[发明专利]一种家具图像的打标方法、模型训练方法及设备

权利要求书

1.一种家具部件分割模型的训练方法，包括：

获取3D家具模型对应的点云数据；

基于所述点云数据，分别确定所述3D家具模型包含的各个空间点所属的部件标签；

将所述3D家具模型转换为2D家具图像；

在所述2D家具图像下，基于像素点与空间点之间的映射关系、空间点所属的部件标签以及为不同部件标签配置的着色参数，对所述2D家具图像进行重新着色，以产生所述3D家具模型对应的部件分割图；

以所述3D家具模型对应的2D家具图像和部件分割图及部件标签作为训练样本，训练家具部件分割模型。

2.根据权利要求1所述的方法，所述基于所述点云数据，分别确定所述3D家具模型包含的各个空间点所属的部件标签，包括：

将所述点云数据输入点云分割模型；

在所述点云分割模型中，对所述3D家具模型包含的各个空间点进行聚类，以获得至少一个空间点集合；

根据所述点云数据，在所述至少一个空间点集合下进行属性特征提取，以获得所述至少一个空间点集合对应的属性特征；

基于属性特征与部件标签之间的映射关系以及所述至少一个空间点集合对应的属性特征，输出所述至少一个空间点集合所属的部件标签。

3.根据权利要求2所述的方法，所述点云分割模型的训练过程，包括：

获取若干已打标3D家具样本，所述3D家具样本中包含点云数据和3D模型中各个空间点所属的部件标签；

将所述若干已打标3D家具样本输入所述点云分割模型；

在所述点云分割模型中，对所述3D模型中的空间点进行聚类及属性特征提取；

根据提取到的属性特征以及各个空间点所属的部件标签，学习所述属性特征与部件标签之间的映射关系。

4.根据权利要求2所述的方法，所述对所述3D家具模型包含的各个空间点进行聚类，包括：

按照空间点的坐标和/或纹理数据，对所述3D家具模型包含的各个空间点进行聚类。

5.根据权利要求1所述的方法，所述将所述3D家具模型转换为2D家具图像，包括：

按照所述点云数据，对所述3D家具模型进行栅格化处理，以将所述3D家具模型包含的世界坐标系下的空间点映射为视角坐标系下的像素点，以获得二维图像；

根据所述3D家具模型包含的空间点所处三角网格的纹理数据，对所述二维图像中相应的像素点进行渲染，以产生所述3D家具模型对应的2D家具图像。

6.根据权利要求1所述的方法，所述在所述2D家具图像下，基于像素点与空间点之间的映射关系、空间点所属的部件标签以及为不同部件标签配置的着色参数，对所述2D家具图像进行重新着色，包括：

基于像素点与空间点之间的映射关系，确定与所述2D家具图像下的第一像素点关联的目标空间点；

根据所述目标空间点所属的部件标签，确定为所述第一像素点对应的目标部件标签；

根据为所述目标部件标签配置的着色参数，计算所述第一像素点的像素值；

按照所述第一像素点的像素值，对所述第一像素点进行重新着色；

其中，所述第一像素点为所述2D家具图像中的任意像素点。

7.根据权利要求1或6所述的方法，不同部件标签配置有不同的着色参数。

8.根据权利要求1所述的方法，所述部件标签包括部件名称标签、部件纹理标签、部件形状标签或部件材质标签中的一种或多种。