本發(fā)明屬于織物影像處理領(lǐng)域，特別涉及一種織物影像處理裝置以及方法。

背景技術(shù)：

1、在目前的紡織技術(shù)中，往往需要在虛擬的三維空間中模擬虛擬的織物(或布料)，借以觀察虛擬的織物在三維空間中的垂墜以及運(yùn)動(dòng)的情況。這往往需要先測(cè)量出織物的物理形變參數(shù)(例如，經(jīng)向彎曲(bending?works?warp)功、緯向彎曲(bending?works?weft)功、經(jīng)向拉伸(stretch?warp)伸長(zhǎng)率、緯向拉伸(stretch?weft)伸長(zhǎng)率或斜向拉伸(stretch?oblique)伸長(zhǎng)率等)才能進(jìn)一步進(jìn)行模擬。然而，要量測(cè)出織物的物理形變參數(shù)通常需要特定的檢測(cè)機(jī)臺(tái)對(duì)織物進(jìn)行檢測(cè)，這會(huì)花費(fèi)大量的時(shí)間以及人力。因此，要如何在不測(cè)量織物的物理形變參數(shù)的情況下快速得知織物的物理形變參數(shù)是本領(lǐng)域技術(shù)人員急欲解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種織物影像處理裝置，以解決上述至少之一問(wèn)題。

2、本發(fā)明揭示的一態(tài)樣揭露一種織物影像處理裝置，其包括影像擷取電路、內(nèi)存以及處理器。影像擷取電路用以擷取第一織物的第一俯視影像以及第一側(cè)視影像。內(nèi)存用以儲(chǔ)存與第一織物對(duì)應(yīng)的第一物理形變參數(shù)。處理器連接影像擷取電路以及內(nèi)存，用以執(zhí)行第一神經(jīng)網(wǎng)絡(luò)模型、第二神經(jīng)網(wǎng)絡(luò)模型、第一線性回歸模型、第二線性回歸模型以及第三線性回歸模型，其中處理器執(zhí)行以下操作：對(duì)第一俯視影像以及第一側(cè)視影像分別執(zhí)行去背算法以產(chǎn)生第一俯視剪影圖以及第一側(cè)視剪影圖；根據(jù)第一俯視剪影圖以及對(duì)應(yīng)的第一物理形變參數(shù)更新第一神經(jīng)網(wǎng)絡(luò)模型以及第一線性回歸模型，并根據(jù)第一側(cè)視剪影圖以及對(duì)應(yīng)的第一物理形變參數(shù)更新第二神經(jīng)網(wǎng)絡(luò)模型以及第二線性回歸模型；將第一俯視剪影圖以及第一側(cè)視剪影圖分別輸入第一神經(jīng)網(wǎng)絡(luò)模型以及第二神經(jīng)網(wǎng)絡(luò)模型以產(chǎn)生第一輸出向量以及第二輸出向量；以及將第一輸出向量以及第二輸出向量串接以產(chǎn)生結(jié)合向量，并根據(jù)結(jié)合向量以及對(duì)應(yīng)的第一物理形變參數(shù)更新第三線性回歸模型。

3、在一些態(tài)樣中，該第一神經(jīng)網(wǎng)絡(luò)模型串接于該第一線性回歸模型之前，其中該根據(jù)該第一俯視剪影圖以及對(duì)應(yīng)的該第一物理形變參數(shù)更新該第一神經(jīng)網(wǎng)絡(luò)模型以及該第一線性回歸模型的步驟包括：將該第一俯視剪影圖以及該第一物理形變參數(shù)分別做為一訓(xùn)練樣本以及一訓(xùn)練標(biāo)簽，并利用該訓(xùn)練樣本以及該訓(xùn)練標(biāo)簽更新該第一神經(jīng)網(wǎng)絡(luò)模型以及該第一線性回歸模型的參數(shù)。

4、在一些態(tài)樣中，該第二神經(jīng)網(wǎng)絡(luò)模型串接于該第二線性回歸模型之前，其中根據(jù)該第一側(cè)視剪影圖以及對(duì)應(yīng)的該第一物理形變參數(shù)更新該第二神經(jīng)網(wǎng)絡(luò)模型以及該第二線性回歸模型的步驟包括：將該第一側(cè)視剪影圖以及對(duì)應(yīng)的該第一物理形變參數(shù)分別做為一訓(xùn)練樣本以及一訓(xùn)練標(biāo)簽，并利用該訓(xùn)練樣本以及該訓(xùn)練標(biāo)簽更新該第二神經(jīng)網(wǎng)絡(luò)模型以及該第二線性回歸模型的參數(shù)。

5、在一些態(tài)樣中，該第三線性回歸模型同時(shí)連接于該第一神經(jīng)網(wǎng)絡(luò)模型以及該第二神經(jīng)網(wǎng)絡(luò)模型之后，其中根據(jù)該結(jié)合向量以及對(duì)應(yīng)的該第一物理形變參數(shù)更新該第三線性回歸模型的步驟包括：將該結(jié)合向量以及對(duì)應(yīng)的該第一物理形變參數(shù)分別做為一訓(xùn)練樣本以及一訓(xùn)練標(biāo)簽，并利用該訓(xùn)練樣本以及該訓(xùn)練標(biāo)簽更新該第三線性回歸模型的參數(shù)。

6、在一些態(tài)樣中，該影像擷取電路擷取與一第二織物對(duì)應(yīng)的一第二俯視影像以及一第二側(cè)視影像，該處理器對(duì)該第二俯視影像以及該第二側(cè)視影像分別執(zhí)行該去背算法以產(chǎn)生一第二俯視剪影圖以及一第二側(cè)視剪影圖，以及該處理器通過(guò)更新后的該第一神經(jīng)網(wǎng)絡(luò)模型、更新后的該第二神經(jīng)網(wǎng)絡(luò)模型以及更新后的該第三線性回歸模型，將該第二俯視剪影圖以及該第二側(cè)視剪影圖轉(zhuǎn)換為一第二物理形變參數(shù)。

7、本揭示的另一態(tài)樣揭露一種織物影像處理方法，包括：擷取第一織物的第一俯視影像以及第一側(cè)視影像，并對(duì)第一俯視影像以及第一側(cè)視影像分別執(zhí)行去背算法以產(chǎn)生第一俯視剪影圖以及第一側(cè)視剪影圖；根據(jù)第一俯視剪影圖以及對(duì)應(yīng)的第一物理形變參數(shù)更新第一神經(jīng)網(wǎng)絡(luò)模型以及第一線性回歸模型，并根據(jù)第一側(cè)視剪影圖以及對(duì)應(yīng)的第一物理形變參數(shù)更新第二神經(jīng)網(wǎng)絡(luò)模型以及第二線性回歸模型；將第一俯視剪影圖以及第一側(cè)視剪影圖分別輸入第一神經(jīng)網(wǎng)絡(luò)模型以及第二神經(jīng)網(wǎng)絡(luò)模型以產(chǎn)生第一輸出向量以及第二輸出向量；以及將第一輸出向量以及第二輸出向量串接以產(chǎn)生結(jié)合向量，并根據(jù)結(jié)合向量以及對(duì)應(yīng)的第一物理形變參數(shù)更新第三線性回歸模型。

8、在一些態(tài)樣中，該第一神經(jīng)網(wǎng)絡(luò)模型串接于該第一線性回歸模型之前，其中該根據(jù)該第一俯視剪影圖以及對(duì)應(yīng)的該第一物理形變參數(shù)更新該第一神經(jīng)網(wǎng)絡(luò)模型以及該第一線性回歸模型的步驟包括：將該第一俯視剪影圖以及該第一物理形變參數(shù)分別做為一訓(xùn)練樣本以及一訓(xùn)練標(biāo)簽，并利用該訓(xùn)練樣本以及該訓(xùn)練標(biāo)簽更新該第一神經(jīng)網(wǎng)絡(luò)模型以及該第一線性回歸模型的參數(shù)。

9、在一些態(tài)樣中，該第二神經(jīng)網(wǎng)絡(luò)模型串接于該第二線性回歸模型之前，其中根據(jù)該第一側(cè)視剪影圖以及對(duì)應(yīng)的該第一物理形變參數(shù)更新該第二神經(jīng)網(wǎng)絡(luò)模型以及該第二線性回歸模型的步驟包括：將該第一側(cè)視剪影圖以及對(duì)應(yīng)的該第一物理形變參數(shù)分別做為一訓(xùn)練樣本以及一訓(xùn)練標(biāo)簽，并利用該訓(xùn)練樣本以及該訓(xùn)練標(biāo)簽更新該第二神經(jīng)網(wǎng)絡(luò)模型以及該第二線性回歸模型的參數(shù)。

10、在一些態(tài)樣中，該第三線性回歸模型同時(shí)連接于該第一神經(jīng)網(wǎng)絡(luò)模型以及該第二神經(jīng)網(wǎng)絡(luò)模型之后，其中根據(jù)該結(jié)合向量以及對(duì)應(yīng)的該第一物理形變參數(shù)更新該第三線性回歸模型的步驟包括：將該結(jié)合向量以及對(duì)應(yīng)的該第一物理形變參數(shù)分別做為一訓(xùn)練樣本以及一訓(xùn)練標(biāo)簽，并利用該訓(xùn)練樣本以及該訓(xùn)練標(biāo)簽更新該第三線性回歸模型的參數(shù)。

11、在一些態(tài)樣中，織物影像處理方法更包括：擷取與一第二織物對(duì)應(yīng)的一第二俯視影像以及一第二側(cè)視影像，對(duì)該第二俯視影像以及該第二側(cè)視影像分別執(zhí)行該去背算法以產(chǎn)生一第二俯視剪影圖以及一第二側(cè)視剪影圖，以及通過(guò)更新后的該第一神經(jīng)網(wǎng)絡(luò)模型、更新后的該第二神經(jīng)網(wǎng)絡(luò)模型以及更新后的該第三線性回歸模型，將該第二俯視剪影圖以及該第二側(cè)視剪影圖轉(zhuǎn)換為一第二物理形變參數(shù)。

12、本揭示的織物影像處理裝置利用兩個(gè)神經(jīng)網(wǎng)絡(luò)模型以及三個(gè)線性回歸模型的結(jié)合，將可利用織物的剪影訓(xùn)練出可預(yù)測(cè)出物理形變參數(shù)的模型。借此，只要將與新的織物對(duì)應(yīng)的新的剪影輸入訓(xùn)練好的兩個(gè)神經(jīng)網(wǎng)絡(luò)模型以及其中一個(gè)線性回歸模型，就能產(chǎn)生用以進(jìn)行模擬的新的物理形變參數(shù)。如此一來(lái)，將不需要預(yù)先對(duì)新的織物測(cè)量各種形變量(較難取得)，并可直接在三維虛擬空間中模擬虛擬織物的垂墜與運(yùn)動(dòng)。這將節(jié)省另外測(cè)量物理形變參數(shù)的時(shí)間以及人力，并大大提升在三維虛擬空間中模擬虛擬織物的效果。

技術(shù)特征：

1.一種織物影像處理裝置，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的織物影像處理裝置，其特征在于，其中該第一神經(jīng)網(wǎng)絡(luò)模型串接于該第一線性回歸模型之前，其中根據(jù)該第一俯視剪影圖以及對(duì)應(yīng)的該第一物理形變參數(shù)更新該第一神經(jīng)網(wǎng)絡(luò)模型以及該第一線性回歸模型的步驟包括：

3.根據(jù)權(quán)利要求1所述的織物影像處理裝置，其特征在于，其中該第二神經(jīng)網(wǎng)絡(luò)模型串接于該第二線性回歸模型之前，其中根據(jù)該第一側(cè)視剪影圖以及對(duì)應(yīng)的該第一物理形變參數(shù)更新該第二神經(jīng)網(wǎng)絡(luò)模型以及該第二線性回歸模型的步驟包括：

4.根據(jù)權(quán)利要求1所述的織物影像處理裝置，其特征在于，其中該第三線性回歸模型同時(shí)連接于該第一神經(jīng)網(wǎng)絡(luò)模型以及該第二神經(jīng)網(wǎng)絡(luò)模型之后，其中根據(jù)該結(jié)合向量以及對(duì)應(yīng)的該第一物理形變參數(shù)更新該第三線性回歸模型的步驟包括：

5.根據(jù)權(quán)利要求1所述的織物影像處理裝置，其特征在于，其中

6.一種織物影像處理方法，其特征在于，包括：

7.根據(jù)權(quán)利要求6所述的織物影像處理方法，其特征在于，其中該第一神經(jīng)網(wǎng)絡(luò)模型串接于該第一線性回歸模型之前，其中根據(jù)該第一俯視剪影圖以及對(duì)應(yīng)的該第一物理形變參數(shù)更新該第一神經(jīng)網(wǎng)絡(luò)模型以及該第一線性回歸模型的步驟包括：

8.根據(jù)權(quán)利要求6所述的織物影像處理方法，其特征在于，其中該第二神經(jīng)網(wǎng)絡(luò)模型串接于該第二線性回歸模型之前，其中根據(jù)該第一側(cè)視剪影圖以及對(duì)應(yīng)的該第一物理形變參數(shù)更新該第二神經(jīng)網(wǎng)絡(luò)模型以及該第二線性回歸模型的步驟包括：

9.根據(jù)權(quán)利要求6所述的織物影像處理方法，其特征在于，其中該第三線性回歸模型同時(shí)連接于該第一神經(jīng)網(wǎng)絡(luò)模型以及該第二神經(jīng)網(wǎng)絡(luò)模型之后，其中根據(jù)該結(jié)合向量以及對(duì)應(yīng)的該第一物理形變參數(shù)更新該第三線性回歸模型的步驟包括：

10.根據(jù)權(quán)利要求6所述的織物影像處理方法，其特征在于，還包括：

技術(shù)總結(jié)
本發(fā)明提供一種織物影像處理裝置，其包括影像擷取電路、內(nèi)存以及處理器。影像擷取電路用以擷取第一織物的第一俯視影像以及第一側(cè)視影像。處理器執(zhí)行以下操作：根據(jù)第一俯視剪影圖以及對(duì)應(yīng)的第一物理形變參數(shù)更新第一神經(jīng)網(wǎng)絡(luò)模型以及第一線性回歸模型，并根據(jù)第一側(cè)視剪影圖以及對(duì)應(yīng)的第一物理形變參數(shù)更新第二神經(jīng)網(wǎng)絡(luò)模型以及第二線性回歸模型；將第一俯視剪影圖以及第一側(cè)視剪影圖分別輸入第一神經(jīng)網(wǎng)絡(luò)模型以及第二神經(jīng)網(wǎng)絡(luò)模型以產(chǎn)生結(jié)合向量，并根據(jù)結(jié)合向量以及對(duì)應(yīng)的第一物理形變參數(shù)更新第三線性回歸模型。本發(fā)明揭示的織物影像處理裝置及方法能節(jié)省測(cè)量物理形變參數(shù)的時(shí)間以及人力，提升在三維虛擬空間中模擬虛擬織物的效果。

技術(shù)研發(fā)人員：楊星珩,謝孟軒
受保護(hù)的技術(shù)使用者：適著三維科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/26