一种游戏模型生成方法、装置、系统及计算机存储介质与流程

1.本发明涉及游戏技术领域，特别涉及一种游戏模型生成方法、装置、系统及计算机存储介质。


背景技术：

2.本发明所述游戏，是指各种使用计算机、游戏机、智能手机、平板电脑、ar/vr设备等智能化终端可单机使用或者联网连多机使用的游戏程序，单个用户或多个用户通过游戏程序进行对战、竞技、竞猜、增长技能等级等的游戏。本发明所述的游戏模型，是游戏中具有某种定义的虚拟人物、虚拟宠物及虚拟道具或物品，是用来实现游戏里的虚拟世界扮演具有某种定义的载体。
3.但是，现有的技术中，游戏角色人物都是游戏开发商的设计者预先定义，并存储在游戏程序中。游戏开发商及其设计者在设计前就需要大量的准备工作，如创意和剧情方面，然后就是原型设计，通过概念设计人员给出一个平面的角色概念设计，能够表现出角色的体型、特征、大致的性格，通过这些概念图再进行细化，用类似三视图(正面，侧面，背面)来为3d设计者提供参考。3d设计者然后通过电脑进行中模制作、高模制作和低模制作等步骤，把游戏角色的三维模型建造出来。中模制作指的是需要使用常规的3d软件进行一个中等面数的模型的生成；高模制作指的是使用特定的3d软件进行模型关键细节的雕刻，使其更逼真地符合生物体的正常结构形态；低模制作则需要在中模的基础上减少面数，避免游戏程序在运行中受到游戏设备机能限制而造成的卡顿、宕机等。模型制作完成后，还需要进行合理的分布uv图，这一步骤即是烘焙法线，包括需要折分uv、调整高低模的匹配度，再进入烘焙贴图。贴图绘制是游戏角色生成的关键的一步，需要根据游戏风格选择合适的贴图素材，这要求需要美术功底的设计人员进行创作，从而提供游戏的表现效果和质感。模型和贴图都准备好后，对于不活动的，这时基本上可以被游戏程序使用了；但是对于活动的，需要再进入骨骼绑定，使得游戏中的角色是根据肌肉走向和关节位置布线符合生物体，自然、舒服，不会在游戏中出现反空间反物质的结构。最后一步就是动画调节，不仅要求具备人体解剖学、骨骼学、生物学的知识，确保骨骼父子关系的清晰合理性，特别要反复检查参与皮肤的骨骼；通常一个骨骼上往往会用在多个对象上，因此严格按照动画流程来进行绑定制作。完成这一步，整个游戏角色(游戏人物或游戏宠物等)就可以通过导入引擎调节来看到最终效果了。
4.在现有的技术中，需要通过在电脑上由专业设计人员进行3d制模，其不仅对游戏设备机能的要求高，而且预先3d制模所获得的游戏中的游戏角色形象和风格也难以符合游戏玩家的要求。此外，我们可以看到，在现有的技术中，游戏开发商及设计人员在开发游戏过程中，无论是游戏角色的生成并不是一个简单的事，需要投入巨大的资源，这使得游戏模型的开发成本高，开发周期长等。


技术实现要素：

5.针对现有技术的以上缺陷或改进需求，本发明提供了一种游戏模型生成方法，包括：对通过三维扫描目标所获得的三维图像信息进行预处理，获得所述目标的原始三维点云数据信息；对所述原始三维点云数据信息进行中处理，获得所述目标的高精度三维点云数据信息；对所述高精度三维点云数据信息进行后处理，获得所述目标的原始游戏模型；对所述原始游戏模型进行优化，生成目标游戏模型。
6.优选地，所述预处理包括将混入所述三维图像信息中的背景噪声进行降噪增益处理。
7.优选地，所述预处理包括对所述三维图像信息中因镜头畸变引起的误差进行校正补偿。
8.优选地，还包括在对所述三维图像信息进行所述预处理时，预先由存储库读取三维图像采集设备的内部参数进行校正补偿。
9.优选地，所述预处理包括对所述三维图像信息进行像素固定、噪声校正补偿。
10.优选地，所述预处理包括对所述三维图像信息进行温度漂移校正补偿。
11.优选地，所述预处理包括对所述三维图像信息的深度图像数据误差进行校正补偿。
12.优选地，通过等间隔内的多个子帧深度图像数据对应像素点的距离值，先将每个子帧的深度图像数据分成若干个子块局部区域后，然后检测相同位置的像素点的距离值是否均是最小的，利用像素点对应的距离值均是最小的所在帧的局部区域进行替换。
13.优选地，通过等间隔内的多个帧深度图像数据对应点的光强灰度值累计后平均。
14.优选地，所述预处理包括对所述原始三维点云数据信息的加密处理。
15.优选地，所述中处理包括对所述原始三维点云数据信息进行平滑滤波处理，以消除原始三维点云数据中散列点和/或孤立点。
16.优选地，所述中处理包括对所述原始三维点云数据信息进行精简处理，将所述目标的外轮廓进行粗识别，并保留所述目标的内轮廓点云数据。
17.优选地，所述中处理包括对所述原始三维点云数据信息进行特征增强处理，从而将点云的边缘位置信息进行增强、保留。
18.优选地，所述中处理包括在对所述原始三维点云数据信息进行孔洞修补处理时，将孔洞边界确定下来，并根据一定的规则进行孔洞的修补。
19.优选地，利用周边像素值来预测所述孔洞处的灰度值，再确定所述孔洞位置及其中心，然后以所述孔洞的中心向多方向进行搜索，在每个所述方向都获得有效值之后，计算平均值作为孔洞像素的深度值，以此对所述孔洞进行修补处理。
20.优选地，所述后处理包括对所述高精度三维点云数据信息进行三维点云配准。
21.优选地，通过刚体转换实现空间的坐标转换，完成三维点云配准。
22.优选地，所述后处理包括通过将所述目标从点云数据中分离与识别，描述三维点云的特征，完成所述目标的三维点云的分割与分类。
23.优选地，通过对所述目标的三维点云进行网格化处理，实现稀疏点云的网格化，获得三维点云的网格化模型。
24.优选地，所述网格化处理为三角网格化处理。
25.优选地，对经过所述三角网络化处理后的所述目标的三维点云进行泊松拟合平滑化，实现曲面重建。
26.优选地，对所述三维点云的网格化模型进行三维建模处理和可视化处理，获得所述目标的原始游戏模型。
27.优选地，所述后处理包括对所述目标的三维点云进行纹理增强，实现三维模型重建。
28.优选地，所述后处理包括对运动的所述目标的原始游戏模型进行骨架特征提取与定义处理。
29.优选地，根据对仿真程度的要求，对所述目标的原始游戏模型的游戏渲染所具备的参数进行具体化处理，生成不同仿真程度的所述目标游戏模型。
30.优选地，所述游戏渲染所具备的参数包括游戏渲染所具备的材质、属性和/或纹理。
31.优选地，通过调整所述目标的原始游戏模型的面数，以获得不同仿真程度的所述目标游戏模型。
32.优选地，通过对所述目标从多个角度进行三维扫描，获得所述目标的三维图像信息。
33.本发明另一方面提供了一种游戏模型生成装置，包括：预处理模块，对通过三维扫描目标所获得的三维图像信息进行预处理，获得所述目标的原始三维点云数据信息；中处理模块，对所述原始三维点云数据信息进行中处理，获得所述目标的高精度三维点云数据信息；后处理模块，对所述高精度三维点云数据信息进行后处理，获得所述目标的原始游戏模型；游戏模型生成模块，对所述原始游戏模型进行优化，生成目标游戏模型。
34.优选地，所述预处理模块包括：背景噪声校正模块，将混入所述三维图像信息中的背景噪声进行降噪增益处理；温度漂移校正模块，对所述三维图像信息进行温度漂移校正补偿；镜头畸变校正模块，对所述三维图像信息中因镜头畸变引起的误差进行校正补偿；深度误差校正模块，对所述三维图像信息的深度图像数据误差进行校正补偿。
35.优选地，所述背景噪声校正模块对所述三维图像信息进行像素固定、噪声校正补偿。
36.优选地，所述深度误差校正模块，通过等间隔内的多个子帧深度图像数据对应像素点的距离值，先将每个子帧的深度图像数据分成若干个子块局部区域后，然后检测相同位置的像素点的距离值是否均是最小的，利用像素点对应的距离值均是最小的所在帧的局部区域进行替换。
37.优选地，所述深度误差校正模块，通过等间隔内的多个帧深度图像数据对应点的光强灰度值累计后平均。
38.优选地，所述预处理模块还包括：加密模块，对所述原始三维点云数据信息的加密处理。
39.优选地，所述中处理模块包括：三维点云平滑滤波处理模块，对所述原始三维点云数据信息进行平滑滤波处理，以消除原始三维点云数据中散列点和/或孤立点；三维点云孔洞修补处理模块，对所述原始三维点云数据信息进行孔洞修补处理，将孔洞边界确定下来，并根据一定的规则进行孔洞的修补；三维点云特征增强处理模块，对所述原始三维点云数
据信息进行特征增强处理，从而将点云的边缘位置信息进行增强、保留。
40.优选地，所述三维点云孔洞修补处理模块在对所述原始三维点云数据信息进行孔洞修补处理时，将孔洞边界确定下来，并根据一定的规则进行孔洞的修补。
41.优选地，所述三维点云孔洞修补处理模块利用周边像素值来预测所述孔洞处的灰度值，再确定所述孔洞位置及其中心，然后以所述孔洞的中心向多方向进行搜索，在每个所述方向都获得有效值之后，计算平均值作为孔洞像素的深度值，以此对所述孔洞进行修补处理。
42.优选地，所述后处理模块包括：三维点云配准模块，对所述高精度三维点云数据信息进行三维点云配准；目标点云分割与分类模块，通过将所述目标从点云数据中分离与识别，描述三维点云的特征，完成所述目标的三维点云的分割与分类；目标点云网格化模块，通过对所述目标的三维点云进行网格化处理，实现稀疏点云的网格化，获得三维点云的网格化模型；目标模型可视化模块，对所述三维点云的网格化模型进行三维建模处理和可视化处理，获得所述目标的原始游戏模型。
43.优选地，所述后处理模块还包括：特征提取和定义模块，对运动的所述目标的原始游戏模型进行骨架特征提取与定义处理。
44.优选地，所述三维点云配准模块通过刚体转换实现空间的坐标转换，完成三维点云配准。
45.优选地，所述网格化处理为三角网格化处理。
46.优选地，所述目标模型可视化模块对所述目标的三维点云进行纹理增强，实现三维模型重建。
47.优选地，所述游戏模型生成模块根据对仿真程度的要求，对所述目标的原始游戏模型的游戏渲染所具备的参数进行具体化处理，生成不同仿真程度的所述目标游戏模型。
48.优选地，所述游戏渲染所具备的参数包括游戏渲染所具备的材质、属性和/或纹理。
49.优选地，所述游戏模型生成模块通过调整所述目标的原始游戏模型的面数，以获得不同仿真程度的所述目标游戏模型。
50.优选地，所述的游戏模型生成装置还包括：三维图像采集模块，通过对所述目标从多个角度进行三维扫描，获得所述目标的三维图像信息。
51.本发明再一方面提供了一种用于游戏模型生成的计算机系统，所述系统包括：处理器；计算机可读介质；存储在所述计算机可读介质上的用于由所述处理器中的至少一个执行的计算机程序指令，所述计算机程序指令包括用于执行游戏模型生成方法的相应步骤的计算机程序指令。
52.本发明还提供了一种用于游戏模型生成的计算机可读存储介质，所述计算机可读存储介质上存储有至少一个可执行的计算机程序指令，所述计算机程序指令包括用于执行游戏模型生成方法的相应步骤的计算机程序指令。
53.根据本发明的游戏模型生成方法，能够根据游戏开发商及设计人员预定义的参数快速地生成游戏模型，这样极大地方便设计人员、玩家用户等，而且还可以使得设计人员、玩家用户等根据自己的实际需求快速地生成游戏模型。此外，根据本发明的游戏模型生成方法，让游戏开发商及设计人员在开发游戏过程中，无需要投入巨大的资源，降低游戏模型
的开发成本高，缩短开发周期长等。
附图说明
54.图1为本发明一实施方式的游戏模型生成系统的结构示意图；
55.图2为本发明一实施方式的游戏模型生成装置的结构示意图；
56.图3为本发明一实施方式的游戏模型生成装置的控制装置结构示意图；
57.图4为本发明一实施方式的生成游戏模型的流程图；
58.图5为本发明步骤s20中的一个实施例的流程图；
59.图6为本发明步骤s30中的一个实施例的流程图；
60.图7为本发明步骤s40中的一个实施例的流程图。
具体实施方式
61.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
62.图1为本发明一实施方式的游戏模型生成系统的结构示意图，图2为本发明一实施方式的游戏模型生成装置的结构示意图。如图1和图2所示，上述游戏模型生成系统包括三维图像采集模块1和游戏模型生成装置20，其中上述游戏模型生成装置20包括：预处理模块2、中处理模块3、后处理模块4和游戏模型生成模块5。其中，上述三维图像采集模块1、预处理模块2、中处理模块3、后处理模块4和游戏模型生成模块5之间相互通信连接。上述三维图像采集模块1用于对目标进行扫描，以获得目标的三维图像信息。上述三维图像采集模块1具有三维扫描设备(比如深度相机)能够从多个角度对目标进行扫描，以获得目标的三维图像信息。
63.在本实施方式中，优选地，上述三维图像采集模块1通过主动向目标发射出光信号，并可采用飞行时间法、散斑结构光法、编码结构光法等中之一获得上述目标的三维图像信息，并输出所获得的上述目标的三维图像信息。更优选地，上述三维图像采集模块1主动向目标发射出光信号并接收经过上述目标反射的光信号，通过计算上述光信号的飞行时间获得上述目标的三维图像信息，并输出所获得的上述目标的三维图像信息。
64.在本实施方式中，优选地，上述三维图像采集模块1向目标发射出的光信号是红外低频光信号或雷达高频光信号。
65.在本实施方式中，上述目标可以是现实场地中的任何物体或若干个物体，比如可以是人物、可以是动物、可以是物品、可以是头部、可以是面部等，可以是上述物体中的一个或多个。上述人物可以是游戏设计人员本人，可以是用户玩家本人，也可以是其他人。
66.上述预处理模块2主要用于对所采集到的三维图像信息进行预处理以获得目标的原始三维点云数据信息。上述预处理模块2包括背景噪声校正模块21、温度漂移校正模块22、镜头畸变校正模块23、深度误差校正模块24及加密模块25等，主要用于对上述三维图像采集模块1所采集到的三维图像信息进行降噪增益、校正补偿、加密等处理，获得目标的原始三维点云数据信息。其中，上述背景噪声校正模块21用于对上述目标的三维图像信息的
背景噪声进行校正补偿，以对上述目标的三维图像信息进行降噪增益处理，比如对上述目标的三维图像信息进行包括三维图像信号的信号放大、暗电流消除等处理；上述温度漂移校正模块22用于对上述目标的三维图像信息进行温度漂移校正补偿处理，比如对上述目标的三维图像信息中因内外环境的温度所引起的误差等进行校正补偿；上述镜头畸变校正模块23用于对上述目标的三维图像信息中因镜头畸变引起的误差进行校正补偿，比如对上述目标的三维图像信息中因光学镜头的光心偏移、镜头旋转、光轴倾斜、光面变形等引起的误差进行校正补偿；上述深度误差校正模块24用于对上述目标的三维图像信息的深度误差进行校正补偿，比如对上述目标的三维图像信息的单点光信号计算个体差异和整体光信号计算差异等进行校正补偿；上述加密模块25用于对上述目标的三维图像信息的加密处理，使得校正后的上述目标的三维图像信息被进行加密，确保输出的上述目标的三维图像信息不易被破译。
67.上述中处理模块3包括三维点云平滑滤波处理模块31、三维点云孔洞修补处理模块32以及三维点云特征增强处理模块33等，主要用于对所获得的上述目标的原始三维点云数据信息进行中处理，即对所获得的上述目标的原始三维点云数据信息进行平滑滤波、孔洞修补、特征增强等处理，获得高精度三维点云数据信息。其中，上述三维点云平滑滤波处理模块31用于对上述目标的三维图像信息的三维点云进行平滑滤波处理，比如对上述目标的三维图像信息的原始三维点云数据中的飞点、散点、孤立点等进行消除处理；上述三维点云孔洞修补处理模块32用于对上述目标的三维图像信息的原始三维点云进行孔洞修补处理，比如对上述目标的三维图像信息的原始三维点云进行平滑滤波处理后的点云数据中的孔洞进行补点云等处理；上述三维点云特征增强处理模块33用于对上述目标的三维图像信息的原始三维点云进行特征增强处理，比如对上述目标的三维图像信息的原始三维点云进行孔洞修补处理后的点云数据中的点云原始特征(x/y/z/i)进行位置特征和光波强度特征等计算，消除异常点云位置和增强光波强度等的鲁棒性。
68.上述后处理模块4包括三维点云配准模块41、目标点云分割与分类模块42、目标点云网格化模块43、目标模型可视化模块44以及特征提取和定义模块45等，主要用于对所获得的高精度三维点云数据信息进行后处理，即对所获得的高精度三维点云数据信息进行点云配准、三维点云的分割和/或分类、目标点云的提取、网格化、可视化、骨架特征提取与定义等处理，获得原始三维模型。其中，上述三维点云配准模块41用于对上述目标的三维图像信息的高精度三维点云相关特征进行点云配准处理，比如对上述目标的三维图像信息的高精度三维点云的关键点特征描述、单点特征描述、局部特征描述和全局特征描述等进行点云配准；上述目标点云分割与分类模块42用于对经配准后的上述目标的三维图像信息的高精度三维点云进行分割和/或分类处理，完成目标点云的提取，比如对经配准后的上述目标的三维图像信息的高精度三维点云进行语义分割和/或聚类等，完成目标点云的提取；上述目标点云网格化模块43用于对所提取的目标点云进行网格化处理，以获得网格化模型，比如对所提取的目标点云进行三角形、四边形、多边形中的一种或多种组合的网格化模型处理；上述目标模型可视化模块44用于对网格化模型进行可视化处理，比如对网格化模型进行细节上的锐化、明亮度对比等的效果优化处理；上述特征提取和定义模块45用于对运动的目标模型进行骨架特征提取与定义。
69.上述游戏模型生成模块5能够根据对仿真程度的要求，对上述原始三维模型的游
戏渲染所具备的参数进行具体化处理，生成不同仿真程度的目标游戏模型，其中上述参数包括对目标模型进行游戏渲染所具备的材质、属性、纹理等。例如，对目标模型进行游戏渲染所具备的材质、属性、纹理等参数更逼真的具体化，完成具有高仿真程度的目标游戏模型(即高模)生成；对目标模型进行游戏渲染所具备的材质、属性、纹理等参数一般要求逼真的具体化，完成具有中等仿真程度的目标游戏模型(即中模)生成；对目标模型进行游戏渲染所具备的材质、属性、纹理等参数更低要求逼真的具体化，完成具有低仿真程度的目标游戏模型(即低模)生成。
70.在上述实施方式中，可选地，上述游戏模型生成模块5能够生成目标游戏模型的高模(高仿真)、中模(中仿真)、低模(低仿真)中的一种或多种。
71.在上述实施方式中，可选地，上述游戏模型生成模块5生成的游戏模型可以保存为stl、vrml、svg、obj、fbx、collada，ply，fileloader等格式的源文件。
72.在上述实施方式中，可选地，上述游戏模型生成模块5生成的游戏模型的源文件可以存储、传输、调用等。
73.图3为本发明一实施方式的游戏模型生成装置的控制装置的结构示意图。如图3所示，上述控制装置10主要由包括cpu、rom和ram等组成数据处理控制器101、显示器102和键盘103。数据处理控制器101主要由cpu101 a、rom101 b、ram101 c、硬盘101 d、读取装置101 e、输出输入接口101 f、通信接口101 g和数据输出接口101 h构成。cpu101 a、rom101 b、ram101 c、硬盘101 d、读取装置101 e、输出输入接口101 f、通信接口101 g和数据输出接口101 h通过总线101 i相互连接，可以互相收发控制信号和计算数据等。
74.cpu101 a可以执行存储在rom101 b的计算机程序和读到ram101 c中的计算机程序。
75.rom101 b由只读存储器、prom、eprom、eeprom等构成，存储由cpu101a执行的计算机程序及其所用数据等。ram101 c由sram或dram等构成，用于读取存储在rom101 b和硬盘101 d的计算机程序。ram101 c还可以作为cpu101 a执行这些计算机程序时的工作空间。
76.硬盘101d储存有操作系统和应用程序等供cpu101a执行用的各种计算机程序及其执行该计算机程序所用的数据。本实施方式中的用于游戏模型生成的用应用程序10a也储存在此硬盘101d中。
77.读取装置101 e由软驱、cd-rom驱动器或dvd-rom驱动器等构成，可读取存储于便携型存储介质6的计算机程序或数据。便携型存储介质6存储有用于游戏模型生成的用应用程序10a，上述控制装置10可从该便携型存储介质6读取应用程序10a，将其装入硬盘101d。
78.上述应用程序10a不仅可由便携型存储介质6提供，也可以通过电子通信线路从该电子通信线路(不论有线、无线)连接的、可与上述控制装置10通信的外部机器上下载。比如，上述应用程序10a存储于网络服务器的硬盘中，上述控制中心10可访问此服务器，下载该应用程序10a，装入硬盘101d。
79.硬盘101d可以装有比如美国微软公司生产的windows(注册商标)等提供图形用户界面的操作系统。在以下说明中，本实施方式的应用程序10a均在上述操作系统上执行。
80.输出输入接口101 f由比如usb、ieee1394、rs-232c等串行接口、scsi、ide、ieee1284等并行接口和由d/a转换器和a/d转换器等组成的模拟信号接口构成。输出输入接口101 f接键盘103，用户可以用键盘103直接向上述控制装置10输入相关参数或执行指令
等数据。
81.通信接口101 g可以用于与上述三维图像采集模块1之间交互信息和数据。
82.数据输出接口101 h与由lcd或crt等构成的显示器102连接，将与从cpu101a接收的相关数据和/或信息输出到显示器102。
83.图4为本发明一实施方式的生成游戏模型的流程图。如图4所示，通过对目标进行三维扫描，获得目标的三维图像信息(步骤s10)。在步骤s10中，将目标安放到拍摄视场范围内，上述三维图像采集模块1可以使用三维扫描设备(比如深度相机)从多个角度对上述目标进行三维扫描，获得上述目标的三维图像信息。在对上述目标进行实时扫描过程中，上述目标可以是固定不动的，也可以是活动的，拍摄场所可以是任意的地方，包括但不限于在游戏开发商的办公场所，可以是在游戏设计人员居家住所，可以是在游戏用户居家住所，可以是游戏经营场所。
84.在本实施方式中，优选地，上述三维图像采集模块1的三维扫描设备向目标发射出光信号并接收经过上述目标反射的光信号，通过计算上述光信号的飞行时间获得上述目标的三维图像信息，并输出所获得的上述目标的三维图像信息。
85.在本实施方式中，通过计算光信号的飞行时间来获取三维图像信息，而飞行时间可分为直接式和间接式。直接飞行时间是基于光线的脉冲光信号从发射出去至反射回来被接收就被计时器锁定，从而计算出目标的距离信息；间接飞行时间是基于光线的正弦波调频光信号从发射出去至反射回来被接收来检测波形的相位差，从而计算出目标的距离信息。当光线被接收时，由于暗电流非均匀性和光子响应非均匀性，导致每个像素点的测距误差是不一样，因此通过将每个像素点拍摄不同距离下来计算出当前值与实际值比较，然后最直接的方法是根据矩阵中的误差值对相应像素进行补偿，这种方法的缺点是运算量大。因此，在本实施方式中，优选地，通过二次曲面方程(g(x,y)＝ax2 bxy cy2 dx ey f)来拟合计算光信号的飞行时间中的误差值，这样运算量会较少，只需要求出这6个未知参数(a,b,c,d,e,f)，然后被预先存储起来，在实时采集时被调用，从而获得高精度的深度数据。
86.进一步地，对于间接飞行时间，由于其采用连续波的方式，在实际使用中很难获得理想的正弦谐波，受到硬件的限制，如电路延迟，增益非线性等问题，发射的信号不是完美的正弦信号，按照理论计算出来的距离会存在摆动误差，这个摆动误差会呈现周期性的出现在整个测量范围内。在本实施方式中，在获得高精度的深度数据之前，还包括预先通过在拍摄不同距离来计算出该位置时的测量值，然后将这个测量值与真实的距离值进行比较得到一个摆动误差，并构建出实际的摆动误差分布曲线，再通过最小二乘法拟合与理论的摆动误差分布曲线，从而准确的周期性频率的摆动误差补偿。
87.对所获得的上述目标的三维图像信息进行预处理，获得上述目标的原始三维点云数据信息(步骤s20)。在步骤s20中，上述预处理模块2对上述三维图像采集模块1所采集到的三维图像信息进行降噪增益、校正补偿、加密等处理，获得目标的原始三维点云数据信息。
88.在步骤s20中，将混入上述所采集到的三维图像信息的背景噪声进行降噪增益处理，获得原始三维点云数据信息。
89.在上述所采集到的三维图像信息中，由于是上述三维图像采集模块1(比如深度相机)本身成像原因以及外界环境干扰等原因，如光学畸变，温度温移、像素固定噪声等，都会
带来距离的测量精度变差，所以需要提前消除由三维图像采集设备引入的误差。
90.在本实施方式中，通过预先在三维图像采集设备中存储相应的误差补偿，以及对经过以上校正补偿后的深度图进行坐标转换后，获得原始点去数据信息。
91.优选地，在步骤s20中，对上述目标的三维图像信息中因镜头畸变引起的误差进行校正补偿，比如对上述目标的三维图像信息中因光学镜头的光心偏移、镜头旋转、光轴倾斜、光面变形等引起的误差进行校正补偿。在对上述所采集到的三维图像信息进行预处理时，预先由存储库读取三维图像采集设备内部参数进行校正补偿。三维图像采集设备的内部参数包括焦距f、中心坐标(u0,v0)、像面长宽(l,w)、旋转角度(r)、径向畸变系数(k1,k2,k3,k4,k5)等，同时将三维图像采集设备内部参数与世界坐标建立变换关系。三维图像采集设备内部参数是预先采用传统的张正友标定法的基础上，通过在不同的距离不同的角度下拍摄到类似棋盘格尺寸的标定图，并且通过圆点代替方格，以及对灰度图进行直方图均衡化增强来提升图像对比度，再进行圆点中心检测与参数求解。三维图像采集设备的内部参数预先写入到存储器的指定位置中，然后通过调用三维图像采集设备的内部参数对实时采集的三维图像数据进行校正补偿，从而获得更低的几何误差的影响。
92.优选地，在步骤s20中，还对所采集到的三维图像信息进行像素固定、噪声校正补偿。
93.优选地，在步骤s20中，还对所采集到的三维图像信息进行温度漂移校正补偿。由于电子产品容易因为自身的发热和外部温度变化降低距离测量的精度，通过对其在不同温度环境下进行温度对距离测量的精度变化建立相应的关系，然后通过计算将采用线性函数或者查表方式将温度变化造成的补偿值预先存储好，在之后的使用中进行实时温度检测然后匹配相应的补偿值，从而获得精准的深度数据。为了检测出温度对距离的影响关系，通过检测不同的工作温度下对应的距离值，然后根据最小二乘法公式对测试引起的距离误差进行拟合。例如，y是探测的距离，x是工作温度，使用线性函数公式y＝a bx来求解出系数(a，b)，当它们的关系一旦被确定下来时，我们就可将这两个系数预先存储到指定位置。在实时采集三维图像信息时，工作温度x也是同时被调用对所采集的三维图像信息进行校正补偿，从而保证了探测距离的精度。
94.优选地，在步骤s20中，对上述目标的三维图像信息的深度图像数据误差进行校正补偿。每个子帧的深度图像数据在经过校正补偿后，还可以对等间隔内的多个子帧的深度图像数据均为接近的进行累积叠加后求平均，以进一步地对上述目标的三维图像信息的深度图像数据误差进行校正补偿。例如，固定时间间隔内有k个子帧，当前子帧用f”(0)表示，最前面的子帧用f”(1-k)表示，每个像素点的距离值d”(1-k)加入一个同距离值阀值δd判断机制，即当d”(1-k)与d”(0)的差值小于某一阀值δd时，则认为该子帧f”(1-k)的深度图像数据是与当前帧f”(0)的深度图像数据接近，然后我们对这些子帧进行累积叠加，得到当前子帧f
‘
(0)的关系式：
[0095][0096]
其中n(0《n《＝k)为k个子帧的深度图像数据内符合同距离值判断机制的数量。
[0097]
优选地，在步骤s20中，上述目标的三维图像信息的深度图像数据误差的校正补偿
可以通过等间隔内的多个子帧深度图像数据对应像素点的距离值，先将每个子帧的深度图像数据分成若干个子块局部区域后，然后检测相同位置的像素点的距离值是否均是最小的，利用像素点对应的距离值均是最小的所在帧的局部区域进行替换。我们假设有l个子帧，当前子帧为f’(0)，最前帧为f’(1-l)，每个子帧分成m个子块，根据它们的关系可得：
[0098][0099]
其中，表示第j子帧中且第u个子块的像素点的距离值是最小的，f表示是当前帧的深度数据。
[0100]
优选地，在步骤s20中，还可以通过等间隔内的多个帧深度图像数据对应点的光强灰度值累计后平均，从而提升图像的信噪比，减少其它噪声的影响，由此对上述目标的三维图像信息的深度图像数据误差进行校正补偿。例如，相邻的两帧深度图像数据，当前帧图像用g(i)表示，当前子帧图像用g”(i)来表示，前一帧图像用g(i-1)表示，那么它们的关系如下：
[0101]
g(i)＝k*g”(i) (1-k)*g(i-1)*λ
[0102]
其中k(0《k《1)是光强变化系数；λ是稳定系数(当d”(1-i)-d”(i)≤δd时取λ＝1，表示当前帧和上一帧之间的像素值都是几乎没有变化的；d”(1-i)-d”(i)》δd时，取λ＝0，表示当前帧和上一帧之间的像素值已发生较大变化)。
[0103]
优选地，在步骤s20中，还对经过上述预处理后的上述目标的原始三维点云数据信息的加密处理，使得校正后的上述目标的原始三维点云数据信息被进行加密，确保输出的上述目标的原始三维点云数据信息不易被破译。
[0104]
对所获得的上述目标的原始三维点云数据信息进行中处理，即对所获得的上述目标的原始三维点云数据信息进行平滑滤波、孔洞修补、特征增强等处理，获得高精度三维点云数据信息(步骤s30)。
[0105]
在原始三维点云数据信息中，由于深度图上因为场景或目标的反射情况不一样，每帧深度图的有些像素点在采集时可能会出现数据信息是冗余的或缺失的，当深度图转换至原始三维点云数据的过程中就存在离散的、飞跃的，或者孔洞的、缺失的点数据，影响目标的较完整地且精准地勾画出来。我们可以采用泊松方程滤波方法对深度图进行滤波降噪，对目标表面的特征点进行提取，对每个特征点的坐标进行旋转运算和坐标转换运算得到每个特征点的方向和方向角度，然后以特征点为中心构成一个距离场，再通过平均估计特征点对周围的影响来估计其周围的表面特征点的距离场的影响平均值。当目标表面出现凸起或凹陷的一个点，当以此点为中心的周围没有出现类似与此点有相同的凸起或凹陷的特征的点，则判定该点为噪声，则将其过滤去除。原始三维点云数据在滤波完成后，就可以进行目标的边缘特征进行提取，就是找到目标的轮廓边缘，然后把轮廓边界定下来，目标会有各种的形状，由于三维点云的数据量巨大，为了降低运算量通过会把目标的轮廓边缘外的点云数据进行精简，所以准确地分割出目标轮廓边界非常重要。在目标的轮廓边界上的特征点提取出来后，会存在一些刚好在轮廓上的点云数据是缺失的，形成一个孔洞，孔洞就会严重影响目标的完整性、准确性或真实性。
[0106]
优选地，在步骤s30中，还包括对原始三维点云数据信息进行平滑滤波处理，将原
始三维点云数据中大量散列点和/或孤立点进行消除。在深度图转化原始三维点云后，深度图中的距离值就会转换至相应像素的点，当这个点在实际不应该存在的但偏偏出现了，这个点就是飞点或散点，在整个点云中出现散列点、孤立点，这些影响了三维图像的真实性。在本实施方式中，可采用非线性的双边滤波方法，结合像素值相似度和空间邻近度，同时考虑灰度和空域信息相似性，达到保边去噪。双边滤波是由两个函数构成，一个是由像素差值决定滤波器系数，另一个是由几何空间距离决定滤波器系数；由于双边滤波比高斯滤波多了一个高斯方差，在边缘周围，离的较远的像素不会对边缘上的像素值有较大的影响，这样就保证了边缘周围的像素值保留下来。
[0107]
优选地，在步骤s30中，还包括对原始三维点云数据信息进行精简处理，将目标的外轮廓进行粗识别，并保留目标的内轮廓点云数据。在原始三维点云数据中，点云的数据量较大，单帧图像内的点云已经超过几十万个，这样对点云数据处理会非常地消耗算力资源，严重的时候有时延影响或者卡顿现象。为了降低后续点云数据处理的量，在本实施方式中，利用二维图像进行二值化，快速地找到目标的外形轮廓，然后将轮廓之外的点云数据消除，并保留轮廓内的目标点云数据。
[0108]
优选地，在步骤s30中，还包括对原始三维点云数据信息进行特征增强处理，将点云边缘位置信息进行增强、保留。点云的边界包含着点云的重要信息，如目标的外部轮廓信息、孔洞周边信息等，为了得到目标更多的点云数据信息，本实施方式中，将点云边缘位置信息进行增强、保留。
[0109]
优选地，在步骤s30中，还包括对原始三维点云数据信息进行孔洞修补处理，将孔洞边界确定下来，并根据预定规则(即现有的三维点云孔洞修复方法)进行孔洞的修补。孔洞可能本身就是存在的，也可能是三维图像采集设备采集时无法捕捉造成，可能是三维图像采集设备在数据处理时数据丢失造成等，所以孔洞会导致目标后期的精准效果表现。孔洞的出现，可以理解为对应的是像素点的深度值为空值(这个可以是零或者测距范围之外的一个固定值来表示)，这个点或者有更多相邻处出现同样的情况，就会产生了孔洞，准确地找到孔洞的边界是直接影响孔洞修补的效果。在二维灰度图里，云边界点表现为相位跳变，外形轮廓点亦是如此，所以要提取点云孔洞边界，需要对点云边界点中去除外形轮廓点，当与外形轮廓点的邻域点是空值时则判断该点为孔洞的边界点，然后将孔洞模型的边界点连接起来，并采用结合最近点与最小矢量转偏角的方法获取封闭的孔洞边界线，从而确定了孔洞位置及其中心。然后，根据一定的规则(即现有的三维点云孔洞修复方法)进行孔洞的修补。
[0110]
优选地，在本实施方式中，利用周边像素值来预测孔洞处的灰度值，再确定孔洞位置及其中心，然后以孔洞中心向多个方向(比如八个方向)进行搜索，在每个方向都获得有效值之后计算平均值作为孔洞像素的深度值，以此进行孔洞的修补。
[0111]
例如，孔洞的深度值的计算如下公式所示：
[0112][0113]
其中d(u)为孔洞的深度值，w是权重系数(权重系数为有效值距离孔洞的欧氏距离)，n
σ
是高斯函数的深度值，(mi，mj)是任意方向对应点的坐标，(k，l)是孔洞中心对应点的坐标。
[0114]
对所获得的高精度三维点云数据信息进行后处理，即对所获得的高精度三维点云数据信息进行点云配准、三维点云的分割和/或分类、目标点云的提取、网格化、可视化、骨架特征提取与定义等处理，获得目标的原始游戏模型(步骤s40)。
[0115]
在对上述目标的原始三维点云数据信息进行上述中处理获得高精度三维点云数据信息后，就需要进行点云配准。在步骤s40中，将多个不同帧的点云进行变换，使得点云都统一在一个坐标系中，在每个连贯的、有重叠的点云之间找到最佳的变换，并累积这些变换得到全部的点云，以完成三维点云配准。优选地，通过刚体转换实现空间的坐标转换，完成三维点云配准。例如，在两帧的点云之间不存在缩放关系时，这两帧的点云的空间转换就只有旋转和平移关系，我们可以通过3个旋转参数(α，β，γ)以及三个平移参数(x0,y0,z0)实现坐标转换。坐标转换公式如下：
[0116][0117]
其中，(x,y,z)是第一帧上某点的全局坐标，(x,y,z)是第二帧上某点的局部坐标，(x0,y0,z0)是第二帧某点的平移向量，r(α，β，γ)是第二帧某点的旋转矩阵。
[0118]
优选地，在步骤s40中，通过将目标从点云数据中分离与识别，确定目标是什么(即目标的特性)和具体的位置、法线方向、曲率和纹理等描述三维点云的特征，完成目标的三维点云的分割与分类。在三维点云配准后，目标的外形轮廓的点云都会累积起来，从而得到这个目标的整体点云数据。需要对每个点云数据进行描述，通过计算额外参数(如曲率、法线方向、纹理特征等)，描述三维点云的特征。
[0119]
例如，通过提取到关键点，并计算出方位特征直方图描述符，以每个关键点为中心构造自设定半径为r的球形区域，沿径向、方位、俯仰三个方向划分风格，在径向方向2次，方位8次，俯仰2次，将该球形区域划分为32个空间区域，在每个空间区域计算落入该区域点的法线和中心点法线之间的夹角余弦(特征值)；然后根据计算的余弦值对落入每个空间区域的点数进行直方图统计，划分为11个，对计算结果归一化处理，使得对点云密度具有鲁棒性，最后得到的特征向量为32x11＝352维。在获取目标的点云特征和计算方位特征直方图描述符后，就可以进行点云的分割与匹配，我们用目标区域点云中关键点匹配一个模型点云中基于局部特征的描述子最相近的点。跳过描述子为无穷大的不是数的点，利用搜索树(kdtree)存取模型点云，输入目标区域的描述符再利用快速最近邻逼近搜索函数库(flann)进行最近邻查找。模型点云中找到距离目标区域点云的点最佳匹配为欧几里何距离小于阀值的点，得到相关点集合，然后通过霍夫投票算法进行聚类，并辨认出最终的聚类集合。
[0120]
例如，在一个场景点云中，点云是乱散的，需要通过分割来将整个点云聚类为多个点云，每个点云对应出独立的物体对象，大体上是先选定一个点(通常为关键点)，利用kd树计算以该点为中心的球，球内的点都属于该物体，球的半径设为一个阈值，之后对该物体的其他点都这么来处理，最终会点云分割成一个个物体。
[0121]
优选地，在步骤s40中，通过对目标的三维点云进行网格化，实现稀疏点云的网格化，获得三维点云的网格化模型。更优选地，通过目标的三维点云进行三角网格化。在分割
出来目标的三维点云，为了后续网络渲染，需要将点云进行网络化。由于三角形具有最稳定的结构，所以多数情况下的点云都是进行三角网络化处理。本实施方法中，从点云数据中选取法线最为接近且距离最近的三个点进行连线，得到一个初始三角形，作为初始的三角网格，然后该三角形的三条边即为当前网格的边界边，再以当前网格的边界边作为基本元素，向外探索满足条件的扩展点，连接后得到更多的扩展三角形，并不断更新边界边，最终复生所有三角面片。例如，在点云中找到任意二个点，这二个点的法线基本是接近的，最好是相同的，并且它们之间的距离是最短的，那么将它们连接后作为初始基线，然后在初始基线右侧查找距离此基线距离最短的点，作为第三点，连接此三个点得到一个初始三角形，这个初始三角形作为初始的网格，再以这个初始三角形的3条边作为扩展边，并分别检测其是否为内边，若不是内边则该边向外搜索一个距离最近的点，分别得到一个新的三角形。反复对每一条边进行检测和搜索，直到不再有新边和新三角面片产生时为止。
[0122]
优选地，在步骤s40中，对经过三角网络化处理后的目标的三维点云进行泊松拟合平滑化，实现曲面重建。在点云网格化后，这些三角网格中的点、边、面是一组单纯形，存在小面和阶梯效应、过渡不平滑和表面尖锐的现象。每个三角网格都是由三个顶点，每个顶点其实都是点云转换而来，并且每个点都是具有法线向量和坐标，然后计算得到每个三角网格的表面法线向量，通过相邻三角网格及其顶点之间打到一个指示函数来进行曲面拟合。
[0123]
在本实施方法中，采用隐函数方法定义分段函数，其中模型的表面对应的指示函数为χ，模型内部指示函数的值取值为1，外部为0，然后提取值为0的等值面，可以直接地重构逼近表面。由梯度关系得到顶点和指示函数的积分关系，根据积分关系利用划分块，通过对所有块的积分求和近似计算获得点集的向量场，计算指示函数梯度场的逼近，构成泊松方程。由于指示函数的梯度实质是一个向量场模型表面的内法线用指示函数的梯度来表示，非表面处的梯度取值为0。因此我们需要找到一个指示函数χ使其梯度最大可能地逼近向量场，即泊松方程如下。
[0124][0125]
优选地，在步骤s40中，对三维点云的网格化模型进行三维建模处理和可视化处理，比如对网格化模型进行细节上的锐化、明亮度对比等的效果优化处理和可视化处理，获得目标的原始游戏模型。
[0126]
优选地，在步骤s40中，通过对目标的三维点云进行纹理增强，实现三维模型重建。在本实施方式中，通过纹理可以增强三维模型的真实感，并且能够表现出模型的表面细节。像素点在采集时不仅获取了深度数据，也获取了灰度数据，所以点云就包括类度数据，在网格化顶点对应有一个灰度数据，把这个灰度数据就可以用作表面纹理。通过点云的几何关系计算就可以直接将相应的灰度值附加到模型表面，这个灰度值是像素点接收到的光强亮度，没有真实的颜色信息，仅是通过光强亮度来增加对比效果。
[0127]
优选地，在步骤s40中，还对运动的目标原始游戏模型进行骨架特征提取与定义处理。
[0128]
对目标的原始游戏模型进行优化，生成目标游戏模型(步骤s50)。在步骤s50中，根据对仿真程度的要求，对上述目标的原始游戏模型的游戏渲染所具备的参数进行具体化处理，生成不同仿真程度的目标游戏模型，其中上述参数包括对目标模型进行游戏渲染所具
备的材质、属性和/或纹理等。
[0129]
在本实施方式中，优选地，在步骤s50中生成的目标游戏模型为源文件，可以被存储、被传输、被调用，并被包括不限于游戏开发商、游戏中介商、游戏运营商、游戏玩家等用户使用。其中，目标游戏模型的源文件格式可以包括但不限于stl，vrml，svg，obj，fbx，collada，ply，fileloader等。
[0130]
优选地，在步骤s50中，可以根据游戏运行的参数要求生成目标游戏模型。对目标模型进行游戏渲染所具备的材质、属性、纹理等参数更逼真的具体化，完成具有高仿真程度的目标游戏模型(即高模)生成；对目标模型进行游戏渲染所具备的材质、属性、纹理等参数一般要求逼真的具体化，完成具有中等仿真程度的目标游戏模型(即中模)生成；对目标模型进行游戏渲染所具备的材质、属性、纹理等参数更低要求逼真的具体化，完成具有低仿真程度的目标游戏模型(即低模)生成。
[0131]
优选地，在步骤s50中，通过调整上述目标的原始游戏模型的面数，以获得不同仿真程度的目标游戏模型。例如，通过将游戏模型的面数调整至相当高，使其可视化的细节非常丰富和十分逼真，获得游戏模型的高模。在游戏模型中，对于不同大小的目标物，其面数要求都是不一样的，如一个桌子模型大概是100面就是高模了，一个人物大概在3000面就是高模了，还有一些需要在10000面，甚至高达20000左右才是高模。
[0132]
高模的好处是在渲染的时候可以获得非常逼真的效果，但是对计算机的运算能力要求极高，影响游戏运行。因此，在本实施方式中，优选地，采用对目标的三维模型进行重新拓扑布线，采用动则平均，静则结构的布线准则，在需要表现细节或者活动伸展方面处需要采用密集布线，在运动幅度小的地方布线稀疏。然后再按照骨骼的大方向走，通过均等的四边形法，沿目标外形轮廓进行合理划分相应的结构线。
[0133]
在步骤s50中，为了便于游戏运行，减少卡顿、宕机等现象，优选地，将高模的面数按照一定的等比关系来进行拓扑布线，按照骨骼的方向的走向，并通过均等的四边形法，沿目标外形轮廓进行合理划分相应的结构线。
[0134]
图5为本发明步骤s20中的一个实施例的流程图。如图5所示，上述预处理模块2接收上述三维图像采集模块1所采集到的三维图像信息(步骤s201)，判断是否需要对因镜头畸变引起的误差进行校正补偿(步骤s202)。如果需要对因镜头畸变引起的误差进行校正补偿(步骤s202：是)，对上述目标的三维图像信息中因镜头畸变引起的误差进行校正补偿，比如对上述目标的三维图像信息中因光学镜头的光心偏移、镜头旋转、光轴倾斜、光面变形等引起的误差进行校正补偿(步骤s203)，进入步骤s204。如果不需要对因镜头畸变引起的误差进行校正补偿(步骤s202：否)，直接进入步骤s204。
[0135]
判断是否将混入上述所采集到的三维图像信息的背景噪声进行降噪增益处理(步骤s204)，如果将混入上述所采集到的三维图像信息的背景噪声进行降噪增益处理(步骤s204：是)，将混入上述所采集到的三维图像信息的背景噪声进行降噪增益处理，以及对深度数据进行校正补偿处理，获得原始三维点云数据信息(步骤s205)，进入步骤s206。如果不需要对混入上述所采集到的三维图像信息的背景噪声进行降噪增益处理(步骤s204：否)，直接进入步骤s206。
[0136]
判断是否对所采集到的三维图像信息进行温度漂移校正补偿(步骤s206)，如果需要进行温度漂移校正补偿(步骤s206：是)，对所采集到的三维图像信息进行温度漂移校正
补偿(步骤s207)，进入步骤s208。如果不需要进行温度漂移校正补偿(步骤s206：否)，直接进入步骤s208。
[0137]
判断是否对上述目标的三维图像信息的深度误差进行校正补偿(步骤s208)，如果需要进行深度误差校正补偿(步骤s208：是)，对上述目标的三维图像信息的深度误差进行校正补偿(步骤s209)，进入步骤s210。如果不需要进行深度误差校正补偿(步骤s208：否)，直接进入步骤s210。
[0138]
判断是否对上述目标的三维图像信息的加密处理(步骤s210)，如果需要进行加密处理(步骤s210：是)，对上述目标的三维图像信息的加密处理，使得校正后的上述目标的三维图像信息被进行加密(步骤s211)，输出经加密处理后的上述目标的原始三维点云数据信息(步骤s212)。如果不需要进行加密处理(步骤s210：否)，输出上述目标的原始三维点云数据信息(步骤s212)。
[0139]
上述实施方式为本发明步骤s20中的一个优选实施例，但步骤s20中可以不需要判断步骤而可以直接执行其它所有步骤或其中一个或几个步骤，或还可以增加其它处理步骤。
[0140]
图6为本发明步骤s30中的一个实施例的流程图。如图6所示，上述中处理模块3接收预处理模块2输出的上述目标的原始三维点云数据信息(步骤s301)，判断是否对所获得的上述目标的原始三维点云数据信息进行平滑滤波(步骤s302)。如果需要对上述目标的原始三维点云数据信息进行平滑滤波(步骤s302：是)，对上述目标的原始三维点云数据信息进行平滑滤波处理(步骤s303)，从而将原始三维点云数据中散列点、孤立点进行消除，进入步骤s304。如果不需要对上述目标的原始三维点云数据信息进行平滑滤波(步骤s302：否)，直接进入步骤s304。
[0141]
判断是否对原始三维点云数据信息进行特征增强处理(步骤s304)，如果需要对原始三维点云数据信息进行特征增强处理(步骤s304：是)，对上述目标的原始三维点云数据信息进行特征增强处理(步骤s305)，从而将点云边缘位置信息进行增强、保留，进入步骤s306。如果不需要对上述目标的原始三维点云数据信息进行特征增强处理(步骤s304：否)，直接进入步骤s306。
[0142]
判断是否对原始三维点云数据进行孔洞修补处理(步骤s306)。如果需要对原始三维点云数据信息进行孔洞修补处理(步骤s304：是)，对上述目标的原始三维点云数据信息进行孔洞修补处理(步骤s307)，将孔洞边界确定下来，并根据预定规则(即现有的三维点云孔洞修复方法)进行孔洞的修补，输出高精度三维点云数据信息(步骤s308)。如果不需要对上述目标的原始三维点云数据信息进行孔洞修补处理(步骤s304：否)，直接输出高精度三维点云数据信息(步骤s308)。
[0143]
上述实施方式为本发明步骤s30中的一个优选实施例，但步骤s30中可以不需要判断步骤而可以直接执行其它所有步骤或其中一个或几个步骤，或还可以增加其它处理步骤。
[0144]
图7为本发明步骤s40中的一个实施例的流程图。如图7所示，上述后处理模块4接收上述中处理模块3输出的上述高精度三维点云数据信息(步骤s401)，判断是否需要进行点云配准处理(步骤s402)。如果需要进行点云配准处理(步骤s402：是)，对上述高精度三维点云数据信息进行点云配准(步骤s403)，进入步骤s404。如果不需要进行点云配准处理(步
骤s402：否)，直接进入步骤s404。
[0145]
判断是否需要对上述高精度三维点云数据信息进行三维点云的分割与分类(步骤s404)。如果需要进行三维点云的分割与分类(步骤s404：是)，对上述高精度三维点云数据信息进行三维点云的分割与分类(步骤s405)，进入步骤s406。如果不需要进行三维点云的分割与分类(步骤s404：否)，直接进入步骤s406。
[0146]
对上述高精度三维点云数据信息进行三维点云的网格化处理，获得三维点云的网格化模型(步骤s406)，对三维点云的网格化模型进行三维建模处理和可视化处理，比如对网格化模型进行细节上的锐化、明亮度对比等的效果优化处理和可视化处理，获得目标的原始游戏模型(步骤s407)。
[0147]
判断上述原始游戏模型是否是运动的目标的原始游戏模型(步骤s408)。如果是运动的目标的原始游戏模型(步骤s408：是)，对运动的目标的原始游戏模型进行骨架特征提取与定义处理(步骤s409)，输出目标的原始游戏模型(步骤s410)。如果不是运动的目标的原始游戏模型(步骤s408：否)，直接输出目标的原始游戏模型(步骤s410)。
[0148]
上述实施方式为本发明步骤s40中的一个优选实施例，但步骤40中可以不需要判断步骤而可以直接执行其它所有步骤或其中一个或几个步骤，或还可以增加其它处理步骤。
[0149]
本技术领域技术人员可以理解，本发明中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地，具有本发明中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地，现有技术中的具有与本发明中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
[0150]
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。