[发明专利]三维模型的标记方法和装置有效

专利信息
申请号: 201810677886.1 申请日: 2018-06-27
公开(公告)号: CN108961422B 公开(公告)日: 2023-02-14
发明(设计)人: 王群;王宇亮;乔岳;张苗 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: G06T19/00 分类号: G06T19/00;G06V10/74;G06V10/774
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 三维 模型 标记 方法 装置
【权利要求书】:

1.一种三维模型的标记方法,其特征在于,包括:

根据已标注的样本图像,采用机器学习算法进行训练得到标记定位规则;其中,所述已标注的样本图像中标注了各种三维模型的类别信息对应的标记信息,所述标记定位规则包括三维模型的类别信息、二维图像的场景特征信息和标记位置的对应关系;

采用所述标记定位规则对待标记图像和待显示三维模型的类别信息进行匹配,得到所述待显示三维模型在所述待标记图像中的标记位置;

其中,所述根据已标注的样本图像,采用机器学习算法进行训练得到标记定位规则,包括:根据各样本图像中标注出的各种三维模型的类别信息应该出现的标记范围信息、模型可放置坐标和场景特征信息,采用机器学习算法进行训练,得到所述标记定位规则。

2.根据权利要求1所述的方法,其特征在于,在所述根据已标注的样本图像,采用机器学习算法进行训练得到标记定位规则之前,还包括:

在各样本图像中标注出各种三维模型的类别信息应该出现的标记范围信息和模型可放置坐标;

提取各样本图像的场景特征信息。

3.根据权利要求2所述的方法,其特征在于,所述标记范围信息包括标记各顶点的坐标;所述模型可放置坐标为所述标记范围信息中的一个坐标。

4.根据权利要求2或3所述的方法,其特征在于,采用所述标记定位规则对待标记图像和待显示三维模型的类别信息进行匹配,得到所述待显示三维模型在所述待标记图像中的标记位置,包括:

获取摄像头拍摄的待标记图像;

将根据所述标记定位规则对所述待标记图像和待显示三维模型的类别信息进行匹配,得到所述待显示三维模型在所述待标记图像中应该出现的标记范围信息和模型可放置坐标。

5.根据权利要求4所述的方法,其特征在于,获取摄像头拍摄的待标记图像,包括:

通过浏览器获取终端设备的摄像头输入内容,所述摄像头输入内容包括所述待标记图像。

6.根据权利要求5所述的方法,其特征在于,还包括:

向所述浏览器返回所述待显示三维模型在所述待标记图像中应该出现的标记范围信息和模型可放置坐标;或

向所述浏览器返回错误状态。

7.一种三维模型的标记装置,其特征在于,包括:

标记模块,用于根据已标注的样本图像,采用机器学习算法进行训练得到标记定位规则;其中,所述已标注的样本图像中标注了各种三维模型的类别信息对应的标记信息,所述标记定位规则包括三维模型的类别信息、二维图像的场景特征信息和标记位置的对应关系;

匹配模块,用于采用所述标记定位规则对待标记图像和待显示三维模型的类别信息进行匹配,得到所述待显示三维模型在所述待标记图像中的标记位置;

其中,所述标记模块包括训练子模块,其用于根据各样本图像中标注出的各种三维模型的类别信息应该出现的标记范围信息、模型可放置坐标和场景特征信息,采用机器学习算法进行训练,得到所述标记定位规则。

8.根据权利要求7所述的装置,其特征在于,所述标记模块还包括:

标注子模块,用于在各样本图像中标注出各种三维模型的类别信息应该出现的标记范围信息和模型可放置坐标;

提取子模块,用于提取各样本图像的场景特征信息。

9.根据权利要求8所述的装置,其特征在于,所述标记范围信息包括标记各顶点的坐标;所述模型可放置坐标为所述标记范围信息中的一个坐标。

10.根据权利要求8或9所述的装置,其特征在于,所述匹配模块包括:

获取子模块,用于获取摄像头拍摄的待标记图像;

匹配子模块,用于将根据所述标记定位规则对所述待标记图像和待显示三维模型的类别信息进行匹配,得到所述待显示三维模型在所述待标记图像中应该出现的标记范围信息和模型可放置坐标。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810677886.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top