈形状空间模型建立模块，用于对所述网格数据集进行主成分分析，得到网格数据集所在的形状空间的基向量组及平均形状网格，根据所述基向量组及平均形状网格建立头肩颈形状空间模型；

点云解释模块，用于获取同一用户具有姿态变化的第二三维扫描点云数据，根据同一用户形状参数不变的原则，利用所述头肩颈形状空间模型解释所述第二三维扫描点云数据，得到用户对应的形状参数和各个姿态对应的头肩颈姿态参数，获取当前用户对应的第一姿态三维扫描点云数据；利用所述头肩颈形状空间模型在形状空间中寻找当前形状参数，使得当前形状参数对应的网格上的顶点与第一姿态三维扫描点云数据的对应关系点匹配；获取当前用户对应的其它姿态三维扫描点云数据；固定所述当前形状参数，通过调整头肩颈姿态参数以解释所述其它姿态三维扫描点云数据，得到各个姿态对应的头肩颈姿态参数；

姿态统计分布模型建立模块，用于根据所述头肩颈姿态参数训练得到姿态统计分布模型；

存储模块，用于存储所述头肩颈形状空间模型和所述姿态统计分布模型。