一種三維建模的方法及裝置的制造方法
【專利摘要】本申請(qǐng)公開了一種三維建模的方法和裝置，用以解決現(xiàn)有技術(shù)中三維建模計(jì)算量大、不易在手機(jī)等移動(dòng)設(shè)備上實(shí)現(xiàn)的問題。該方法包括：分別捕捉對(duì)象在第一方向上的第一圖像和在第二方向上的第二圖像；獲取第一圖像上的多個(gè)特征點(diǎn)；確定第二圖像上與多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征點(diǎn)；計(jì)算多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度、以及多個(gè)特征點(diǎn)的深度值；根據(jù)多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度，對(duì)多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算；基于加權(quán)計(jì)算后的多個(gè)特征點(diǎn)的深度值對(duì)對(duì)象進(jìn)行三維建模。
【專利說明】
一種三維建模的方法及裝置
技術(shù)領(lǐng)域
[0001] 本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種三維建模的方法及裝置。
【背景技術(shù)】
[0002] 在計(jì)算機(jī)視覺領(lǐng)域，基于二維圖像數(shù)據(jù)進(jìn)行對(duì)象的三維建模已經(jīng)得到廣泛的應(yīng) 用。二維圖像中包括的信息，例如光流、陰影以及紋理等都可以被用于判斷對(duì)象的深度，從 而實(shí)現(xiàn)三維模型的構(gòu)建。
[0003] 然而，通過光流、陰影以及紋理等信息獲取深度值的計(jì)算量非常大。以手機(jī)等移動(dòng) 設(shè)備為例，其中內(nèi)置的處理器很難對(duì)上述的信息完成實(shí)時(shí)的計(jì)算，從而使得基于三維建模 的一些服務(wù)或功能在手機(jī)等移動(dòng)設(shè)備上的應(yīng)用受限。
[0004] 另一方面，如果迀就手機(jī)等移動(dòng)設(shè)備處理器的計(jì)算能力，而降低信息的處理量，勢(shì) 必可能會(huì)降低三維建模的準(zhǔn)確度。

【發(fā)明內(nèi)容】

[0005] 本申請(qǐng)實(shí)施例提供一種三維建模的方法及裝置，用以解決現(xiàn)有技術(shù)中三維建模計(jì) 算量大、不易在手機(jī)等移動(dòng)設(shè)備上實(shí)現(xiàn)的問題。
[0006] 本申請(qǐng)實(shí)施例提供的一種三維建模的方法，包括：
[0007] 分別捕捉對(duì)象在第一方向上的第一圖像和在第二方向上的第二圖像；
[0008] 獲取所述第一圖像上的多個(gè)特征點(diǎn)；
[0009] 確定所述第二圖像上與所述多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征點(diǎn)；
[0010] 計(jì)算所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度、以及所述多個(gè)特征 點(diǎn)的深度值；
[0011] 根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度，對(duì)所述多個(gè)特征點(diǎn)的深 度值進(jìn)行加權(quán)計(jì)算；
[0012] 基于加權(quán)計(jì)算后的所述多個(gè)特征點(diǎn)的深度值對(duì)所述對(duì)象進(jìn)行三維建模。
[0013] 本申請(qǐng)又一實(shí)施例提供的一種三維建模的方法，包括：
[0014] 捕捉對(duì)象在多個(gè)方向上的圖像；
[0015] 獲取所述多個(gè)圖像其中之一上的多個(gè)特征點(diǎn)；
[0016] 分別確定剩余所述圖像上與所述多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征點(diǎn)；
[0017] 分別計(jì)算所述多個(gè)特征點(diǎn)與剩余所述圖像上對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似 度、以及所述匹配特征點(diǎn)的深度值；
[0018] 根據(jù)所述多個(gè)圖像的方向信息、以及所述匹配特征點(diǎn)的深度值，計(jì)算所述多個(gè)特 征點(diǎn)的深度值；
[0019] 根據(jù)所述多個(gè)特征點(diǎn)與剩余所述圖像上對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度，對(duì) 所述多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算；
[0020] 基于加權(quán)計(jì)算后的所述多個(gè)特征點(diǎn)的深度值對(duì)所述對(duì)象進(jìn)行三維建模。
[0021] 本申請(qǐng)實(shí)施例提供的一種三維建模的裝置，包括：
[0022] 圖像捕捉模塊，用于分別捕捉對(duì)象在第一方向上的第一圖像和在第二方向上的第 二圖像；
[0023] 特征檢測(cè)模塊，用于獲取所述第一圖像上的多個(gè)特征點(diǎn)；
[0024] 匹配模塊，用于確定所述第二圖像上與所述多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征點(diǎn)；
[0025] 計(jì)算模塊，用于計(jì)算所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度、所 述多個(gè)特征點(diǎn)的深度值、以及根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度，對(duì) 所述多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算；
[0026] 模型生成模塊，用于基于加權(quán)計(jì)算后的所述多個(gè)特征點(diǎn)的深度值對(duì)所述對(duì)象進(jìn)行 三維建模。
[0027] 本申請(qǐng)又一實(shí)施例提供的一種三維建模的裝置，包括：
[0028] 圖像捕捉模塊，用于捕捉對(duì)象在多個(gè)方向上的圖像；
[0029] 特征檢測(cè)模塊，用于獲取所述多個(gè)圖像其中之一上的多個(gè)特征點(diǎn)；
[0030] 匹配模塊，用于分別確定剩余所述圖像上與所述多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征點(diǎn)；
[0031] 計(jì)算模塊，用于分別計(jì)算所述多個(gè)特征點(diǎn)與剩余所述圖像上對(duì)應(yīng)的所述匹配特征 點(diǎn)之間的相似度、以及所述匹配特征點(diǎn)的深度值，根據(jù)所述多個(gè)圖像的方向信息、以及所述 匹配特征點(diǎn)的深度值，計(jì)算所述多個(gè)特征點(diǎn)的深度值，并根據(jù)所述多個(gè)特征點(diǎn)與剩余所述 圖像上對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度，對(duì)所述多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算；
[0032] 模型生成模塊，用于基于加權(quán)計(jì)算后的所述多個(gè)特征點(diǎn)的深度值對(duì)所述對(duì)象進(jìn)行 三維建模。
[0033] 本申請(qǐng)實(shí)施例提供一種三維建模的方法及裝置，該方法捕捉對(duì)象在至少兩個(gè)不 同方向的圖像，獲取其中一圖像上的特征點(diǎn)，并在剩余方向的圖像上確定對(duì)應(yīng)的匹配特征 點(diǎn)，從而計(jì)算出各個(gè)特征點(diǎn)的深度值，并且通過特征點(diǎn)與匹配特征點(diǎn)之間的相似度，對(duì)各個(gè) 特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算，利用加權(quán)計(jì)算后的各個(gè)特征點(diǎn)的深度值對(duì)對(duì)象進(jìn)行三維建 模，從而有效地減少了三維建模的計(jì)算量，易于在手機(jī)等移動(dòng)設(shè)備上實(shí)現(xiàn)，且準(zhǔn)確度較高。
【附圖說明】
[0034] 此處所說明的附圖用來提供對(duì)本申請(qǐng)的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本申 請(qǐng)的示意性實(shí)施例及其說明用于解釋本申請(qǐng)，并不構(gòu)成對(duì)本申請(qǐng)的不當(dāng)限定。在附圖中：
[0035] 圖1為本申請(qǐng)實(shí)施例提供的三維建模的流程示意圖；
[0036] 圖2為本申請(qǐng)實(shí)施例提供的特征點(diǎn)獲取的流程圖；
[0037] 圖3為本申請(qǐng)實(shí)施例提供的在第二圖像上確定與第一圖像上的特征點(diǎn)對(duì)應(yīng)的匹 配特征點(diǎn)的流程圖；
[0038] 圖4為本申請(qǐng)實(shí)施例提供的計(jì)算特征點(diǎn)與匹配特征點(diǎn)之間的相似度的流程圖；
[0039] 圖5為本申請(qǐng)實(shí)施例提供的人臉在YZ平面上從Y軸向Z軸順時(shí)針旋轉(zhuǎn)的仰角α 的坐標(biāo)示意圖；
[0040] 圖6為本申請(qǐng)實(shí)施例提供的人臉在ΧΖ平面上從X軸向Ζ軸逆時(shí)針旋轉(zhuǎn)的偏轉(zhuǎn)角 β的坐標(biāo)示意圖；
[0041] 圖7為本申請(qǐng)實(shí)施例提供的人臉在ΧΥ平面上從X軸向Υ軸逆時(shí)針旋轉(zhuǎn)的旋轉(zhuǎn)角 γ的坐標(biāo)示意圖；
[0042] 圖8為本申請(qǐng)實(shí)施例提供的在第一圖像上獲取的初始特征點(diǎn)的示意圖；
[0043] 圖9為本申請(qǐng)實(shí)施例提供的利用第一網(wǎng)格對(duì)初始特征點(diǎn)進(jìn)行篩選的示意圖；
[0044] 圖10為本申請(qǐng)實(shí)施例提供的，在第二圖像上尋找與第一圖像上一特征點(diǎn)Α對(duì)應(yīng)的 匹配特征點(diǎn)A'的示意圖；
[0045] 圖11為本申請(qǐng)又一實(shí)施例提供的三維建模的流程示意圖；
[0046] 圖12為本申請(qǐng)又一實(shí)施例提供的利用手機(jī)捕捉人臉正臉圖像、正臉仰角圖像、正 臉偏左方向圖像和正臉偏右方向圖像的示意圖；
[0047] 圖13為本申請(qǐng)實(shí)施例提供的三維建模的裝置的模塊示意圖。
【具體實(shí)施方式】
[0048] 為使本申請(qǐng)的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本申請(qǐng)具體實(shí)施例及 相應(yīng)的附圖對(duì)本申請(qǐng)技術(shù)方案進(jìn)行清楚、完整地描述。顯然，所描述的實(shí)施例僅是本申請(qǐng)一 部分實(shí)施例，而不是全部的實(shí)施例。基于本申請(qǐng)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做 出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本申請(qǐng)保護(hù)的范圍。
[0049] 圖1為本申請(qǐng)實(shí)施例提供的三維建模的過程，具體包括以下步驟：
[0050] S11 :分別捕捉對(duì)象在第一方向上的第一圖像和在第二方向上的第二圖像。
[0051] 在本申請(qǐng)實(shí)施例中，所述的對(duì)象包括各種具有三維構(gòu)造的物體，例如人臉。所述的 第一圖像和第二圖像可以是彼此具體仰角、偏轉(zhuǎn)角、和旋轉(zhuǎn)角上的差異。第一圖像和第二圖 像都包含有RGB通道（即第一圖像和第二圖像為彩色圖像），且圖像的像素在392x440以 上。當(dāng)然，在替換的實(shí)施例中，第一圖像和第二圖像也可以是為灰度圖。
[0052] 配合參圖5至圖7,以人臉為例，解釋本申請(qǐng)所說的仰角、偏轉(zhuǎn)角、和旋轉(zhuǎn)角。以人 臉正臉圖像為基準(zhǔn)，定義X軸為人臉正面的橫軸，Y軸為人臉正面的豎軸，Z軸與X軸以及Y 軸垂直，該Z軸標(biāo)示了人臉上特征的深度。其中，如圖5所示，仰角α為人臉在YZ平面上 從Υ軸向Ζ軸順時(shí)針旋轉(zhuǎn)的角度，如圖6所示，偏轉(zhuǎn)角β為人臉在ΧΖ平面上從X軸向Ζ軸 逆時(shí)針旋轉(zhuǎn)的角度，如圖7所示，旋轉(zhuǎn)角γ為人臉在ΧΥ平面上從X軸向Υ軸逆時(shí)針旋轉(zhuǎn)的 角度。
[0053] S12 :獲取第一圖像上的多個(gè)特征點(diǎn)。
[0054] 在本申請(qǐng)實(shí)施例中，特征點(diǎn)的獲取可以采用邊緣檢測(cè)的方式，以獲取第一圖像中 亮度變化明顯的點(diǎn)。同時(shí)，圖像邊緣檢測(cè)可以大幅減少數(shù)據(jù)的處理量，而保留圖像重要的結(jié) 構(gòu)屬性，例如：深度上的不連續(xù)、表面方向不連續(xù)、物質(zhì)屬性變化和場(chǎng)景照明變化等。
[0055] 參圖2,介紹步驟S12中獲取第一圖像上多個(gè)特征點(diǎn)的具體步驟，包括：
[0056] S121 :獲取第一圖像上的若干初始特征點(diǎn)。
[0057] 參圖8,這里初始特征點(diǎn)（圖8中叉號(hào)所標(biāo)示的點(diǎn)）的獲取采用邊緣檢測(cè)的方式， 這些初始特征點(diǎn)反映了人臉的邊緣、五官等的特征輪廓。
[0058] S122 :將第一圖像與預(yù)設(shè)的第一網(wǎng)格相匹配。
[0059] 參圖9,本申請(qǐng)實(shí)施例中，第一網(wǎng)格的網(wǎng)格單元被定義為正方形，當(dāng)然該第一網(wǎng)格 的網(wǎng)格單元還可以根據(jù)需要被預(yù)定義為三角形、正六邊形等多種形狀。通過此步驟，第一圖 像上的若干初始特征點(diǎn)會(huì)分別落入該第一網(wǎng)格的各個(gè)網(wǎng)格單元中。需要說明的是，在實(shí)際 的應(yīng)用場(chǎng)景，例如手機(jī)中，第一圖像與第一網(wǎng)格的匹配是由手機(jī)內(nèi)的數(shù)據(jù)處理器運(yùn)算處理 完成，而并非需要在視覺上進(jìn)行反饋。
[0060] S123:篩選該若干初始特征點(diǎn)，直至第一網(wǎng)格的網(wǎng)格單元中保留的初始特征點(diǎn)的 數(shù)量均等，并確定為特征點(diǎn)。
[0061] 還是以人臉為例，由于其上的特征分布并不均勻，故在利用邊緣檢測(cè)獲取初始特 征點(diǎn)時(shí)，第一圖像上一些區(qū)域的初始特征點(diǎn)的分布會(huì)明顯相對(duì)于其它的區(qū)域更加密集。而 在例如手機(jī)等移動(dòng)設(shè)備的應(yīng)用中，對(duì)這些獲取的初始特征點(diǎn)全部進(jìn)行深度計(jì)算顯然是難以 實(shí)現(xiàn)且沒有必要的。利用第一網(wǎng)格對(duì)這些初始特征點(diǎn)進(jìn)行篩選，可以保證篩選后的初始特 征點(diǎn)仍然可以反映人臉的基本形態(tài)，且大大降低了數(shù)據(jù)的計(jì)算量。
[0062] 需要說明的是，雖然在本實(shí)施例中是以保證第一網(wǎng)格的網(wǎng)格單元中保留的初始特 征點(diǎn)的數(shù)量均等為標(biāo)準(zhǔn)，對(duì)該若干初始特征點(diǎn)進(jìn)行篩選。但在一些替換的實(shí)施例中，也可以 是采用其它的篩選標(biāo)準(zhǔn)，例如：設(shè)定各個(gè)網(wǎng)格單元中的初始特征點(diǎn)的數(shù)量差異不超過一預(yù) 定的閾值等。
[0063] 參圖10,在本申請(qǐng)實(shí)施例中，對(duì)初始特征點(diǎn)的具體篩選過程：首先計(jì)算該若干初 始特征點(diǎn)到所在的第一網(wǎng)格的網(wǎng)格單元中心的距離，再將第一網(wǎng)格的網(wǎng)格單元中，距離所 在的網(wǎng)格單元中心最近的初始特征點(diǎn)確定為所述的特征點(diǎn)即可。在此過程中，可能會(huì)出現(xiàn) 第一網(wǎng)格的某些網(wǎng)格單元中不存在初始特征點(diǎn)，此種情況下，將該些網(wǎng)格單元的中心（圖 10中空心圓所標(biāo)示的點(diǎn)）確定為其內(nèi)的特征點(diǎn)。
[0064] 當(dāng)然，在一些替換的實(shí)施例中，還可以是將各個(gè)網(wǎng)格單元中初始特征點(diǎn)的坐標(biāo)求 均值，并將所得的平均坐標(biāo)值所對(duì)應(yīng)的點(diǎn)作為第一網(wǎng)格中對(duì)應(yīng)網(wǎng)格單元中保留的特征點(diǎn)。
[0065] S13 :確定第二圖像上與多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征點(diǎn)。
[0066] 配合參圖9和圖10,還是人臉為例，假設(shè)在第一圖像上獲取到鼻尖處的一特征點(diǎn) A，則步驟S13的目的就是在第二圖像上搜尋該鼻尖處所在的位置（即匹配特征點(diǎn)A'的坐 標(biāo)），并依此方式建立第一圖像和第二圖像上多個(gè)特征點(diǎn)與匹配特征點(diǎn)之間的對(duì)應(yīng)關(guān)系。
[0067] 參圖3,介紹步驟S13中確定匹配特征點(diǎn)的具體步驟，包括：
[0068] S131 :根據(jù)第一圖像和第二圖像的方向信息，確定第二圖像上與多個(gè)特征點(diǎn)對(duì)應(yīng) 的預(yù)匹配特征點(diǎn)。
[0069] 第一圖像和第二圖像的方向信息可以由多種方式被確定。以手機(jī)對(duì)人臉拍攝為 例：
[0070] -實(shí)施例中，若利用攝像頭連續(xù)捕捉第一圖像和第二圖像，可以通過手機(jī)內(nèi)置的 運(yùn)動(dòng)傳感器（例如陀螺儀、羅盤儀、加速計(jì)等）直接確定該第一圖像和第二圖像的方向信 息。
[0071] 繼續(xù)參圖5至圖7,又一實(shí)施例中，若利用攝像頭分別地捕捉第一圖像和第二圖 像，可以例如通過姿勢(shì)測(cè)定算法確定該第一圖像和第二圖像的方向信息。具體地，設(shè)定人臉 的旋轉(zhuǎn)是基于一假設(shè)的旋轉(zhuǎn)中心C而確定，通過現(xiàn)有的生物解剖學(xué)知識(shí)，該旋轉(zhuǎn)中心C的坐 #C X、CY、CZ可以被粗略地估計(jì)，而該旋轉(zhuǎn)中心C到人臉兩眼中心的距離r，可以用于測(cè)定上 述的仰角α、偏轉(zhuǎn)角β、旋轉(zhuǎn)角丫。同時(shí)，基于以下可以被粗略估計(jì)的值：人臉兩眼中心的 位置在第一圖像的坐標(biāo)（U X，UY)和在第二圖像的坐標(biāo)（VX，VY)、人臉為正臉圖像時(shí)，兩眼中心 位置的深度E z，可以得到仰角α、偏轉(zhuǎn)角β和旋轉(zhuǎn)角γ的計(jì)算公式為：
[0072]
[0073]
[0074]
[0075]
[0076]
[0077] S132 :將第二圖像與預(yù)設(shè)的第二網(wǎng)格相匹配。
[0078] 參圖10,與第一網(wǎng)格類似地，在本申請(qǐng)實(shí)施例中，第二網(wǎng)格的網(wǎng)格單元采用正方 形。并且，第二網(wǎng)格的網(wǎng)格單元的面積被設(shè)置為小于第一網(wǎng)格的網(wǎng)格單元的面積（也即：同 樣面積的第一網(wǎng)格和第二網(wǎng)格中，第二網(wǎng)格劃分了相對(duì)于第一網(wǎng)格更多的網(wǎng)格單元），以提 高下述步驟中，確定的匹配特征點(diǎn)的準(zhǔn)確度。
[0079] S133:將預(yù)匹配特征點(diǎn)所在的第二網(wǎng)格的網(wǎng)格單元的中心，確定為對(duì)應(yīng)的匹配特 征點(diǎn)。
[0080] S14 :計(jì)算該多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度、以及該多個(gè)特征點(diǎn)的 深度值。
[0081] 參圖4,介紹步驟S14中計(jì)算特征點(diǎn)與匹配特征點(diǎn)之間相似度的具體步驟，包括：
[0082] S141 :獲取多個(gè)特征點(diǎn)所在的第一網(wǎng)格的網(wǎng)格單元內(nèi)所有像素的顏色值。
[0083] S142:獲取多個(gè)匹配特征點(diǎn)所在的第二網(wǎng)格的網(wǎng)格單元內(nèi)所有像素的顏色值。
[0084] 步驟S141和步驟S142中所述的"顏色值"是指像素在R、G、B三個(gè)通道上的顏色 值。
[0085] S143:分別計(jì)算該多個(gè)特征點(diǎn)所在的第一網(wǎng)格的網(wǎng)格單元，與對(duì)應(yīng)的匹配特征點(diǎn) 所在的第二網(wǎng)格的網(wǎng)格單元內(nèi)所有像素的平均顏色值誤差，并根據(jù)該平均顏色值誤差確定 該多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度。其中，平均顏色值誤差S的計(jì)算公式為：
[0086]
[0087] 其中，i，j為第一網(wǎng)格的網(wǎng)格單元內(nèi)像素的坐標(biāo)值，為像素在（i，j)位置時(shí)的 特征點(diǎn)，Su為像素在（i，j)位置時(shí)的匹配特征點(diǎn)，IKF^，Sd為點(diǎn)Fy和Sy在R通道上差 值的絕對(duì)值，SJ為點(diǎn)Fy和S ^在G通道上差值的絕對(duì)值，B(F v SJ為點(diǎn)Fu和S u 在B通道上差值的絕對(duì)值，|| F ||為第一網(wǎng)格的網(wǎng)格單元的面積（即：第一網(wǎng)格的網(wǎng)格單元 內(nèi)包含的像素值），λ為一常量，其計(jì)算公式為：
[0088]
[0089] 其中，maxX和maxY為第一網(wǎng)格的一個(gè)網(wǎng)格單元內(nèi)，遠(yuǎn)離對(duì)應(yīng)的特征點(diǎn)最遠(yuǎn)的距離 值（以像素為單位）；fp. X和fp. y為特征點(diǎn)的坐標(biāo)值，sp. x和sp. y為匹配特征點(diǎn)的坐標(biāo) 值。
[0090] 特征點(diǎn)與匹配特征點(diǎn)之間的相似度根據(jù)計(jì)算得的平均顏色值誤差的值確定，平均 顏色值誤差越大，則特征點(diǎn)與匹配特征點(diǎn)之間的相似度也就越低。利用特征點(diǎn)與匹配特征 點(diǎn)之間的相似度，可以對(duì)特征點(diǎn)進(jìn)行篩選。具體地：
[0091] 首先根據(jù)該多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度，確定丟棄閾值，再將 該多個(gè)特征點(diǎn)中，與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度小于丟棄閾值的特征點(diǎn)篩除。當(dāng)特征 點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度小于丟棄閾值時(shí)，表明此時(shí)匹配特征點(diǎn)并非第二圖像 上實(shí)際與特征點(diǎn)所對(duì)應(yīng)的點(diǎn)，并判定此時(shí)特征點(diǎn)匹配失敗，而這些匹配失敗的特征點(diǎn)并不 參與后續(xù)的三維建模計(jì)算。
[0092] 繼續(xù)參圖5至圖7,特征點(diǎn)的深度值是綜合匹配特征點(diǎn)在仰角、偏轉(zhuǎn)角和旋轉(zhuǎn)角下 的深度而得，結(jié)合這些不同角度下的深度值進(jìn)行計(jì)算，可以使得角度具有更大的影響力，提 高深度值計(jì)算結(jié)果的準(zhǔn)確度。具體地，
[0093]
[0094]
[0095] 特征點(diǎn)在旋轉(zhuǎn)角下的深度值Ζγ = U Ycos γ -Uxsin γ ;
[0096] 綜合Ζα、Ze、Ζγ得到深度值Z的計(jì)算公式為：
[0097] 0
[0098] S15 :根據(jù)多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度，對(duì)多個(gè)特征點(diǎn)的深度值 進(jìn)行加權(quán)計(jì)算。
[0099] 具體地，對(duì)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算的公式為：
[0100] 加權(quán)深度值=深度值ZX (除待加權(quán)計(jì)算的特征點(diǎn)之外所有特征點(diǎn)的平均顏色值 誤差之和/所有特征點(diǎn)的平均顏色值誤差值之和）。
[0101] S16 :基于加權(quán)計(jì)算后的多個(gè)特征點(diǎn)的深度值對(duì)對(duì)象進(jìn)行三維建模。
[0102] 在本申請(qǐng)實(shí)施例中，該三維建模采用三角形網(wǎng)格的形式，三角形網(wǎng)格的頂點(diǎn)為各 個(gè)的特征點(diǎn)。當(dāng)然，在其它替換的實(shí)施例中也可以是采用例如多邊形建模的方式。
[0103] 圖11為本申請(qǐng)又一實(shí)施例提供的三維建模的過程，具體包括以下步驟：
[0104] S21 :捕捉對(duì)象在多個(gè)方向上的圖像。
[0105] S22 :獲取所述多個(gè)圖像其中之一上的多個(gè)特征點(diǎn)。
[0106] S23 :分別確定剩余圖像上與多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征點(diǎn)。
[0107] S24 :分別計(jì)算多個(gè)特征點(diǎn)與剩余圖像上對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度、以及該 些匹配特征點(diǎn)的深度值。
[0108] S25:根據(jù)該多個(gè)圖像的方向信息、以及匹配特征點(diǎn)的深度值，計(jì)算該多個(gè)特征點(diǎn) 的深度值。
[0109] S26 :根據(jù)該多個(gè)特征點(diǎn)與剩余圖像上對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度，對(duì)該多個(gè) 特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算。
[0110] S27 :基于加權(quán)計(jì)算后的該多個(gè)特征點(diǎn)的深度值對(duì)所述對(duì)象進(jìn)行三維建模。
[0111] 參圖12,還是以手機(jī)對(duì)人臉進(jìn)行三維建模為例，捕捉人臉在基準(zhǔn)方向上的第一圖 像和在三個(gè)偏離基準(zhǔn)方向上的第二圖像、第三圖像和第四圖像。且第一圖像、第二圖像、第 三圖像和第四圖像分別為人臉的正臉圖像、正臉仰角圖像、正臉偏左方向圖像和正臉偏右 方向圖像。如此，人臉正臉圖像上捕捉到的特征點(diǎn)基本都可以在正臉仰角圖像、正臉偏左方 向圖像和正臉偏右方向圖像中的至少一個(gè)上找到對(duì)應(yīng)的匹配特征點(diǎn)，故人臉正臉圖像上每 個(gè)特征點(diǎn)的深度值計(jì)算過程中都綜合了角度的因素，保證了計(jì)算所得的深度值更高的準(zhǔn)確 度。
[0112] 本實(shí)施例中，以捕捉四張圖像為例，對(duì)本申請(qǐng)的三維建模方法做說明，但這并非是 限制，根據(jù)應(yīng)用的具體的環(huán)境和精度需求的差異，捕捉的圖像的數(shù)量也可以作適應(yīng)性的調(diào) 整。并且，由于本實(shí)施例中并不涉及對(duì)上一實(shí)施例其它步驟的改進(jìn)，故在此不作其它贅述， 上一實(shí)施例中所詳述的方法和裝置可以以全部引入的方式應(yīng)用到本實(shí)施例中。
[0113] 圖13為本申請(qǐng)實(shí)施例提供的三維建模的裝置的模塊示意圖，具體包括：
[0114] 圖像捕捉模塊31，用于分別捕捉對(duì)象在第一方向上的第一圖像和在第二方向上的 第二圖像；
[0115] 特征檢測(cè)模塊32,用于獲取所述第一圖像上的多個(gè)特征點(diǎn)；
[0116] 匹配模塊33,用于確定所述第二圖像上與所述多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征點(diǎn)；
[0117] 計(jì)算模塊34,用于計(jì)算所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度、 所述多個(gè)特征點(diǎn)的深度值、以及根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度， 對(duì)所述多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算；
[0118] 模型生成模塊36,用于基于加權(quán)計(jì)算后的所述多個(gè)特征點(diǎn)的深度值對(duì)所述對(duì)象進(jìn) 行三維建模。
[0119] 在本申請(qǐng)實(shí)施例中，所述特征檢測(cè)模塊32具體用于：獲取所述第一圖像上的若干 初始特征點(diǎn)，將所述第一圖像與預(yù)設(shè)的第一網(wǎng)格相匹配，篩選所述若干初始特征點(diǎn)，直至所 述第一網(wǎng)格的網(wǎng)格單元中保留的所述初始特征點(diǎn)的數(shù)量均等，并確定為所述特征點(diǎn)。
[0120] 在本申請(qǐng)實(shí)施例中，所述特征檢測(cè)模塊32包括計(jì)算單元321，所述計(jì)算單元321具 體用于：計(jì)算所述若干初始特征點(diǎn)到所在的第一網(wǎng)格的網(wǎng)格單元中心的距離；所述特征檢 測(cè)模塊32具體用于，將所述第一網(wǎng)格的網(wǎng)格單元中，距離所在的網(wǎng)格單元中心最近的初始 特征點(diǎn)確定為所述特征點(diǎn)。
[0121] 在本申請(qǐng)實(shí)施例中，所述特征檢測(cè)模塊32還用于：在所述第一網(wǎng)格的網(wǎng)格單元內(nèi) 不存在所述初始特征點(diǎn)時(shí)，將所述網(wǎng)格單元的中心確定為所述網(wǎng)格單元內(nèi)的特征點(diǎn)。
[0122] 在本申請(qǐng)實(shí)施例中，所述匹配模塊33具體用于：根據(jù)所述第一圖像和第二圖像的 方向信息，確定所述第二圖像上與所述多個(gè)特征點(diǎn)對(duì)應(yīng)的預(yù)匹配特征點(diǎn)，將所述第二圖像 與預(yù)設(shè)的第二網(wǎng)格相匹配，將所述預(yù)匹配特征點(diǎn)所在的第二網(wǎng)格的網(wǎng)格單元的中心，確定 為所述對(duì)應(yīng)的匹配特征點(diǎn)。
[0123] 在本申請(qǐng)實(shí)施例中，所述計(jì)算模塊34具體用于：獲取所述多個(gè)特征點(diǎn)所在的第一 網(wǎng)格的網(wǎng)格單元內(nèi)所有像素的顏色值，獲取所述多個(gè)匹配特征點(diǎn)所在的第二網(wǎng)格的網(wǎng)格單 元內(nèi)所有像素的顏色值，分別計(jì)算所述多個(gè)特征點(diǎn)所在的第一網(wǎng)格的網(wǎng)格單元，與對(duì)應(yīng)的 所述匹配特征點(diǎn)所在的第二網(wǎng)格的網(wǎng)格單元內(nèi)所有像素的平均顏色值誤差，并根據(jù)所述平 均顏色值誤差確定所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度。
[0124] 在本申請(qǐng)實(shí)施例中，根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度，對(duì) 所述多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算的公式為：
[0125] 加權(quán)深度值=深度值ZX (除待加權(quán)計(jì)算的特征點(diǎn)之外所有特征點(diǎn)的平均顏色值 誤差之和/所有特征點(diǎn)的平均顏色值誤差值之和）。
[0126] 在本申請(qǐng)實(shí)施例中，所述第二網(wǎng)格的網(wǎng)格單元的面積小于所述第一網(wǎng)格的網(wǎng)格單 元的面積。
[0127] 在本申請(qǐng)實(shí)施例中，所述裝置還包括篩選模塊35,用于在對(duì)所述多個(gè)特征點(diǎn)的深 度值進(jìn)行加權(quán)計(jì)算前，根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度，對(duì)所述多 個(gè)特征點(diǎn)進(jìn)行篩選。
[0128] 在本申請(qǐng)實(shí)施例中，所述篩選模塊35具體用于：根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹 配特征點(diǎn)之間的相似度，確定丟棄閾值，并將所述多個(gè)特征點(diǎn)中，與對(duì)應(yīng)的匹配特征點(diǎn)之間 的相似度大于所述丟棄閾值的特征點(diǎn)篩除。
[0129] 在本申請(qǐng)實(shí)施例中，所述模型生成模塊36采用三角形網(wǎng)格的形式對(duì)所述對(duì)象進(jìn) 行三維建模。
[0130] 繼續(xù)參圖13,在本申請(qǐng)三維建模的裝置的又一實(shí)施例中，其包括：
[0131] 圖像捕捉模塊31，用于捕捉對(duì)象在多個(gè)方向上的圖像；
[0132] 特征檢測(cè)模塊32,用于獲取所述多個(gè)圖像其中之一上的多個(gè)特征點(diǎn)；
[0133] 匹配模塊33,用于分別確定剩余所述圖像上與所述多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征 占.
[0134] 計(jì)算模塊34,用于分別計(jì)算所述多個(gè)特征點(diǎn)與剩余所述圖像上對(duì)應(yīng)的所述匹配 特征點(diǎn)之間的相似度、以及所述匹配特征點(diǎn)的深度值，根據(jù)所述多個(gè)圖像的方向信息、以及 所述匹配特征點(diǎn)的深度值，計(jì)算所述多個(gè)特征點(diǎn)的深度值，并根據(jù)所述多個(gè)特征點(diǎn)與剩余 所述圖像上對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度，對(duì)所述多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì) 算；
[0135] 模型生成模塊36,用于基于加權(quán)計(jì)算后的所述多個(gè)特征點(diǎn)的深度值對(duì)所述對(duì)象進(jìn) 行三維建模。
[0136] 在本申請(qǐng)實(shí)施例中，所述圖像捕捉模塊31具體用于：捕捉對(duì)象在基準(zhǔn)方向的第一 圖像以及三個(gè)偏離所述基準(zhǔn)方向的第二圖像、第三圖像和第四圖像。
[0137] 在本申請(qǐng)實(shí)施例中，所述對(duì)象包括：人臉。
[0138] 在本申請(qǐng)實(shí)施例中，所述第一圖像、第二圖像、第三圖像和第四圖像分別為人臉的 正臉圖像、正臉仰角圖像、正臉偏左方向圖像和正臉偏右方向圖像。
[0139] 本申請(qǐng)實(shí)施例提供了三維建模的方法及裝置，該方法捕捉對(duì)象在至少兩個(gè)不同方 向的圖像，獲取其中一圖像上的特征點(diǎn)，并在剩余方向的圖像上確定對(duì)應(yīng)的匹配特征點(diǎn)，從 而計(jì)算出各個(gè)特征點(diǎn)的深度值，并且通過特征點(diǎn)與匹配特征點(diǎn)之間的相似度，對(duì)各個(gè)特征 點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算，利用加權(quán)計(jì)算后的各個(gè)特征點(diǎn)的深度值對(duì)對(duì)象進(jìn)行三維建模， 從而有效地減少了三維建模的計(jì)算量，易于在手機(jī)等移動(dòng)設(shè)備上實(shí)現(xiàn)，且準(zhǔn)確度較高。
[0140] 本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序 產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí) 施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī) 可用存儲(chǔ)介質(zhì)（包括但不限于磁盤存儲(chǔ)器、CD-ROM、光學(xué)存儲(chǔ)器等）上實(shí)施的計(jì)算機(jī)程序產(chǎn) 品的形式。
[0141] 本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備（系統(tǒng)）、和計(jì)算機(jī)程序產(chǎn)品的流程 圖和/或方框圖來描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一 流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計(jì)算 機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理 器以產(chǎn)生一個(gè)機(jī)器，使得通過計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生 用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能 的裝置。
[0142] 這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特 定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指 令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或 多個(gè)方框中指定的功能。
[0143] 這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì) 算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或 其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖 一個(gè)方框或多個(gè)方框中指定的功能的步驟。
[0144] 在一個(gè)典型的配置中，計(jì)算設(shè)備包括一個(gè)或多個(gè)處理器（CPU)、輸入/輸出接口、 網(wǎng)絡(luò)接口和內(nèi)存。
[0145] 內(nèi)存可能包括計(jì)算機(jī)可讀介質(zhì)中的非永久性存儲(chǔ)器，隨機(jī)存取存儲(chǔ)器（RAM)和/ 或非易失性內(nèi)存等形式，如只讀存儲(chǔ)器（ROM)或閃存（flash RAM)。內(nèi)存是計(jì)算機(jī)可讀介質(zhì) 的示例。
[0146] 計(jì)算機(jī)可讀介質(zhì)包括永久性和非永久性、可移動(dòng)和非可移動(dòng)媒體可以由任何方法 或技術(shù)來實(shí)現(xiàn)信息存儲(chǔ)。信息可以是計(jì)算機(jī)可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。 計(jì)算機(jī)的存儲(chǔ)介質(zhì)的例子包括，但不限于相變內(nèi)存（PRAM)、靜態(tài)隨機(jī)存取存儲(chǔ)器（SRAM)、 動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器（DRAM)、其他類型的隨機(jī)存取存儲(chǔ)器（RAM)、只讀存儲(chǔ)器（ROM)、電 可擦除可編程只讀存儲(chǔ)器（EEPR0M)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲(chǔ)器 (CD-ROM)、數(shù)字多功能光盤（DVD)或其他光學(xué)存儲(chǔ)、磁盒式磁帶，磁帶磁磁盤存儲(chǔ)或其他磁 性存儲(chǔ)設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲(chǔ)可以被計(jì)算設(shè)備訪問的信息。按照本文中 的界定，計(jì)算機(jī)可讀介質(zhì)不包括暫存電腦可讀媒體（transitory media)，如調(diào)制的數(shù)據(jù)信 號(hào)和載波。
[0147] 還需要說明的是，術(shù)語(yǔ)"包括"、"包含"或者其任何其他變體意在涵蓋非排他性的 包含，從而使得包括一系列要素的過程、方法、商品或者設(shè)備不僅包括那些要素，而且還包 括沒有明確列出的其他要素，或者是還包括為這種過程、方法、商品或者設(shè)備所固有的要 素。在沒有更多限制的情況下，由語(yǔ)句"包括一個(gè)……"限定的要素，并不排除在包括所述 要素的過程、方法、商品或者設(shè)備中還存在另外的相同要素。
[0148] 本領(lǐng)域技術(shù)人員應(yīng)明白，本申請(qǐng)的實(shí)施例可提供為方法、系統(tǒng)或計(jì)算機(jī)程序產(chǎn)品。 因此，本申請(qǐng)可采用完全硬件實(shí)施例、完全軟件實(shí)施例或結(jié)合軟件和硬件方面的實(shí)施例的 形式。而且，本申請(qǐng)可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存 儲(chǔ)介質(zhì)（包括但不限于磁盤存儲(chǔ)器、CD-ROM、光學(xué)存儲(chǔ)器等）上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形 式。
[0149] 以上所述僅為本申請(qǐng)的實(shí)施例而已，并不用于限制本申請(qǐng)。對(duì)于本領(lǐng)域技術(shù)人員 來說，本申請(qǐng)可以有各種更改和變化。凡在本申請(qǐng)的精神和原理之內(nèi)所作的任何修改、等同 替換、改進(jìn)等，均應(yīng)包含在本申請(qǐng)的權(quán)利要求范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種三維建模的方法，其特征在于，包括： 分別捕捉對(duì)象在第一方向上的第一圖像和在第二方向上的第二圖像； 獲取所述第一圖像上的多個(gè)特征點(diǎn)； 確定所述第二圖像上與所述多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征點(diǎn)； 計(jì)算所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度、以及所述多個(gè)特征點(diǎn)的 深度值； 根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度，對(duì)所述多個(gè)特征點(diǎn)的深度值 進(jìn)行加權(quán)計(jì)算； 基于加權(quán)計(jì)算后的所述多個(gè)特征點(diǎn)的深度值對(duì)所述對(duì)象進(jìn)行三維建模。2. 如權(quán)利要求1所述的方法，其特征在于，獲取所述第一圖像上的多個(gè)特征點(diǎn)，具體包 括： 獲取所述第一圖像上的若干初始特征點(diǎn)； 將所述第一圖像與預(yù)設(shè)的第一網(wǎng)格相匹配； 篩選所述若干初始特征點(diǎn)，直至所述第一網(wǎng)格的網(wǎng)格單元中保留的所述初始特征點(diǎn)的 數(shù)量均等，并確定為所述特征點(diǎn)。3. 如權(quán)利要求2所述的方法，其特征在于，篩選所述若干初始特征點(diǎn)，直至所述第一網(wǎng) 格的網(wǎng)格單元中保留的所述初始特征點(diǎn)的數(shù)量均等，并確定為所述特征點(diǎn)，具體包括： 計(jì)算所述若干初始特征點(diǎn)到所在的第一網(wǎng)格的網(wǎng)格單元中心的距離； 將所述第一網(wǎng)格的網(wǎng)格單元中，距離所在的網(wǎng)格單元中心最近的初始特征點(diǎn)確定為所 述特征點(diǎn)。4. 如權(quán)利要求2或3所述的方法，其特征在于，所述方法還包括： 若所述第一網(wǎng)格的網(wǎng)格單元內(nèi)不存在所述初始特征點(diǎn)，則將所述網(wǎng)格單元的中心確定 為所述網(wǎng)格單元內(nèi)的特征點(diǎn)。5. 如權(quán)利要求3所述的方法，其特征在于，確定所述第二圖像上與所述多個(gè)特征點(diǎn)對(duì) 應(yīng)的匹配特征點(diǎn)，具體包括： 根據(jù)所述第一圖像和第二圖像的方向信息，確定所述第二圖像上與所述多個(gè)特征點(diǎn)對(duì) 應(yīng)的預(yù)匹配特征點(diǎn)； 將所述第二圖像與預(yù)設(shè)的第二網(wǎng)格相匹配； 將所述預(yù)匹配特征點(diǎn)所在的第二網(wǎng)格的網(wǎng)格單元的中心，確定為所述對(duì)應(yīng)的匹配特征 點(diǎn)。6. 如權(quán)利要求5所述的方法，其特征在于，計(jì)算所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的所述匹配特 征點(diǎn)之間的相似度，具體包括： 獲取所述多個(gè)特征點(diǎn)所在的第一網(wǎng)格的網(wǎng)格單元內(nèi)所有像素的顏色值； 獲取所述多個(gè)匹配特征點(diǎn)所在的第二網(wǎng)格的網(wǎng)格單元內(nèi)所有像素的顏色值； 分別計(jì)算所述多個(gè)特征點(diǎn)所在的第一網(wǎng)格的網(wǎng)格單元，與對(duì)應(yīng)的所述匹配特征點(diǎn)所在 的第二網(wǎng)格的網(wǎng)格單元內(nèi)所有像素的平均顏色值誤差，并根據(jù)所述平均顏色值誤差確定所 述多個(gè)特征點(diǎn)與對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度。7. 如權(quán)利要求6所述的方法，其特征在于，根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn) 之間的相似度，對(duì)所述多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算的公式為： 加權(quán)深度值=深度值X(除待加權(quán)計(jì)算的特征點(diǎn)之外所有特征點(diǎn)的平均顏色值誤差 之和/所有特征點(diǎn)的平均顏色值誤差值之和）。8. 如權(quán)利要求5至7之任意一項(xiàng)所述的方法，其特征在于，所述第二網(wǎng)格的網(wǎng)格單元的 面積小于所述第一網(wǎng)格的網(wǎng)格單元的面積。9. 如權(quán)利要求1所述的方法，其特征在于，所述方法還包括： 在對(duì)所述多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算前，根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特 征點(diǎn)之間的相似度，對(duì)所述多個(gè)特征點(diǎn)進(jìn)行篩選。10. 如權(quán)利要求9所述的方法，其特征在于，根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn) 之間的相似度，對(duì)所述多個(gè)特征點(diǎn)進(jìn)行篩選，具體包括： 根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度，確定丟棄閾值； 將所述多個(gè)特征點(diǎn)中，與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度小于所述丟棄閾值的特征點(diǎn) 篩除。11. 如權(quán)利要求1所述的方法，其特征在于，對(duì)所述對(duì)象進(jìn)行三維建模采用三角形網(wǎng)格 的形式。12. -種三維建模的方法，其特征在于，包括： 捕捉對(duì)象在多個(gè)方向上的圖像； 獲取所述多個(gè)圖像其中之一上的多個(gè)特征點(diǎn)； 分別確定剩余所述圖像上與所述多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征點(diǎn)； 分別計(jì)算所述多個(gè)特征點(diǎn)與剩余所述圖像上對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度、以 及所述匹配特征點(diǎn)的深度值； 根據(jù)所述多個(gè)圖像的方向信息、以及所述匹配特征點(diǎn)的深度值，計(jì)算所述多個(gè)特征點(diǎn) 的深度值； 根據(jù)所述多個(gè)特征點(diǎn)與剩余所述圖像上對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度，對(duì)所述 多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算； 基于加權(quán)計(jì)算后的所述多個(gè)特征點(diǎn)的深度值對(duì)所述對(duì)象進(jìn)行三維建模。13. 根據(jù)權(quán)利要求12所述的方法，其特征在于，捕捉對(duì)象在多個(gè)方向上的圖像，具體包 括： 捕捉對(duì)象在基準(zhǔn)方向上的第一圖像和在三個(gè)偏離所述基準(zhǔn)方向上的第二圖像、第三圖 像以及第四圖像。14. 根據(jù)權(quán)利要求13所述的方法，其特征在于，所述對(duì)象包括：人臉。15. 根據(jù)權(quán)利要求14所述的方法，其特征在于，所述第一圖像、第二圖像、第三圖像和 第四圖像分別為人臉的正臉圖像、正臉仰角圖像、正臉偏左方向圖像和正臉偏右方向圖像。16. -種三維建模的裝置，其特征在于，包括： 圖像捕捉模塊，用于分別捕捉對(duì)象在第一方向上的第一圖像和在第二方向上的第二圖 像； 特征檢測(cè)模塊，用于獲取所述第一圖像上的多個(gè)特征點(diǎn)； 匹配模塊，用于確定所述第二圖像上與所述多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征點(diǎn)； 計(jì)算模塊，用于計(jì)算所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度、所述多 個(gè)特征點(diǎn)的深度值、以及根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度，對(duì)所述 多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算； 模型生成模塊，用于基于加權(quán)計(jì)算后的所述多個(gè)特征點(diǎn)的深度值對(duì)所述對(duì)象進(jìn)行三維 建模。17. 如權(quán)利要求16所述的裝置，其特征在于，所述特征檢測(cè)模塊具體用于，獲取所述第 一圖像上的若干初始特征點(diǎn)，將所述第一圖像與預(yù)設(shè)的第一網(wǎng)格相匹配，篩選所述若干初 始特征點(diǎn)，直至所述第一網(wǎng)格的網(wǎng)格單元中保留的所述初始特征點(diǎn)的數(shù)量均等，并確定為 所述特征點(diǎn)。18. 如權(quán)利要求17所述的裝置，其特征在于，所述特征檢測(cè)模塊包括計(jì)算單元，所述計(jì) 算單元具體用于，計(jì)算所述若干初始特征點(diǎn)到所在的第一網(wǎng)格的網(wǎng)格單元中心的距離； 所述特征檢測(cè)模塊具體用于，將所述第一網(wǎng)格的網(wǎng)格單元中，距離所在的網(wǎng)格單元中 心最近的初始特征點(diǎn)確定為所述特征點(diǎn)。19. 如權(quán)利要求17或18所述的裝置，其特征在于，所述特征檢測(cè)模塊還用于，在所述第 一網(wǎng)格的網(wǎng)格單元內(nèi)不存在所述初始特征點(diǎn)時(shí)，將所述網(wǎng)格單元的中心確定為所述網(wǎng)格單 元內(nèi)的特征點(diǎn)。20. 如權(quán)利要求18所述的裝置，其特征在于，所述匹配模塊具體用于，根據(jù)所述第一圖 像和第二圖像的方向信息，確定所述第二圖像上與所述多個(gè)特征點(diǎn)對(duì)應(yīng)的預(yù)匹配特征點(diǎn)， 將所述第二圖像與預(yù)設(shè)的第二網(wǎng)格相匹配，將所述預(yù)匹配特征點(diǎn)所在的第二網(wǎng)格的網(wǎng)格單 元的中心，確定為所述對(duì)應(yīng)的匹配特征點(diǎn)。21. 如權(quán)利要求20所述的裝置，其特征在于，所述計(jì)算模塊具體用于，獲取所述多個(gè) 特征點(diǎn)所在的第一網(wǎng)格的網(wǎng)格單元內(nèi)所有像素的顏色值，獲取所述多個(gè)匹配特征點(diǎn)所在的 第二網(wǎng)格的網(wǎng)格單元內(nèi)所有像素的顏色值，分別計(jì)算所述多個(gè)特征點(diǎn)所在的第一網(wǎng)格的網(wǎng) 格單元，與對(duì)應(yīng)的所述匹配特征點(diǎn)所在的第二網(wǎng)格的網(wǎng)格單元內(nèi)所有像素的平均顏色值誤 差，并根據(jù)所述平均顏色值誤差確定所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似 度。22. 如權(quán)利要求21所述的裝置，其特征在于，根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征 點(diǎn)之間的相似度，對(duì)所述多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算的公式為： 加權(quán)深度值=深度值x(除待加權(quán)計(jì)算的特征點(diǎn)之外所有特征點(diǎn)的平均顏色值誤差之 和/所有特征點(diǎn)的平均顏色值誤差值之和）。23. 如權(quán)利要求20至22任意一項(xiàng)所述的裝置，其特征在于，所述第二網(wǎng)格的網(wǎng)格單元 的面積小于所述第一網(wǎng)格的網(wǎng)格單元的面積。24. 如權(quán)利要求16所述的裝置，其特征在于，所述裝置還包括篩選模塊，用于在對(duì)所述 多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算前，根據(jù)所述多個(gè)特征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相 似度，對(duì)所述多個(gè)特征點(diǎn)進(jìn)行篩選。25. 如權(quán)利要求24所述的裝置，其特征在于，所述篩選模塊具體用于，根據(jù)所述多個(gè)特 征點(diǎn)與對(duì)應(yīng)的匹配特征點(diǎn)之間的相似度，確定丟棄閾值，并將所述多個(gè)特征點(diǎn)中，與對(duì)應(yīng)的 匹配特征點(diǎn)之間的相似度大于所述丟棄閾值的特征點(diǎn)篩除。26. 如權(quán)利要求16所述的裝置，其特征在于，所述模型生成模塊采用三角形網(wǎng)格的形 式對(duì)所述對(duì)象進(jìn)行三維建模。27. -種三維建模的裝置，其特征在于，包括： 圖像捕捉模塊，用于捕捉對(duì)象在多個(gè)方向上的圖像； 特征檢測(cè)模塊，用于獲取所述多個(gè)圖像其中之一上的多個(gè)特征點(diǎn)； 匹配模塊，用于分別確定剩余所述圖像上與所述多個(gè)特征點(diǎn)對(duì)應(yīng)的匹配特征點(diǎn)； 計(jì)算模塊，用于分別計(jì)算所述多個(gè)特征點(diǎn)與剩余所述圖像上對(duì)應(yīng)的所述匹配特征點(diǎn)之 間的相似度、以及所述匹配特征點(diǎn)的深度值，根據(jù)所述多個(gè)圖像的方向信息、以及所述匹配 特征點(diǎn)的深度值，計(jì)算所述多個(gè)特征點(diǎn)的深度值，并根據(jù)所述多個(gè)特征點(diǎn)與剩余所述圖像 上對(duì)應(yīng)的所述匹配特征點(diǎn)之間的相似度，對(duì)所述多個(gè)特征點(diǎn)的深度值進(jìn)行加權(quán)計(jì)算； 模型生成模塊，用于基于加權(quán)計(jì)算后的所述多個(gè)特征點(diǎn)的深度值對(duì)所述對(duì)象進(jìn)行三維 建模。28. 根據(jù)權(quán)利要求27所述的裝置，其特征在于，所述圖像捕捉模塊具體用于，捕捉對(duì)象 在基準(zhǔn)方向的第一圖像以及三個(gè)偏離所述基準(zhǔn)方向的第二圖像、第三圖像和第四圖像。29. 根據(jù)權(quán)利要求28所述的裝置，其特征在于，所述對(duì)象包括：人臉。30. 根據(jù)權(quán)利要求29所述的裝置，其特征在于，所述第一圖像、第二圖像、第三圖像和 第四圖像分別為人臉的正臉圖像、正臉仰角圖像、正臉偏左方向圖像和正臉偏右方向圖像。
【文檔編號(hào)】G06T17/00GK106033621SQ201510117117
【公開日】2016年10月19日
【申請(qǐng)日】2015年3月17日
【發(fā)明人】張潔
【申請(qǐng)人】阿里巴巴集團(tuán)控股有限公司