CN107507269A - 个性化三维模型生成方法、装置和终端设备 - Google Patents

Abstract

本发明公开了一种个性化三维模型生成方法、装置和终端设备，其中，该方法包括：利用结构光获取目标对象的深度图像；根据所述深度图像，确定所述目标对象的特征信息；判断模型库中是否包括与所述目标对象对应的初始模型；若有，则根据所述目标对象的特征信息，对所述初始模型进行修正，生成所述目标对象对应的个性化三维模型。由此，缩短了三维模型的生成时间，提高了模型生成效率，且生成的模型满足目标对象的个性化特征，满足了用户的个性化需求。

Description

个性化三维模型生成方法、装置和终端设备

技术领域

本发明涉及摄像技术领域，尤其涉及一种个性化三维模型生成方法、装置和终端设备。

背景技术

三维(3D)模型,是指利用计算机技术，构建出的真实物体在虚拟三维空间中对应的三维数据的模型。三维模型，由于其数据的直观性，已成为计算机视觉领域的研究热点。比如虚拟现实(Virtual Reality,简称VR)、机器人导航、3D打印等。

目前，常用的一种三维模型构建方式，是利用深度图像，建立物体的三维模型。建模时，需要首先获取物体的深度图像，然后对深度图像进行处理，获取深度图像中的密集点云数据，进而根据密集点云数据对目标进行点云网络的重建，然后对多帧深度图像进行合并、配准，以生成物体的三维模型。

但是，上述三维模型的生成方式复杂，耗费时间长，无法满足用户个性化需求。

发明内容

本发明旨在至少在一定程度上解决上述的技术问题之一。

为此，本申请的第一方面提出一种个性化三维模型生成方法，缩短了三维模型的生成时间，提高了模型生成效率，且生成的模型满足目标对象的个性化特征，满足了用户的个性化需求。

本申请的第二方面提出一种曝光补偿装置。

本申请的第三方面提出一种终端设备。

本申请的第四个方面提出一种计算机可读存储介质。

本申请的第五个方面提出一种计算机程序。

为了解决上述问题，本申请一方面提出一种个性化三维模型生成方法，所述方法包括：

利用结构光获取目标对象的深度图像；

根据所述深度图像，确定所述目标对象的特征信息；

判断模型库中是否包括与所述目标对象对应的初始模型；

若有，则根据所述目标对象的特征信息，对所述初始模型进行修正，生成所述目标对象对应的个性化三维模型。

本申请实施例提供的个性化三维模型生成方法，首先在利用结构光获取到目标对象的深度图像后，即可根据深度图像，确定目标对象的特征信息，进而在确定模型库中包含与目标对象对应的初始模型时，即可根据目标对象的特征信息，对初始模型进行修订，以生成与目标对象对应的个性化三维模型。由此，通过利用目标对象的特征信息，对与目标对象对应的初始模型进行修正，即可生成与目标对象对应的个性化三维模型，缩短了三维模型的生成时间，提高了模型生成效率，且生成的模型满足目标对象的个性化特征，满足了用户的个性化需求。

为了解决上述问题，本申请第二方面提出一种个性化三维模型生成装置，其中，所述个性化三维模型生成装置包括：

获取模块，用于利用结构光获取目标对象的深度图像；

第一确定模块，用于根据所述深度图像，确定所述目标对象的特征信息；

判断模块，用于判断模型库中是否包括与所述目标对象对应的初始模型；

处理模块，用于若模型库中包括与所述目标对象对应的初始模型，则根据所述目标对象的特征信息，对所述初始模型进行修正，生成所述目标对象对应的个性化三维模型。

为了解决上述问题，本申请第三方面提出一种终端设备，包括：处理器、存储器、及图像处理电路；

其中，所述存储器用于存储可执行程序代码；所述处理器通过读取所述存储器中存储的可执行程序代码，及所述图像处理电路输出的深度图像，来实现如权利要求1-4中任一所述的个性化三维模型生成方法。

为了解决上述问题，本申请第四方面提出一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如第一方面所述的个性化三维模型生成方法。

为了解决上述问题，本申请第五方面提出一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行如第一方面所述的个性化三维模型生成方法。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本申请一个实施例的个性化三维模型生成方法的流程图；

图2为结构光三维视觉原理示意图；

图2A为不均匀的结构光的散斑分布示意图；

图2B为均匀的结构光的散斑分布示意图；

图3是本申请另一个实施例的个性化三维模型生成方法的流程图；

图4为本申请实施例提供的初始模型的生成过程示意图；

图5是本申请一个实施例的个性化三维模型生成装置的结构图；

图6是本申请另一个实施例的个性化三维模型生成装置的结构图；

图7是本申请一个实施例提供的终端设备的结构图；

图8为一个实施例中图像处理电路的示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的个性化三维模型生成方法、装置和终端设备。

本发明各实施例针对现有的三维模型生成方法复杂，耗费时间长，无法满足用户个性化需求的问题，提出一种个性化三维模型生成方法。通过利用结构光，获取目标对象的深度图像，进而根据深度图像，确定目标对象的特征信息后，然后即可根据目标对象的特征信息，对模型库中的目标初始模型进行修正，以生成与目标对象对应的个性化三维模型。由于生成的三维模型，仅是根据目标对象的特征，对初始模型进行修正后得到的，而无需对多帧深度图像进行合并、配准等处理，因此，缩短了三维模型的生成时间，提高了模型生成效率，且生成的模型满足目标对象的个性化特征，满足了用户的个性化需求。

下面结合图1对本申请实施例的个性化三维模型生成方法进行说明。

图1是本申请一个实施例的个性化三维模型生成方法的流程图。

如图1所示，该方法包括：

步骤101，利用结构光获取目标对象的深度图像。

其中，本发明实施例提供的个性化三维模型生成方法，可以由本发明实施例提供的个性化三维模型生成装置执行。

具体的，该个性化三维模型生成装置，可以被配置在任意具有深度图像拍摄功能的终端设备中。其中，终端设备的类型很多，可以根据应用需要进行选择，例如：手机、电脑、相机等。

具体实现时，利用结构光获取物体的深度图像，是基于光学三角法测量原理实现的。如图2所示，图2为结构光三维视觉原理示意图。

如图2所示，光学投射器将一定模式的结构光投射于物体表面，在表面上形成由被测物体表面形状所调制的光条的三维图像。该三维图像由处于另一位置的摄像机探测，从而获得光条二维畸变图像。光条的畸变程度取决于光学投射器与摄像机之间的相对位置和物体表面轮廓(高度)。直观上，沿光条显示出的位移(或偏移)与物体表面高度成比例，扭结表示了平面的变化，不连续显示了表面的物理间隙，当光学投射器与摄像机之间的相对位置一定时，由畸变的二维光条图像坐标便可重现物体表面三维轮廓。

在实际使用时，根据光学投射器所投射的光束模式的不同，结构光模式可以分为点结构光模式、线结构光模式、多线结构光模式、面结构光模式及相位法等。本申请实施例中，可以根据需要，选择任意形式的结构光模式，获取目标对象的深度图像。

其中，本申请实施例中的目标对象，可以为任何具有固定形态的物体，比如人体、建筑物、植物等等。

在本申请一种较优的实现形式中，可以采用非均匀的结构光，来获取目标对象的深度图像。

具体的，非均匀的结构光，可以通过多种方法形成。

比如，可以通过红外激光光源照射毛玻璃，从而在用户的头部区域产生干涉形成非均匀的结构光。

或者，可以通过衍射光学元件进行投射的方式，形成非均匀的结构光。具体的，可以由单个激光光源准直后通过单个或多个衍射光学元件，在用户的头部区域形成非均匀的结构光。

或者，还可以直接由不规则分布的激光阵列通过衍射光学元件，在用户的头部区域形成与激光阵列一致的不规则分布的散斑，即非均匀的结构光。通过这种方式，还可以控制散斑的细节分布，此处不作限定。

需要说明的是，分别以不均匀的结构光和均匀的结构光投射物体表面时，不均匀的结构光的散斑分布如图2A所示，均匀的结构光的散斑分布如图2B所示。从图2A和2B可知，相同大小的区域内，图2A中包含11个斑点，图2B中包含16个斑点，即不均匀的结构光所包含的斑点比均匀的结构光包含的斑点更少。因此，利用不均匀的结构光，获取用户的脸部深度图像，消耗的能量更少，节能效果更好，改善了用户体验。

步骤102，根据所述深度图像，确定所述目标对象的特征信息。

其中，目标对象的特征信息，指可用于区分目标对象与其它同类对象的信息。举例来人，若目标对象为人，则特征信息，可以为目标对象的五官分别对应的深度、亮度值、腿长、身长等信息；或者，若目标对象为建筑物，则目标对象的特征信息可以包括：建筑物的高度、外立面颜色、外形等。

步骤103，判断模型库中是否包括与所述目标对象对应的初始模型。

步骤104，若有，则根据所述目标对象的特征信息，对所述初始模型进行修正，生成所述目标对象对应的个性化三维模型。

具体的，个性化三维模型生成装置中的模型库中，可以预先配置各种对象的初始模型。从而在获取到目标对象的深度图像后，即可根据目标对象的特征信息，对与目标对象对应的初始模型进行修正，以生成目标对象的个性化模型。

其中，模型库中的所有初始模型，可以是提前配置的，也可以是个性化三维模型生成装置，通过对各种对象的深度图像，进行训练后生成的。本实施例对此不做限定。

实际使用时，若模型库中有与目标对象对应的初始模型，那么个性化三维模型生成装置即可直接从模型库中获取与目标对象对应的初始模型，进而根据目标对象的特征信息，对该初始模型进行修正，以生成与目标对象对应的个性化三维模型。

举例来说，若目标对象为人，且模型库中有与人对应的初始模型，那么个性化三维模型生成装置，即可通过对该人的深度图像进行解析，确定该人的五官的深度值及亮度值等，进而根据该人的各特征信息，对初始模型进行修正，即可生成该人的个性化三维模型。

由于目标对象的三维模型的生成过程，仅是根据目标对象的特征信息，对通用的初始模型进行修正的过程，而无需进行图像去噪、平滑、分割、合并、配准等处理，从而节省了个性化三维模型的生成时间，提高了三维模型的生成速度。

可以理解的是，若模型库中未包含与目标对象对应的初始模型，那么个性化三维模型生成装置也可以通过对当前获取的目标对象的深度图像进行处理，以生成与该目标对象对应的三维模型。

在实际使用时，生成了目标对象的个性化三维模型后，之后即可在对目标对象进行拍照的过程中，直接调用与该目标对象对应的三维模型，进而根据目标对象当前的部分特征点的深度信息及亮度信息，直接生成该目标对象的深度图像，从而提高了深度图像的获取速度和效率。

本发明实施例提供的个性化三维模型生成方法，首先在利用结构光获取到目标对象的深度图像后，即可根据深度图像，确定目标对象的特征信息，进而在确定模型库中包含与目标对象对应的初始模型时，即可根据目标对象的特征信息，对初始模型进行修订，以生成与目标对象对应的个性化三维模型。由此，通过利用目标对象的特征信息，对与目标对象对应的初始模型进行修正，即可生成与目标对象对应的个性化三维模型，缩短了三维模型的生成时间，提高了模型生成效率，且生成的模型满足目标对象的个性化特征，满足了用户的个性化需求。

通过上述分析可知，可以根据目标对象的特征信息，对初始模型进行修正，以生成目标对象对应的个性化三维模型。具体实现时，由于模型库中存储有多种对象的模型，或者同一对象对应多个模型，为了进一步的缩短三维模型的生成时间，本申请实施例中，还可以根据目标对象的属性信息，选择最匹配的初始模型进行修正，下面结合图3，对本发明实施例提供的个性化三维模型生成方法进行进一步说明。

图3是本申请另一个实施例的个性化三维模型生成方法的流程图。

如图3所示，该方法包括：

步骤301，利用结构光获取目标对象的深度图像。

步骤302，根据所述深度图像，确定所述目标对象的特征信息及属性信息。

其中，目标对象的属性信息，指可以准确定位该对象所属的类的信息。举例来说，若目标对象为人，那么属性信息，可以包括以下信息中的一种或多种：性别、年龄、身高、体重等等；若目标对象为椅子，那么其属性信息，可以包括以下信息中的一种或多种：高度、材质、支撑腿数量、是否有靠背等。

步骤303，判断模型库中是否有与所述目标对象的属性信息对应的初始模型，若包括，则执行步骤304，否则，执行步骤305。

具体的，模型库中可以提前存储不同的属性信息与初始模型的对应关系，从而在确定了目标对象的属性信息后，即可获取与目标对象对应的初始模型。

举例来说，若模型库中存储初始模型A、B、C和D。其中，初始模型A对应的属性信息为：女性、身高160厘米(cm)-165cm、20岁-40岁；初始模型B对应的属性信息为：女性、身高155cm-160cm、20岁-40岁；初始模型C对应的属性信息为：男性、身高 170cm-175cm、20岁-40；初始模型D对应的属性信息为：男性、身高170cm-175cm、40岁 -65岁。

那么在确定目标对象的对应的属性信息为：女性、身高155cm-160cm、20岁以上时，即可根据预设的对应关系，确定与该目标对象对应的初始模型为B。

需要说明的是，与不同属性信息对应的初始模型可以是通过对一个对象对应的多帧深度图像进行处理后得到的；或者，为了提高初始模型的可靠性和准确性，初始模型也可以是对多个属性信息相同的多个对象的深度图像进行处理后得到的。即本申请实施例中在上述步骤303之前，还包括：

确定与所述目标对象的属性信息相同的候选对象集；

根据所述候选对象集中各对象分别对应的各深度图像，生成所述初始模型。

具体的，个性化三维模型生成装置，在训练生成初始模型时，可以首先根据要训练的初始模型对应的属性信息，确定具有该属性信息的候选对象集，进而根据候选对象集中各对象对应的深度图像，生成与该属性信息对应的初始模型。

举例来说，若要训练的初始模型对应的属性信息为：女孩儿，5岁以下。那么个性化三维模型生成装置，即可从已有的大量深度图像中，选取包含5岁以下女孩的深度图像作为待训练的图像，进而通过对选出的深度图像进行处理，以生成与该属性信息对应的初始模型。

具体的，根据各对象分别对应的各深度图像，生成所述目标初始模型的过程，可以通过如图4所示的方式实现。图4为本申请实施例提供的初始模型的生成过程示意图。

如图4所示，包括：

步骤401，确定与目标对象的属性信息相同的候选对象集。

步骤402，对所述候选对象集中各对象分别对应的各深度图像进行处理，获取各深度图像的密集点云数据。

具体的，由于各对象分别对应的各深度图像中，可能包括背景、环境中的非处理模版，因此个性化三维模型生成装置，可以首先对各对象分别对应的各深度图像进行去噪处理及平滑处理，来获取对象所在区域的图像，进而通过前后景分割等处理，将对象与背景图分割。

步骤403，根据所述密集点云数据，对所述各对象进行点云网格重建。

在将各对象从深度图像中提取出来后，即可从各对象的深度图像中提取密集点数据，进而根据提取的密集点数据，将这些点连接成网络。比如根据各个点在空间上的举例关系，将相同平面的点，或者距离在阈值范围内的点连接成三角形网络，进而将这些网络进行拼接，就可以生成各个对象的三维模型。

步骤404，对所述重建后的各深度图像进行合并、配准，生成所述初始模型。

具体的，通过对多个属性信息相同的对象的深度图像进行合并和配准，即可使得生成的初始模型的适用性和可靠性更高。从而使得根据该初始模型获得的个性化三维模型更准确、更可靠。

步骤304，根据所述目标对象的特征信息，对所述初始模型进行修正，生成所述目标对象对应的个性化三维模型。

步骤305，根据所述对所述目标对象的深度图像，生成所述目标对象对应的初始模型。

可以理解的是，在确定模型库中未包含与目标对象对应的初始模型时，可以仅根据目标对象的深度图像，生成与目标对象对应的初始模型；也可以通过上述方式，根据多个与目标对象的属性信息相同的其它对象的深度图像，生成与目标对象对应的初始模型，本实施例对此不做限定。

本申请实施例提供的个性化三维模型生成方法，在利用结构光获取到目标对象的深度图像后，首先根据深度图像，确定目标对象的特征信息及属性信息，进而根据目标对象的属性信息，从模型库中获取与目标对象对应的初始模型，然后根据目标对象的特征信息，对初始模型进行修正，生成目标对象对应的个性化三维模型。由此，缩短了三维模型的生成时间，提高了模型生成效率，且生成的模型满足目标对象的个性化特征，满足了用户的个性化需求。且与目标对象对应的初始模型，是根据属性相同的多个对象的深度图像生成的，从而提高了初始模型的可靠性和准确性，使得生成的个性化三维模型更准确、更可靠。

图5是本申请一个实施例的个性化三维模型生成装置的结构图。

如图5所示，该个性化三维模型生成装置包括：

获取模块51，用于利用结构光获取目标对象的深度图像；

第一确定模块52，用于根据所述深度图像，确定所述目标对象的特征信息；

判断模块53，用于判断模型库中是否包括与所述目标对象对应的初始模型；

处理模块54，用于若模型库中包括与所述目标对象对应的初始模型，则根据所述目标对象的特征信息，对所述初始模型进行修正，生成所述目标对象对应的个性化三维模型。

其中，本实施例提供的个性化三维模型生成装置，可以执行本发明实施例提供的个性化三维模型生成方法。

具体的，该个性化三维模型生成装置，可以被配置在任意具有深度图像拍摄功能的终端设备中。其中，终端设备的类型很多，可以根据应用需要进行选择，例如：手机、电脑、相机等。

在本实施例一种可能的实现形式中，上述判断模块，具体用于：

根据所述深度图像，确定所述目标对象的属性信息；

判断模型库中是否有与所述目标对象的属性信息对应的初始模型。

需要说明的是，前述实施例中对个性化三维模型生成方法实施例的解释说明也适用于该实施例的个性化三维模型生成装置，此处不再赘述。

本申请实施例提供的个性化三维模型生成装置，首先在利用结构光获取到目标对象的深度图像后，即可根据深度图像，确定目标对象的特征信息，进而在确定模型库中包含与目标对象对应的初始模型时，即可根据目标对象的特征信息，对初始模型进行修订，以生成与目标对象对应的个性化三维模型。由此，通过利用目标对象的特征信息，对与目标对象对应的初始模型进行修正，即可生成与目标对象对应的个性化三维模型，缩短了三维模型的生成时间，提高了模型生成效率，且生成的模型满足目标对象的个性化特征，满足了用户的个性化需求。

图6是本申请另一个实施例的个性化三维模型生成装置的结构图。

如图6所示，在图5所示的基础上，该个性化三维模型生成装置，还包括：

第二确定模块61，用于确定与所述目标对象的属性信息相同的候选对象集；

生成模块62，用于根据所述候选对象集中各对象分别对应的各深度图像，生成所述初始模型。

具体的，所述生成模块62，具体用于：

对所述各对象分别对应的各深度图像进行处理，获取各深度图像的密集点云数据；

根据所述密集点云数据，对所述各对象进行点云网格重建；

对所述重建后的各深度图像进行合并、配准，生成所述初始模型。

需要说明的是，前述实施例中对个性化三维模型生成方法实施例的解释说明也适用于该实施例的个性化三维模型生成装置，此处不再赘述。

本申请实施例提供的个性化三维模型生成装置，在利用结构光获取到目标对象的深度图像后，首先根据深度图像，确定目标对象的特征信息及属性信息，进而根据目标对象的属性信息，从模型库中获取与目标对象对应的初始模型，然后根据目标对象的特征信息，对初始模型进行修正，生成目标对象对应的个性化三维模型。由此，缩短了三维模型的生成时间，提高了模型生成效率，且生成的模型满足目标对象的个性化特征，满足了用户的个性化需求。且与目标对象对应的初始模型，是根据属性相同的多个对象的深度图像生成的，从而提高了初始模型的可靠性和准确性，使得生成的个性化三维模型更准确、更可靠。

本发明再一方面实施例还提出一种终端设备。

图7是本申请一个实施例提供的终端设备的结构图。

其中，终端设备的类型很多，可以根据应用需要进行选择，例如：手机、电脑、相机等。

图7以终端设备为手机进行示意。

如图7所示，该终端设备包括：处理器71、存储器72、及图像处理电路73。

其中，所述存储器72用于存储可执行程序代码；所述处理器71通过读取所述存储器 72中存储的可执行程序代码，及所述图像处理电路73输出的深度图像，来实现如前述实施例中的个性化三维模型生成方法。

具体的，图像处理电路73可以利用硬件和/或软件组件实现，可包括定义ISP(Image Signal Processing，图像信号处理)管线的各种处理单元。

图8为一个实施例中图像处理电路的示意图。如图8所示，为便于说明，仅示出与本发明实施例相关的图像处理技术的各个方面。

如图8所示，图像处理电路包括成像设备810、ISP处理器830和控制逻辑器840。成像设备810可包括具有一个或多个透镜812、图像传感器814的照相机和结构光投射器816。结构光投射器816将结构光投影至被测物。其中，该结构光图案可为激光条纹、格雷码、正弦条纹、或者，随机排列的散斑图案等。图像传感器814捕捉投影至被测物形成的结构光图像，并将结构光图像发送至ISP处理器830，由ISP处理器830对结构光图像进行解调获取被测物的深度信息。同时，图像传感器814也可以捕捉被测物的色彩信息。当然，也可以由两个图像传感器814分别捕捉被测物的结构光图像和色彩信息。

其中，以散斑结构光为例，ISP处理器830对结构光图像进行解调，具体包括，从该结构光图像中采集被测物的散斑图像，将被测物的散斑图像与参考散斑图像按照预定算法进行图像数据计算，获取被测物上散斑图像的各个散斑点相对于参考散斑图像中的参考散斑点的移动距离。利用三角法转换计算得到散斑图像的各个散斑点的深度值，并根据该深度值得到被测物的深度信息。

当然，还可以通过双目视觉的方法或基于飞行时差TOF的方法来获取该深度图像信息等，在此不做限定，只要能够获取或通过计算得到被测物的深度信息的方法都属于本实施方式包含的范围。

在ISP处理器830接收到图像传感器814捕捉到的被测物的色彩信息之后，可被测物的色彩信息对应的图像数据进行处理。ISP处理器830对图像数据进行分析以获取可用于确定和/或成像设备810的一个或多个控制参数的图像统计信息。图像传感器814可包括色彩滤镜阵列(如Bayer滤镜)，图像传感器814可获取用图像传感器814的每个成像像素捕捉的光强度和波长信息，并提供可由ISP处理器830处理的一组原始图像数据。

ISP处理器830按多种格式逐个像素地处理原始图像数据。例如，每个图像像素可具有8、10、12或14比特的位深度，ISP处理器830可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的图像统计信息。其中，图像处理操作可按相同或不同的位深度精度进行。

ISP处理器830还可从图像存储器820接收像素数据。图像存储器820可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器，并可包括DMA(Direct MemoryAccess，直接直接存储器存取)特征。

当接收到原始图像数据时，ISP处理器830可进行一个或多个图像处理操作。

在ISP处理器830获取到被测物的色彩信息和深度信息后，可对其进行融合，得到三维图像。其中，可通过外观轮廓提取方法或轮廓特征提取方法中的至少一种提取相应的被测物的特征。例如通过主动形状模型法ASM、主动外观模型法AAM、主成分分析法PCA、离散余弦变换法DCT等方法，提取被测物的特征，在此不做限定。再将分别从深度信息中提取到被测物的特征以及从色彩信息中提取到被测物的特征进行配准和特征融合处理。这里指的融合处理可以是将深度信息以及色彩信息中提取出的特征直接组合，也可以是将不同图像中相同的特征进行权重设定后组合，也可以有其他融合方式，最终根据融合后的特征，生成三维图像。

三维图像的图像数据可发送给图像存储器820，以便在被显示之前进行另外的处理。 ISP处理器830从图像存储器820接收处理数据，并对所述处理数据进行原始域中以及RGB 和YCbCr颜色空间中的图像数据处理。三维图像的图像数据可输出给显示器860，以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit，图形处理器)进一步处理。此外，ISP处理器830的输出还可发送给图像存储器820，且显示器860可从图像存储器 820读取图像数据。在一个实施例中，图像存储器820可被配置为实现一个或多个帧缓冲器。此外，ISP处理器830的输出可发送给编码器/解码器850，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器860设备上之前解压缩。编码器/解码器850 可由CPU或GPU或协处理器实现。

ISP处理器830确定的图像统计信息可发送给控制逻辑器840单元。控制逻辑器840可包括执行一个或多个例程(如固件)的处理器和/或微控制器，一个或多个例程可根据接收的图像统计信息，确定成像设备810的控制参数。

需要说明的是，前述对个性化三维模型生成方法实施例的解释说明也适用于该实施例的终端设备，其实现原理类似，此处不再赘述。

本申请实施例再提出了一种计算机可读存储介质，其上存储有计算机程序，当该程序被处理器执行时实现如前述实施例中的个性化三维模型生成方法。

为达上述目的，本申请实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行如前述实施例中的个性化三维模型生成方法。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

需要说明的是，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种个性化三维模型生成方法，其特征在于，包括：

利用结构光获取目标对象的深度图像；

根据所述深度图像，确定所述目标对象的特征信息；

判断模型库中是否包括与所述目标对象对应的初始模型；

若有，则根据所述目标对象的特征信息，对所述初始模型进行修正，生成所述目标对象对应的个性化三维模型。

2.如权利要求1所述的方法，其特征在于，所述判断模型库中是否有与所述目标对象对应的目标初始模型，包括：

根据所述深度图像，确定所述目标对象的属性信息；

判断模型库中是否有与所述目标对象的属性信息对应的初始模型。

3.如权利要求2所述的方法，其特征在于，所述判断模型库中是否有与所述目标对象的属性信息对应的目标初始模型之前，还包括：

确定与所述目标对象的属性信息相同的候选对象集；

根据所述候选对象集中各对象分别对应的各深度图像，生成所述初始模型。

4.如权利要求3所述的方法，其特征在于，所述根据所述候选对象集中各对象分别对应的各深度图像，生成所述初始模型，包括：

对所述各对象分别对应的各深度图像进行处理，获取各深度图像的密集点云数据；

根据所述密集点云数据，对所述各对象进行点云网格重建；

对所述重建后的各深度图像进行合并、配准，生成所述初始模型。

5.一种个性化三维模型生成装置，其特征在于，包括：

获取模块，用于利用结构光获取目标对象的深度图像；

第一确定模块，用于根据所述深度图像，确定所述目标对象的特征信息；

判断模块，用于判断模型库中是否包括与所述目标对象对应的初始模型；

处理模块，用于若模型库中包括与所述目标对象对应的初始模型，则根据所述目标对象的特征信息，对所述初始模型进行修正，生成所述目标对象对应的个性化三维模型。

6.如权利要求5所述的装置，其特征在于，所述判断模块，具体用于：

根据所述深度图像，确定所述目标对象的属性信息；

判断模型库中是否有与所述目标对象的属性信息对应的初始模型。

7.如权利要求6所述的装置，其特征在于，还包括：

第二确定模块，用于确定与所述目标对象的属性信息相同的候选对象集；

生成模块，用于根据所述候选对象集中各对象分别对应的各深度图像，生成所述初始模型。

8.如权利要求7所述的装置，其特征在于，所述生成模块，具体用于：

对所述各对象分别对应的各深度图像进行处理，获取各深度图像的密集点云数据；

根据所述密集点云数据，对所述各对象进行点云网格重建；

对所述重建后的各深度图像进行合并、配准，生成所述初始模型。

9.一种终端设备，其特征在于，包括：处理器、存储器、及图像处理电路；

其中，所述存储器用于存储可执行程序代码；所述处理器通过读取所述存储器中存储的可执行程序代码，及所述图像处理电路输出的深度图像，来实现如权利要求1-4中任一所述的个性化三维模型生成方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的个性化三维模型生成方法。