一种对象的三维网格模型的生成方法、装置及电子设备与流程

1.本技术涉及图像处理技术领域，具体涉及一种对象的三维网格模型的生成方法、装置及电子设备，本技术还涉及一种对象的三维网格模型的获得方法、装置及电子设备。


背景技术：

2.目前，物体或者对象可以使用二维图像或者三维网格模型进行表示。三维网格模型经常被广泛应用于很多领域的3d(3dimensions，三维)应用场景中。但是，现有技术中，三维网格模型的获取难度高于二维图像。而且，部分领域的三维网格模型生成要求高，需要获得大量的输入图像及其他生成因素，导致三维网格模型生成过程繁琐，且获得的对象的三维网格模型与对象的实际形状匹配度偏低。
3.因此，如何提升对象的三维网格模型的生成效率以及匹配率是需要解决的技术问题。


技术实现要素：

4.本技术实施例提供一种对象的三维网格模型的生成方法，以提升对象的三维网格模型的生成效率以及匹配率。本技术实施例同时涉及一种对象的三维网格模型的生成装置、电子设备及计算机存储介质。本技术实施例同时涉及一种对象的三维网格模型的获得方法、装置、电子设备及计算机存储介质。
5.本技术实施例提供一种对象的三维网格模型的生成方法，包括：获取对象的原始图像；对所述对象的原始图像进行抠图处理，获得所述对象在所述原始图像中的图像区域；基于所述图像区域，确定所述图像区域的目标图像轮廓以及所述目标图像轮廓的目标尺寸比；根据所述对象在所述原始图像中的图像区域，所述目标图像轮廓以及所述目标尺寸比，生成所述对象的三维网格模型，其中，所述对象的三维网格模型为所述对象的三维几何图。
6.可选的，所述基于所述图像区域，确定所述图像区域的目标图像轮廓以及所述目标图像轮廓的目标尺寸比，包括：将所述图像区域进行图像轮廓提取处理，获得所述图像区域对应的图像轮廓边界点；将所述图像轮廓边界点进行拟合处理，获得拟合处理后的目标图像轮廓；根据所述图像轮廓边界点，确定所述目标图像轮廓的像素长度比，根据所述目标图像轮廓的像素长度比和实际尺寸比，确定所述目标图像轮廓的目标尺寸比。
7.可选的，获得的所述对象在所述原始图像中的图像区域包括所述图像区域的初步图像边框；所述方法还包括：去除所述初步图像边框，通过三维建模的方式构建所述图像区域对应的目标图像边框。
8.可选的，所述将所述图像区域进行图像轮廓提取处理，获得所述图像区域对应的图像轮廓边界点，包括：确定用于描述图像轮廓边界点的连通链码；基于确定的连通链码，判断所述图像区域中用于表示所述图像轮廓边界的像素点是否为边界点；如果是，则将所述像素点作为所述图像区域对应的图像轮廓边界点。
9.可选的，所述将所述图像轮廓边界点进行拟合处理，获得拟合处理后的目标图像
轮廓，包括：获取由所述图像轮廓的所有边界点连接而成的曲线；从所述曲线中获取由第一边界点和第二边界点连接而成的第一直线；获取所述曲线中的第一目标边界点与所述第一直线之间的第一垂直距离；判断所述第一垂直距离是否小于或者等于预设距离阈值；如果所述第一垂直距离小于或者等于预设距离阈值，则将所述第一直线作为所述拟合处理后的目标图像轮廓。
10.可选的，还包括：如果所述第一垂直距离大于预设距离阈值，则以所述第一目标边界点对所述第一直线进行分段处理，获得由所述第一边界点和所述第一目标边界点连接而成的第二直线，以及由所述第一目标边界点和所述第二边界点连接而成的第三直线；获取所述曲线中的第二目标边界点与所述第二直线之间的第二垂直距离，以及所述曲线中的第三目标边界点与所述第三直线之间的第三垂直距离；如果所述第二垂直距离小于或者等于预设距离阈值，且所述第三垂直距离小于或者等于预设距离阈值，则将所述第二直线和所述第三直线连接形成的折线作为所述拟合处理后的目标图像轮廓。
11.可选的，还包括：从获得的多个候选图像轮廓中，筛选获得目标图像轮廓；所述从获得的多个候选图像轮廓中，筛选获得目标图像轮廓，包括：根据预设的筛选条件，从获得的多个候选图像轮廓中，筛选获得目标图像轮廓。
12.可选的，所述预设的筛选条件包括如下至少一种筛选条件：判断候选图像轮廓包含的轮廓边数量是否为预设边数据阈值；判断候选图像轮廓的相邻边的夹角是否处于预设夹角范围值内；判断候选图像轮廓的面积与图像面积之间的比值是否大于预设面积比值阈值；判断候选图像轮廓的形状是否存在凹凸型。
13.可选的，还包括：对所述图像区域中的多个子图像区域在所述图像区域中的位置分布区域进行调整，以及对所述图像区域中的多个子图像区域分布对应的端点的位置顺序进行调整；获得调整了位置分布区域以及端点的位置顺序的图像区域。
14.可选的，所述根据所述目标图像轮廓的像素长度比和实际尺寸比，确定所述目标图像轮廓的目标尺寸比，包括：获取所述图像轮廓边界点在像素坐标系中的两个坐标数值；将所述两个坐标数值中的第一坐标数值作为宽度数据，第二坐标数值作为高度数据，计算所述图像轮廓边界点在像素坐标系中的第一像素长度比；将所述两个坐标数值中的第一坐标数值作为高度数据，第二坐标数值作为宽度数据，计算所述图像轮廓边界点在像素坐标系中的第二像素长度比；分别判断所述第一像素长度比和所述第二像素长度比与实际尺寸比之间的相似度，将相似度大于或者等于预设相似度阈值的像素长度比作为所述图像轮廓的目标尺寸比。
15.可选的，还包括：如果所述图像区域中包含多个子图像区域，则采用多组合图像尺寸匹配模型确定所述图像区域中多个子图像区域分别对应的图像轮廓的目标尺寸比。
16.可选的，所述根据所述对象在所述原始图像中的图像区域，所述目标图像轮廓以及所述目标尺寸比，生成所述对象的三维网格模型，包括：根据所述图像区域的坐标尺寸，所述目标图像轮廓的坐标尺寸，以及所述目标尺寸比，确定所述对象的端点位置坐标；将所述对象的端点位置坐标进行三角化处理，获得所述对象的三维网格模型。
17.本技术实施例还提供一种对象的三维网格模型的获得方法，包括：获得对象的标识信息；基于所述对象的标识信息，获得所述对象的原始图像；根据所述原始图像，利用上述方法，获得包含所述原始图像的对象的三维网格模型，其中，所述对象的三维网格模型为
所述对象的三维几何图。
18.本技术实施例还提供一种电子设备，所述电子设备包括处理器和存储器；所述存储器中存储有计算机程序，所述处理器运行所述计算机程序后，执行上述方法。
19.本技术实施例还提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器运行后，执行上述方法。
20.与现有技术相比，本技术实施例具有如下优点：
21.本技术实施例提供一种对象的三维网格模型的生成方法，包括：获取对象的原始图像；对所述对象的原始图像进行抠图处理，获得所述对象在所述原始图像中的图像区域；基于所述图像区域，确定所述图像区域的目标图像轮廓以及所述目标图像轮廓的目标尺寸比；根据所述对象在所述原始图像中的图像区域，所述目标图像轮廓以及所述目标尺寸比，生成所述对象的三维网格模型，其中，所述对象的三维网格模型为所述对象的三维几何图。
22.上述方法，将对象的原始图像进行抠图处理，获得对象在原始图像中的图像区域，确定图像区域的目标图像轮廓以及目标图像轮廓的目标尺寸比。根据对象在原始图像中的图像区域，目标图像轮廓以及目标尺寸比，生成对象的三维网格模型，也称作对象的三维几何图。由此，上述对象的三维网格模型的生成方法需要的对象的原始图像容易获取且获取对象的一个原始图像后，经过上述处理即可生成对象的三维网格模型，因此，提升了对象的三维网格模型的生成效率。另外，获取目标图像轮廓的目标尺寸比，生成对象的三维网格模型不仅根据对象在原始图像中的图像区域以及目标图像轮廓，还参考了目标图像轮廓的目标尺寸比，提升了对象的三维网格模型与实际对象的匹配率。
附图说明
23.图1为本技术实施例提供的一种对象的三维网格模型的生成方法的应用场景图。
24.图2为本技术实施例提供的对象的图像信息提取示意图。
25.图3为本技术实施例提供的图像抠图处理过程示意图。
26.图4为本技术实施例提供的采用腐蚀运算去除图像边框过程的示意图。
27.图5为本技术实施例提供的图像边框去除操作前后的对比示意图。
28.图6为本技术实施例提供的用于确定图像轮廓像素点是否为边界点的链码示意图。
29.图7为本技术实施例提供的判断ab两个像素点是否为边界点的示意图。
30.图8为本技术实施例提供的对象在原始图像中的图像区域抠图结果和轮廓边界点提取结果示意图。
31.图9为本技术实施例提供的拟合图像轮廓的示意图。
32.图10为本技术实施例提供的图像轮廓边界点提取结果和图像轮廓边界拟合结果示意图。
33.图11为本技术实施例提供的对象在原始图像中的图像区域中各个子图像区域的位置调整示意图。
34.图12为本技术实施例提供的图像区域中各个子图像区域的尺寸匹配度调整示意图。
35.图13为本技术实施例提供的挂画三维模型构建流程示意图。
36.图14为本技术实施例提供的图像边框生成方式示意图。
37.图15为本技术第一实施例提供的一种对象的三维网格模型的生成方法的流程示意图。
38.图16为本技术第二实施例提供的一种对象的三维网格模型的生成装置的示意图。
39.图17为本技术第三实施例提供的另一种对象的三维网格模型的获得方法的流程示意图。
40.图18为本技术第四实施例提供的另一种对象的三维网格模型的获得装置的示意图。
41.图19为本技术第五实施例中提供的一种电子设备的示意图。
42.图20为本技术实施例提供的多组合模型尺寸生成方法的流程图。
具体实施方式
43.在下面的描述中阐述了很多具体细节以便于充分理解本技术。但是本技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本技术内涵的情况下做类似推广，因此本技术不受下面公开的具体实施的限制。
44.本技术中使用的术语是仅仅出于对特定实施例描述的目的，而非旨在限制本技术。在本技术中和所附权利要求书中所使用的描述方式例如：“一种”、“第一”、和“第二”等，并非对数量上的限定或先后顺序上的限定，而是用来将同一类型的信息彼此区分。
45.首先，对本技术涉及的概念进行说明：
46.对象：可以是用于构建三维网格模型的单个基础对象，例如，一个商品，也可以是用于构建三维网格模型的多个对象组成的对象组合，例如，由多个商品组成的一组商品组合。
47.对象的原始图像：可以是描述所述对象的二维图像或者视频帧，例如，一幅商品挂画，或者，由多幅商品挂画组成的一组商品挂画组合。
48.抠图处理：可以是原始图像中的前景图片和背景图片进行分离，获得对象在原始图像中的图像区域或者图形区域。
49.图像区域：可以是原始图像中用于描述图像主要信息的区域。
50.图像轮廓：可以是对象在原始图像中的图像区域的边界轮廓线。
51.像素长度比：可以是将表示图像像素信息的像素坐标中的两个数值之间的比值。
52.三角化：也叫做点云网格化，也就是将三维空间中的离散点相互连接成三角网格，并用三角网格表示物体表面。
53.sweep(扫掠)技术：一种将二维形状图像变成三维形状图像的方式，侧重于将简单的二维形状图像沿复杂曲线扫掠得到三维形状图像。
54.extrude(拉伸)：一种将二维形状图像变成三维形状图像的方式，侧重于将复杂二维形状图像沿直线拉伸得到三维形状图像。
55.buffer：将二维形状图像在目标方向上扩展目标距离。
56.本技术实施例提供一种对象的三维网格模型的生成方法。本技术实施例还提供一种对象的三维网格模型的生成装置、电子设备及计算机存储介质，本技术实施例同时提供一种对象的三维网格模型的获得方法、装置、电子设备及计算机存储介质。在下面的实施例
中逐一进行详细说明。
57.为了便于理解本技术实施例提供的方法及系统，在介绍本技术实施例之前，先对本技术实施例的背景进行介绍。
58.目前，物体或者对象可以使用二维图像或者三维网格模型进行表示。三维网格模型经常被广泛应用于很多领域的3d(3dimensions，三维)应用场景中。但是，现有技术中，三维网格模型的获取难度高于二维图像。而且，部分领域的三维网格模型生成要求高，需要获得大量的输入图像及其他生成因素，导致三维网格模型生成过程繁琐，且获得的对象的三维网格模型与对象的实际形状的匹配度偏低。
59.因此，如何提升对象的三维网格模型的生成效率以及匹配率是需要解决的技术问题。
60.经过上述内容的背景介绍，本领域技术人员可以了解现有技术存在的问题，接下来对本技术的对象的三维网格模型的生成方法的应用场景进行详细说明。本技术提供的对象的三维网格模型的生成方法可以应用于各种根据对象的单张二维图像生成对象的三维网格模型的应用场景。例如，在购物平台获得商品的二维图像，根据商品的二维图像，按照本技术提供的对象的三维网格模型的生成方法，生成商品的三维网格模型，也就是商品的三维几何图。
61.再例如，根据单张挂画，采用上述对象的三维网格模型的生成方法，生成挂画的三维网格模型，也就是，挂画的三维几何挂画图。
62.具体生成方法如下：获取挂画的单张原始图像，将挂画的单张原始图像进行抠图处理，获得挂画的图像区域，换言之，将挂画的主要图像内容和挂画的背景内容进行分离，将挂画中用于描述挂画主要内容信息的区域扣取处理，获得挂画的图像区域。然后，对挂画的图像区域进行图像轮廓提取处理，获得挂画的图像区域的图像轮廓边界点；将图像轮廓边界点进行拟合处理，获得拟合处理后的目标图像轮廓；根据图像轮廓边界点，确定目标图像轮廓的像素长度比，根据目标图像轮廓的像素长度比和实际尺寸比，确定目标图像轮廓的目标尺寸比。最后，获取挂画图像的目标图像轮廓以及目标图像轮廓的目标尺寸比后，根据挂画图像的图像区域，目标图像轮廓以及目标尺寸比，生成挂画的三维网格模型。
63.上述生成挂画的三维网格模型的方法，其根据对象的单张原始图像，生成对象的三维网格模型，提升了对象的三维网格模型的生成效率。另外，获取目标图像轮廓的目标尺寸比，生成对象的三维网格模型不仅根据对象在原始图像中的图像区域以及目标图像轮廓，还参考了目标图像轮廓的目标尺寸比，提升了对象的三维网格模型与实际对象的匹配率。
64.再例如，在家装行业中，根据家装设计中的二维家装设计图，采用上述对象的三维网格模型的生成方法，生成家装设计的三维立体设计图。
65.具体生成方法如下：获取单张二维家装设计图，将单张二维家装设计图进行抠图处理，获得二维家装设计图的图像区域，换言之，将二维家装设计图的主要图像内容和背景内容进行分离，将二维家装设计图中用于描述图像主要内容信息的区域扣取处理，获得二维家装设计图的图像区域。然后，对二维家装设计图的图像区域进行图像轮廓提取处理，获得二维家装设计图的图像区域的图像轮廓边界点；将图像轮廓边界点进行拟合处理，获得拟合处理后的目标图像轮廓；根据图像轮廓边界点，确定目标图像轮廓的像素长度比，根据
目标图像轮廓的像素长度比和实际尺寸比，确定目标图像轮廓的目标尺寸比。最后，获取二维家装设计图的目标图像轮廓以及目标图像轮廓的目标尺寸比后，根据二维家装设计图的图像区域，目标图像轮廓以及目标尺寸比，生成二维家装设计图对应的三维网格模型，也就是三维设计图。
66.相比于现有技术中，构建目标对象的三维图像需要花费大量时间和经济成本，本技术实施例提供的根据对象的单张二维图像生成对象的三维网格模型的方法，需要输入的图像信息为对象的单张二维图像的信息，提升了生成对象的三维网格模型的效率。另外，生成对象的三维网格模型，不仅参考对象在原始图形中的图像区域，图像区域的目标图像轮廓，还对目标图像轮廓确定了目标尺寸比，因此提升了对象的三维网格模型与实际对象之间的匹配率。
67.现有技术中通常构建三维网格模型的方法至少包括如下三种构建方式：
68.第一种三维网络模型构建方式：形体建模和色彩渲染，其采用分阶段构建方式，将三维网络模型的构建方法拆分为两个子任务，也就是形体建模子任务和色彩渲染子任务。将每个子任务分别用一个子模型进行建模，然后使用每个子模型的sota算法分别把形体和色彩做到当前状态下的目标状态。其中，sota(state of the arts，当前状态下的目标状态)，可以是在某一个领域做的训练达到目标状态的模型，一般可以是指在一些基础比较对象的数据集上跑分达到预设条件的模型。第一种方式存在的优点包括如下至少一点：1)先训练形态在训练色彩信息，任务由两个阶段分别进行训练，降低了模型训练难度。2)分阶段训练获得的每个子模型的训练结果容易达到预设状况。
69.然而，上述第一种三维网络模型构建方法存储如下不足点：1)在模型训练过程中需要输入多种数据信息，包括输入图像，蒙版，关键点以及语义分割参数，输入数据偏多，对于模型构建的输入数据要求偏高。2)另外模型输出是针对每类子任务模型分别输出，其中形态模型输出的体态估计值比较接近。3)分两个阶段分别训练子任务模型，导致模型训练时间以及测试时间均较长。
70.第二种三维网络模型构建方式：神经渲染器。
71.使用神经渲染器构建三维网格模型可以实现端到端的训练学习，学习目标是姿态、身形、相机拍摄参数以及色彩信息等。神经渲染器通过优化像素采样过程之处数据可导出。通过使用神经渲染器构建的模型将二维图像渲染三维图像的渲染结果，并使用投影技术投射回二维图像，通过计算生成的渲染结果与原始图像的差异，然后获取训练三维模型的关键参数。
72.上述第二种三维网格模型构建方式的优点为直接进行单阶段学习，模型训练框架简单，训练模型所需的数据减少，目标情况下使用蒙板可以使模型训练到预期状态。
73.然而，上述第二种方法获得的模型存在如下至少一条确定：1)数据假设训练物体是对称物体，训练需要初始化模板对于无模板、非刚体、非对称体来说，模型训练的学习难度明显增强。2)由于第二种模型训练是自监督学习模型，没有确定的目标训练状态数据，容易使得训练进入到次优环节或者无法收敛的状态。3)第二种模型训练受限于物体体积、复杂程度的影响，对于复杂物体的训练效果弱、无法有效学习到训练模型中的细节信息。
74.第三种三维网格模型训练方法：神经辐射场。
75.神经辐射场属于和神经渲染器具有相似的功能，但各自仍然具有各自的优点。神
object detetion(sod)即显著性目标检测任务提出的。其中，显著性目标检测任务与语义分割任务非常相似，显著性检测任务是二分类任务，主要是讲图片中吸引人的目标或者区域分割出来，因此只有图片的前景和背景两类数据。前景对应本技术实施例中的商品主体，背景对应本技术实施例中的商品图像的背景。
89.请参考图3，其为本技术实施例提供的图像抠图处理过程示意图。在图3中，左侧第一个图为商品主图，左侧第二个图为商品主图的前景(白底图)，左侧第三个图为商品主图的背景(mask图，也称为去除商品主图信息的黑底白框图)。将挂画商品主图进行抠图处理后，获得挂画商品的前景和背景。
90.步骤4：将商品主体内容去除边框。
91.步骤3对商品主图进行抠图处理，获得商品主体图和背景图，在商品主体图中，各个分区域的边框线存在抠图不完整的情况，因此，将商品主体图进行边框去除操作。
92.本技术实施例采用erode(腐蚀，侵蚀，擦除，本技术实施例中表示擦除图3中的白底图中的商品主体的边框)腐蚀运算的方式去除边框，具体是消除商品主体图的边界点，使得商品主体图的边界点向内收缩，将小于结构单元的元素的物体去除。
93.请参考图4，其为本技术实施例提供的采用腐蚀运算去除图像边框过程的示意图。在图4中，通过构造结构元素，然后与目标图像做“与运算”，具体是，结构元素为1的点，目标图像相对应的点均为1，则该点的像素为1，否则为0。具体如图4中的结构元素示例中，结构元素为1的点，该点左侧对应相邻的点为1，该点上侧对应相邻的点为1，则表示结构元素为1的点的像素为1。按照上述方式，目标图像中最上侧一排为1的点对应的上侧为结构元素为0的点，因此，将目标图像中最上侧一排为1的点为需要去除的点。另外，目标图像中纵轴方向上与0相邻的结构元素为1点也属于需要去除的点。因此，将目标图像进行腐蚀运算处理后，获得去除图像边框的图像，也就是图4中的腐蚀结果图。
94.按照图4所示的腐蚀运算方式将图3中抠图处理获得的mask图去除边框前后对比图可以参考图5，其为本技术实施例提供的图像边框去除操作前后的对比示意图。图5左侧第一个图为对mask图进行腐蚀运算处理前的图，图5左侧第二个图为对mask图进行腐蚀运算处理后的图，对于每两个白色区域之间的缝隙，第二个图的缝隙宽于第一图的缝隙。
95.步骤5：将挂画商品主体内容进行挂画轮廓提取，获取挂画商品主体的轮廓边界点。
96.本步骤进行挂画轮廓提取可以是在抠图结果上采用边界跟踪算法suzuki85完成挂画轮廓提取，边界跟踪算法是将一个二值图像转化成边界的表示形式，并且提取各边界之间的拓扑结构。
97.此处进行挂画轮廓提取操作之前，首先定义链码。请参考图6，其为本技术实施例提供的用于确定图像轮廓像素点是否为边界点的链码示意图。
98.链码用来描述边界或者曲线，其利用起始点坐标和边界点方向代码。链码通常包括4连通链码和8连通链码。其中，4连通链码表示上下左右四个方向的像素与中心像素相连时，属于一个连通域，也就是一条边界或者区域；相应的，8连通链码表示8个方向的像素与中心像素相连。
99.请参考图7，其为本技术实施例提供的判断ab两个像素点是否为边界点的示意图。在图7中，首先定义连通链码类型，以4连通链码进行分析，a像素点和b像素点的上下左右四
个方向的像素均与a像素点相连，属于一个连通域，则a和b均不是边界点。以8连通链码进行分析，与a像素点相邻的8个方向的像素点均与a相似点相连，属于一个连通域，则a不是边界点。与b像素点相邻的8个方向的像素点并未全部与b像素点相连，因此，b像素点属于边界点。
100.在确定连通链码类型后，按照确定的连通链码类型，判断抠图结构中的轮廓像素点是否为边界点，如果是边界点，则提取后标注于mask图中每个白色区域的边框位置。此处采用边界跟踪算法suzuki85完成挂画轮廓提取，请参考图8，其为本技术实施例提供的对象在原始图像中的图像区域抠图结果和轮廓边界点提取结果示意图。在图8中，mask图中每个白色区域的边框中提取了多个边界点，以用于步骤6中根据边界点进行形状拟合，获得拟合处理后的目标挂画轮廓。
101.步骤6：根据挂画商品主体的轮廓边界点进行形状拟合，获得拟合处理后的目标挂画轮廓。
102.本步骤中用于对轮廓边界点进行拟合处理，获得目标挂画轮廓。本技术实施例中的一个实施方式，采用道格拉斯-普克算法进行边界点拟合。请参考图9，其为本技术实施例提供的拟合图像轮廓的示意图。
103.图9描述了道格拉斯-普克算法的算法原理，具体如下：
104.首先将边框中的所有边界点相连，形成一条曲线。将曲线的首尾两个边界点a和b之间建立第一直线，第一直线作为曲线的弦。
105.获取曲线中第一目标边界点c与第一直线ab之间的第一垂直距离d1；判断第一垂直距离d1是否小于或者等于预设距离阈值，如果小于或者等于，则第一直线ab为曲线的近似线。对应于本技术实施例中，可以将第一直线ab作为目标挂画轮廓线。
106.如果第一垂直距离d1大于预设距离阈值，则用第一目标边界点c将第一直线ab进行分段，获得第二直线ac和第三直线bc。
107.获取曲线中的第二目标边界点e与第二直线ac之间的第二垂直距离d2，获取曲线中的第三目标边界点f与第三直线bc之间的第三垂直距离d3。
108.判断第二垂直距离d2是否小于或等于预设距离阈值、以及判断第三垂直距离d3是否小于或等于预设距离阈值；如果第二垂直距离d2小于或者等于预设距离阈值，且第三垂直距离d3小于或者等于预设距离阈值，则将第二直线ac和第三直线bc相连形成的折线，作为曲线的近似线。对应于本技术实施例中，可以将第二直线ac和第三直线bc相连形成的折线作为目标挂画轮廓线。
109.请参考图10，其为本技术实施例提供的图像轮廓边界点提取结果和图像轮廓边界拟合结果示意图。在图10的左侧第一个图为图像轮廓边界点提取结果，图10的左侧第二个图为采用上述道格拉斯-普克算法对边界点进行拟合处理后获得的图像轮廓边界拟合结果。
110.步骤7：对于拟合获得多个候选挂画轮廓的情况，从候选挂画轮廓中筛选得到目标挂画轮廓。
111.如果拟合获得的多个候选挂画轮廓时，需要将多个候选挂画轮廓进行筛选处理，其中，具体的筛选方法可以包括如下至少一种筛选条件：
112.判断候选图像主体轮廓包含的轮廓边数量是否为预设边数据阈值；
113.本技术实施例中采用的是挂画图像，因此，候选图像主体轮廓属于矩形，此处需要判断候选图像主体轮廓包含的轮廓边数据是否为4个边。
114.判断候选图像主体轮廓的相邻边的夹角是否处于预设夹角范围值内；
115.如果相邻边的夹角为斜视角，而斜视角具有透视现象，但是垂直角90
°
不存在透视现象。因此，此处判断候选图像主体轮廓的两个相邻边的夹角是否为90
°
，如果是90
°
，则两个轮廓边之间不存在透视现象。
116.判断候选图像主体轮廓的面积与图像面积之间的比值是否大于预设面积比值阈值；
117.候选图像主体轮廓内部为图像主体内容，图像主体内容的面积尺寸在图像的整体尺寸中所占的比例大于预设比例阈值，因此，判断多个候选图像主体轮廓的面积与图像整体面积之间的比值是否大于预设面积比值阈值，如果大于，则该候选图像主体轮廓为目标图像主体轮廓。
118.判断候选图像主体轮廓的形状是否存在凹凸型。
119.如果候选图像主体轮廓的每个边均获得了轮廓边，则将各个轮廓边连接后得到图像主体轮廓不存在凹凸型。
120.如果候选图像主体轮廓形成时少一个轮廓边，则相连接得到的图像主体轮廓为凹型轮廓，如果候选图像主体轮廓形成时多一个轮廓边，则相连接得到的图像主体轮廓为凸型轮廓。因此，需要判断候选图像主体轮廓是否存在凹凸型，当候选图像主体轮廓不存在凹凸型时，该候选图像主体轮廓为目标图像主体轮廓。
121.步骤8：对挂画商品主体内容中的各区域商品挂画进行位置调整以及各区域挂画商品的排序次序。
122.本步骤对挂画商品主体内容中各区域商品挂画进行位置调整以及端点排序次序。其中，位置调整包括不同形状挂画之间的摆放位置问题。端点排序包括一个挂画形状中各个端点的位置顺序，以确保每个挂画贴图的准确性。
123.具体的，端点排序可以通过如下方式实现：
124.请参考图11，其为本技术实施例提供的对象在原始图像中的图像区域中各个子图像区域的位置调整示意图。
125.图11中展示了两幅挂画，左侧第一幅挂画为挂画位置调整前的挂画摆放图像，左侧第二幅挂画为挂画位置调整后的挂画摆放图像。其中，对挂画进行位置调整可以通过如下方式实现：确定每个挂画图像的四个端点之间的位置及相互关系。第一，位置调整，确定每个挂画图像之间的相互位置，按照每个挂画的左下角坐标值，由小到大进行排序。
126.第二，端点排序，确定每个挂画图像的四个端点之间的位置，以整个挂画图像的左上角坐标(0，0)为中心建立坐标系，获取每个挂画图像的四个端点的左边。其中，挂画图像的右下角坐标为(hi，wi)，挂画图像的左下角左边为(hi，0)，挂画图像的右上角坐标为(0，wi)。
127.步骤9：对挂画商品主体内容中的挂画尺寸进行匹配，获得挂画商品的目标尺寸。
128.本步骤对挂画商品主体内容中的挂画尺寸进行匹配，对于单个挂画，通过交叉判断方法判断表示两个坐标数值分别为宽*高和高*宽时，获得的两个像素长度比，然后将像素长度比与实际尺寸比进行比较，获得挂画图像的真实尺寸。
129.其中，像素长度比可以是像素坐标轴上横轴长度与纵轴长度的比值，实际尺寸比可以是挂画图像的宽度数据与高度数据的比值。
130.请参考图12，其为本技术实施例提供的图像区域中各个子图像区域的尺寸匹配度调整示意图。
131.在图12中的(a)部分对应的单挂画，其描述的是一幅单挂画，其包括多个坐标数据，以(0.4，0.8)为例进行说明。以0.4为横轴宽度数据，以0.8为纵轴高度数据，获得第一像素长度比为0.8/0.4＝2。以0.4为纵轴高度数据，以0.8为横轴宽度数据，获得第二像素长度比为0.4/0.8＝0.5。
132.在图12中的(a)部分对应的单挂画中可以看出，该图像的像素长度比为图像的高度像素与图像的宽度像素的比值为2：1。
133.以图12中的(a)部分对应的单挂画图像的像素长度比可知，纵轴高度数据为0.8，横轴宽度数据为0.4。
134.此外，图12中(b)挂画图和图12中(c)挂画图均属于多幅挂画。对于多幅挂画图像，确定其目标像素长度比时，可以采用多组合模型尺寸生成方法确定多组合挂画图像的像素长度比。
135.图12中的(b)部分对应的挂画图中，三幅挂画的纵轴高度数据是相同的，横轴宽度数据中，左侧图和右侧图是基于一致的，中间图像的横轴宽度数据比左右两侧图像的横轴宽度数据宽。
136.为了使得三幅挂画的纵轴高度数据一致，可以从图12中的(b)部分提供的多组坐标数据中确定，第一幅子图像的横轴宽度数据为0.4，第一幅子图像的纵轴高度数据为0.6。第三幅子图像的横轴宽度数据为0.4，第三幅子图像的纵轴高度数据为0.6。第二幅子图像的横轴宽度数据为0.8，纵轴高度数据为0.6。
137.图12中的(c)部分中提供的坐标数据尺寸为描述该挂画图像组合的整体尺寸，具体是，该挂画图像组合的整体横轴宽度数据为1.0，整体纵轴高度数据为0.55。或者，该挂画图像组合的整体横轴宽度数据为1.5，整体纵轴高度数据为0.8。或者，该挂画图像组合的整体横轴宽度数据为2.0，整体纵轴高度数据为1.1。
138.而根据图12中的(c)部分对应的多挂画可以看出，由5幅子图像组成的图形组合的整体像素长度比为图像的横轴长度数据与图像的纵轴高度数据比为2：1。
139.由此可知，图12中的(c)部分提供的三组坐标数据比值中，该挂画图像组合的整体横轴宽度数据为2.0，整体纵轴高度数据为1.1是该幅组合图像的整体横轴长度数据与图像的纵轴高度数据比值。
140.步骤10：对多组挂画商品主体内容进行尺寸相似性匹配。
141.请参考图20，其为本技术实施例提供的多组合模型尺寸生成方法的流程图。
142.图20描述的是多组图像组合确定目标尺寸比的流程图，分三种情况进行确定。第一种情况，如图12中的(a)部分对应的单挂画组成的挂画图像来说，确定单挂画的目标尺寸比，可以根据图像确定图像的像素长度比，然后，分别确定图12中的(a)部分提供的多个横轴宽度坐标数据和纵轴高度坐标数据的比值，是否属于该单挂画的像素长度比范围内，将属于图像的像素长度比范围内的挂画横轴宽度坐标数据和纵轴高度坐标数据的比值确定目标尺寸比。
143.第二种情况，如图12中的(b)部分所提供的由3幅挂画组成挂画组合来说，这3幅挂画为3个单独的挂画组合形成的，由图12中的(b)部分对应的多挂画可知，三个单独挂画的宽高方向的像素长度和尺寸长度比值。三幅子图像的纵轴高度数据是相等的，第一幅子图像和第三幅子图像的横轴宽度数据是相同的。因此，获得比值后，根据比值生多个尺寸数据，根据多个尺寸数据判断是否满足该比值要求，进而确定多幅挂画组合对应的尺寸数据。
144.第三种情况，如果最终生成多个尺寸数据中没有满足该比值要求的，则没有合适尺寸，从新进行第二种情况的方法确定尺寸比例。
145.步骤11：获得挂画商品模型。
146.请参考图13，其为本技术实施例提供的挂画三维模型构建流程示意图。在图13中，挂画三维模型构建过程包括挂画生成方式，玻璃生成方式以及边框生成方式。其中，挂画生成方式可以通过如下方式实现：根据挂画商品抠图坐标尺寸，挂画尺寸以及挂画图像的包围盒尺寸，确定挂画端点位置坐标，并对挂画端点位置坐标进行三角化处理，获得挂画商品的三维网格模型。挂画商品的三维网格模型生成挂画的边框位置，将挂画商品的抠图结果与挂画的边框位置进行贴合处理，获得挂画商品图像。
147.玻璃生成方式可以通过如下方式实现：根据挂画商品图像的位置以及挂画商品图像中每幅挂画之间的相对位置关系确定玻璃端点坐标位置。
148.边框方案生成方式可以通过至少如下三种方式实现，请参考图14，其为本技术实施例提供的图像边框生成方式示意图。
149.在图14中包含三种类型的边框生成方式，具体如下：
150.第一种边框生成方式，对于简单的规则矩形挂画边框，采用在挂画商品图像的四周方向生成四个长方体边框，获得矩形挂画商品图的边框。
151.第二种边框生成方式，对于包含复杂轮廓的边框，采用sweep技术或者extrude技术，通过目标路径点和形状点，将二维商品图像变成三维商品图像，其中，sweep技术用于简单形状沿路径曲线的扫掠，extrude技术用于复杂形状的拉伸。
152.第三种边框生成方式，对于多边形组合挂画轮廓的边框生成方式，通常是根据挂画轮廓缓冲获得挂画的边框形状，同时结合挂画图像的厚度位置信息获得挂画图像各个边框端点坐标，将挂画图像的上下表面，侧面三方面进行三角化处理，获得挂画图像的边框。
153.本技术实施例提供一种对象的三维网格模型的生成方法，包括：获取对象的原始图像；对所述对象的原始图像进行抠图处理，获得所述对象在所述原始图像中的图像区域；基于所述图像区域，确定所述图像区域的目标图像轮廓以及所述目标图像轮廓的目标尺寸比；根据所述对象在所述原始图像中的图像区域，所述目标图像轮廓以及所述目标尺寸比，生成所述对象的三维网格模型，其中，所述对象的三维网格模型为所述对象的三维几何图。
154.上述方法，将对象的原始图像进行抠图处理，获得对象在原始图像中的图像区域，确定图像区域的目标图像轮廓以及目标图像轮廓的目标尺寸比。根据对象在原始图像中的图像区域，目标图像轮廓以及目标尺寸比，生成对象的三维网格模型，也称作对象的三维几何图。由此，上述对象的三维网格模型的生成方法需要的对象的原始图像容易获取且获取对象的一个原始图像后，经过上述处理即可生成对象的三维网格模型，因此，提升了对象的三维网格模型的生成效率。另外，获取目标图像轮廓的目标尺寸比，生成对象的三维网格模型不仅根据对象在原始图像中的图像区域以及目标图像轮廓，还参考了目标图像轮廓的目
标尺寸比，提升了对象的三维网格模型与实际对象的匹配率。
155.第一实施例
156.图15为本技术第一实施例提供的一种对象的三维网格模型的生成方法的流程图，以下结合图15对本实施例提供的对象的三维网格模型的生成方法进行详细描述。
157.如图15所示，在步骤s1501中，获取对象的原始图像。
158.本步骤用于获取对象的原始图像，此处表示可以是获取商品的单张二维图像。例如图2中根据单张挂画商品的标识信息查询获得单张挂画商品的商品主图。根据单张挂画商品的标识信息，可以查询到如下至少一种信息：商品主图信息、商品尺寸信息、商品的挂画框类型信息、挂画商品的风格信息。上述信息是构建图像三维网格模型的关键信息。
159.如图15所示，在步骤s1502中，对所述对象的原始图像进行抠图处理，获得所述对象在所述原始图像中的图像区域。
160.本步骤用于对图像进行抠图处理，获得对象在原始图像中的图像区域。具体可以是原始图像中用于表示对象的主体内容信息的图像区域。，从而在后续步骤中根据图像区域确定图像区域的目标图像轮廓。
161.其中，所述基于所述图像区域，确定所述图像区域的目标图像轮廓以及所述目标图像轮廓的目标尺寸比，可以通过如下方式实现：
162.将所述图像区域进行图像轮廓提取处理，获得所述图像区域对应的图像轮廓边界点；将所述图像轮廓边界点进行拟合处理，获得拟合处理后的目标图像轮廓；根据所述图像轮廓边界点，确定所述目标图像轮廓的像素长度比，根据所述目标图像轮廓的像素长度比和实际尺寸比，确定所述目标图像轮廓的目标尺寸比。
163.其中，抠图处理可以采用抠图技术，例如，u2net网络，其中，u2net是针对salient object detetion(sod)即显著性目标检测任务提出的。其中，显著性目标检测任务与语义分割任务非常相似，显著性检测任务是二分类任务，主要是讲图片中吸引人的目标或者区域分割出来，因此只有图片的前景和背景两类数据。前景对应本技术实施例中的商品主体，背景对应本技术实施例中的商品图像的背景。
164.请参考图3，其为本技术实施例提供的图像抠图处理过程示意图。在图3中，左侧第一个图为商品主图，左侧第二个图为商品主图的前景(白底图)，左侧第三个图为商品主图的背景(mask图，也称为去除商品主图信息的黑底白框图)。将挂画商品主图进行抠图处理后，获得挂画商品的前景和背景。
165.将所述目标对象的图像进行抠图处理，获得的所述对象在所述原始图像中的图像区域包括所述图像区域的初步图像边框；因此，对图像进行抠图处理之外，还包括：去除所述初步图像边框，通过三维建模的方式构建所述图像区域对应的目标图像边框。
166.其中，所述去除抠图处理获得的边框采用膨胀与腐蚀运算方式。
167.本技术实施例采用erode腐蚀运算的方式去除边框，具体是消除商品主体图的边界点，使得商品主体图的边界点向内收缩，将小于结构单元的元素的物体去除。
168.请参考图4，其为本技术实施例提供的采用腐蚀运算去除图像边框过程的示意图。在图4中，通过构造结构元素，然后与目标图像做“与运算”，具体是，结构元素为1的点，目标图像相对应的点均为1，则该点的像素为1，否则为0。具体如图4中的结构元素示例中，结构元素为1的点，该点左侧对应相邻的点为1，该点上侧对应相邻的点为1，则表示结构元素为1
的点的像素为1。按照上述方式，目标图像中最上侧一排为1的点对应的上侧为结构元素为0的点，因此，将目标图像中最上侧一排为1的点为需要去除的点。另外，目标图像中纵轴方向上与0相邻的结构元素为1点也属于需要去除的点。因此，将目标图像进行腐蚀运算处理后，获得去除图像边框的图像，也就是图4中的腐蚀结果图。
169.按照图4所示的腐蚀运算方式将图3中抠图处理获得的mask图去除边框前后对比图可以参考图5，其为本技术实施例提供的图像边框去除操作前后的对比示意图。图5左侧第一个图为对mask图进行腐蚀运算处理前的图，图5左侧第二个图为对mask图进行腐蚀运算处理后的图，对于每两个白色区域之间的缝隙，第二个图的缝隙宽于第一图的缝隙。
170.如图15所示，在步骤s1503中，基于所述图像区域，确定所述图像区域的目标图像轮廓以及所述目标图像轮廓的目标尺寸比。
171.本步骤用于确定图像区域的目标图像轮廓以及目标图像轮廓的目标尺寸比。
172.其中，所述基于所述图像区域，确定所述图像区域的目标图像轮廓以及所述目标图像轮廓的目标尺寸比，可以通过如下方式实现：
173.将所述图像区域进行图像轮廓提取处理，获得所述图像区域对应的图像轮廓边界点；将所述图像轮廓边界点进行拟合处理，获得拟合处理后的目标图像轮廓；根据所述图像轮廓边界点，确定所述目标图像轮廓的像素长度比，根据所述目标图像轮廓的像素长度比和实际尺寸比，确定所述目标图像轮廓的目标尺寸比。
174.挂画轮廓提取可以是在抠图结果上采用边界跟踪算法suzuki85完成挂画轮廓提取，边界跟踪算法是将一个二值图像转化成边界的表示形式，并且提取各边界之间的拓扑结构。
175.其中，所述将所述图像区域进行图像轮廓提取处理，获得所述图像区域对应的图像轮廓边界点，可以通过如下方式实现：
176.确定用于描述图像轮廓边界点的连通链码；基于确定的连通链码，判断所述图像区域中用于表示所述图像轮廓边界的像素点是否为边界点；如果是，则将所述像素点作为所述图像区域对应的图像轮廓边界点。
177.进行挂画轮廓提取操作之前，首先定义链码。请参考图6，其为本技术实施例提供的用于确定图像轮廓像素点是否为边界点的链码示意图。
178.链码用来描述边界或者曲线，其利用起始点坐标和边界点方向代码。链码通常包括4连通链码和8连通链码。其中，4连通链码表示上下左右四个方向的像素与中心像素相连时，属于一个连通域，也就是一条边界或者区域；相应的，8连通链码表示8个方向的像素与中心像素相连。
179.请参考图7，其为本技术实施例提供的判断ab两个像素点是否为边界点的示意图。在图7中，首先定义连通链码类型，以4连通链码进行分析，a像素点和b像素点的上下左右四个方向的像素均与a像素点相连，属于一个连通域，则a和b均不是边界点。以8连通链码进行分析，与a像素点相邻的8个方向的像素点均与a相似点相连，属于一个连通域，则a不是边界点。与b像素点相邻的8个方向的像素点并未全部与b像素点相连，因此，b像素点属于边界点。
180.在确定连通链码类型后，按照确定的连通链码类型，判断抠图结构中的轮廓像素点是否为边界点，如果是边界点，则提取后标注于mask图中每个白色区域的边框位置。此处
采用边界跟踪算法suzuki85完成挂画轮廓提取，请参考图8，其为本技术实施例提供的对象在原始图像中的图像区域抠图结果和轮廓边界点提取结果示意图。在图8中，mask图中每个白色区域的边框中提取了多个边界点，以用于步骤s1604中根据边界点进行形状拟合，获得拟合处理后的目标挂画轮廓。
181.在确定图像区域的图像轮廓边界点后，还包括：将图像轮廓边界点进行拟合处理，获得拟合处理后的目标图像轮廓。
182.所述将所述图像轮廓边界点进行拟合处理，获得拟合处理后的目标图像轮廓，可以通过如下方式实现：
183.获取由所述图像轮廓的所有边界点连接而成的曲线；从所述曲线中获取由第一边界点和第二边界点连接而成的第一直线；获取所述曲线中的第一目标边界点与所述第一直线之间的第一垂直距离；判断所述第一垂直距离是否小于或者等于预设距离阈值；如果所述第一垂直距离小于或者等于预设距离阈值，则将所述第一直线作为所述拟合处理后的目标图像轮廓。
184.本技术实施例中的一个实施方式，采用道格拉斯-普克算法进行边界点拟合。请参考图9，其为本技术实施例提供的拟合图像轮廓的示意图。
185.图9描述了道格拉斯-普克算法的算法原理，具体如下：
186.首先将边框中的所有边界点相连，形成一条曲线。将曲线的首尾两个边界点a和b之间建立第一直线，第一直线作为曲线的弦。
187.获取曲线中第一目标边界点c与第一直线ab之间的第一垂直距离d1；判断第一垂直距离d1是否小于或者等于预设距离阈值，如果小于或者等于，则第一直线ab为曲线的近似线。对应于本技术实施例中，可以将第一直线ab作为目标挂画轮廓线。
188.以上即为第一垂直距离d1小于或者等于预设距离阈值的情况下，说明该曲线中各个边界点之间的连线相连形成的折线与曲线属于近似线，则各个边界点连接得到的折现可以作为目标挂画轮廓线。
189.以下描述第一垂直距离d1大于预设距离阈值的情况下：
190.如果所述第一垂直距离大于预设距离阈值，则以所述第一目标边界点对所述第一直线进行分段处理，获得由所述第一边界点和所述第一目标边界点连接而成的第二直线，以及由所述第一目标边界点和所述第二边界点连接而成的第三直线；获取所述曲线中的第二目标边界点与所述第二直线之间的第二垂直距离，以及所述曲线中的第三目标边界点与所述第三直线之间的第三垂直距离；如果所述第二垂直距离小于或者等于预设距离阈值，且所述第三垂直距离小于或者等于预设距离阈值，则将所述第二直线和所述第三直线连接形成的折线作为所述拟合处理后的目标图像主体轮廓。
191.继续参考图9，如果第一垂直距离d1大于预设距离阈值，则用第一目标边界点c将第一直线ab进行分段，获得第二直线ac和第三直线bc。
192.获取曲线中的第二目标边界点e与第二直线ac之间的第二垂直距离d2，获取曲线中的第三目标边界点f与第三直线bc之间的第三垂直距离d3。
193.判断第二垂直距离d2是否小于或等于预设距离阈值、以及判断第三垂直距离d3是否小于或等于预设距离阈值；如果第二垂直距离d2小于或者等于预设距离阈值，且第三垂直距离d3小于或者等于预设距离阈值，则将第二直线ac和第三直线bc相连形成的折线，作
为曲线的近似线。对应于本技术实施例中，可以将第二直线ac和第三直线bc相连形成的折线作为目标挂画轮廓线。
194.请参考图10，其为本技术实施例提供的图像轮廓边界点提取结果和图像轮廓边界拟合结果示意图。在图10的左侧第一个图为图像轮廓边界点提取结果，图10的左侧第二个图为采用上述道格拉斯-普克算法对边界点进行拟合处理后获得的图像轮廓边界拟合结果。
195.以上描述的是将所述图像主体轮廓边界点进行拟合处理，获得一个候选图像主体轮廓，作为拟合处理后的目标图像主体轮廓的情况。
196.如果将所述图像主体轮廓边界点进行拟合处理，获得多个候选图像主体轮廓，则还包括如下步骤：从获得的多个候选图像轮廓中，筛选获得目标图像轮廓；所述从获得的多个候选图像轮廓中，筛选获得目标图像轮廓，可以通过如下方式实现：根据预设的筛选条件，从获得的多个候选图像轮廓中，筛选获得目标图像轮廓。
197.所述预设的筛选条件包括如下至少一种筛选条件：
198.判断候选图像轮廓包含的轮廓边数量是否为预设边数据阈值；判断候选图像轮廓的相邻边的夹角是否处于预设夹角范围值内；判断候选图像轮廓的面积与图像面积之间的比值是否大于预设面积比值阈值；判断候选图像轮廓的形状是否存在凹凸型。
199.其中，判断候选图像轮廓包含的轮廓边数量是否为预设边数据阈值。本技术实施例中采用的是挂画图像，因此，候选图像轮廓属于矩形，此处需要判断候选图像轮廓包含的轮廓边数据是否为4个边。
200.判断候选图像轮廓的相邻边的夹角是否处于预设夹角范围值内。如果相邻边的夹角为斜视角，而斜视角具有透视现象，但是垂直角90
°
不存在透视现象。因此，此处判断候选图像轮廓的两个相邻边的夹角是否为90
°
，如果是90
°
，则两个轮廓边之间不存在透视现象。
201.判断候选图像轮廓的面积与图像面积之间的比值是否大于预设面积比值阈值。候选图像轮廓内部为图像内容，图像内容的面积尺寸在图像的整体尺寸中所占的比例大于预设比例阈值，因此，判断多个候选图像轮廓的面积与图像整体面积之间的比值是否大于预设面积比值阈值，如果大于，则该候选图像轮廓为目标图像轮廓。
202.判断候选图像轮廓的形状是否存在凹凸型。如果候选图像轮廓的每个边均获得了轮廓边，则将各个轮廓边连接后得到图像轮廓不存在凹凸型。如果候选图像轮廓形成时少一个轮廓边，则相连接得到的图像轮廓为凹型轮廓，如果候选图像轮廓形成时多一个轮廓边，则相连接得到的图像轮廓为凸型轮廓。因此，需要判断候选图像轮廓是否存在凹凸型，当候选图像轮廓不存在凹凸型时，该候选图像轮廓为目标图像轮廓。
203.本技术实施例还包括：对所述图像区域中的多个子图像区域在所述图像区域中的位置分布区域进行调整，以及对所述图像区域中的多个子图像区域分布对应的端点的位置顺序进行调整；获得调整了位置分布区域以及端点的位置顺序的图像区域。
204.请参考图12中的(c)部分对应的多挂画，其为将一幅挂画图像区域拆分为5个子图像区域，在具体排布图像过程中，将多个子图像区域在该图像区域中的位置分布区域进行调整，并对多个子图像区域分别对应的端点的位置顺序进行调整，然后完成位置分布和端点位置顺序排序的图像区域。
205.另外，在确定图像轮廓边界点和目标图像轮廓后，根据所述图像轮廓边界点，确定
所述目标图像轮廓的像素长度比，根据所述目标图像轮廓的像素长度比和实际尺寸比，确定所述目标图像轮廓的目标尺寸比。
206.其中，所述根据所述目标图像轮廓的像素长度比和实际尺寸比，确定所述目标图像轮廓的目标尺寸比，可以通过如下方式实现：
207.获取所述图像轮廓边界点在像素坐标系中的两个坐标数值；将所述两个坐标数值中的第一坐标数值作为宽度数据，第二坐标数值作为高度数据，计算所述图像轮廓边界点在像素坐标系中的第一像素长度比；将所述两个坐标数值中的第一坐标数值作为高度数据，第二坐标数值作为宽度数据，计算所述图像主体轮廓边界点在像素坐标系中的第二像素长度比；分别判断所述第一像素长度比和所述第二像素长度比与实际尺寸比之间的相似度，将相似度大于或者等于预设相似度阈值的像素长度比作为所述图像轮廓的目标尺寸比。
208.以上述图12中的挂画为例进行描述，对挂画商品主体内容中的挂画尺寸进行匹配，对于单个挂画，通过交叉判断方法判断表示两个坐标数值分别为宽*高和高*宽时，获得的两个像素长度比，然后将像素长度比与实际尺寸比进行比较，获得挂画图像的真实尺寸。
209.其中，像素长度比可以是像素坐标轴上横轴长度与纵轴长度的比值，实际尺寸比可以是挂画图像的宽度数据与高度数据的比值。
210.请参考图12，其为本技术实施例提供的图像区域中各个子图像区域的尺寸匹配度调整示意图。
211.在图12中的(a)部分对应的单挂画，其描述的是一幅单挂画，其包括多个坐标数据，以(0.4，0.8)为例进行说明。以0.4为横轴宽度数据，以0.8为纵轴高度数据，获得第一像素长度比为0.8/0.4＝2。以0.4为纵轴高度数据，以0.8为横轴宽度数据，获得第二像素长度比为0.4/0.8＝0.5。
212.根据图12中的(a)部分对应的单挂画可以看出，该图像的像素长度比为图像的高度像素与图像的宽度像素的比值为2：1。
213.以图12中的(a)部分对应的单挂画的像素长度比可知，纵轴高度数据为0.8，横轴宽度数据为0.4。
214.另外，如果所述图像区域中包含多个子图像区域，则采用多组合图像尺寸匹配模型确定所述图像区域中多个子图像区域分别对应的图像轮廓的目标尺寸比。
215.例如，图12中的(b)部分对应的挂画图和图12中的(c)部分对应的挂画图均属于多幅挂画。对于多幅挂画图像，确定其目标像素长度比时，可以采用多组合模型尺寸生成方法确定多组合挂画图像的像素长度比。
216.在图12中的(b)部分对应的挂画图中，三幅挂画的纵轴高度数据是相同的，横轴宽度数据中，左侧图和右侧图是基于一致的，中间图像的横轴宽度数据比左右两侧图像的横轴宽度数据宽。
217.为了使得三幅挂画的纵轴高度数据一致，可以从图12中的(b)部分提供的多组坐标数据中确定，第一幅子图像的横轴宽度数据为0.4，第一幅子图像的纵轴高度数据为0.6。第三幅子图像的横轴宽度数据为0.4，第三幅子图像的纵轴高度数据为0.6。第二幅子图像的横轴宽度数据为0.8，纵轴高度数据为0.6。
218.图12中的(c)部分对应的挂画图中提供的坐标数据尺寸为描述该挂画图像组合的
整体尺寸，具体是，该挂画图像组合的整体横轴宽度数据为1.0，整体纵轴高度数据为0.55。或者，该挂画图像组合的整体横轴宽度数据为1.5，整体纵轴高度数据为0.8。或者，该挂画图像组合的整体横轴宽度数据为2.0，整体纵轴高度数据为1.1。
219.而根据图12中的(c)部分对应的挂画图中的图像可以看出，由5幅子图像组成的图形组合的整体像素长度比为图像的横轴长度数据与图像的纵轴高度数据比为2：1。
220.由此可知，图12中的(c)部分对应的挂画图中提供的三组坐标数据比值中，该挂画图像组合的整体横轴宽度数据为2.0，整体纵轴高度数据为1.1是该幅组合图像的整体横轴长度数据与图像的纵轴高度数据比值。
221.请参考图20，其为本技术实施例提供的多组合模型尺寸生成方法的流程图。
222.图20描述的是多组图像组合确定目标尺寸比的流程图，分三种情况进行确定。第一种情况，如图12中的(a)部分所提供的单挂画组成的挂画图来说，确定单挂画的目标尺寸比，可以根据图像确定图像的像素长度比，然后，分别确定图12中的(a)部分提供的多个横轴宽度坐标数据和纵轴高度坐标数据的比值，是否属于所述图像的像素长度比范围内，将属于图像的像素长度比范围内的挂画横轴宽度坐标数据和纵轴高度坐标数据的比值确定目标尺寸比。
223.第二种情况，如图12中的(b)部分对应的挂画图所述的由3幅挂画组成挂画组合来说，这3幅挂画为3个单独的挂画组合形成的，由图12中的(b)部分对应的挂画图可知，三个单独挂画的宽高方向的像素长度和尺寸长度比值。三幅子图像的纵轴高度数据是相等的，第一幅子图像和第三幅子图像的横轴宽度数据是相同的。因此，获得比值后，根据比值生多个尺寸数据，根据多个尺寸数据判断是否满足该比值要求，进而确定多幅挂画组合对应的尺寸数据。
224.第三种情况，如果最终生成多个尺寸数据中没有满足该比值要求的，则没有合适尺寸，从新进行第二种情况的方法确定尺寸比例。
225.如图15所示，在步骤s1504中，根据所述对象在所述原始图像中的图像区域，所述目标图像轮廓以及所述目标尺寸比，生成所述对象的三维网格模型，其中，所述对象的三维网格模型为所述对象的三维几何图。
226.本步骤用于根据对象在所述原始图像中的图像区域，目标图像轮廓以及目标尺寸比，生成对象的三维网格模型。
227.所述根据所述对象在所述原始图像中的图像区域，所述目标图像轮廓以及所述目标尺寸比，生成所述对象的三维网格模型，可以通过如下方式实现：
228.根据所述图像区域的坐标尺寸，所述目标图像轮廓的坐标尺寸，以及所述目标尺寸比，确定所述对象的端点位置坐标；将所述对象的端点位置坐标进行三角化处理，获得所述对象的三维网格模型。
229.请参考图13，其为本技术实施例提供的挂画三维模型构建流程示意图。在图13中，挂画三维模型构建过程包括挂画生成方式，玻璃生成方式以及边框生成方式。其中，挂画生成方式可以通过如下方式实现：根据挂画商品抠图坐标尺寸，挂画尺寸以及挂画图像的包围盒尺寸，确定挂画端点位置坐标，并对挂画端点位置坐标进行三角化处理，获得挂画商品的三维网格模型。挂画商品的三维网格模型生成挂画的边框位置，将挂画商品的抠图结果与挂画的边框位置进行贴合处理，获得挂画商品图像。
230.玻璃生成方式可以通过如下方式实现：根据挂画商品图像的位置以及挂画商品图像中每幅挂画之间的相对位置关系确定玻璃端点坐标位置。
231.边框方案生成方式可以通过至少如下三种方式实现，请参考图14，其为本技术实施例提供的图像边框生成方式示意图。
232.在图14中包含三种类型的边框生成方式，具体如下：
233.第一种边框生成方式，对于简单的规则矩形挂画边框，采用在挂画商品图像的四周方向生成四个长方体边框，获得矩形挂画商品图的边框。
234.第二种边框生成方式，对于包含复杂轮廓的边框，采用sweep技术或者extrude技术，通过目标路径点和形状点，将二维商品图像变成三维商品图像，其中，sweep技术用于简单形状沿路径曲线的扫掠，extrude技术用于复杂形状的拉伸。
235.第三种边框生成方式，对于多边形组合挂画轮廓的边框生成方式，通常是根据挂画轮廓缓冲获得挂画的边框形状，同时结合挂画图像的厚度位置信息获得挂画图像各个边框端点坐标，将挂画图像的上下表面，侧面三方面进行三角化处理，获得挂画图像的边框。
236.本技术实施例提供一种对象的三维网格模型的生成方法，包括：获取对象的原始图像；对所述对象的原始图像进行抠图处理，获得所述对象在所述原始图像中的图像区域；基于所述图像区域，确定所述图像区域的目标图像轮廓以及所述目标图像轮廓的目标尺寸比；根据所述对象在所述原始图像中的图像区域，所述目标图像轮廓以及所述目标尺寸比，生成所述对象的三维网格模型，其中，所述对象的三维网格模型为所述对象的三维几何图。
237.上述方法，将对象的原始图像进行抠图处理，获得对象在原始图像中的图像区域，确定图像区域的目标图像轮廓以及目标图像轮廓的目标尺寸比。根据对象在原始图像中的图像区域，目标图像轮廓以及目标尺寸比，生成对象的三维网格模型，也称作对象的三维几何图。由此，上述对象的三维网格模型的生成方法需要的对象的原始图像容易获取且获取对象的一个原始图像后，经过上述处理即可生成对象的三维网格模型，因此，提升了对象的三维网格模型的生成效率。另外，获取目标图像轮廓的目标尺寸比，生成对象的三维网格模型不仅根据对象在原始图像中的图像区域以及目标图像轮廓，还参考了目标图像轮廓的目标尺寸比，提升了对象的三维网格模型与实际对象的匹配率。
238.第二实施例
239.图16为本技术第二实施例提供的一种对象的三维网格模型的生成装置的示意图。以下结合图16对本实施例提供的对象的三维网格模型的生成装置进行详细描述。其中，第二实施例提供的对象的三维网格模型的生成装置与第一实施例提供的对象的三维网格模型的生成方法相对应，其具体描述过程可以参考上述场景实施例以及方法实施例的描述，此处不再赘述。
240.如图16所示，对象的三维网格模型的生成装置包括：
241.获取单元1601，用于获取对象的原始图像；
242.图像区域获得单元1602，用于对所述对象的原始图像进行抠图处理，获得所述对象在所述原始图像中的图像区域；
243.确定单元1603，用于基于所述图像区域，确定所述图像区域的目标图像轮廓以及所述目标图像轮廓的目标尺寸比；
244.三维网格模型生成单元1604，用于根据所述对象在所述原始图像中的图像区域，
所述目标图像轮廓以及所述目标尺寸比，生成所述对象的三维网格模型，其中，所述对象的三维网格模型为所述对象的三维几何图。
245.第三实施例
246.与本技术场景实施例和第一实施例相对应的，本技术第三实施例提供了一种对象的三维网格模型的获得方法，如图17所示，其为本技术第三实施例提供的另一种对象的三维网格模型的获得方法的流程示意图。图17所示的方法包括步骤s1701-s1703。
247.如图17所示，在步骤s1701中，获得对象的标识信息；
248.本步骤用于获取对象的标识信息，其中，所述对象的标识信息用于表示对象的身份认证唯一性，每个对象对应一个标识信息。例如，每个挂画图像对应一个标识信息，根据该挂画的标识信息，查询该挂画的原始图像。
249.如图17所示，在步骤s1702中，基于所述对象的标识信息，获得所述对象的原始图像；
250.本步骤用于获得对象的原始图像，从而根据对象的原始图像，获取对象的三维网格模型，也就是对象的三维几何图。其中，具体的获取方法由步骤s1703获取。
251.其中，每个对象对应一个标识信息，例如，每幅挂画对应一个标识信息。
252.如图17所示，在步骤s1703中，根据所述原始图像，利用第一实施例提供的方法，获得包含所述原始图像的对象的三维网格模型，其中，所述对象的三维网格模型为所述对象的三维几何图。
253.本步骤用于根据第一实施例提供的对象第三位网格模型的生成方法，获得对象的三维网格模型。其中，具体的根据标识信息获取这幅挂画的原始图像，可以是获取该幅挂画的单张原始图像。本技术实施例采用单张原始图像，生成对象的三维网格模型。具体如下，根据挂画的标识信息获取挂画的单张原始图像，将挂画的单张原始图像进行抠图处理，获得挂画的图像区域，换言之，将挂画的主要图像内容和挂画的背景内容进行分离，将挂画中用于描述挂画主要内容信息的区域扣取处理，获得挂画的图像区域。
254.然后，对挂画的图像区域进行图像轮廓提取处理，获得挂画的图像区域的图像轮廓边界点；将图像轮廓边界点进行拟合处理，获得拟合处理后的目标图像轮廓；根据图像轮廓边界点，确定目标图像轮廓的像素长度比，根据目标图像轮廓的像素长度比和实际尺寸比，确定目标图像轮廓的目标尺寸比。
255.获取挂画图像的目标图像轮廓以及目标图像轮廓的目标尺寸比后，根据挂画图像的图像区域，目标图像轮廓以及目标尺寸比，生成挂画的三维网格模型。
256.本技术第三实施例中，获取对象的标识信息，根据对象的标识信息确定对象的原始图像后，采用第一实施例提供的对象的三维网格模型的生成方法，获得对象的三维网格模型。其根据对象的单张原始图像，生成对象的三维网格模型，提升了对象的三维网格模型的生成效率。另外，获取目标图像轮廓的目标尺寸比，生成对象的三维网格模型不仅根据对象在原始图像中的图像区域以及目标图像轮廓，还参考了目标图像轮廓的目标尺寸比，提升了对象的三维网格模型与实际对象的匹配率。
257.第四实施例
258.图18为本技术第四实施例提供的一种对象的三维网格模型的获得装置的示意图。以下结合图18对本实施例提供的对象的三维网格模型的获得装置进行详细描述。其中，第
四实施例提供的对象的三维网格模型的获得装置与第三实施例提供的对象的三维网格模型的获得方法相对应，其具体描述过程可以参考上述场景实施例以及方法实施例的描述，此处不再赘述。
259.标识信息获得单元1801，用于获得对象的标识信息；
260.原始图像获得单元1802，用于基于所述对象的标识信息，获得所述对象的原始图像；
261.三维网格模型获得单元1803，用于根据所述原始图像，利用第一实施例提供的方法，获得包含所述原始图像的对象的三维网格模型，其中，所述对象的三维网格模型为所述对象的三维几何图。
262.第五实施例
263.与本技术第一实施例和第三实施例的方法相对应的，本技术第五实施例还提供一种电子设备。如图19所示，图19为本技术第五实施例中提供的一种电子设备的示意图。该电子设备，包括：至少一个处理器1901，至少一个通信接口1902，至少一个存储器1903和至少一个通信总线1904；可选的，通信接口1902可以为通信模块的接口，如gsm模块的接口；处理器1901可能是处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。存储器1903可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。其中，存储器1903存储有程序，处理器1901调用存储器1903所存储的程序，以执行本发明第一实施例和第三实施例的方法。
264.第六实施例
265.与本技术第一实施例和第三实施例的方法相对应的，本技术第六实施例还提供一种计算机存储介质。所述计算机存储介质存储有计算机程序，该计算机程序被处理器运行，执行第一实施例和第三实施例的方法。
266.本技术虽然以较佳实施例公开如上，但其并不是用来限定本技术，任何本领域技术人员在不脱离本技术的精神和范围内，都可以做出可能的变动和修改，因此本技术的保护范围应当以本技术权利要求所界定的范围为准。
267.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
268.1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
269.2、本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。需要说明的是，本技术实施例中可能会涉及到对用户数据的使用，在实际应用中，可以在符合所在国的适用法律法规要求的情况下(例如，用户明确同意，对用户切实通知，等)，在适用法律法规允许的范围内在本文描述的方案中使用用户特定的个人数据。
270.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。

技术特征：
1.一种对象的三维网格模型的生成方法，其特征在于，包括：获取对象的原始图像；对所述对象的原始图像进行抠图处理，获得所述对象在所述原始图像中的图像区域；基于所述图像区域，确定所述图像区域的目标图像轮廓以及所述目标图像轮廓的目标尺寸比；根据所述对象在所述原始图像中的图像区域，所述目标图像轮廓以及所述目标尺寸比，生成所述对象的三维网格模型，其中，所述对象的三维网格模型为所述对象的三维几何图。2.根据权利要求1所述的方法，其特征在于，所述基于所述图像区域，确定所述图像区域的目标图像轮廓以及所述目标图像轮廓的目标尺寸比，包括：将所述图像区域进行图像轮廓提取处理，获得所述图像区域对应的图像轮廓边界点；将所述图像轮廓边界点进行拟合处理，获得拟合处理后的目标图像轮廓；根据所述图像轮廓边界点，确定所述目标图像轮廓的像素长度比，根据所述目标图像轮廓的像素长度比和实际尺寸比，确定所述目标图像轮廓的目标尺寸比。3.根据权利要求1所述的方法，其特征在于，获得的所述对象在所述原始图像中的图像区域包括所述图像区域的初步图像边框；所述方法还包括：去除所述初步图像边框，通过三维建模的方式构建所述图像区域对应的目标图像边框。4.根据权利要求2所述的方法，其特征在于，所述将所述图像区域进行图像轮廓提取处理，获得所述图像区域对应的图像轮廓边界点，包括：确定用于描述图像轮廓边界点的连通链码；基于确定的连通链码，判断所述图像区域中用于表示所述图像轮廓边界的像素点是否为边界点；如果是，则将所述像素点作为所述图像区域对应的图像轮廓边界点。5.根据权利要求2所述的方法，其特征在于，所述将所述图像轮廓边界点进行拟合处理，获得拟合处理后的目标图像轮廓，包括：获取由所述图像轮廓的所有边界点连接而成的曲线；从所述曲线中获取由第一边界点和第二边界点连接而成的第一直线；获取所述曲线中的第一目标边界点与所述第一直线之间的第一垂直距离；判断所述第一垂直距离是否小于或者等于预设距离阈值；如果所述第一垂直距离小于或者等于预设距离阈值，则将所述第一直线作为所述拟合处理后的目标图像轮廓。6.根据权利要求5所述的方法，其特征在于，还包括：如果所述第一垂直距离大于预设距离阈值，则通过所述第一目标边界点对所述第一直线进行分段处理，获得由所述第一边界点和所述第一目标边界点连接而成的第二直线，以及由所述第一目标边界点和所述第二边界点连接而成的第三直线；获取所述曲线中的第二目标边界点与所述第二直线之间的第二垂直距离，以及所述曲线中的第三目标边界点与所述第三直线之间的第三垂直距离；
如果所述第二垂直距离小于或者等于预设距离阈值，且所述第三垂直距离小于或者等于预设距离阈值，则将所述第二直线和所述第三直线连接形成的折线作为所述拟合处理后的目标图像轮廓。7.根据权利要求1所述的方法，其特征在于，还包括：从获得的多个候选图像轮廓中，筛选获得目标图像轮廓；所述从获得的多个候选图像轮廓中，筛选获得目标图像轮廓，包括：根据预设的筛选条件，从获得的多个候选图像轮廓中，筛选获得目标图像轮廓。8.根据权利要求7所述的方法，其特征在于，所述预设的筛选条件包括如下至少一种筛选条件：判断候选图像轮廓包含的轮廓边数量是否为预设边数据阈值；判断候选图像轮廓的相邻边的夹角是否处于预设夹角范围值内；判断候选图像轮廓的面积与图像面积之间的比值是否大于预设面积比值阈值；判断候选图像轮廓的形状是否存在凹凸型。9.根据权利要求1所述的方法，其特征在于，还包括：对所述图像区域中的多个子图像区域在所述图像区域中的位置分布区域进行调整，以及对所述图像区域中的多个子图像区域分布对应的端点的位置顺序进行调整；获得调整了位置分布区域以及端点的位置顺序的图像区域。10.根据权利要求2所述的方法，其特征在于，所述根据所述目标图像轮廓的像素长度比和实际尺寸比，确定所述目标图像轮廓的目标尺寸比，包括：获取所述图像轮廓边界点在像素坐标系中的两个坐标数值；将所述两个坐标数值中的第一坐标数值作为宽度数据，第二坐标数值作为高度数据，计算所述图像轮廓边界点在像素坐标系中的第一像素长度比；将所述两个坐标数值中的第一坐标数值作为高度数据，第二坐标数值作为宽度数据，计算所述图像主体轮廓边界点在像素坐标系中的第二像素长度比；分别判断所述第一像素长度比和所述第二像素长度比与实际尺寸比之间的相似度，将相似度大于或者等于预设相似度阈值的像素长度比作为所述图像轮廓的目标尺寸比。11.根据权利要求1所述的方法，其特征在于，还包括：如果所述图像区域中包含多个子图像区域，则采用多组合图像尺寸匹配模型确定所述图像区域中多个子图像区域分别对应的图像轮廓的目标尺寸比。12.根据权利要求1所述的方法，其特征在于，所述根据所述对象在所述原始图像中的图像区域，所述目标图像轮廓以及所述目标尺寸比，生成所述对象的三维网格模型，包括：根据所述图像区域的坐标尺寸，所述目标图像轮廓的坐标尺寸，以及所述目标尺寸比，确定所述对象的端点位置坐标；将所述对象的端点位置坐标进行三角化处理，获得所述对象的三维网格模型。13.一种对象的三维网格模型的获得方法，其特征在于，包括：获得对象的标识信息；基于所述对象的标识信息，获得所述对象的原始图像；根据所述原始图像，利用权利要求1所述的方法，获得包含所述原始图像的对象的三维网格模型，其中，所述对象的三维网格模型为所述对象的三维几何图。
14.一种电子设备，其特征在于，所述电子设备包括处理器和存储器；所述存储器中存储有计算机程序，所述处理器运行所述计算机程序后，执行权利要求1-13任意一项所述的方法。15.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器运行后，执行权利要求1-13任意一项所述的方法。

技术总结
本申请实施例提供一种对象的三维网格模型的生成方法、装置及电子设备，上述方法，根据对象在原始图像中的图像区域，目标图像轮廓以及目标尺寸比，生成对象的三维网格模型，也称作对象的三维几何图。由此，上述对象的三维网格模型的生成方法需要的对象的原始图像容易获取且获取对象的一个原始图像后，经过上述处理即可生成对象的三维网格模型，因此，提升了对象的三维网格模型的生成效率。另外，获取目标图像轮廓的目标尺寸比，生成对象的三维网格模型不仅根据对象在原始图像中的图像区域以及目标图像轮廓，还参考了目标图像轮廓的目标尺寸比，提升了对象的三维网格模型与实际对象的匹配率。的匹配率。的匹配率。


技术研发人员：邬宏 费义云
受保护的技术使用者：阿里巴巴（中国）有限公司
技术研发日：2023.04.21
技术公布日：2023/8/6