一种超分辨率的三维纹理重建方法、装置及其设备与流程

1.本技术涉及图像处理领域，特别是一种超分辨率的三维纹理重建方法、 装置及其设备。


背景技术：

2.纹理映射(texture mapping)，又称纹理贴图，是将平面的纹理像素映 射到三维物体表面的过程。基于实拍的纹理三维映射，就是把多幅图像映射 到三维物体的表面上来增强真实感，并消除三维表面由于不同拍摄视角、光 照等原因产生的区域纹理“接缝”，实现逼真的三维物体彩色模型。纹理映 射和光照计算、图像混合等技术结合起来，可以形成逼真的色彩渲染效果。
3.纹理映射是真实感图像制作的一个重要部分，运用它可以方便的制作出 极具真实感的图形。
4.而在传统的纹理映射中，通常需要进行图像采样，且具有纹理损失，纹 理映射图像的分辨率不高，效果较差。


技术实现要素：

5.鉴于所述问题，提出了本技术以便提供克服所述问题或者至少部分地解 决所述问题的一种超分辨率的三维纹理重建方法、装置及其设备，包括：
6.一种超分辨率的三维纹理重建方法，所述方法应用于建立符合预设测量 体积的目标待测物体的超分辨率真实感纹理模型，所述方法包括：
7.获取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为 所述目标待测物体至少包括五个视角的相位参数；
8.依据所述深度数据生成所述待测物体的三维模型；
9.依据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；
10.依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；
11.依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理模型。
12.进一步地，所述依据所述深度数据生成所述待测物体的三维模型的步骤， 包括：
13.将所述深度数据通过旋转和平移矩阵生成含有重叠区域的数据集；
14.对所述数据集内的重叠区域数据进行冗余数据处理，并依据冗余数据处 理后的所述重叠区域数据生成所述待测物体的三维模型。
15.进一步地，所述对所述数据集内的重叠区域数据进行冗余数据处理，并 依据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维模型的 步骤，包括：
16.将冗余数据处理后的所述重叠区域数据进行数据简化处理生成简化数 据；
17.依据所述简化数据生成所述待测物体的三维模型。
18.进一步地，所述依据所述深度数据、所述纹理图像和所述三维模型构建 映射能量方程的步骤，包括：
19.依据所述纹理图像和所述三维模型确定对应于所述纹理图像与所述三 维模型的变换矩阵；
20.依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵构建 映射能量方程。
21.进一步地，所述依据所述深度数据、所述纹理图像、所述三维模型和所 述变换矩阵构建映射能量方程的步骤，包括：
22.依据所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵确定 所述纹理图像与目标纹理图像的图像误差，以及所述纹理图像与目标纹理图 像的梯度误差；
23.依据所述图像误差以及所述梯度误差构建所述映射能量方程。
24.进一步地，所述对所述映射能量方程进行能量优化处理生成超分辨率的 纹理图像映射的步骤，包括：
25.获取对应于所述映射能量方程的纹理图像映射初值t0；
26.将所述纹理图像映射初值t0进行图像卷积处理生成超分辨率的纹理图 像；
27.将所述超分辨率的纹理图像进行迭代循环处理生成超分辨率的纹理图 像映射t；其中，所述超分辨率的纹理图像映射t满足拉格朗日方程。
28.进一步地，所述依据所述超分辨率的纹理图像映射生成超分辨率真实感 纹理模型的步骤，包括：
29.依据所述超分辨率的纹理图像映射生成超分辨率纹理图像；
30.依据所述超分辨率纹理图像与所述三维模型表面的对应关系生成所述超分 辨率真实感纹理模型。
31.一种超分辨率的三维纹理重建装置,包括：
32.获取模块，用于获取所述目标待测物体的深度数据和纹理图像；其中， 所述深度数据为所述目标待测物体不同视角至少包括五个视角的相位参数；
33.第一生成模块，用于依据所述深度数据生成所述待测物体的三维模型；
34.构建模块，用于依据所述深度数据、所述纹理图像和所述三维模型构建 映射能量方程；
35.第二生成模块，用于依据所述映射能量方程生成能量最优的超分辨率的 纹理图像映射；
36.第三生成模块，用于依据所述超分辨率的纹理图像映射生成所述超分辨 率真实感纹理模型。
37.一种设备，包括处理器、存储器及存储在所述存储器上并能够在所述处 理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所 述的超分辨率的三维纹理重建方法的步骤。
38.一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序， 所述计算机程序被处理器执行时实现如上所述的超分辨率的三维纹理重建 方法的步骤。
39.本技术具有以下优点：
40.在本技术的实施例中，通过获取所述目标待测物体的深度数据和纹理图 像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数； 依据所述深度数据生成所述待测物体的三维模型；依据所述深度数据、所述 纹理图像和所述三维模型构建映
射能量方程；依据所述映射能量方程生成能 量最优的超分辨率的纹理图像映射；依据所述超分辨率的纹理图像映射生成 所述超分辨率真实感纹理模型。避免了纹理三维映射对图像的采样处理，有 效地提高了重建三维模型的纹理分辨率；分辨率提升效果明显。
附图说明
41.为了更清楚地说明本技术的技术方案，下面将对本技术的描述中所需要 使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的 一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提 下，还可以根据这些附图获得其他的附图。
42.图1是本技术一实施例提供的一种超分辨率的三维纹理重建方法的步骤 流程图；
43.图2是本技术一实施例提供的一种超分辨率的三维纹理重建方法的步骤 流程图；
44.图3是本技术一实施例提供的一种超分辨率的三维纹理重建方法的步骤 流程图；
45.图4是本技术一实施例提供的一种超分辨率的三维纹理重建方法的步骤 流程图；
46.图5是本技术一实施例提供的一种超分辨率的三维纹理重建方法的步骤 流程图；
47.图6是本技术一实施例提供的一种超分辨率的三维纹理重建方法的步骤 流程图；
48.图7是本技术一实施例提供的一种超分辨率的三维纹理重建方法的步骤 流程图；
49.图8是本技术一实施例提供的一种超分辨率的三维纹理重建装置的结构 框图；
50.图9是本发明一实施例提供的一种计算机设备的结构示意图。
具体实施方式
51.为使本技术的所述目的、特征和优点能够更加明显易懂，下面结合附图 和具体实施方式对本技术作进一步详细的说明。显然，所描述的实施例是本 申请一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域 普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属 于本技术保护的范围。
52.参照图1，示出了本技术一实施例提供的一种超分辨率的三维纹理重建 方法的步骤流程图；
53.所述方法应用于建立符合预设测量体积的目标待测物体的超分辨率真 实感纹理模型；所述方法包括：
54.s110、获取所述目标待测物体的深度数据和纹理图像；其中，所述深度 数据为所述目标待测物体至少包括五个视角的相位参数；
55.s120、依据所述深度数据生成所述待测物体的三维模型；
56.s130、依据所述深度数据、所述纹理图像和所述三维模型构建映射能量 方程；
57.s140、依据所述映射能量方程生成能量最优的超分辨率的纹理图像映射；
58.s150、依据所述超分辨率的纹理图像映射生成所述超分辨率真实感纹理 模型。
59.在本技术的实施例中，通过获取所述目标待测物体的深度数据和纹理图 像；其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数； 依据所述深度数据生成所述待测物体的三维模型；依据所述深度数据、所述 纹理图像和所述三维模型构建映射能量方程；依据所述映射能量方程生成能 量最优的超分辨率的纹理图像映射；依据所述超分辨率的纹理图像映射生成 所述超分辨率真实感纹理模型。避免了纹理三维映射对图
像的采样处理，有 效地提高了重建三维模型的纹理分辨率；分辨率提升效果明显。
60.下面，将对本示例性实施例中一种超分辨率的三维纹理重建方法作进一 步地说明。
61.需要说明的是，所述超分辨率的纹理图像映射就是一精确映射，通过一 精确映射确定三维物体表面每个点坐标(x,y,z)对应一个rgb颜色值；可 以理解为，保存三维几何模型和采集纹理图像的对应关系，即确保三维几何 模型每个点(x,y,z)都有对应的rgb颜色值。
62.如所述步骤s110所述，获取所述目标待测物体的深度数据和纹理图像； 其中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数。
63.在本发明一实施例中，可以结合下列描述进一步说明步骤s110所述“获 取所述目标待测物体的深度数据和纹理图像；其中，所述深度数据为所述目 标待测物体至少包括五个视角的相位参数”的具体过程。
64.需要说明的是，所述目标待测物体通常为漫反射的物体，且不能透明或 为液态。
65.需要说明的是，获取所述目标待测物体的深度数据指的是在测量体积内， 对待目标测物体的数据采集。
66.需要说明的是，深度数据具体是通过获取目标待测物体至少包括五个视 角拍摄的深度数据，纹理图像具体是通过获取目标待测物体至少包括五个视 角的纹理图像。
67.作为一种示例，通过目标待测物体的相位参数，所述相位参数包括相位 编码、相位解码和相位计算；获得目标待测物体当前视角局部坐标系的深度 数据；再获取其他至少包括五个视角的深度数据；使得深度数据是包含至少 包括五个视角对应的深度数据。
68.作为一种示例，通过目标待测物体的纹理图像数据采集，获取当前视角 的纹理图像，再获取其他视角的纹理图像，使得纹理图像也是包含至少包括 五个视角对应的纹理图像。
69.作为一种示例，所述视角可以为五个视角至八个视角，其中五个视角至 八个视角内均为不同视角；由于目标待测物体的复杂性所以使得拍摄的视角 要多，能够有效地解决目标待测物体复杂，遮挡多的问题。
70.需要说明的是，相位计算指的是通过获取相位，就能得到目标待测物体 的深度坐标(x,y,z)值。
71.如所述步骤s120所述，依据所述深度数据生成所述待测物体的三维模 型。
72.在本发明一实施例中，可以结合下列描述进一步说明步骤s120所述“依 据所述深度数据生成所述待测物体的三维模型”的具体过程。
73.参照图2，示出了本技术一实施例提供的一种超分辨率的三维纹理重建 方法的步骤流程图；
74.如下列步骤所述，所述依据所述深度数据生成所述待测物体的三维模型 的步骤，包括：
75.s1201，将所述深度数据通过旋转和平移矩阵生成含有重叠区域的数据 集；
76.s1202，对所述数据集内的重叠区域数据进行冗余数据处理，并依据冗 余数据处理后的所述重叠区域数据生成所述待测物体的三维模型；
77.需要说明的是，将所述采集深度数据通过旋转和平移矩阵进行配准生成 含有重
叠区域的数据集，并对重叠区域数据进去冗余数据的祛除，再依据冗 余数据处理后的所述重叠区域数据获得目标测量物体的完整三维模型。
78.需要说明的是，建立纹理图像和三维模型的对应关系：β:r2→
r3。
79.作为一种示例，由于不同坐标数据，经过旋转和平移矩阵进行配准后， 因为得到的是重叠区域数据，需要对重叠区域数据进行冗余数据的祛除处理， 即将重叠区域数据内的冗余数据进行祛除，得到无冗余数据的重叠区域数据； 再依据无冗余数据的重叠区域数据生成所述待测物体的三维模型。
80.在具体实现中，由于对目标待测物体进行至少包括五个视角下的深度数 据采集，获取待测物体的深度数据时，在采集得到的深度数据中，相邻深度 数据之间有重叠区域；因此需要将采集得到的深度数据进行祛除冗余数据处 理，使其深度数据更加简洁；而对于目标待测物体进行至少包括五个视角下 的纹理图像采集，获取待测物体的纹理图像时，在采集得到的纹理图像中， 需保证目标待测物体的纹理至少出现在采集得到的纹理图像的n幅图像中， 且n≥2。
81.如所述步骤s1202所述，对所述数据集内的重叠区域数据进行冗余数据 处理，并依据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维 模型。
82.在本发明一实施例中，可以结合下列描述进一步说明步骤s1202“对所 述数据集内的重叠区域数据进行冗余数据处理，并依据冗余数据处理后的所 述重叠区域数据生成所述待测物体的三维模型”的具体过程。
83.参照图3，示出了本技术一实施例提供的一种超分辨率的三维纹理重建 方法的步骤流程图；
84.如下列步骤所述，所述对所述数据集内的重叠区域数据进行冗余数据处 理，并依据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维模 型的步骤，包括：
85.s12021，将冗余数据处理后的所述重叠区域数据进行数据简化处理生成 简化数据；
86.s12022，依据所述简化数据生成所述待测物体的三维模型。
87.需要说明的是，对冗余数据处理后的所述重叠区域数据还可以进行数据 简化处理，在满足精度要求的情况下，用更少的数据实现物体的表达。
88.如所述步骤s130所述，依据所述深度数据、所述纹理图像和所述三维 模型构建映射能量方程。
89.在本发明一实施例中，可以结合下列描述进一步说明步骤s130所述“依 据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程”的具体 过程。
90.参照图4，示出了本技术一实施例提供的一种超分辨率的三维纹理重建 方法的步骤流程图；
91.如下列步骤所述，所述依据所述深度数据、所述纹理图像和所述三维模 型构建映射能量方程的步骤，包括：
92.s1301，依据所述纹理图像和所述三维模型确定对应于所述纹理图像与 所述三维模型的变换矩阵；
93.s1302，依据所述深度数据、所述纹理图像、所述三维模型和所述变换 矩阵构建映射能量方程。
94.需要说明的是，将所述纹理图像与所述三维模型进行匹配，以确定所述 纹理图像与所述三维模型的变换矩阵。
95.需要说明的是，变换矩阵，目的是将不同坐标系下采集的三维数据匹配 到同一坐标系，建立物体完整数据。变换矩阵是刚体变换，可以通过平移和 旋转矩阵来表示。
96.需要说明的是，映射能量方程是依据所述深度数据、所述纹理图像、所 述三维模型和所述变换矩阵一并构建的。
97.需要说明的是，建立映射能量方程依据是，因为开始是初步映射，映射 不是最优映射，为了得到最优映射，建立映射能量方程来衡量映射的好坏， 能量最小，说明映射的损失能量小，映射最优。其作用是，通过初始变换， 建立能量优化，迭代优化，找到能量最小，即最优映射。
98.作为一种示例，依据所述纹理图像和所述三维模型确定对应于所述纹理 图像与所述三维模型的变换矩阵中，还包括对异常纹理图像处理，用于对所 述三维模型的纹理图像大于阈值的纹理进行异常处理，处理纹理图像过曝或 闪光区域，检测过曝或闪光区域进行纹理处理；以及对正常纹理处理，将满 足所述三维模型的纹理阈值的纹理进行纹理图像去噪和冗余数据处理，获得 去冗余的正常纹理图像。
99.在一具体实现中，对纹理图像进行预处理，对目标待测物体局部缺漏数 据、缺失数据进行数据处理；其中，对纹理图像进行预处理，用于对目标待 测物体采集的纹理图像进行处理，含区域分割、背景检测、区域特征等纹理 图像处理，对纹理图像亮度或差异太大的图像，使用图像处理软件进行光照 和色彩强度的处理；对目标待测物体局部缺漏数据、缺失数据进行数据处理， 用于根据目标待测物体周围数据的拓扑情况，进行数据的补偿处理，补充目 标待测物体缺失的局部数据。
100.如所述步骤s1302所述，依据所述深度数据、所述纹理图像、所述三维 模型和所述变换矩阵构建映射能量方程；
101.在本发明一实施例中，可以结合下列描述进一步说明步骤s1302“依据 所述深度数据、所述纹理图像、所述三维模型和所述变换矩阵构建映射能量 方程”的具体过程。
102.参照图5，示出了本技术一实施例提供的一种超分辨率的三维纹理重建 方法的步骤流程图；
103.如下列步骤所述，所述依据所述深度数据、所述纹理图像、所述三维模 型和所述变换矩阵构建映射能量方程的步骤，包括：
104.s13021，依据所述深度数据、所述纹理图像、所述三维模型和所述变换 矩阵确定所述纹理图像与目标纹理图像的图像误差，以及所述纹理图像与目 标纹理图像的梯度误差；
105.s13022，依据所述图像误差以及所述梯度误差构建所述映射能量方程。
106.需要说明的是，目标纹理图像和纹理图像的图像误差之和，以及目标纹 理图像和纹理图像的梯度误差之和，为了平衡两个误差，在梯度误差乘以参 数α，且α≥0。
107.需要说明的是，所述映射能量方程，包含对纹理图像的卷积操作或对纹 理图像的迭代操作，得到超分辨率的纹理图像映射，超分辨纹理图像的分辨 率大于任一采集的纹理图像的分辨率。
108.需要说明的是，所述映射能量方程为：e(t)＝e
data
(t) αe
var
(t)；
109.其中，
[0110][0111]
以及
[0112][0113]
具体地，e
data
(t)为所述纹理图像与目标纹理图像的图像误差，e
var
(t) 为所述纹理图像与目标纹理图像的梯度误差，i
i
为采集的纹理图像，∑为 物体的三维模型，t为待求的纹理映射，β
i
:s
→
∑,i＝1,2,λ,n为纹理图像i
i
到 三维模型∑的投影变换矩阵，b为小孔成像的成像脉冲响应，α为平衡因子， x为图像坐标，e为能量函数，s为物体曲面，d为积分。
[0114]
作为一种示例，e(t)表示能量，e
data
(t)衡量采集图像误差，e
var
(t)衡 量梯度误差(也叫映射误差)。
[0115]
在一具体实现中，d是对图像坐标x积分。
[0116]
如所述步骤s140所述，依据所述映射能量方程生成能量最优的超分辨 率的纹理图像映射；
[0117]
在本发明一实施例中，可以结合下列描述进一步说明步骤s140“依据 所述映射能量方程生成能量最优的超分辨率的纹理图像映射”的具体过程。
[0118]
参照图6，示出了本技术一实施例提供的一种超分辨率的三维纹理重建 方法的步骤流程图；
[0119]
如下列步骤所述，所述对所述映射能量方程进行能量优化处理生成超分 辨率的纹理图像映射的步骤，包括：
[0120]
s1401，获取对应于所述映射能量方程的纹理图像映射初值t0；
[0121]
s1402，将所述纹理图像映射初值t0进行图像卷积处理生成超分辨率的 纹理图像；
[0122]
s1403，将所述超分辨率的纹理图像进行迭代循环处理生成超分辨率的 纹理图像映射t；其中，所述超分辨率的纹理图像映射t满足拉格朗日方程。
[0123]
需要说明的是，通过在所述映射能量方程内输入所述纹理图像映射初值 t0，所述纹理图像映射初值t0经过图像卷积处理，获得超分辨率的纹理图像； 然后，将所述超分辨率的纹理图像进行迭代循环处理得到所述超分辨率的纹 理图像映射t，所述超分辨率的纹理图像映射t即精确的纹理图像映射t； 其中，所述超分辨率的纹理图像映射t满足拉格朗日方程。
[0124]
需要说明的是，纹理图像映射t需要满足拉格朗日方程。
[0125]
作为一种示例，t为待求的纹理图像映射，通过对映射能量方程求解得 到的t，要使得t满足拉格朗日方程。
[0126]
在一具体实现中，
[0127][0128]
其中，
[0129]
d
i
＝b*(t oβ
i
)
‑
i
i
，
[0130][0131]
具体地，υ
i
(s)＝1表示目标待测物体在纹理图像i
i
可见。
[0132]
如所述步骤s150所述，依据所述超分辨率的纹理图像映射生成超分辨 率真实感纹理模型；
[0133]
在本发明一实施例中，可以结合下列描述进一步说明步骤s150“依据 所述超分辨率的纹理图像映射生成超分辨率真实感纹理模型”的具体过程。
[0134]
参照图7，示出了本技术一实施例提供的一种超分辨率的三维纹理重建 方法的步骤流程图；
[0135]
如下列步骤所述，所述依据所述超分辨率的纹理图像映射生成超分辨率 真实感纹理模型的步骤，包括：
[0136]
s1501，依据所述超分辨率的纹理图像映射生成超分辨率纹理图像；
[0137]
s1502，依据所述超分辨率纹理图像与所述三维模型表面的对应关系生 成所述超分辨率真实感纹理模型。
[0138]
需要说明的是，获取超分辨率的纹理图像映射t:s
→
r，获取对应的 超分辨率的纹理图像存储在计算机缓存中，再通过纹理图像与 三维模型表面s的对应关系，得到超分辨率真实感纹理模型。
[0139]
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较 简单，相关之处参见方法实施例的部分说明即可。
[0140]
参照图8，示出了本技术一实施例提供的一种超分辨率的三维纹理重建 装置的结构框图；
[0141]
具体包括：
[0142]
获取模块810，用于获取所述目标待测物体的深度数据和纹理图像；其 中，所述深度数据为所述目标待测物体至少包括五个视角的相位参数；
[0143]
第一生成模块820，用于依据所述深度数据生成所述待测物体的三维模 型；
[0144]
构建模块830，用于依据所述深度数据、所述纹理图像和所述三维模型 构建映射能量方程；
[0145]
第二生成模块840，用于依据所述映射能量方程生成能量最优的超分辨 率的纹理图像映射；
[0146]
第三生成模块850，用于依据所述超分辨率的纹理图像映射生成所述超 分辨率真实感纹理模型。
[0147]
在本发明一实施例中，所述第一生成模块820，包括：
[0148]
第一生成子模块，用于将所述深度数据通过旋转和平移矩阵生成含有重 叠区域的数据集；
[0149]
第二生成子模块，用于对所述数据集内的重叠区域数据进行冗余数据处 理，并依
据冗余数据处理后的所述重叠区域数据生成所述待测物体的三维模 型。
[0150]
在本发明一实施例中，所述第二生成子模块，包括：
[0151]
第一生成单元，用于将冗余数据处理后的所述重叠区域数据进行数据简 化处理生成简化数据；
[0152]
第二生成单元，用于依据所述简化数据生成所述待测物体的三维模型。
[0153]
在本发明一实施例中，所述构建模块830，包括：
[0154]
确定子模块，用于依据所述纹理图像和所述三维模型确定对应于所述纹 理图像与所述三维模型的变换矩阵；
[0155]
构建子模块，用于依据所述深度数据、所述纹理图像、所述三维模型和 所述变换矩阵构建映射能量方程。
[0156]
在本发明一实施例中，所述构建子模块，包括：
[0157]
确定单元，用于依据所述深度数据、所述纹理图像、所述三维模型和所 述变换矩阵确定所述纹理图像与目标纹理图像的图像误差，以及所述纹理图 像与目标纹理图像的梯度误差；
[0158]
构建单元，用于依据所述图像误差以及所述梯度误差构建所述映射能量 方程。
[0159]
在本发明一实施例中，所述第二生成模块840，包括：
[0160]
获取子模块，用于获取对应于所述映射能量方程的纹理图像映射初值t0；
[0161]
第三生成子模块，用于将所述纹理图像映射初值t0进行图像卷积处理生 成超分辨率的纹理图像。
[0162]
第四生成子模块，用于将所述超分辨率的纹理图像进行迭代循环处理生 成超分辨率的纹理图像映射t；其中，所述超分辨率的纹理图像映射t满足 拉格朗日方程。
[0163]
在本发明一实施例中，所述第三生成模块850，包括：
[0164]
第四生成子模块，用于依据所述超分辨率的纹理图像映射生成超分辨率 纹理图像；
[0165]
第五生成子模块，用于依据所述超分辨率纹理图像与所述三维模型表面 的对应关系生成所述超分辨率真实感纹理模型。
[0166]
参照图9，示出了本发明的一种超分辨率的三维纹理重建方法的计算机 设备，具体可以包括如下：
[0167]
上述计算机设备12以通用计算设备的形式表现，计算机设备12的组件 可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28， 连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0168]
总线18表示几类总线18结构中的一种或多种，包括存储器总线18或 者存储器控制器，外围总线18，图形加速端口，处理器或者使用多种总线 18结构中的任意总线18结构的局域总线18。举例来说，这些体系结构包括 但不限于工业标准体系结构(isa)总线18，微通道体系结构(mac)总线 18，增强型isa总线18、音视频电子标准协会(vesa)局域总线18以及 外围组件互连(pci)总线18。
[0169]
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是 任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质， 可移动的和不可移动的介质。
[0170]
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例 如随机存取存储器(ram)30和/或高速缓存存储器32。计算机设备12可 以进一步包括其他移动/不可移动的、易失性/非易失性计算机体统存储介质。 仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(通 常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易 失性磁盘(如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例 如cd
‑
rom，dvd
‑
rom或者其他光介质)读写的光盘驱动器。在这些情况 下，每个驱动器可以通过一个或者多个数据介质界面与总线18相连。存储 器可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序 模块42，这些程序模块42被配置以执行本发明各实施例的功能。
[0171]
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例 如存储器中，这样的程序模块42包括——但不限于——操作系统、一个或 者多个应用程序、其他程序模块42以及程序数据，这些示例中的每一个或 某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述 的实施例中的功能和/或方法。
[0172]
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、 显示器24、摄像头等)通信，还可与一个或者多个使得操作人员能与该计算 机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其 他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种 通信可以通过输入/输出(i/o)界面22进行。并且，计算机设备12还可以 通过网络适配器20与一个或者多个网络(例如局域网(lan))，广域网 (wan)和/或公共网络(例如因特网)通信。如图所示，网络适配器20通 过总线18与计算机设备12的其他模块通信。应当明白，尽管图9中未示出， 可以结合计算机设备12使用其他硬件和/或软件模块，包括但不限于：微代 码、设备驱动器、冗余处理单元16、外部磁盘驱动阵列、raid系统、磁带 驱动器以及数据备份存储系统34等。
[0173]
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功 能应用以及数据处理，例如实现本发明实施例所提供的超分辨率的三维纹理 重建方法。
[0174]
也即，上述处理单元16执行上述程序时实现：获取所述目标待测物体 的深度数据和纹理图像；其中，所述深度数据为所述目标待测物体至少包括 五个视角的相位参数；依据所述深度数据生成所述待测物体的三维模型；依 据所述深度数据、所述纹理图像和所述三维模型构建映射能量方程；依据所 述映射能量方程生成能量最优的超分辨率的纹理图像映射；依据所述超分辨 率的纹理图像映射生成所述超分辨率真实感纹理模型。
[0175]
在本发明实施例中，本发明还提供一种计算机可读存储介质，其上存储 有计算机程序，该程序被处理器执行时实现如本技术所有实施例提供的超分 辨率的三维纹理重建方法：
[0176]
也即，给程序被处理器执行时实现：获取所述目标待测物体的深度数据 和纹理图像；其中，所述深度数据为所述目标待测物体至少包括五个视角的 相位参数；依据所述深度数据生成所述待测物体的三维模型；依据所述深度 数据、所述纹理图像和所述三维模型构建映射能量方程；依据所述映射能量 方程生成能量最优的超分辨率的纹理图像映射；依据所述超分辨率的纹理图 像映射生成所述超分辨率真实感纹理模型。
[0177]
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可 以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例 如可以是——但不
个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终 端设备中还存在另外的相同要素。
[0184]
以上对本技术所提供的一种超分辨率的三维纹理重建方法、装置及其设 备，进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进 行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想； 同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及 应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术 的限制。