基于网格形变的单目三维重建方法及装置

技术领域

本发明涉及基于机器学习的三维重建技术领域，具体而言，涉及一种基于网格形变的单目三维重建方法及装置。

背景技术

随着机器学习技术的快速发展，基于机器学习的三维重建领域得到了越来越多的关注。其中，面向网格形变的单目三维重建任务将单个彩色图像作为模型的输入，将模型输出的形变向量作用在当前三维形状上，迭代着进行多轮形变，就可以得到一个目标物体的三维网格数据。而如何优化初始网格的形变过程，提高形变过程的可解释性和形变结果的可用性成为了亟待解决的技术问题。

目前，基于网格形变的单目三维重建任务通常采用倒角距离来度量输出的三维网格与目标三维物体之间的距离，并直接将该倒角距离用于机器学习模型的反向传播和迭代学习。然而，这种方式是将一个点集中的所有点平等看待，在迭代训练过程中，并不关心两个点集之间的关系，也不考虑形变顶点之间的相对位置关系，由此会导致最终输出的三维网格存在大量自相交情况，进而导致三维网格的拓扑结构不合理，可用性较差。

发明内容

本发明提供一种基于网格形变的单目三维重建方法及装置，主要在于能够优化形变点集的形变方向，从而能够减少三维网格的自相交情况，保证三维网格拓扑结构的合理性。

根据本发明实施例的第一方面，提供一种基于网格形变的单目三维重建方法，包括：

获取彩色图像中目标物体的第一点集和所述目标物体对应的初始三维网格的第二点集；

根据所述第一点集中各点的数据和所述第二点集中各点的数据，计算所述第一点集与所述第二点集之间的最近距离关系；

根据所述第一点集与所述第二点集之间的最近距离关系，确定所述第二点集中各点对应的查询频率；

基于所述第二点集中各点对应的查询频率，分别对所述第二点集和所述第一点集进行更新，得到更新后的第二点集和更新后的第一点集；

计算所述更新后的第一点集与所述更新后的第二点集之间的倒角距离，并基于计算的所述倒角距离，对所述初始三维网格进行形变；

继续对所述第一点集和形变后的初始三维网格对应的点集进行更新，并重复对所述初始三维网格的形变迭代过程，直至达到预设迭代次数时，输出最终的三维网格数据。

根据本发明实施例的第二方面，提供一种基于网格形变的单目三维重建装置，包括：

获取单元，用于获取彩色图像中目标物体的第一点集和所述目标物体对应的初始三维网格的第二点集；

计算单元，用于根据所述第一点集中各点的数据和所述第二点集中各点的数据，计算所述第一点集与所述第二点集之间的最近距离关系；

确定单元，用于根据所述第一点集与所述第二点集之间的最近距离关系，确定所述第二点集中各点对应的查询频率；

更新单元，用于基于所述第二点集中各点对应的查询频率，分别对所述第二点集和所述第一点集进行更新，得到更新后的第二点集和更新后的第一点集；

所述计算单元，还用于计算所述更新后的第一点集与所述更新后的第二点集之间的倒角距离，并基于计算的所述倒角距离，对所述初始三维网格进行形变；

迭代单元，用于继续对所述第一点集和形变后的初始三维网格对应的点集进行更新，并重复对所述初始三维网格的形变迭代过程，直至达到预设迭代次数时，输出最终的三维网格数据。

根据本发明实施例的第三方面，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以下步骤：

获取彩色图像中目标物体的第一点集和所述目标物体对应的初始三维网格的第二点集；

根据所述第一点集中各点的数据和所述第二点集中各点的数据，计算所述第一点集与所述第二点集之间的最近距离关系；

根据所述第一点集与所述第二点集之间的最近距离关系，确定所述第二点集中各点对应的查询频率；

基于所述第二点集中各点对应的查询频率，分别对所述第二点集和所述第一点集进行更新，得到更新后的第二点集和更新后的第一点集；

计算所述更新后的第一点集与所述更新后的第二点集之间的倒角距离，并基于计算的所述倒角距离，对所述初始三维网格进行形变；

继续对所述第一点集和形变后的初始三维网格对应的点集进行更新，并重复对所述初始三维网格的形变迭代过程，直至达到预设迭代次数时，输出最终的三维网格数据。

根据本发明实施例的第四方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

获取彩色图像中目标物体的第一点集和所述目标物体对应的初始三维网格的第二点集；

根据所述第一点集中各点的数据和所述第二点集中各点的数据，计算所述第一点集与所述第二点集之间的最近距离关系；

根据所述第一点集与所述第二点集之间的最近距离关系，确定所述第二点集中各点对应的查询频率；

基于所述第二点集中各点对应的查询频率，分别对所述第二点集和所述第一点集进行更新，得到更新后的第二点集和更新后的第一点集；

计算所述更新后的第一点集与所述更新后的第二点集之间的倒角距离，并基于计算的所述倒角距离，对所述初始三维网格进行形变；

继续对所述第一点集和形变后的初始三维网格对应的点集进行更新，并重复对所述初始三维网格的形变迭代过程，直至达到预设迭代次数时，输出最终的三维网格数据。

本发明实施例的创新点包括：

1、在三维点集的倒角距离计算过程中引入了两个点集之间的映射关系，以及单个点在其所属点集中的相对关系，充分利用了所有的计算信息，提高了计算的可靠性是本发明实施例的创新点之一。

2、引入查询频率，并依据其进行排除操作，使得每一轮迭代参与到倒角距离计算的顶点对象和数量都在动态变化，为倒角距离的计算引入了更多的自适应空间是本发明实施例的创新点之一。

3、从点集中排除掉查询频率较高的点，对三维网格的形变过程进行动态控制，从而使整个三维网格的形变过程更加自适应和均衡，减少自相交问题是本发明实施例的创新点之一。

本发明提供的一种基于网格形变的单目三维重建方法及装置，与现有技术将点集中的所有点平等看待的方式相比，能够获取彩色图像中目标物体的第一点集和所述目标物体对应的初始三维网格的第二点集，并根据所述第一点集中各点的数据和所述第二点集中各点的数据，计算所述第一点集与所述第二点集之间的最近距离关系，之后根据所述第一点集与所述第二点集之间的最近距离关系，确定所述第二点集中各点对应的查询频率，接着基于所述第二点集中各点对应的查询频率，分别对所述第二点集和所述第一点集进行更新，得到更新后的第二点集和更新后的第一点集，与此同时，计算所述更新后的第一点集与所述更新后的第二点集之间的倒角距离，并基于计算的所述倒角距离，对所述初始三维网格进行形变，继续对所述第一点集和形变后的初始三维网格对应的点集进行更新，并重复对所述初始三维网格的形变迭代过程，直至达到预设迭代次数时，输出最终的三维网格数据。由此可知，本发明通过确定第一点集和第二点集之间的最近距离关系，以及第二点集中各点对应的查询频率，能够在倒角距离计算的过程中引入两个点集之间的映射关系，以及单个点集内部的相对关系，从而能够将点集中的点不平等地处理，使得两个点集之间的倒角距离计算更加动态，同时由于查询频率的计算提供了更加合理和均衡的梯度，因此能够优化形变点集的形变方向，进而能够减少三维网格的自相交情况，保证三维网格拓扑结构的合理性。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明实施例提供的一种基于网格形变的单目三维重建方法流程示意图；

图2示出了本发明实施例提供的最近距离关系示意图；

图3示出了本发明实施例提供的另一种基于网格形变的单目三维重建方法流程示意图；

图4示出了本发明实施例提供的三维重建效果示意图；

图5示出了本发明实施例提供的一种基于网格形变的单目三维重建装置的结构示意图；

图6示出了本发明实施例提供的另一种基于网格形变的单目三维重建装置的结构示意图；

图7示出了本发明实施例提供的一种电子设备的实体结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

现有技术是将一个点集中的所有点平等看待，在迭代训练过程中，并不关心两个点集之间的关系，也不考虑形变顶点之间的相对位置关系，由此会导致最终输出的三维网格存在大量自相交情况，进而导致三维网格的拓扑结构不合理，可用性较差。

为了克服上述缺陷，本发明实施例提供了一种基于网格形变的单目三维重建方法，如图1所示，该方法包括：

步骤101、获取彩色图像中目标物体的第一点集和所述目标物体对应的初始三维网格的第二点集。

其中，彩色图像为单目相机拍摄的二维图像，目标物体可以为家具和交通工具等，该家具可以包括床、沙发、椅子等，该交通工具可以包括轿车、公交车、卡车、自行车、摩托车等。此外，第一点集和第二点集均为三维点集。

本发明实施例主要适用于三维网格重建的场景，本发明实施例的执行主体为能够进行三维网格重建的装置或者设备，具体可以设置在服务器一侧。

对于本发明实施例，可以使用单目相机对目标物体进行拍摄，获取目标物体的彩色图像，面向网格形变的单目三维重建任务可以将该彩色图像作为模型输入，并将模型输出的形变向量作用在初始三维网格上，迭代着进行多轮形变，便可以得到目标物体对应的三维网格数据。为了实现上述过程，需要预先获取彩色图像中目标物体的第一点集S

其中，S

步骤102、根据所述第一点集中各点的数据和所述第二点集中各点的数据，计算所述第一点集与所述第二点集之间的最近距离关系。

对于本发明实施例，在获取目标物体对应的第一点集和初始三维网格对应的第二点集之后，需要确定第一点集与第二点集之间的最近距离关系，即引入第一点集与第二点集之间的映射关系，以便在倒角距离计算的过程中，将点集中的点不平等地处理，从而使得两个点集的距离计算更加动态，在形变的过程中能够保持结构的合理性。

针对确定第一点集与第二点集之间的最近距离关系的具体过程，作为一种可选实施方式，步骤102具体包括：针对所述第一点集中任意一点，根据所述第一点集中任意一点的数据和所述第二点集中各点的数据，确定所述第一点集中任意一点到所述第二点集中各点距离最近的第一邻近点，以及所述第一点集中任意一点与所述第一邻近点之间的距离；针对所述第二点集中任意一点，根据所述第二点集中任意一点的数据和所述第一点集中各点的数据，确定所述第二点集中任意一点到所述第一点集中各点距离最近的第二邻近点，以及所述第二点集中任意一点与所述第二邻近点之间的距离；根据所述第一点集中各点对应的第一邻近点，所述第一点集中各点与其对应的第一邻近点之间的距离，所述第二点集中各点对应的第二邻近点，以及所述第二点集中各点与其对应的第二邻近点之间的距离，确定所述第一点集与所述第二点集之间的最近距离关系。

具体地，在计算第一点集S

由此根据上述得到的四个数据结构，能够确定第一点集与第二点集之间的最近距离关系，即映射关系，如图2(a)所示，其中，圆形代表第一点集S

步骤103、根据所述第一点集与所述第二点集之间的最近距离关系，确定所述第二点集中各点对应的查询频率。

对于本发明实施例，在确定第一点集和第二点集之间的最近距离关系之后，还可以根据该最近距离关系，确定第二点集中各点对应的查询频率，从而引入第二点集中单个点在其所属点集中的相对关系。

针对第二点集中各点的查询频率确定过程，作为一种可选实施方式，步骤103具体包括：根据所述第一点集与所述第二点集之间的最近距离关系，统计所述第二点集中各点被所述第一点集作为所述第一邻近点的数量；根据所述第二点集中各点被所述第一点集中作为所述第一邻近点的数量，确定所述第二点集中各点对应的查询频率。

具体地，查询频率QF的物理意义在于第一点集S

/>

st.

上述公式表示S

步骤104、基于所述第二点集中各点对应的查询频率，分别对所述第二点集和所述第一点集进行更新，得到更新后的第二点集和更新后的第一点集。

对于本发明实施例，为了优化形变点集的形变方向，保证形变过程中三维网格结构的合理性，可以根据第二点集中各点的查询频率，从第二点集中排除掉查询频率较高的点，与此同时，根据第一点集与第二点集之间的映射关系，确定第一点集中与第二点集中排除掉的点相对应的点，同样将这些点从第一点集中排除，得到更新后的第一点集S′

由此按照上述方式能够更新参与倒角计算的顶点对象和数量，从而能够使得整个学习和形变过程更加动态，更加自适应。

步骤105、计算所述更新后的第一点集与所述更新后的第二点集之间的倒角距离，并基于计算的所述倒角距离，对所述初始三维网格进行形变。

对于本发明实施例，在获取更新后的第一点集S′

步骤106、继续对所述第一点集和形变后的初始三维网格对应的点集进行更新，并重复对所述初始三维网格的形变迭代过程，直至达到预设迭代次数时，输出最终的三维网格数据。

其中，预设迭代次数可以根据实际的业务需求进行设定。

对于本发明实施例，重复上述过程，继续对第一点集和形变后的初始三维网格对应的点集进行更新，以及对形变后的初始三维网格进行形变迭代，直至达到预设迭代次数时，停止迭代，并输出最终的三维网格数据，即目标物体的三维重建模型。

本发明实施例提供的一种基于网格形变的单目三维重建方法，通过确定第一点集和第二点集之间的最近距离关系，以及第二点集中各点对应的查询频率，能够在倒角距离计算的过程中引入两个点集之间的映射关系，以及单个点集内部的相对关系，从而能够将点集中的点不平等地处理，使得两个点集之间的倒角距离计算更加动态，同时由于查询频率的计算提供了更加合理和均衡的梯度，因此能够优化形变点集的形变方向，进而能够减少三维网格的自相交情况，保证三维网格拓扑结构的合理性。

进一步的，作为对上述实施例的细化和扩展，本发明实施例提供了另一种基于网格形变的单目三维重建方法，如图3所示，所述方法包括：

步骤201、获取彩色图像中目标物体的第一点集和所述目标物体对应的初始三维网格的第二点集。

对于本发明实施例，为了对目标物体对应的初始三维网格进行形变迭代，需要预先获取彩色图像中目标物体的第一点集S

步骤202、根据所述第一点集中各点的数据和所述第二点集中各点的数据，计算所述第一点集与所述第二点集之间的最近距离关系。

对于本发明实施例，在获取第一点集S

由此根据上述得到的四个数据结构，能够确定第一点集S

步骤203、根据所述第一点集与所述第二点集之间的最近距离关系，确定所述第二点集中各点对应的查询频率。

对于本发明实施例，在确定第一点集S

步骤204、从所述第二点集中筛选出所述查询频率大于预设查询频率的第一目标点加入至第三点集中。

其中，预设查询频率可以根据实际的业务需求进行设定。

例如，设定预设查询频率为4，将第二点集中查询频率大于4的点确定为第一目标点，并将其加入至第三点集中，第三点集为第二点集的子集。

对于本发明实施例，除了上述方式之外，还可以根据第二点集中各点对应的查询频率，由高到低对第二点集中各点进行排序，并根据排序结果，从第二点集中筛选出排序名次处于预设范围内的第一目标点加入至第三点集中。

例如，第二点集中有2000个点，将查询频率排名前20的点作为第一目标点加入至第三点集S

步骤205、根据所述第一点集与所述第二点集之间的最近距离关系，从所述第一点集中筛选出与所述第一目标点相对应的第二目标点加入至第四点集中。

对于本发明实施例，由于第一点集S

需要说明的是，虽然当j不同时，S

步骤206、根据所述第三点集和所述第四点集，分别对所述第二点集和所述第一点集进行更新，得到更新后的第二点集和更新后的第一点集。

对于本发明实施例，为了对第一点集S

S′

S′

由此可知，本发明实施例通过将三角网格S

步骤207、计算所述更新后的第一点集与所述更新后的第二点集之间的倒角距离，并基于计算的所述倒角距离，对所述初始三维网格进行形变。

对于本发明实施例，为了计算更新后的第一点集与更新后的第二点集之间的倒角距离，步骤207具体包括：针对所述更新后的第一点集中任意一点，根据所述更新后的第一点集中任意一点的数据和所述更新后的第二点集中各点的数据，确定所述更新后的第一点集中任意一点到所述更新后的第二点集中各点距离最近的第三邻近点，以及所述更新后的第一点集中任意一点与所述第三邻近点之间的距离；针对所述更新后的第二点集中任意一点，根据所述更新后的第二点集中任意一点的数据和所述更新后的第一点集中各点的数据，确定所述更新后的第二点集中任意一点到所述更新后的第一点集中各点距离最近的第四邻近点，以及所述更新后的第二点集中任意一点与所述第四邻近点之间的距离；根据所述更新后的第一点集中各点与其对应的第三邻近点之间的距离，计算第一平均距离；根据所述更新后的第二点集中各点与其对应的第四邻近点之间的距离，计算第二平均距离；将所述第一平均距离和所述第二平均距离相加，得到所述倒角距离。

具体地，在计算更新后的第一点集S′

进一步地，在确定上述数据结构之后，分别对Dist′

ACD＝Mean(Dist′

由于更新后的第一点集和更新后的第二点集中的数据量均小于原始点集的数据量，因此本发明实施例能够逐步减少倒角距离的计算量。

步骤208、继续对所述第一点集和形变后的初始三维网格对应的点集进行更新，并重复对所述初始三维网格的形变迭代过程，直至达到预设迭代次数时，输出最终的三维网格数据。

对于本发明实施例，重复上述过程，直至达到预设迭代次数时，停止迭代，并输出最终的三维网格数据，即目标物体的三维重建模型。如图4所示，左侧图像为现有技术的重构结果，右侧图像为本发明实施例的重构结果，通过对比可以明显看出，本发明实施例有效地减少了三维网格的自相交情况，能够保证三维网格结构的合理性。

本发明实施例提供的另一种基于网格形变的单目三维重建方法，通过确定第一点集和第二点集之间的最近距离关系，以及第二点集中各点对应的查询频率，能够在倒角距离计算的过程中引入两个点集之间的映射关系，以及单个点集内部的相对关系，从而能够将点集中的点不平等地处理，使得两个点集之间的倒角距离计算更加动态，同时由于查询频率的计算提供了更加合理和均衡的梯度，因此能够优化形变点集的形变方向，进而能够减少三维网格的自相交情况，保证三维网格拓扑结构的合理性。

进一步地，作为图1的具体实现，本发明实施例提供了一种基于网格形变的单目三维重建装置，如图5所示，所述装置包括：获取单元31、计算单元32、确定单元33、更新单元34和迭代单元35。

所述获取单元31，可以用于获取彩色图像中目标物体的第一点集和所述目标物体对应的初始三维网格的第二点集。

所述计算单元32，可以用于根据所述第一点集中各点的数据和所述第二点集中各点的数据，计算所述第一点集与所述第二点集之间的最近距离关系。

所述确定单元33，可以用于根据所述第一点集与所述第二点集之间的最近距离关系，确定所述第二点集中各点对应的查询频率。

所述更新单元34，可以用于基于所述第二点集中各点对应的查询频率，分别对所述第二点集和所述第一点集进行更新，得到更新后的第二点集和更新后的第一点集。

所述计算单元32，还可以用于计算所述更新后的第一点集与所述更新后的第二点集之间的倒角距离，并基于计算的所述倒角距离，对所述初始三维网格进行形变。

所述迭代单元35，可以用于继续对所述第一点集和形变后的初始三维网格对应的点集进行更新，并重复对所述初始三维网格的形变迭代过程，直至达到预设迭代次数时，输出最终的三维网格数据。

在具体应用场景中，所述计算单元32，可以具体用于针对所述第一点集中任意一点，根据所述第一点集中任意一点的数据和所述第二点集中各点的数据，确定所述第一点集中任意一点到所述第二点集中各点距离最近的第一邻近点，以及所述第一点集中任意一点与所述第一邻近点之间的距离；针对所述第二点集中任意一点，根据所述第二点集中任意一点的数据和所述第一点集中各点的数据，确定所述第二点集中任意一点到所述第一点集中各点距离最近的第二邻近点，以及所述第二点集中任意一点与所述第二邻近点之间的距离；根据所述第一点集中各点对应的第一邻近点，所述第一点集中各点与其对应的第一邻近点之间的距离，所述第二点集中各点对应的第二邻近点，以及所述第二点集中各点与其对应的第二邻近点之间的距离，确定所述第一点集与所述第二点集之间的最近距离关系。

在具体应用场景中，所述确定单元33，可以具体用于根据所述第一点集与所述第二点集之间的最近距离关系，统计所述第二点集中各点被所述第一点集作为所述第一邻近点的数量；根据所述第二点集中各点被所述第一点集中作为所述第一邻近点的数量，确定所述第二点集中各点对应的查询频率。

在具体应用场景中，如图6所示，所述更新单元34，包括：筛选模块341和更新模块342。

所述筛选模块341，可以用于从所述第二点集中筛选出所述查询频率大于预设查询频率的第一目标点加入至第三点集中。

所述筛选模块341，还可以用于根据所述第一点集与所述第二点集之间的最近距离关系，从所述第一点集中筛选出与所述第一目标点相对应的第二目标点加入至第四点集中。

所述更新模块342，可以用于根据所述第三点集和所述第四点集，分别对所述第二点集和所述第一点集进行更新，得到更新后的第二点集和更新后的第一点集。

进一步地，所述更新单元34，还包括：排序模块343。

所述排序模块343，可以用于根据所述第二点集中各点对应的查询频率，由高到低对所述第二点集中各点进行排序，得到排序结果。

所述筛选模块341，还可以用于根据所述排序结果，从所述第二点集中筛选出排序名次处于预设范围内的第一目标点加入至所述第三点集中。

进一步地，所述更新模块342，可以具体用于从所述第二点集中排除掉所述第三点集中的第一目标点，得到更新后的第二点集；从所述第一点集中排除掉所述第四点集中的第二目标点，得到更新后的第一点集。

在具体应用场景中，所述计算单元32，还可以具体用于针对所述更新后的第一点集中任意一点，根据所述更新后的第一点集中任意一点的数据和所述更新后的第二点集中各点的数据，确定所述更新后的第一点集中任意一点到所述更新后的第二点集中各点距离最近的第三邻近点，以及所述更新后的第一点集中任意一点与所述第三邻近点之间的距离；针对所述更新后的第二点集中任意一点，根据所述更新后的第二点集中任意一点的数据和所述更新后的第一点集中各点的数据，确定所述更新后的第二点集中任意一点到所述更新后的第一点集中各点距离最近的第四邻近点，以及所述更新后的第二点集中任意一点与所述第四邻近点之间的距离；根据所述更新后的第一点集中各点与其对应的第三邻近点之间的距离，计算第一平均距离；根据所述更新后的第二点集中各点与其对应的第四邻近点之间的距离，计算第二平均距离；将所述第一平均距离和所述第二平均距离相加，得到所述倒角距离。

需要说明的是，本发明实施例提供的一种基于网格形变的单目三维重建装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。

基于上述如图1所示方法，相应的，本发明实施例还提供了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以下步骤：获取彩色图像中目标物体的第一点集和所述目标物体对应的初始三维网格的第二点集；根据所述第一点集中各点的数据和所述第二点集中各点的数据，计算所述第一点集与所述第二点集之间的最近距离关系；根据所述第一点集与所述第二点集之间的最近距离关系，确定所述第二点集中各点对应的查询频率；基于所述第二点集中各点对应的查询频率，分别对所述第二点集和所述第一点集进行更新，得到更新后的第二点集和更新后的第一点集；计算所述更新后的第一点集与所述更新后的第二点集之间的倒角距离，并基于计算的所述倒角距离，对所述初始三维网格进行形变；继续对所述第一点集和形变后的初始三维网格对应的点集进行更新，并重复对所述初始三维网格的形变迭代过程，直至达到预设迭代次数时，输出最终的三维网格数据。

基于上述如图1所示方法和如图5所示装置的实施例，本发明实施例还提供了一种电子设备的实体结构图，如图7所示，该电子设备包括：处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序，其中存储器42和处理器41均设置在总线43上，所述处理器41执行所述程序时实现以下步骤：获取彩色图像中目标物体的第一点集和所述目标物体对应的初始三维网格的第二点集；根据所述第一点集中各点的数据和所述第二点集中各点的数据，计算所述第一点集与所述第二点集之间的最近距离关系；根据所述第一点集与所述第二点集之间的最近距离关系，确定所述第二点集中各点对应的查询频率；基于所述第二点集中各点对应的查询频率，分别对所述第二点集和所述第一点集进行更新，得到更新后的第二点集和更新后的第一点集；计算所述更新后的第一点集与所述更新后的第二点集之间的倒角距离，并基于计算的所述倒角距离，对所述初始三维网格进行形变；继续对所述第一点集和形变后的初始三维网格对应的点集进行更新，并重复对所述初始三维网格的形变迭代过程，直至达到预设迭代次数时，输出最终的三维网格数据。

本发明实施例通过确定第一点集和第二点集之间的最近距离关系，以及第二点集中各点对应的查询频率，能够在倒角距离计算的过程中引入两个点集之间的映射关系，以及单个点集内部的相对关系，从而能够将点集中的点不平等地处理，使得两个点集之间的倒角距离计算更加动态，同时由于查询频率的计算提供了更加合理和均衡的梯度，因此能够优化形变点集的形变方向，进而能够减少三维网格的自相交情况，保证三维网格拓扑结构的合理性。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。