基于三角形骨架坐标的图象渐变算法

为快速进行不规则多边形区域内的数字图象渐变处理,提出了一种基于三角形骨架坐标的图象渐变算法,即先将图象区域分割为若干个三角形区域,再逐个对这些三角形区域建立象素点的骨架坐标,这样三角形骨架外壳的改变就会带动其内部图象的渐变,并根据骨架坐标变换,推导三角形区域内象素点坐标随外壳三角形顶点改变的计算公式,进而建立了骨架外壳改变后的新象素点与原始象素点间的颜色对应关系。利用该不规则多边形区域内的图象渐变算法,可解决运动模拟等常见图象的变形问题。     

基于骨架的三维网格局部编辑

复杂网格的编辑是三维动画设计的关键技术,已经出现了多种比较成功的方案和算法。在研究了三维网格的骨架生成及其优化方法的基础上,提出了一种基于骨架的局部网格编辑算法。先由用户确定编辑区域,绘出与变形后的骨架相对应的编辑曲线,再根据网格顶点与骨架曲线及编辑曲线之间的对应关系,实现网格结点的平移和旋转等编辑操作。实验证明,该算法的实现具有编辑直观、易于控制等特点,能够很好地应用于网格的局部特征编辑。     

微分域网格变形的GPU加速算法

微分域网格变形方法能够较好的保持网格模型的局部细节特征,但其计算需要耗费较长的时间.结合GPU的高速并行运算性能,设计并实现了一种基于GPU的微分域网格变形算法.通过GPU进行网格的微分坐标求解、线性系统系数矩阵的Cholesky分解、线性系统求解等运算,从而将网格局部细节特征编码和解码过程以及变形结果的绘制完全通过GPU完成.实验结果表明该算法能够有效加速微分域网格变形方法的计算和绘制.     

基于骨架关节点约束的交互式局部变形

利用广义元球变形技术,提出一种基于骨架关节点约束的交互式局部变形方法。该方法提取多边形网格模型的骨架关节点并结合模型骨架图结构确定骨架关节点对应的局部区域,计算三维网格点到骨架节点的欧式距离,将约束区域的最大欧氏距离作为约束半径,得到各骨架节点对应的势函数值,通过控制骨架节点的空间位置给出三角形面片点的新坐标位置。实验结果表明,该方法有效保持多边形网络模型的局部特征,并确保了模型变形的直观性和高效性。     

一种改进的基于特征点求解的骨架提取算法

基于特征点求解和Reeb图思想,实现了一种新的骨架提取算法。首先求取模型特征点集,以特征点为计算依据,根据三角网格中每个顶点与特征点的不同对应关系得到网格分支点,聚合成一系列骨架点,依据骨架点携带的拓扑信息,连接拓扑相邻的骨架点得到模型骨架。采用了改进的特征点提取算法,其时间复杂度由O（n^3）提高到了O（n^2log（n））,实验表明算法能够快速提取骨架,针对一般模型的骨架提取效果令人满意。     

基于局部刚性约束的微分网格变形算法

针对网格角色模型（人体或动物模型）的关节部位在变形中易出现扭曲或不自然体积改变的问题,结合网格刚性变形和微分变形的理论,提出了一种基于局部刚性约束的变形算法。在本算法中,首先采用距离场方法求取模型的骨架关节点,然后在关节点上插入刚性约束架,再用均值坐标将刚性约束架和模型绑定到一起,最后通过求解包含微分约束和局部刚性约束的能量方程得到变形结果。实验表明,本算法很好地解决了大规模角色模型变形过程中,关节部位出现失真的问题。     

基于细分的网格模型骨架驱动变形技术

针对传统骨架驱动变形方法中模型细节特征不能得到有效保持的问题,提出一种基于细分的骨架驱动网格模型变形方法。首先,对网格模型待变形区域基于截交线进行局部骨架提取和控制网格构建,分别建立骨架与控制网格以及控制网格所对应细分曲面与待变形模型区域之间的关联关系;然后,将基本函数作用下的自由变形方法应用于骨架变形,通过骨架变形驱动控制网格变形,将变形前后控制网格所对应细分曲面的变化信息转为网格模型泊松梯度场的改变;最后,根据改变后梯度场重建网格模型。实例表明,该变形方法针对不同网格模型均可以得到较好的编辑效果,且细节信息在变形后都得到了有效保持。与传统骨架驱动变形方法相比,该方法除具备交互操作简单直观的优势外,同时能够更好保持变形模型几何细节特征,更为适合具有丰富几何细节的复杂模型的变形编辑。     

基于轮廓线的三维网格曲面绘制

在融合了交互式轮廓绘制与网格造型技术的基础上,提出了一种快速三维网格曲面建模方法.根据绘制轮廓线的特征点分布,进行约束化三角网格剖分,提取二维轮廓线的骨架;选取骨架点和采样点投影到三维空间椭球曲面,并引入二面角原则,优化了空间离散数据点的三角化算法;最后缝合骨架点,获得三维网格曲面表示.实验结果表明了该算法的直观性、高效性.     

基于面法向量谱变换的网格光顺算法

微分坐标是刻画网格模型几何细节特征的有力工具,面法向量作为网格模型的一阶微分量,计算简单、不易受噪声影响,能真实反映网格模型的细节特征。基于此,提出一种改进的网格光顺去噪算法,使用信号处理技术中的谱网格处理方法,通过分解面法向量的拉普拉斯矩阵,将网格模型的面法向量变换到频谱域中,利用低频滤波器去除高频噪声得到连续的面法向量信号,基于三角面片重心约束条件重建网格顶点坐标,得到光顺的网格模型。实验结果表明,该算法使用的面法向量不易受到噪声影响,比顶点法向量更鲁棒,大幅提高了谱分解的效率,并且能克服光顺过程中产生的体积收缩、变形和过光滑等现象。     

三角网格模型骨架提取算法

骨架图能够直观表达三维模型几何形状,很好地反映模型的拓扑特征,在工业机器人抓取、特征识别等领域有着广泛的应用。针对三角网格表达的工业零件给出一种骨架提取算法,该算法采用Reeb图对三角网格进行骨架的抽取运算。首先读取三角网格文件,并对复杂的三角网格进行简化处理,然后遍历所有的三角网格,采用Dijkstra算法抽取基本点集,根据定义的连续函数计算每个顶点的函数值,最后根据函数值得出模型的基本骨架。实验表明,该算法具有良好的计算效果和效率,提取出的骨架图较好地保存了三维模型拓扑结构和姿态,可作为后续研究三维模型搜索的特征描述符。     

骨粒串主导的自由曲面变形算法

由于目前广泛应用的骨骼子空间变形算法本身固有的缺陷，常常导致生成的曲面出现“塌陷”与“萎缩”，严重影响了生成曲面的真实感．提出一种骨粒串主导的自由曲面变形算法，通过重构曲面模型，将骨骼与曲面相结合，并把虚拟的骨骼实体化，成为可变形的骨粒串．变形时先计算每一骨粒的新坐标，然后计算相应皮肤顶点的新坐标．实验结果表明，该算法有效地消除了“塌陷”与“萎缩”，生成的曲面具有高度真实感．     

虚拟膝关节手术中的实时大范围形变方法

虚拟膝关节手术过程中要求对膝关节3D几何模型进行实时的大范围形变,而形变的特点,包括总体轮廓、细节保持、实时性、平滑性以及拓扑性等都影响到它的真实感。针对膝关节3D模型得到了一种新的形变方法,根据模型的横截面构建出模型的骨架,并利用柱坐标的变换来实现大范围形变,使形变能保持良好的局部细节特征,算法能满足虚拟手术的实时性和真实感的要求。该方法也能推广应用于其他类似的关节弯曲运动的实时变形。     

骨架驱动的三维模型变形方法

为发展三维网格模型的变形技术,研究了多种三维模型变形算法,通过对骨架驱动变形算法的深入研究,针对现行算法多是以单一骨架驱动变形的不足,提出了一种新的基于多骨架点驱动的交互式局部变形方法.有效结合模型的骨架图结构,确定各骨架点对应的局部区域.并将骨架点拟合为二次Bézier曲线,通过交互式拖动任意骨架点计算与之相连的多骨架点的动态变化,实现模型局部区域的自然形变.实验结果表明了该算法的有效性和直观性.     

基于骨架的网格模型变形

现有骨架驱动变形算法多以单一骨架驱动变形,且骨架预设十分复杂。为此,提出一种基于骨架的网格模型变形算法。结合多分辨率Reeb图方法提取模型的骨架结构,确定各骨架点对应的局部区域,将骨架点插值构造二次Bézier曲线,通过交互式拖动任意骨架点,计算与其相连多骨架点的动态变化情况,实现模型局部区域的自然形变。实验结果表明,该算法能获得较为自然平滑的变形结果。     

基于骨架点分布规律的汉字笔段提取算法

提出了一种提取汉字笔段的新方法。从形态学骨架算法生成的骨架点出发,通过分析骨架点的半径分布及不同半径骨架点的位置,发现了笔段提取中产生的毛刺和畸变与骨架点半径之间的规律,进而以此规律为基础提出了一种克服毛刺和畸变的汉字笔段提取方法,最后给出了手写体和印刷体汉字笔段提取的实验结果。实验表明,该方法是行之有效的。     

A novel template‐based automatic rigging algorithm for articulated‐character animation

Rigging is a process for creating skeletons used to animate articulated characters. In conventional computer‐animation software, this process must be performed manually. Although several automatic rigging algorithms have been proposed, these methods still require user intervention. This paper proposes an automatic algorithm that generates an inverse kinematic skeleton for a character by locating an appropriate template skeleton on the extracted curve skeleton of the input 3D character model. After the curve skeleton is extracted, it is analyzed and classified into an appropriate category. The classification conditions are developed from the characteristics of each kind of real animal. We also develop an algorithm to extract the anatomical meaning of each skeleton segment. On the basis of the classification result, a suitable template skeleton is retrieved from the database. Each bone of the template skeleton can then be located on the appropriate skeleton segment of the input skeleton graph by using the extracted anatomical meanings. In contrast to previous methods, the algorithm does not require the input 3D character models to have certain poses or orientations. Moreover, all processes can be completed without user intervention. Copyright © 2012 John Wiley & Sons, Ltd.     

基于Kinect骨架信息的交通警察手势识别

针对现有的手势识别算法识别率低、鲁棒性弱的问题,提出一种基于Kinect骨架信息的交通警察手势识别方法。从Kinect深度图像中预测人体骨架节点的坐标位置,将节点的运动轨迹作为训练和测试的特征,结合距离加权动态时间规整算法和K-最近邻分类器进行识别。实验表明,在参数最优的情况下,该方法对八种交通警察手势的平均识别率达到98.5%,可应用于智能交通等领域。     

基于骨骼约束的人体运动捕捉数据失真恢复

针对人体运动捕捉(Motion?Capture, MOCAP)数据实际采集过程中, 由于光线等因素影响而可能出现的同一帧中相邻标记点在时间域上连续缺失的情形, 利用MOCAP数据中存在的潜在相关性和同一运动序列中人体骨骼长度不变特性, 提出一种新的MOCAP数据失真恢复算法. 该算法首先对MOCAP数据进行预处理, 使变换后的数据表示的是相邻标记点的相对位置的变化, 由此得到人体骨骼长度约束项, 再利用稀疏表示和人体骨骼长度约束项进行字典训练, 最后利用训练得到的字典对缺失的数据进行恢复. 通过实验对比表明该算法在提高缺失点坐标恢复精度的同时, 将骨骼长度恢复精度提高到10^–4 cm, 验证了算法的可行性和有效性.     

基于骨骼时序散度特征的人体行为识别算法

人体行为识别是智能监控、人机交互、机器人等领域的一项重要的基础技术。图卷积神经网络（GCN）在基于骨骼的人体行为识别上取得了卓越的性能。不过GCN在人体行为识别研究中存在以下问题：1）人体骨架的骨骼点采用坐标表示,缺乏骨骼点的运动细节信息;2）在某些视频中,人体骨架的运动幅度太小导致关键骨骼点的表征信息不明显。针对上述问题,首先提出骨骼点的时序散度模型来描述骨骼点的运动状态,从而放大了不同人体行为的类间方差。并进一步提出了时序散度特征的注意力机制,以突显关键骨骼点,进一步扩大类间方差。最后根据原始骨架的空间数据特征和时序散度特征的互补性构建了双流融合模型。所提算法在权威的人体行为数据集NTU-RGB+D的两种划分策略下分别达到了82.9%和83.7%的准确率,相比自适应图卷积网络（AGCN）提高了1.3个百分点和0.5个百分点,准确率的提升证明了所提算法的有效性。     

圆角化的图形区域直骨架及其算法

在直骨架定义的基础上提出了一种新的图形区域骨架,它仅包含直线边,在结构上比基于Voronoi图的圆骨架更简单,在区域形状描述上比直骨架更接近圆骨架;还提出了一种计算该骨架的算法,在原有直骨架算法的基础上加入了一个对边界凸点的圆角化的预处理过程,并且对实际计算中的特殊碰撞问题进行了处理,以提高计算的鲁棒性.实验结果表明了文中算法的鲁棒性和有效性.