基于Crust算法的虚拟人台重建

对三维人体扫描数据进行精简处理并依据关键点提取半身人台数据.利用Voronoi图和Delaunay三角剖分的性质,在Matlab的平台上实现了经典的Crust曲面重建算法并得到基于真实人体的三维个性化人台模型.本文的建模方法便捷、准确,为建立大量个性化人台模型奠定了基础.     

基于三次样条插值的参数化三维人台仿真模型的建立

通过测量标准人台,获取人台三维数据,利用OpenGL 和VC 进行三次样条插值计算,获得型值点间的插值点三维坐标.应用OpenGL建立计算机三维人台模型,并实现参数化控制,获得不同体形和尺寸的人台模型.该方法建立三维人台模型方便、快捷,模型较为逼真,能够较好地反映出不同人体的体态特征,为服装三维CAD提供良好的平台.     

基于平均体模型的标准中间体人台建模方法

为得到标准中间体人台模型,首先通过测体获得人体躯干点云数据;在对人体点云数据处理和人体模型调整后获得平均体模型数据的基础上,通过对标准中间体特征部位关系的研究,建立特征部位与人体身高和胸围的回归方程,求得特征部位的标准尺寸;采用形状因子方法对点云模型进行调整,得到标准中间体点云模型;并在MATLAB环境下,通过NURBS工具箱准确地实现了曲面建模,最终得到标准中间体模型.     

基于三维点云数据的虚拟人台模型的构建

针对实际人体三维扫描点云数据的特征,根据数据点坐标差值大小提取出每个高度层上的关键点,利用简化的Delaunay三角平面划分算法,将这些关键点构造成三角平面,并制作出OBJ模型文件,导入常见的三维建模软件后得到人台虚拟模型.实验表明:上述方法处理数据简单、快速.得到的人台模型符合要求,适用于大量人台模型的构建.     

基于特征线的三维人体分片重构技术

在人体特征线和NURBS理论体系的基础上提出了三维人体的分片重构技术:将扫描得到的原始数据规格化,再根据规格化的数据构造人台的单位曲面,然后将各曲面进行拼接,得到具有特征线的三维人体模型.     

以网格边界线为连续条件三维人体重构的实现

三维人体重构通过人体非接触测量得到人体数据[1],利用计算机系统进行三维重构,使重构后的模型能再现出人体.本文结合以三角面片为基元对人体表面进行重构的算法,通过三维非接触测量系统得到的人体采样数据实际状况,以网格边界线为连续条件,对人体躯干部位进行重构,并在VC++环境下运用OpenGL技术实现了人体三维模型的显示.     

基于三维点云数据的虚拟人台中间体模型的构建

利用[TC]2三维人体扫描仪采集了华东地区72名40～49岁B体型女性的三维人体数据,对[TC]2扫描获得的三维人体＊.wrl数据文件进行预处理,并建立三维直角坐标系.采用模糊逻辑算法中三角形线形隶属度函数进行噪点的过滤,将人体数据进行标准化处理,建立人体躯干部位特征矩阵.通过计算特征矩阵的均值获得人台中间体特征矩阵,经过对称化处理获得最终的人台中间体特征矩阵.采用Delaunay三角刨分算法将人台中间体特征点进行三角刨分,通过计算点或面的法线向量来光滑曲面获得最终的三维虚拟人台中间体模型.此方法可用于不同规格系列人台三维模型的制作.     

基于李代数的人体手臂惯性动作捕捉算法

为了实现实时人体手臂动作捕捉,提出了一种利用惯性传感器实现人体手臂动作捕捉的方法.利用惯性测量单元(IMU)解算出的四元数信息,得到手臂腕部、肘部和肩部关节点的位置.将惯性数据通过蓝牙无线通信方法传到上位机.采用具有毫米级动作捕捉精度的OptiTrack光学动作捕捉设备,得到人体手臂的位置数据,并将其作为基准位置数据.将IMU坐标系下解算出的位置信息变换到OptiTrack坐标系下进行对比.结果表明,该方法适用于自由活动环境下的动作跟踪,具有较高的动作捕捉精度.     

基于智能手机感知的人体运动状态深度识别

为提高智能手机对人体运动状态识别的准确率,提出一种基于并联卷积神经网络（PCNN）的深度识别方法.首先,使用三维数据矩阵规范传感器数据输入格式;其次,使用2个PCNN分别对人体运动的加速度传感器和陀螺仪数据进行卷积和池化操作,实现部分权重共享;最后,在全连接层对两组卷积神经网络进行合并,并使用softmax函数对人体运动状态进行分类.实验结果表明,采用该方法可以从传感器原始数据中提取人体运动状态的深层特征,与传统的机器学习方法相比较,提高了运动状态的识别率.     

基于FPGA的人体行为识别系统的设计

为实现边缘端人体行为识别需满足低功耗、低延时的目标,本文设计了一种以卷积神经网络(CNN)为基础、基于可穿戴传感器的快速识别系统.首先通过传感器采集数据,制作人体行为识别数据集,在PC端预训练基于CNN的行为识别模型,在测试集达到93.61%的准确率.然后,通过数据定点化、卷积核复用、并行处理数据和流水线等方法实现硬件加速.最后在FPGA上部署识别模型,并将采集到的传感器数据输入到系统中,实现边缘端的人体行为识别.整个系统基于Ultra96-V2进行软硬件联合开发,实验结果表明,输入时钟为200 M的情况下,系统在FPGA上运行准确率达到91.80%的同时,识别速度高于CPU,功耗仅为CPU的1/10,能耗比相对于GPU提升了91%,达到了低功耗、低延时的设计要求.     

三维个性化服装人台建模的研究

基于标准服装人台仿真模型,采用新的人体尺寸测量体系进行特定尺寸的测量,通过特定的尺寸比判定个性化人体特征截面的变化特点,根据人体特征截面特点和相关测量尺寸获取个性化人体特征截面轮廓上关键点坐标,分别对各特征截面轮廓线进行三次样条曲线拟合,并在标准服装人台的基础上确定相邻曲线,最后应用VC++和OpenGL实现不同体形的个性化服装人台仿真模型的建立。这对计算机辅助服装结构设计和服装效果的良好展示都具有重要的意义。     

测量造型技术中的散乱数据规则化处理方法

针对测量造型技术中的散乱数据处理问题,提出了一个实用的散乱数据规则化方法。该方法基于散乱数据的三角剖分,建立五次Ｃ１ 三角插值曲面,用平行平面截取三角曲面得到截面线数据,对截面线数据进行去重点、光顺、匀化等处理,得到规则的四边形网格数据。该方法已经应用于实际工程中,具有简单、有效、通用性强、稳定性好等特点。     

逆向工程中的数据采集技术

阐述了数据采集技术及测量机在逆向工程中的作用,对汽车逆向工程中应用测量机的类型、特点和关键技术进行了分析和研究.以汽车行业广泛应用的测量机及测量方法为例,探讨逆向工程中的数据采集技术,实现汽车的低成本、短周期、高质量逆向设计.     

三维点云数据采集与拼合技术的研究与应用

激光三维扫描技术在工程地质勘察领域的广泛应用,使得三维地质建模的过程中不免要处理大量复杂的点云数据,因此,如何对点云数据进行有效处理,是影响建模质量的关键。介绍了逆向工程的基本思想和激光三维扫描技术的应用方法,以及三维地质点云数据的采集方法和过程。在此基础上,重点阐述了对点云数据进行拼合过程的数值原理和实现方法,讨论了点云数据处理的发展现状、应用前景和推广价值。分析认为．综合应用曲面数值模拟、三维数字重构、图像算法分析、程序可视化等方法,可以有效完成点云数据的处碑和分析,满足三维地质建模的要求。     

基于逆向工程的复杂形体造型设计方法的研究

针对现有利用逆向工程获取复杂形体的方法所存在的问题,提出了新的基于逆向工程的复杂形体造型设计方法,详细阐述了从点云数据获取到曲面建构的方法及过程,并以自制缝纫机作为实例验证了方法的正确性及合理性,为企业利用逆向工程技术探索了一条途径.     

基于线扫描的逆向工程对食醋瓶建模研究

介绍了逆向工程技术的概念、流程和研究现状;通过对一食醋瓶样品的数据采集、数据处理和实体化建模的逆向建模过程,阐述逆向工程技术在食品包装中的应用.研究表明采用逆向工程方法可以获得较高质量的食品包装样品模型,是一种对食品包装进行创新设计行之有效的方法.     

在机反求中基于模型修正的路径规划方法

反求工程一般借助三坐标测量机或者三维扫描仪实现零件数字化,测量设备成本很高,限制了反求工程的应用。针对这一问题,利用数控机床较高精度行走的机构,添加专用在机测头,构成数字化测量设备;利用CAD草图模型驱动,研究了路径信息的基本表示方法、不同特征元素上测量点的分布形式、测量点的区分和归属原则以及测点路径信息的导出形式,开发专用在机反求软件,自动生成反求路径的测量程序。该方法减少了测量数据量,简化了反求过程,提供了一种低成本的反求工程新方法。     

逆向工程特征参数提取技术研究

逆向工程是从已有实物的测量数据点中提取其特征参数进行模型重建的过程,特征参数的提取是逆向工程的关键技术之一。该文提出了一种新的回转面特征参数提取算法,将蚁群算法应用在逆向工程的特征参数优化过程中,首先建立回转面特征参数提取数学模型,然后运用蚁群算法实现过程优化,从而提取出特征参数,实现回转面图形重建,最后通过实例验证了该算法的有效性,该算法提高了特征参数提取精度和效率,适用于空间任意位置回转面的特征参数提取。