(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211024725.5 (22)申请日 2022.08.25 (71)申请人 感知阶跃 （深圳） 数字科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道滨海社区海天一路19、 17、 18号深圳 市软件产业基地 4栋423 (72)发明人 钱深瀚　马里千　刘子纬　 (74)专利代理 机构 深圳茂达智联知识产权代理 事务所(普通 合伙) 44394 专利代理师 骆晶 (51)Int.Cl. G06T 17/00(2006.01) G06N 3/04(2006.01) G06F 17/10(2006.01) (54)发明名称 可驱动物体形状 重建方法、 系统及 介质 (57)摘要 本发明公开了一种基于复合神经隐式函数 的可驱动物体形状重建方法、 系统及介质， 该方 法包括： 在骨骼中心设置局部坐标系， 并将各骨 骼绑定的SDF初始化为半径极小的球体； 计算骨 骼边界损失和截面法向损失， 在拟合物体表面的 同时实现初步的部件分离； 计算SDF的最小面积 损失， 在SDF的基础上构建一个在零势能面上梯 度最大的场， 实现对SDF所建模的物体表面的抑 制； 将最小面积损失同时施加在求并后的SDF和 各个局部SDF上， 抑制隐藏在整体形状内部的额 外表面。 本发 明使分部件重建方法能够摆脱对部 件划分标注数据的依赖， 直接基于三维扫描数据 进行通用可驱动物体的重建和无监督的部件划 分， 降低了对输入数据的要求， 拓 宽了应用场景。 权利要求书2页 说明书7页 附图2页 CN 115409939 A 2022.11.29 CN 115409939 A 1.一种基于复合神经隐式函数的可驱动物体形状重建方法， 其特征在于， 所述包括以 下步骤： 步骤S10， 在骨骼中心设置局部坐标系， 并将各骨骼绑定的SDF初始化为半径极小 的球 体； 步骤S20， 计算骨骼边界损失和截面法向损失， 在拟合物体表面的同时实现初步的部件 分离； 步骤S30， 计算SDF的最小面积损失， 在SDF的基础上构 建一个在零势能面上梯度最大的 场， 实现对S DF所建模的物体表面的抑制； 步骤S40， 将最小面积损失同时施加在求并后的SDF和各个局部SDF上， 抑制隐藏在整体 形状内部的额外表面。 2.根据权利要求1所述的基于复合神经隐式函数的可驱动物体形状重建方法， 其特征 在于， 所述步骤S20， 所述计算骨骼边界损失和截面法向损失， 在拟合物体表面的同时实现 初步的部件分离的步骤中， 计算骨骼边界损失所采用的公式为： 计算截面法向损失所采用的公式为： 其中， J(n)是第n个骨骼的相邻关节的集合， |J(n)|是J(n)中元素的数量； 是关节j处的 SDF值； 是关节j处的截面法向， 基于平行四边形法则由相邻骨骼之间的角度计算得 出。 3.根据权利要求1所述的基于复合神经隐式函数的可驱动物体形状重建方法， 其特征 在于， 所述 步骤S20中， 计算S DF的最小面积损失采用的公式为： 其中， d(n)是第n个部件建模的SDF值， d＝∪1≤n≤Nd(n)为所有部件SDF的并集； 4.根据权利要求1至3任意一项所述的基于复合神经隐式函数的可驱动物体形状重建 方法， 其特征在于， 所述步骤S40， 将最小面积损失 同时施加在求并后的SDF和各个局 部SDF 上， 抑制隐藏在整体形状内部的额外表面的步骤之后还 包括： 步骤S50， 用新的骨架动作驱动模型对可驱动物体形状重建进行验证， 其中， 在模型重 建过程中禁用任意组件。 5.一种基于复合神经隐式函数的可驱动物体形状重建系统， 其特征在于， 所述系统包 括存储器、 处理器， 以及存储在所述处理器上 的基于复合神经隐式函数 的可驱动物体形状 重建程序， 所述基于复合神经隐式函数的可驱动物体形状重建程序被所述处理器运行时执 行以下步骤：权　利　要　求　书 1/2 页 2 CN 115409939 A 2在骨骼中心设置局部坐标系， 并将各骨骼 绑定的SDF初始化 为半径极小的球 体； 计算骨骼边界损失和截面法向损失， 在拟合物体表面的同时实现初步的部件分离； 计算SDF的最小面积损失， 在SDF的基础上构建一个在零势能面上梯度最大的场， 实现 对SDF所建模的物体表面的抑制； 将最小面积损失同时施加在求并后的SDF和各个局部SDF上， 抑制隐藏在整体形状内部 的额外表面。 6.根据权利要求5所述的基于复合神经隐式函数的可驱动物体形状重建系统， 其特征 在于， 所述计算骨骼边界损失和截面法 向损失， 在拟合物体表面的同时实现初步的部件分离 的步骤中， 计算骨骼边界损失所采用的公式为： 计算截面法向损失所采用的公式为： 其中， J(n)是第n个骨骼的相邻关节的集合， |J(n)|是J(n)中元素的数量； 是关节j处的 SDF值； 是关节j处的截面法向， 基于平行四边形法则由相邻骨骼之间的角度计算得 出。 7.根据权利要求5所述的基于复合神经隐式函数的可驱动物体形状重建系统， 其特征 在于， 所述步骤S20中， 计算S DF的最小面积损失采用的公式为： 其中， d(n)是第n个部件建模的SDF值， d＝∪1≤n≤Nd(n)为所有部件SDF的并集； 8.根据权利要求5至7任意一项所述的基于复合神经隐式函数的可驱动物体形状重建 系统， 其特征在于， 所述基于复合神经隐式函数 的可驱动物体形状重建程序被所述处理器 运行时还执 行以下步骤： 用新的骨架动作驱动模型对可驱动物体形状重建进行验证， 其中， 在模型重建过程中 禁用任意组件。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储又基于复合 神经隐式函数的可驱动物体形状重 建程序， 所述基于复合神经隐式函数的可驱动物体形状 重建程序被处 理器运行时执 行如权利要求1至4任意 一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115409939 A 3