[发明专利]服装样板生成方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种服装样板生成方法，该方法包括以下步骤：采集目标人体各特征部位的特征点和特征线的位置信息；根据各位置信息生成各特征部位对应的目标特征部位曲线；利用服装造型学原理从预设的服装原型样板库中查找各目标特征部位曲线对应的目标服装原型样板；利用距离松量模型生成各目标特征部位曲线对应的距离增量，并将距离增量转化为样板增量；根据样板增量和目标服装原型样板生成目标成衣样板。应用本发明实施例所提供的技术方案，降低了对样板师服装生产经验的要求，降低了确定结构参数的难度，提高了实用性，提高了服装样板的精度。本发明还公开了一种服装样板生成装置、设备及存储介质，具有相应技术效果。

技术领域

本发明涉及服装智能技术领域，特别是涉及一种服装样板生成方法、装置、设备及计算机可读存储介质。

背景技术

伴随着计算机网络与信息技术的迅速发展，传统服装产业迈进了计算机信息化、数字化的历程。同时，人们对服装的要求也从实用性、流行性向个性化、合体性转变。其中，合体性是检验服装质量过程中不可分割的一部分，也是现如今影响消费者满意度最显著的一项指标。服装CAD(Computer Aided Garment Design，简称GCAD)技术的发展，将CAD研究领域中的相关理论与高新技术引入到服装领域，提高了服装的生产效率和整体质量。

现有的服装样板生成方法包括基于传统放码规则的服装智能生成方法、基于参数化设计的服装智能生成方法、基于人工智能的服装智能生成方法及基于三维人体模型的服装智能生成方法。但是其均存在相应的缺点，首先基于传统放码规则的服装智能生成方法必须要有大量的服装款式数据库和样板修改规则的反复验证，工作量是非常耗时耗力的。其次，这项技术需要样板师拥有大量的有关服装样板绘制和服装生产方面的经验，如样板中放码点的位置、数量、具体修改量、规则等，这些基本没有规范和标准可以依据，因此局限了这项技术的发展。其次基于参数化设计的服装智能生成方法服装样板并非机械零件，其结构形式往往会受到很多因素的影响，如服装面料性能、服装款式、生产加工工艺等，没有明显的规律性。尤其是服装款式方面，如分割、省道、褶皱等细节造型上复杂的变化，大大增加了确定参数化设计过程中结构参数的难度。再者基于人工智能的服装智能生成方法需要建立科学合理的服装合体性评价体系，这是利用人工智能技术实现个体化服装智能生成的基础，而目前还缺乏有效的手段来建立该评价系统。同时，为了更广泛的应用，必须对不同款式的服装进行一系列实验，以此建立具备“类人智能”的专家知识库，这还需要大量的工作。因此，该方法基本还停留在试验阶段，要实现实用化还有一定的距离。最后基于三维人体模型的服装智能生成方法想实现高精度的三维曲面与二维样板之间的映射，则需要极其巨大的计算量，大大增加计算时间，在模拟过程中也会遇到很多困难。但若精度不够，则会影响最终服装样板的精度，从而影响服装的合体性。

综上所述，如何有效地解决对样板师服装生产经验要求高、确定结构参数困难、实用性低、建立三维模型存在曲线变形造成服装样板的精度低等问题，是目前本领域技术人员急需解决的问题。

发明内容

本发明的目的是提供一种服装样板生成方法，该方法降低了对样板师服装生产经验的要求，降低了确定结构参数的难度，提高了实用性，提高了服装样板的精度；本发明的另一目的是提供一种服装样板生成装置、设备及计算机可读存储介质。

为解决上述技术问题，本发明提供如下技术方案：

一种服装样板生成方法，包括：

采集目标人体各特征部位的特征点和特征线的位置信息；

根据各所述位置信息生成各所述特征部位对应的目标特征部位曲线；

利用服装造型学原理从预设的服装原型样板库中查找各所述目标特征部位曲线对应的目标服装原型样板；

利用距离松量模型生成各所述目标特征部位曲线对应的距离增量，并将所述距离增量转化为样板增量；

根据所述样板增量和所述目标服装原型样板生成目标成衣样板。