[发明专利]一种基于自监督学习模型的物体表面材质获取装置及方法

权利要求书

1.一种基于自监督学习模型的物体表面材质获取装置，其特征在于，所述装置包括：摄像机和球形光源外罩以及计算机，其中，所述摄像机和球形光源外罩与所述计算机通过电缆相连接；

其中，所述摄像机安装在所述球形光源外罩的中心位置，用于对所述待测物体进行拍摄；

所述球形光源外罩，放置在所述待测物体表面上，用于在所述摄像机拍摄时提供恒定光源。

所述计算机，用于基于所述摄像机拍摄所述待测物体的图像信息、法线信息和所述光源信息训练DCNN自监督学习网络，提取所述待测物体表面材质。

2.根据权利要求1所述的物体表面材质获取装置，其特征在于，所述球形光源外罩上的光源是均匀分布的。

3.一种基于自监督学习模型的物体表面材质获取方法，其特征在于，所述方法应用于权利要求1-2所述的装置，所述方法包括：

利用摄像机采集待测物体表面材质的RGB图像，基于待测物体表面的法线信息确定所述测物体表面材质的法线图，并保存所述法线图；

将所述待测物体表面材质的RGB图像输入到所述计算机的DCNN自监督学习模型中进行训练，输出所述待测物体表面的材质参数矩阵函数BRDF到所述监督学习模型中的渲染层中；

根据渲染方程，结合所述待测物体表面的法线信息、对所述球形光源进行标定而成的环境图、及所述待测物体表面的材质参数矩阵函数BRDF渲染为新的待测物体表面材质的RGB图像；

计算所述新的待测物体表面材质的RGB图像和所述输入到DCNN自监督学习模型中的待测物体表面材质的RGB图像的误差；

当所述误差最小时，根据所述DCNN自监督学习模型输出的所述待测物体表面的材质参数矩阵函数BRDF得到所述待测物体表面的材质。

4.根据权利要求3所述的物体表面材质获取方法，其特征在于，所述待测物体表面的材质参数矩阵函数BRDF得到所述待测物体表面的材质，包括：

所述待测物体表面的材质参数矩阵函数BRDF的输出为所述待测物体表面的材质参数，由所述待测物体表面的材质参数确定所述待测物体表面的材质。

5.根据权利要求3所述的物体表面材质获取方法，其特征在于，所述监督学习模型中的渲染层具有反向传播性。

6.根据权利要求5所述的物体表面材质获取方法，其特征在于，所述渲染层基于所述待测物体表面的材质参数矩阵函数BRDF的链式法则，对所述待测物体表面的材质参数矩阵函数BRDF进行求导实现反向传播。

7.根据权利要求5所述的物体表面材质获取方法，其特征在于，所述渲染层针对RGB图像的每个像素进行渲染和误差反向传播。

8.根据权利要求3所述的物体表面材质获取方法，其特征在于，所述DCNN自监督学习模型包括：4个下采样模块、3个上采样模块、1个卷积模块和1个输出模块。

9.根据权利要求3所述的物体表面材质获取方法，其特征在于，所述下采样模块包括有2个卷积单元和1个池化层；所述每个卷积单元包括1个卷积层和1个激活函数层；

所述上采样模块包括1个级联层，2个卷积单元和1个上采样单元，所述上采样单元包括1个去卷积层和1个激活函数层；

所述卷积模块包括2卷积单元和1个上采样单元；

所述输出模块包括1个级联层、2个卷积单元和1个卷积层。