基于GPU的虚拟经络系统构建的研究

在GPU渲染及虚拟人理论基础上建立一个包含人体脏腑结构、骨骼和穴位的虚拟经络的研究系统.分析系统的整体结构,并阐述系统各模块的具体实现,内容包括模型获取、模型操作、穴位拾取算法和GPU渲染,最后通过GPU渲染与传统方式渲染的比较,给出实验结果.     

基于粒子系统的林火实时绘制研究及实现

为了满足林火图像实时绘制的需求,在总结近几年国内外对粒子系统的研究及对林火的认识的基础上,提出了一种适合大场景林火实时绘制的新型粒子系统模型。该模型对传统粒子的属性定义、基本粒子的运动及基本粒子的绘制等方面均做了补充和改进,并且采用硬件加速纹理技术提高了绘制的效果和效率,应用结果表明,该模型可以实时绘制出效果逼真的火焰图像,此模型所采用的技术也适用于其他不规则物体(如:烟、云等)的绘制。     

VR全景视频传输研究进展

VR全景视频作为一种沉浸式虚拟现实技术,其高分辨率及低延迟的严格要求为视频传输带来了严峻挑战。全景视频传输在全景视频的系统构建中起到了关键作用,并与其他重要技术紧密衔接。为了分析全景视频传输的研究现状和发展趋势,首先对映射格式、视频编码、质量评估等全景视频传输相关技术进行阐述,从不同视角对相关研究领域和方法进行分类归纳;详细探讨了全景视频传输技术的传输协议、三类主要传输方法及视口预测,并对各部分梳理了一些比较具有代表性的研究方法。最后就关键性技术对全景视频传输的未来研究进行展望,旨在为研究人员快速全面了解该领域提供帮助。     

亲缘关系约束下的青少年人脸年龄合成研究

年龄合成生成逼真的人脸图像可以有效地提高跨年龄人脸验证准确率,对寻找走失人口有着重要的意义,但是青少年颅骨复合体未发育完全,使得面向青少年的年龄合成十分困难。因此提出了一种面向青少年的端到端的年龄合成模型。通过StyleGAN保留人脸的语义信息,在人脸编码特征上添加年龄通道实现年龄的转化,引入亲缘特征匹配模块引导青少年的面部老化,将亲缘特征匹配率加入损失函数参与训练。该算法模型可以在保持个体身份信息的同时,实现平滑的年龄合成,生成逼真的人脸图像。该模型不仅提升了视觉效果,并且实验表明该模型跨年龄人脸验证准确率达到95.3%,身份召回率达到92.7%,年龄合成平均年龄误差减少4年,较现有算法有较好的提升。     

计算机三维人体经络模型构建研究

将传统和现代的经络研究成果与先进的图形学技术相结合,使用三维制作软件Maya和微软的DirectX软件开发工具包(SDK),构建了一个可在VC系统平台上动态演示的科学、逼真的三维虚拟人体经络模型.该模型信息量丰富并具有良好的视觉效果及扩展性,为经络和针灸知识的临床和教学演示打下良好基础.     

人体经脉循行路线曲线拟合算法研究

经络的研究已经证实了循经感传现象的存在,为有效地解决循经感传现象的计算机实时仿真问题,在计算机图形学中的几何曲线构造方法的基础上,提出了以Catmull-Rom三次样条曲线的插值方程来拟合经脉循行路线的算法。该算法结合数据库技术,利用已知的穴位点作为经脉循行路线的控制点,通过优化的Catmull-Rom插值点的生成算法,计算得到整条循行路线的插值点并连接即生成3维空间曲线。实验结果表明,该算法能够快速地用计算机重构出经脉循行路线,保持了中医理论中经脉循行路线的形态特征。     

三维点云配准方法研究进展

点云是一种3维表示方式,在广泛应用的同时产生了对点云处理的诸多挑战。其中,点云配准是一项非常值得研究的工作。点云配准旨在将多个点云正确配准到同一个坐标系下,形成更完整的点云。点云配准要应对点云非结构化、不均匀和噪声等干扰,要以更短的时间消耗达到更高的精度,时间消耗和精度往往是矛盾的,但在一定程度上优化是有可能的。点云配准广泛应用于3维重建、参数评估、定位和姿态估计等领域,在自动驾驶、机器人和增强现实等新兴应用上也有点云配准技术的参与。为此,研究者开发了多样巧妙的点云配准方法。本文梳理了一些比较有代表性的点云配准方法并进行分类总结,对比相关工作,尽量覆盖点云配准的各种形式,并对一些方法的细节加以分析介绍。将现有方法归纳为非学习方法和基于学习的方法进行分析。非学习方法分为经典方法和基于特征的方法;基于学习的方法分为结合了非学习方法的部分学习方法和直接的端到端学习方法。本文分别介绍了各类方法的典型算法,并对比总结算法特性,展望了点云配准技术的未来研究方向。     

基于人体特征三维人体模型的骨架提取算法

实现骨骼动画的一个前提是获取人体模型的骨架,现有的骨架提取算法不是计算复杂度高,就是提取准确度不高,或者需要手工干预.提出一种基于人体特点和黄金比例律的人体模型骨架提取算法,首先对模型进行精简,然后根据人体的特点与黄金比例律确定模型关节点的大概位置,在此基础上对模型进行分割.由于人体存在个体差异且姿势也可能不一致,采用测地距离方法对关节点的位置进行修正,确定其位置.与现有的算法相比,本方法效率高,同时实验显示本算法具有更好的骨架提取效果.     

三维人体姿态估计研究综述

三维人体姿态估计在本质上是一个分类问题和回归问题,主要通过图像估计人体的三维姿态。基于传统方法和深度学习方法的三维人体姿态估计是当前研究的主流方法。按照传统方法到深度学习方法的顺序对近年来三维人体姿态估计方法进行系统介绍,从而了解传统方法通过生成和判别等方法得到人体姿态的众多要素完成三维人体姿态的估计。基于深度学习的三维人体姿态估计方法主要通过构建神经网络,从图像特征中回归出人体姿态信息,大致可以分为基于直接回归方法、基于2D信息方法和基于混合方法的三维人体姿态估计这三类。最后对当前三维人体姿态估计研究所面临的困难与挑战进行阐述,并对未来的研究趋势做出展望。