基于球面参数化的人脸动画重映射

动画重映射是生成真实感人脸动画的重要途径,为了快速地进行人脸动画重映射,提出了一种基于球面参数化的动画重映射算法,该算法先通过引入球面参数化来保证参数域上的三角面不重叠,再利用重心坐标插值,以实现简单、无歧义的重映射。该算法不仅能够在保证真实感的基础上显著提升重映射的速度,并可减少需要标记的关键点个数。另外,结合唇线自动分割和区域划分还能修正直接插值产生的错误。实验表明,该新算法可用于Motion Capture采集的稀疏关键点的人脸动画数据的重映射。     

基于包围盒编码的三维线段裁剪新算法

提出一种新型包围盒，该包围盒由12个45。面组成，且包容原裁剪窗体，则落在包围盒外的线段必然在裁剪窗体之外；同时引入三维到二维投影，进行二次编码舍弃窗外线段；最后通过基于包围盒编码分区的几何变换完成裁剪过程．常规包围盒一次编码、新型包围盒二次编码、基于编码分区的几何变换求交这三个步骤构成了基于包围盒编码的三维线段裁剪新算法，实验结果表明，文中算法提高了裁剪效率并具有很好的稳定性。     

基于草图交互的个性化服装生成方法

以建立和交互修改三维服装草图为设计手段,提出在三维人体模型上生成三维个性化服装的参数化造型方法．服装草图由2种基本几何元素组成：体现人体围度信息的封闭样条曲线和体现人体在高度方向上曲面形状过渡的不封闭样条曲线．将服装草图约束分为2类4种：一类是体现服装宽松程度的人体与服装曲面之间的间隙约束;另一类是服装几何元素本身之间的共点、共面与对称约束．从人体的特征点出发,通过间隙约束生成服装草图的几何元素;在共点、对称和共面约束下,由服装草图几何元素建立拓扑结构为四边网格的服装草图．服装草图的交互修改是草图约束维护的过程,构建侧视图、正视图、断面图3个视图组成草图修改平台,在平台上交互编辑特征曲线．服装曲面则以三维草图为框架,通过对四边网格双线性Coons曲面插值生成．提供的设计方法使服装的造型变得简洁、灵活．     

三维服装物理-几何实时混合模拟

为了获得服装模拟的实时性和真实感效果,提出一种融合几何变形方法和物理变形方法的服装模拟混合计算模型.通过分析服装-人体动态间隙量和服装局部细节复杂度,构造服装区域划分因子;根据区域划分因子将三维服装模型划分为紧身层、浮贴层和宽松层,其中紧身层和浮贴层的变形计算分别采用蒙皮模型和近刚性模型来保证服装模拟的实时计算效率,宽松层采用具备较好服装动态模拟效果的物理模型;最后对不同的计算模型分别实施相应的碰撞处理方法.实验结果表明,文中方法能够获得较为真实高效的三维服装实时模拟结果.     

机织物组织图的数学描述与3维几何建模

目的 织物组织结构的3维几何模型是进行机织物的3维外观模拟和性能预测的基础。提出直接由组织结构参数建立机织物3维几何模型的方法。方法 根据构成机织物组织交织规律的浮长序列、交叉数、飞数、经纬纱循环数等参数,建立单层织物的组织图矩阵生成的数学公式;结合组织图矩阵和织物中纱线的屈曲模型,采用直线和余弦曲线分段函数建立组织矩阵中组织点间纱线路径的数学公式,并基于椭圆截面模型实现机织物的3维模拟;通过对经、纬纱的X或Y坐标函数中引入修正因子,实现纱线路径的扭曲变形。结果 实现不同组织类别、不同结构参数、不同纱线截面及基于均匀分布的纱线扭曲等条件下单层机织物的3维几何结构模拟,仿真效果较好。结论 本文方法将组织图矩阵生成和织物结构3维建模两个过程结合,快速生成单层机织物的3维几何模型。通过实时更改结构参数,实现不同结构织物的模拟,而且可以模拟经、纬纱平面外扭曲现象。     

三维曲面展开算法在玩具设计中的应用

在传统的玩具设计中,布绒玩具的设计是一个复杂过程。文中提出两个算法：三维表面区域搜索算法和三维曲面展开算法并应用于玩具设计。在三维玩具CAD模型的基础上,该方法将三维的玩具表面自动展开为二维的裁片。运用该方法,用户可以容易地交互操作进行玩具表面切割线的设计,同时可以设置纹理,从而大大减少了玩具的设计与制作时间,降低成本。     

三维模型近刚性保体变形

为保持三维模型表面细节和模型体积,提高模型变形的真实感效果,提出一种基于能量最小化的近刚性保体变形方法.首先对模型进行Laplacian变形,在此基础上,通过极分解求解曲面局部区域三角形的旋转变形,构建模型刚性变形能;然后通过模型体积积分离散化将模型体积变形约束转化为模型曲面变形约束,构建体积变形能;再通过衡量约束点的位置变形误差构建约束变形能.在最小二乘意义下最小化上述加权变形能,获得模型变形结果.实例结果表明,文中方法能够在线性的算法效率下获得近刚性保体变形效果,为模型的真实感变形提供了一条有效的途径.     

基于边折叠和质点-弹簧模型的网格简化优化算法

通过边折叠实现网格曲面简化,提出了保持曲面特征的边折叠基本规则,引入边折叠顺序控制因子λ,给出了折叠点坐标获取方法,简化过程中网格边长度趋于均匀．在曲面简化基础上,利用质点-弹簧模型优化网格形状．将网格顶点邻域参数化到二维域上,在质点-弹簧模型中引入约束弹簧,约束调整网格顶点,并逆映射到三维原始曲面上,局部优化网格顶点的相邻网格;调整曲面上所有网格顶点,在全局上优化网格形状．在曲面简化优化过程中,建立原始模型曲面和简化优化后曲面之间的双向映射关系;曲面的网格顶点始终在原始模型表面上滑动,并以双向Hausdorff距离衡量、控制曲面间的形状误差．应用实例表明：文中算法稳定、高效,适合于任意复杂的二维流形网格．     

复杂场景下的人体轮廓提取及尺寸测量

自然拍摄的人体照片由于背景图案较为复杂,采用传统基于图片色彩空间或能量 梯度的图像处理方法难以准确地识别人体的轮廓。采用神经网络的方法,可以提高识别的精度。 但是,一般的神经网络方法由于计算量与参数规模较大,难以在移动终端部署。因此,提出了 一种轻量级的神经网络策略以提取人体轮廓。该网络采用 MobileNet V2 与 U-Net 框架,通过构 建特定姿态的人体数据集进行训练,识别相应的人体轮廓形状。人体轮廓经过提取关键点、拟 合回归分析等后续处理,可估算人体的尺寸。该方法可应用在移动终端上,通过拍摄的人体照 片的方法测量人体的尺寸。实验表明,该方法能准确地提取复杂背景照片中的人体轮廓并测量 尺寸,在速度与存储占用方面较一般神经网络有一定优势。