几何人体语义特征提取与形变算法研究

发布时间：2020-12-14 02:12

　　近年来,随着像Kinect这样价格亲民的传感器的出现,获取逼真的三维人体模型变得越来越快速便利,使用三维重建技术重建出的三维人体模型可用于多种应用,如:个性化家具定制,虚拟试衣等。而这些应用离不开人体特征点、人体几何数据等人体语义特征的提取,还有人体模型形变算法的辅助。因此,对三维人体模型语义特征提取算法和形变算法的研究是很有意义的。使用三维扫描仪重建出越来越逼真的三维人体模型将会是未来的一项趋势,而发展出与之相配套的成熟的语义特征提取和形变算法,会是极有价值的一项工作。目前,对三维人体模型提取语义特征的方法有基于分割或特征点提取等方法,而本文结合了分割和特征点提取的方法设计了一种提取三维人体语义特征的算法。此外,常见的三维网格模型形变方法有蒙皮方法、数据驱动的方法和基于物理的方法,而本文则基于骨骼驱动的形变方法设计了一种用于产品适配的,通过人体数据和产品数据的约束进行人体姿势形变的算法。本文主要讨论了对于一个用三维人体重建技术建出来的三维人体网格模型,如何按照人体语义把人体网格模型分割成若干个部分,提取出三维人体模型的各种人体特征点,并且提取人体各项数据。同时,对于设计出的产品,如何... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

人体特征点提取结果

a) Kavan 等人的算法结果[20]b) Vaillant 等人的形变算法结图 1-3 人体模型形变结果.5 三维物体骨架生成算法学术界中有多种多样的对三维物体模型进行骨架生成的算法，这些方化方法和距离变换。通过细化算法进行骨架生成的一个例子是Pal gyi等人在1998年提出]。此方法先把三维模型进行体素化，然后按照特定规则逐渐删除体素以被删除为止，最后剩下的体素集合就是三维物体的骨架。使用这种后得到的骨架会有很多冗余的分支，需要剪枝才能得到较好的骨架。而距离变换方法的一个例子是Zhou等人在1999年提出的一种三维物]。他们同样先把三维模型进行体素化，然后为每个体素计算距离编码编码的体素集合成一个个簇，接下来再把各个簇的中心点按一定规则

在本章我们先介绍了使用 Kinect 传感器重建三维人体模型的算法，然后提出了一种基于骨架生成的三维人体自动分割算法。在分割算法中，我们使用了一种基于细化算法的骨架生成方法生成了人体的骨架曲线，接着沿骨架曲线把人体模型切片并计算出各分片的参数，最后根据分片参数确定了分割位置，实现了对三维人体模型的快速准确的自动分割。2.1 基于 RGBD 数据的三维人体重建本文在实验中使用的三维人体模型来源于人体扫描。我们使用了一种基于单个Kinect 的三维人体建模算法。Kinect 是一种 RGBD 摄像机，它不仅有 RGB 摄像头可以捕捉色彩，并且带有感光镜头可以根据周围环境的光线获得测量物体的深度信息，从而得到物体的三维坐标，可以方便快速地进行三维物体的建模。通过三维人体建模算法重建出人体模型后，才能够对人体模型进行特征提取和形变。


本文编号：2915608