收藏 分享(赏)

三维人体建模.ppt

上传人:g****t 文档编号:114852 上传时间:2023-02-24 格式:PPT 页数:45 大小:605KB
下载 相关 举报
三维人体建模.ppt_第1页
第1页 / 共45页
三维人体建模.ppt_第2页
第2页 / 共45页
三维人体建模.ppt_第3页
第3页 / 共45页
三维人体建模.ppt_第4页
第4页 / 共45页
三维人体建模.ppt_第5页
第5页 / 共45页
三维人体建模.ppt_第6页
第6页 / 共45页
亲,该文档总共45页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

1、三维人体建模 主要理论基础 人体数据测量 接触式人体测量技术 非接触式三维人体测量技术 立体摄影测量方法、激光测量法、莫尔条纹测量法 TC2分层轮廓测量法、投影条纹相位测量法等。投入商业应用的测量系统(人体扫描系统)有 Cyberware ,Loughborough,Hamamatsu,Image Twin 等系统。主要理论基础 OpenGL系统结构图 主要理论基础 三维测量技术 接触式 非接触式 主要理论基础 人体建模方法 主要有:线框模型 实体模型 曲面建模:(1)多边形描述 (2)参数化曲面描述 (3)碎片描述 基于物理特性的模型 主要理论基础 常用几种曲面重建方法比较 1 NURBS方

2、法来进行曲面重构 2利用B-spline方法来进行曲面重构 3利用微切平面方法来进行曲面重构 4利用特征方法来进行曲面重构 5利用曲面变形方法来进行曲面重构 6利用神经网络方法来进行曲面重构 7基于三角网格进行曲面重建 主要理论基础 曲面造型技术 参数曲面造型技术:核心思想就是以一组基函数为权因子,以一组初始控制向量的线性(或有理线性)组合来得到模型的连续表示。隐式曲面造型技术(元球造型技术(Metaball))细分曲面造型技术:由粗略到精细的建模思路。它是一种由离散到离散的表示形式。主要理论基础 3D勾画式造型技术 根据参照线与目标线来决定一系列的局部变换,并由局部变换产生出相应的梯度场,最

3、终用泊松方法重建三维模型。主要理论基础 人体测量 人体传统测量、人体二维测量和人体三维测量 传统的人体测量学主要研究人体测量和观察方法,并通过人体整体测量与局部测量来探讨人体的特征、类型、变异和发展规律。人体二维测量是指利用图形图像处理和模式识别等技术进行二维人体图像的测量工作。三维人体扫描是通过数字转换器、照相机或扫描仪获得与区域图像类似的等高线图,再由模型软件处理转换为空间点,以点数据云显示虚拟模型、关键标志,具有扫描迅速、重现尺寸准确等优点。主要理论基础 人体模型类型 第一类是Torso模型,其中又可以分A型和B型,主要用于女式衣身造型 第二类是Slax模型,主要用于裤子的造型 第三类为

4、Nude模型,是多用途模型,可以用于上衣、裤子、裙子和泳装等多种服装类型的造型 前面三类为女式标准人体,第四类Man模型,主要用于男式衣身造型 主要理论基础 人体特征识别 47个人体特征点及10个主要特征点 主要理论基础 主要理论基础 服装人体建模方法分析 多面体建模;基于特征的服装人体曲面建模;参数化的曲面建模;以网格边界线为连续条件的三维人体建模。主要理论基础 主要理论基础 三维人体建模方法分析 线框模型、实体模型、曲面模型、基于物理的建模、混合建模 主要理论基础 人体自由曲线曲面造型研究 Bezier曲面方法 B样条曲面方法 NURBS方法:NURBS曲面即非均匀有理B样条(Non-Un

5、iform Rational B-Spline)曲面。NURBS曲面具备了以上曲面方法的一切优点,并且还有很多其他的优点 主要理论基础 三维人体扫描方法 1、立体视觉法 2、结构光三角测量法 3、莫尔条纹干涉法 4、白光相位法 主要理论基础 点云类型 线点云 由一组与扫描平面平行的扫描线组成,每条线上的点位于扫描平面内。扫描线点云沿扫描方向非常密集,而扫描线之间相对比较稀疏。散乱点云 点云没有明显的几何形状特征和拓扑结构,呈散乱无序的状态,由激光、结构光等在随机扫描的方式测得的点云为该类型。网格化点云 经CMM、莫尔等高线测量、投影光栅测量系统等获得的数据经过网格插值后得到点云为网格化点云,网

6、格化点云含有点云间拓扑关系。主要理论基础 人体扫描点云数据处理技术 点云降噪与平滑 高斯滤波法、平均滤波法 点云数据精简 (1)均匀采样法 (2)倍率缩减法 (3)栅格法 (4)弦偏离法 孔洞修补 (1)抛物线切向延拓法 (2)BP神经网络修补法 (3)遗传算法结合神经网络算法 (4)拟合方法 (5)基于核机器的回归修补方法 主要研究方法 光照模型法向量的计算方法 三角片法向量和顶点法向量的计算方法 主要研究方法 基于三角网格进行曲面重建方法 此方法能有效解决构型复杂、形状和边界不规则的人体几何造型问题。可以对不规则的散乱数据点直接进行三角剖分,再利用OpenGL对三角面片显示的优化,可以快速

7、有效的构造人体的三维曲面模型。主要研究方法 小三角面片逼近曲面进行三维人体重建 散乱数据点三角剖分方法 散乱数据的三角剖分是构造散乱数据插值曲面时必不可少的前置处理,三角剖分可分为对三维散乱数据投影域的剖分和在空间直接剖分两种类型。直接基于空间体的三角剖分 基于空间体的三维散乱数据点直接三角剖分步骤:1.对散乱数据点预排序,形成散乱数据点顶点表 2.四面体剖分,得到Delaunay四面体网格。3.内点边界化。4.对散乱数据点的三角网格进行必要的修改。主要研究方法 鲁棒滤波去噪算法 用于去除点云数据表面噪声和离群点的算法。主要思想是应用一个核密度估计函数对带有噪声和离群点的点云数据作点聚类,通过

8、一个局部似然估计值使得每个数据点与三维采样曲面上的真实点对应起来,用Mean-Shift迭代算法将每一个采样点“漂移”到核密度估计函数的局部最大值点处,也就是该采样点在点集曲面上可能性测度最大的位置。这样一系列最大似然值点最后迭代出一个逼近原始曲面的准确值,从而实现了点云数据的快速高效光顺去噪。主要研究方法 三角网格孔洞光顺修补 利用孔洞边界及其周围原始网格顶点特征,通过加权三次曲线拟合,实现新增采样点的空间位置进行细调。修补实例表明,该算法具有较好的鲁棒性,能够处理各类大面积复杂型面的三角网格模型孔洞缺陷,重建的修补网格遇近原始真实形状,与周围网格连接光顺,且分布均匀,计算效率高。主要研究方

9、法 网格分割算法区域增长法 基于区域增长的分割算法实现简单,效率高能胜任实时反馈的交互要求,而且定义了反映极小值法则意义的有向特征距离,使得分割结果符合人体感知学规则,从而具有很高的实用价值.主要研究方法 边界优化 基于能量最小的动态曲线(Snake)优点是优化边界的顶点可以位于原网格的边上或面上;缺点是优化边界的顶点位置只能局限于网格上的顶点上导致依然存在锯齿形。基于最小切割或最大流量算法的图分割(Graph cut)与Snake类似 简单的Snake 同时具有snake优点,改进snake缺点 主要研究方法 网格分割与融合 泊松网格编辑 泊松网格融合 通过简单的交互手段来选取模型部件,通过

10、“组装”制作出想要的三维模型。主要研究方法 Balleton抽取骨架法 构建网格的Balleton的步骤如下:1计算网格M的Delaunay三角剖分和Voronoi图;2简化四面体集合以及对应的Voronoi图,得到一个精简的骨架S;3继续简化骨架和球集,得到网格M的Balleton;4将网格M的顶点对应到Balleton中相应的球.主要研究方法 网格优化算法 拉普拉斯(Laplacian)全局优化 保特征的非迭代的优化算法,它在保持网格需要的一些特证和逼近原网格的前提下优化顶点邻域和三角形的质量 顶点流动优化算法 让网格顶点从平坦部位移动到特征部位,使得在不增加新顶点的条件下增加网格表面的感

11、观特征,起到特征增强的目的 主要研究方法 三角网格中的直线生成算法 直线生成算法有数值微分法(DDA法)、中点画线法和Bresenham算法 Bresenham算法本文所采用的算法 主要研究方法 标准模型人体特征点识别方法 (1)人体胯部点 (2)腰部特征点、膝盖点 (3)颈部特征点(前颈点、左颈点、右颈点)(4)乳头点 (5)左、右肩点 (6)腋下点 主要研究方法 基于图像的人体特征区域和特征参数提取方法 通过对用户人体照片进行图像二值化、噪声处理、人体轮廓提取、人体特征点识别以及对人体的头部、手部、腿部等特征区域定位,获取人体各部位的像素数,进而通过计算得到用户人体的身高、上臂长、腿长、躯

12、干长以及躯干宽等人体特征尺寸 基于特征点的特征区域识别 主要研究方法 基于神经网络的三维人体特征曲线智能生成方法 通过神经网络训练,获得可以用来描述人体颈部、胸部、腰部以及臀部等部位曲线的权值和阂值,然后根据人体截面的围长、宽度、厚度等的尺寸参数信息,就能直接生成与真实人体体型吻合的人体三维曲线。主要研究方法 参数化人体建模方法 参数化建模方法:基于几何约束的变量几何方法(代数法);基于几何推理的人工智能法(规则法)和基于生成历程的过程构造法。基于几何推理的人工智能法的基本思想是将约束关系用一阶逻辑谓词来描述并存入事实库,通过推理机的推理作用,从规则库中选取规则并应用于现有事实,推理的结论作为

13、新的事实,推理史记录了所有成功的应用规则并提供给重构过程,构造出符合设计要求的几何体。其中Adefeld法是采用人工智能的典型参数化方法,其推理过程示意图如图2-1所示。主要研究方法 体型分类聚类分析法 小胸腰落差分类法;前后腰节差分类方法;胸型、腰型、臀型分类方法;各种有关人体尺寸指数分类方法;体型聚类分析方法 本文研究的体型分类采用聚类分析(Cluster Analysis)法,聚类分析是研究“物以类聚”的一种方法,是根据研究对象的特征对研究对象进行分类的多元分析技术总称。它把性质相近的个体归为一类,使得同一类的个体具有同质性。主要研究方法 人体扫描线点云表面重建方法 简化的人体扫描点云三

14、角剖分方法:用于点云数据规则的人体部位 基于Delaunay三角剖分的网格重建方法:人体其他部位 Sqrt3人体三角网格细分方法 主要技术成果 通过对不同材料以及不同光照的定义,建立不同光照、不同材质的三维人体模型 主要技术成果 通过VC+6.0中的OpenGL重构的三维人体模型添加材质纹理和光照的相关处理,最终得到接近现实人体的视觉效果,实现三维人体模型重构。主要技术成果 让用户基于勾画式轻松交互的分割和编辑及全局优化方法,利用已有的模型制作出高质量的简化网格模型。主要技术成果 面向服装设计的人体特征线自动生成 个性化人体三维模型生成 在服装CAD系统LSX中直接生成二维服装款式图 主要技术成果 通过参数化曲面建模方法输出的人体三维三角形网格模型 主要技术成果 通过对点云数据的优化处理得到三维人体模型

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 专业资料 > 医药卫生

copyright@ 2008-2023 wnwk.com网站版权所有

经营许可证编号:浙ICP备2024059924号-2