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POSER的三维服装人台模型

提出了一种基于POSER人体模型软件的人台建模方法,并利用VC++和OpenGL建立了三维人台仿真模型.实验证明:此方法建立人台模型快速,精确度较高,为服装造型和着装仿真的研究提供了平台.     

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.     

基于散乱点云数据的曲面重构方法

散乱点云的三维重构有广阔的应用前景,通用高效的重构算法是研究重点之一,目前大多采用三角面片重构,与通用CAD/CAM系统中的四边域重构不兼容。本文提出一种在三角域上对散乱点云数据进行NURBS曲面重构的方法,结合了三角面片重构的灵活性与NURBS曲面重构的通用性。首先对测量点     

基于正态云模型的虚拟人点头动作不确定性控制

设计了点头次数肯定云、最大点头角肯定云和点头速度肯定云。运用各自的正向云生成算法指导产生一个点头动作序列的点头次数、最大点头角度和点头速度。三个参数以各自云模型的期望值为中心正态分布。提出的CBNCA算法能够产生组间呈规律性差异的点头动作序列控制曲线。为描述点头动作序列组内差异性,提出了CBNCA+算法,同时实现组间和组内点头动作的不确定性控制。对比实验验证了两个算法控制点头动作不确定性的有效性,并给出了三类云模型数字特征的建议值。     

基于机载LiDAR数据的建筑物点云提取

LiDAR技术是快速获取地面及地物三维数据的新型测绘技术,也是近年来进行城市三维建模的一种重要手段,而对建筑物的提取是城市三维建模的重要步骤。为了从原始机载点云中有效地提取出城市建模所需要的建筑物点云,在常用机载LiDAR滤波与点云分类思想的基础上,提出了结合面积与斜率两特征参数的区域增长算法,实现了高大植被与建筑物点云的有效分离,完成了建筑物点云的提取。通过设定合理的面积阈值与斜率阈值,结合具体的数据通过该算法获得了较好的提取效果,最后对提取方法及效果进行了客观分析与评价。     

一种基于对偶图的三维表面模型编码方法

基于三角条带的三维表面模型编码有效地降低了每个顶点被重复处理的次数以及从CPU到图形显卡的传输数据量.针对经典三角条带编码算法的弊端,提出了一种基于对偶图的三维表面模型编码算法,借助于图论的理论支撑,实现了基于全局判别准则的条带路径的生成与合并;通过将条带路径提取与条带化编码相分离,算法具有自动保持模型表面法向的功能,避免了重复的法向一致化判断与调整工作;根据对偶图与三角网格模型之间的对应关系,采用了基于三角网格的直接编码方案,保证了算法的高效及高质量特性.实验表明,该算法思路清晰、严谨,易于实现,随着模型复杂度及数据量的递增,算法显示了较强的优越性.     

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。     

基于点云数据的三维人体头部分割技术研究

三维人体分割技术是数字化服装、数字化人体测量、计算机动画等应用中最关键的技术,但当前存在着分割不是很精确的缺点。针对头部分割不精确的缺点,对基于点云数据的三维人体头部分割技术进行了研究,提出以最大距离法和近似凸包边法定位分割特征点和分割切面,并引入分割切面倾斜角实施头部分割。实验结果表明：提出的分割方法提高了头部分割的实时性和精确性。     

基于KFCM的三维点云精简算法

毫米波雷达、TOF相机等扫描设备捕获的点云包含大量的冗余信息与噪声点,降低了点云配准的精度与处理效率．针对上述问题,提出基于KFCM的三维点云精简方法,将原始扫描点云以核函数映射至特征空间,同时更新聚类中心及隶属度矩阵,利用加权误差平方和建立目标函数且以其收敛为算法终止标准,最终将聚类中心作为精简结果输出．实验结果表明,可在良好保持点云基本特征的前提下降低源点云分辨率以达到精简效果,且可通过调节参数控制输出点云的疏密程度,在与配准任务的适应性实验中可满足ICP等配准算法的需求．     

基于公共标志点的三维点云拼接方法研究

针对目前在处理公共标志点配准所面临的算法复杂性高、自动化程度低等问题,提出了一种公共标志点自动配准方法。首先获取基准点对,通过比对各个标志点到基准点的欧式距离来匹配标志点;再利用罗德里格参数进行变换矩阵求解,实现两组点云的粗拼接。为避免最近点迭代算法陷入局部最优,采用粗拼接后两组点云的交集作为初始位置。通过在不同视角下进行拼接实验和精确拼接的误差可以看出,其明显优越于传统的拼接方法。结果表明,该方法快速有效,拼接精度高。     

基于散乱点云的疵点去除与体积积分算法研究

针对目前处理大量散乱点云数据体积计算算法效率低下且时间较长的情况,提出了一种基于散乱点云数据的高效率体积计算算法.此算法对散乱的点云数据进行三角剖分,利用最小二乘法计算三角面片的各个顶点与其法向量,根据法向量进行疵点去除及方向调整,再将三角面片投影形成的凸五面体分割成两个三棱锥和一个三棱柱,最后积分计算出各分割体的体积...     

基于点云的膝关节胫骨三维CT与MRI图像配准

同时利用CT和MRI图像对膝关节及胫骨疾病进行诊断和治疗,是目前临床上的常规方法。精确配准膝关节胫骨部分三维CT和MRI图像可以更有效地利用这两种图像中的组织信息。目前,基于图像特征或者图像灰度值的方法可以实现图像间的配准,但是都存在一些配准精度低或者时间复杂度高的缺陷。针对膝关节胫骨组织的刚性特征,采用一种基于骨组织表面重建的点云配准方法。首先对数据集进行骨表面重建,通过重建后的结果提取点云数据,对点云数据进行下采样并利用重心进行初始变换,最后利用ICP算法对点云数据进行配准。对该方法进行配准结果分析及配准精度实验,表明这种方法简单可靠并且配准精度较高。     

基于LIDAR点云数据插值方法研究

利用机载LIDAR技术可以获取高精度﹑高密度的三维坐标数据,并生成三维立体模型,构建用户感兴趣的DEM和DSM,如今需要快速高效的处理LIDAR点云数据,研究和探讨最合适的插值方法就显得特别重要,本文着重研究了不同插值算法的特点。     

基于三维扫描的人体尺寸提取技术

论述了基于三维扫描技术的人体尺寸的自动提取方法,采用更适合服装学研究的人体划分方法,将扫描得到的人体按四肢和躯干分为5部分;自动识别服装人体尺寸所需要的测量基准点,用通过测量基准点的平面与人体表面相交的交点集构成的曲线来确定相应的尺寸.     

基于海量点云的复杂曲面重构及误差分析

对逆向重构技术在实践应用中出现的一些技术问题,以海量点云数据为基础对曲面重构方法和技巧进行了探讨研究,并应用3D点云对重构模型进行了误差分析。将该方法应用于工业产品复杂曲面的实际制造中,提高了设计精度,缩短了生产周期,对实际生产具有重要意义。