[发明专利]用于动态调整点云的细节级别系统及方法在审
| 申请号: | 201980031100.1 | 申请日: | 2019-03-12 |
| 公开(公告)号: | CN112106063A | 公开(公告)日: | 2020-12-18 |
| 发明(设计)人: | 塔图·V·J·哈尔维艾宁 | 申请(专利权)人: | PCMS控股公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06T19/00 |
| 代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 杨贝贝;臧建明 |
| 地址: | 美国特拉华*** | 国省代码: | 暂无信息 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 用于 动态 调整 细节 级别 系统 方法 | ||
1.一种方法,包括:
接收表示一个或多个三维对象的点云数据;
跟踪所述点云数据的视点;
使用所述视点从所述一个或多个三维对象中选择所选对象;
检索用于所述所选对象的神经网络模型;
使用所述神经网络模型生成针对所述所选对象的细节级别数据;
在所述点云数据内用所述细节级别数据替换与所述所选对象相对应的点;以及
渲染所述点云数据的视图。
2.根据权利要求1所述的方法,其中生成针对所述所选对象的所述细节级别数据包括使产生针对所述所选对象的附加细节的幻觉。
3.根据权利要求2所述的方法,其中使产生针对所述所选对象的附加细节的幻觉增加所述点云数据的采样密度。
4.根据权利要求1到3中任一项权利要求所述的方法,其中生成针对所述所选对象的所述细节级别数据包括:使用神经网络来推断由于用于所述所选对象的有限采样密度而丢失的细节。
5.根据权利要求4所述的方法,其中使用神经网络来推断所述所选对象丢失的细节增加所述点云数据的采样密度。
6.根据权利要求1至5中任一项所述的方法,还包括:
选择用于所述所选对象的训练数据集;以及
使用所述训练数据集来生成神经网络模型。
7.根据权利要求1至6中任一项所述的方法,其中针对所述所选对象的所述细节级别数据具有比所述点云数据内的被替换的所述点更低的分辨率。
8.根据权利要求1至7中任一项所述的方法,其中针对所述所选对象的所述细节级别数据具有比所述点云数据内的被替换的所述点更高的分辨率。
9.根据权利要求8所述的方法,其中使用所述视点从所述一个或多个三维对象中选择所述所选对象包括:响应于确定所述视点与从所述一个或多个三维对象拾取的对象之间的点距离小于阈值,将所述对象选择为所述所选对象。
10.根据权利要求1至9中任一项所述的方法,还包括:
在观看客户端处,检测所述点云数据内的一个或多个对象,
其中选择所述所选对象包括从所述点云数据内检测到的所述一个或多个对象中选择所述所选对象。
11.根据权利要求1至10中任一项所述的方法,还包括:
在观看客户端处,捕获指示用户移动的数据;以及
至少部分地使用指示用户移动的所述数据来设置所述视点。
12.根据权利要求1至11中任一项所述的方法,还包括:
捕获头戴式显示器(HMD)的运动数据;以及
至少部分地使用所述运动数据来设置所述视点。
13.根据权利要求1至12中任一项所述的方法,其中检索用于所述所选对象的所述神经网络模型包括:响应于确定观看客户端缺少所述神经网络模型,从神经网络服务器检索用于所述所选对象的所述神经网络模型。
14.根据权利要求1至13中任一项所述的方法,其中检索所述神经网络模型包括检索用于所述所选对象的更新的神经网络模型。
15.根据权利要求1至14中任一项所述的方法,还包括:
在第一服务器处,识别第二服务器;以及
向客户端设备传送所述第二服务器的标识,
其中检索所述神经网络模型包括从所述第二服务器检索所述神经网络模型。
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PCMS控股公司,未经PCMS控股公司许可,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/201980031100.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:用于离子植入系统的四氟化锗与氢气的混合物
- 下一篇:流体封入式防振装置





