“胡海瑛”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]基于3D人体扫描的胸部形态分析方法与装置-CN202310771993.1在审
发明人： 胡海瑛;陈树青;袁壮;黎旭;刘俭;卓敏达;冯超 -专利权人：深圳仙库智能有限公司
申请日： 2023-06-27 - 公布日： 2023-10-03 - 主分类号： G06T7/00 文献下载
摘要：本发明属于人体图像数字信息处理技术领域，提供一种基于3D人体扫描的胸部形态分析方法与装置，本发明提供一种基于3D人体扫描的胸部形态分析方法与装置，通过对3D人体扫描设备扫描目标人体后生成的三维点云模型进行胸部识别，以得到目标人体的胸部关键点位，根据胸部关键点位，分析目标人体的胸型、胸部下垂程度、胸部外扩程度以及胸部对称性，以得到目标人体的胸部形态分析报告，根据胸部形态分析报告，推荐匹配目标人体的胸部形态的个性化产品或服务，从而得到目标人体真实的模型数据，从目标人体的胸型、胸部下垂程度、胸部外扩程度以及胸部对称性等形态学、美学的维度进行分析，为目标人体提供客观专业的胸部形态分析，推荐匹配目标人体的胸部形态的个性化产品或服务。
基于人体扫描胸部形态分析方法装置

[发明专利]基于深度相机三维人体旋转扫描的背景分割方法与装置-CN202310747352.2在审
发明人：冯超;陈树青;袁壮;卓敏达;胡海瑛 -专利权人：深圳仙库智能有限公司
申请日： 2023-06-21 - 公布日： 2023-09-26 - 主分类号： G06T7/194 文献下载
摘要：本发明属于数字信息处理技术领域，提供一种基于深度相机三维人体旋转扫描的背景分割方法与装置，通过获取深度相机拍摄人体生成的二维的深度图像，拍摄时用户以规定姿势静止站立于转台上，转台带动用户旋转，采用二维图像背景分割技术对采集的深度图像进行预分割处理，并根据深度相机的内参标定结果，将预分割后的深度图像转换生成三维点云，基于生成的三维点云，计算出切割圆柱体，并利用切割圆柱体进行三维点云背景分割，以生成背景分割后的人体点云，从而实现对人体深度图像的背景干扰信息剔除，提高背景分割的准确性和完整性，降低分割难度和成本，同时保护了用户的隐私。
基于深度相机三维人体旋转扫描背景分割方法装置

[发明专利]基于3D人体扫描的塑身模型生成方法与装置-CN202310777816.4在审
发明人： 胡海瑛;陈树青;袁壮;卓敏达 -专利权人：深圳仙库智能有限公司
申请日： 2023-06-27 - 公布日： 2023-09-19 - 主分类号： G06T17/00 文献下载
摘要：本发明属于图像数字信息处理技术领域，提供一种基于3D人体扫描的塑身模型生成方法与装置，通过获取与真人同比例的点云数据，并通过配准多个角度获取的点云数据，生成与目标人体同比例的三维点云模型，点云数据由3D扫描设备扫描目标人体的表面三维空间信息后生成，对三维点云模型进行识别分类，以得到对目标人体分类后的人体模型的各个部位的点云，移动人体模型的对应部位的点云到人体模型的合适位置，以对人体模型进行塑型，生成塑身模型，从而实现高效建模，有效还原真人体型特征，将真人模型分出不同部位，在有限的范围内对模型进行塑型，保证真人的特征不会丢失。
基于人体扫描模型生成方法装置

[发明专利]基于3D扫描的真实人体模型重建方法、装置、设备及介质-CN202211278124.7在审
发明人： 胡海瑛;陈树青;袁壮;卓敏达;林逸 -专利权人：深圳仙库智能有限公司
申请日： 2022-10-19 - 公布日： 2022-12-13 - 主分类号： G06T17/20 文献下载
摘要：本发明涉及一种基于3D扫描的真实人体模型重建方法、装置、设备及介质，方法包括：通过3D扫描技术对目标人体进行扫描，生成与目标人体对应的三维点云模型；对所述三维点云模型进行识别，获取目标人体的各个维度的真实维度值；根据各个维度的真实维度值对预先导入的参数化人体模型进行变形，使得所述参数化人体模型的各个维度的维度值趋于所述真实维度值；通过主成分分析法计算参数化人体模型的各个顶点的法向量，并将所述法向量添加到各个顶点上；对添加法向量的所述参数化人体模型进行骨骼绑定、蒙皮、人脸重建以及动作驱动，从而得到真实人体模型。本发明生成的虚拟形象与扫描的真人高度相似，且可以自由控制体态、体型、体围的多层次变化。
基于扫描真实人体模型重建方法装置设备介质

[发明专利]基于主动学习的机载LiDAR点云滤波方法-CN201910326254.5有效
发明人：惠振阳;李大军;鲁铁定;王乐洋;胡海瑛 -专利权人：东华理工大学
申请日： 2019-04-23 - 公布日： 2021-05-07 - 主分类号： G06F16/29 文献下载
摘要：本发明公开了一种基于主动学习的机载LiDAR点云滤波方法，包括步骤：S1，获取点云数据并进行低位噪声点剔除；S2，采用多尺度形态学运算自动获取并标记训练样本集；S3，对训练样本集进行特征提取并建立SVM模型S4，采用训练模型对候选样本集进行分类，分为候选地面点集和候选非地面点集，将神谕设置为候选点集至拟合曲面距离的S型函数，每次迭代分别从候选地面点集和候选非地面点集中各选取q个点加入训练样本集中并更新训练模型，一直迭代，直到候选地面点集和候选非地面点集中的点云个数均不再大于q为止，最后将最新训练模型的分类作为点云滤波结果；S5，滤波优化。本发明能够解决现有技术需要大量的样本标记，滤波精度不够理想的问题。
基于主动学习机载 lidar 滤波方法

[发明专利]一种基于空间密度和聚类的分步点云噪声去除方法-CN201910125531.6有效
发明人：惠振阳;胡海瑛;程朋根;王乐洋;聂运菊 -专利权人：东华理工大学
申请日： 2019-02-20 - 公布日： 2021-04-23 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于空间密度和聚类的分步点云噪声去除方法，包括：S1，抽取点云数据总量预设比例的点云计算其点云密度，作为整个点云数据的平均密度，统计其r×r×r立方体空间中点云平均数量Q，将Q作为空间密度去噪法密度阈值的参考值，并定义阈值O；S2，遍历点云数据中的每一个点，求取该点的r×r×r立方体空间中的点云数量K，若K小于阈值O，则判定为点状噪声点并去除；若K大于等于阈值O，则保留，以获得去除了点状噪声点的初次去噪点云数据；S3，对初次去噪点云数据进行聚类，读取点云数据集合；S4，统计每个集合中的点云数量M，若M小于参考值Q，则判定为簇状噪声点并去除；若M大于等于参考值Q，则保留以得到最终去噪结果。本发明能够同时滤除点状噪声和簇状噪声。
一种基于空间密度分步噪声去除方法