三維人體建模課件

三維人體建模主要理論基礎(chǔ)人體數(shù)據(jù)測量接觸式人體測量技術(shù)非接觸式三維人體測量技術(shù)

立體攝影測量方法、激光測量法、莫爾條紋測量法TC2分層輪廓測量法、投影條紋相位測量法等。

投入商業(yè)應(yīng)用的測量系統(tǒng)(人體掃描系統(tǒng))有Cyberware,Loughborough,Hamamatsu,ImageTwin等系統(tǒng)。主要理論基礎(chǔ)OpenGL系統(tǒng)結(jié)構(gòu)圖主要理論基礎(chǔ)人體建模方法

主要有:線框模型實(shí)體模型曲面建模：(1)多邊形描述(2)參數(shù)化曲面描述(3)碎片描述基于物理特性的模型主要理論基礎(chǔ)常用幾種曲面重建方法比較1NURBS方法來進(jìn)行曲面重構(gòu)2利用B-spline方法來進(jìn)行曲面重構(gòu)3利用微切平面方法來進(jìn)行曲面重構(gòu)4利用特征方法來進(jìn)行曲面重構(gòu)5利用曲面變形方法來進(jìn)行曲面重構(gòu)6利用神經(jīng)網(wǎng)絡(luò)方法來進(jìn)行曲面重構(gòu)7基于三角網(wǎng)格進(jìn)行曲面重建

主要理論基礎(chǔ)曲面造型技術(shù)參數(shù)曲面造型技術(shù)：

核心思想就是以一組基函數(shù)為權(quán)因子，以一組初始控制向量的線性(或有理線性)組合來得到模型的連續(xù)表示。隱式曲面造型技術(shù)（元球造型技術(shù)(Metaball)）細(xì)分曲面造型技術(shù)：

由粗略到精細(xì)的建模思路。它是一種由離散到離散的表示形式。主要理論基礎(chǔ)3D勾畫式造型技術(shù)

根據(jù)參照線與目標(biāo)線來決定一系列的局部變換，并由局部變換產(chǎn)生出相應(yīng)的梯度場，最終用泊松方法重建三維模型。主要理論基礎(chǔ)人體模型類型第一類是Torso模型，其中又可以分A型和B型，主要用于女式衣身造型

第二類是Slax模型，主要用于褲子的造型第三類為Nude模型，是多用途模型，可以用于上衣、褲子、裙子和泳裝等多種服裝類型的造型前面三類為女式標(biāo)準(zhǔn)人體，第四類Man模型，主要用于男式衣身造型主要理論基礎(chǔ)服裝人體建模方法分析

多面體建模；基于特征的服裝人體曲面建模；參數(shù)化的曲面建模；以網(wǎng)格邊界線為連續(xù)條件的三維人體建模。主要理論基礎(chǔ)主要理論基礎(chǔ)三維人體建模方法分析

線框模型、實(shí)體模型、曲面模型、

基于物理的建模、混合建模主要理論基礎(chǔ)人體自由曲線曲面造型研究Bezier曲面方法B樣條曲面方法NURBS方法:NURBS曲面即非均勻有理B樣條(Non-UniformRationalB-Spline)曲面。NURBS曲面具備了以上曲面方法的一切優(yōu)點(diǎn)，并且還有很多其他的優(yōu)點(diǎn)主要理論基礎(chǔ)三維人體掃描方法1、立體視覺法2、結(jié)構(gòu)光三角測量法3、莫爾條紋干涉法4、白光相位法主要理論基礎(chǔ)點(diǎn)云類型線點(diǎn)云

由一組與掃描平面平行的掃描線組成，每條線上的點(diǎn)位于掃描平面內(nèi)。掃描線點(diǎn)云沿掃描方向非常密集，而掃描線之間相對比較稀疏。

散亂點(diǎn)云

點(diǎn)云沒有明顯的幾何形狀特征和拓?fù)浣Y(jié)構(gòu)，呈散亂無序的狀態(tài)，由激光、結(jié)構(gòu)光等在隨機(jī)掃描的方式測得的點(diǎn)云為該類型。

網(wǎng)格化點(diǎn)云經(jīng)CMM、莫爾等高線測量、投影光柵測量系統(tǒng)等獲得的數(shù)據(jù)經(jīng)過網(wǎng)格插值后得到點(diǎn)云為網(wǎng)格化點(diǎn)云，網(wǎng)格化點(diǎn)云含有點(diǎn)云間拓?fù)潢P(guān)系。主要研究方法光照模型法向量的計(jì)算方法三角片法向量和頂點(diǎn)法向量的計(jì)算方法主要研究方法基于三角網(wǎng)格進(jìn)行曲面重建方法

此方法能有效解決構(gòu)型復(fù)雜、形狀和邊界不規(guī)則的人體幾何造型問題。可以對不規(guī)則的散亂數(shù)據(jù)點(diǎn)直接進(jìn)行三角剖分，再利用OpenGL對三角面片顯示的優(yōu)化，可以快速有效的構(gòu)造人體的三維曲面模型。主要研究方法魯棒濾波去噪算法用于去除點(diǎn)云數(shù)據(jù)表面噪聲和離群點(diǎn)的算法。主要思想是應(yīng)用一個(gè)核密度估計(jì)函數(shù)對帶有噪聲和離群點(diǎn)的點(diǎn)云數(shù)據(jù)作點(diǎn)聚類，通過一個(gè)局部似然估計(jì)值使得每個(gè)數(shù)據(jù)點(diǎn)與三維采樣曲面上的真實(shí)點(diǎn)對應(yīng)起來，用Mean-Shift迭代算法將每一個(gè)采樣點(diǎn)“漂移”到核密度估計(jì)函數(shù)的局部最大值點(diǎn)處，也就是該采樣點(diǎn)在點(diǎn)集曲面上可能性測度最大的位置。這樣一系列最大似然值點(diǎn)最后迭代出一個(gè)逼近原始曲面的準(zhǔn)確值，從而實(shí)現(xiàn)了點(diǎn)云數(shù)據(jù)的快速高效光順去噪。主要研究方法三角網(wǎng)格孔洞光順修補(bǔ)利用孔洞邊界及其周圍原始網(wǎng)格頂點(diǎn)特征，通過加權(quán)三次曲線擬合，實(shí)現(xiàn)新增采樣點(diǎn)的空間位置進(jìn)行細(xì)調(diào)。修補(bǔ)實(shí)例表明，該算法具有較好的魯棒性，能夠處理各類大面積復(fù)雜型面的三角網(wǎng)格模型孔洞缺陷，重建的修補(bǔ)網(wǎng)格遇近原始真實(shí)形狀，與周圍網(wǎng)格連接光順，且分布均勻，計(jì)算效率高。主要研究方法邊界優(yōu)化

基于能量最小的動(dòng)態(tài)曲線(Snake)優(yōu)點(diǎn)是優(yōu)化邊界的頂點(diǎn)可以位于原網(wǎng)格的邊上或面上；

缺點(diǎn)是優(yōu)化邊界的頂點(diǎn)位置只能局限于網(wǎng)格上的頂點(diǎn)上導(dǎo)致依然存在鋸齒形。基于最小切割或最大流量算法的圖分割(Graphcut)

與Snake類似簡單的Snake

同時(shí)具有snake優(yōu)點(diǎn)，改進(jìn)snake缺點(diǎn)主要研究方法網(wǎng)格分割與融合

泊松網(wǎng)格編輯泊松網(wǎng)格融合通過簡單的交互手段來選取模型部件，通過“組裝”制作出想要的三維模型。主要研究方法Balleton抽取骨架法構(gòu)建網(wǎng)格的Balleton的步驟如下:1計(jì)算網(wǎng)格M的Delaunay三角剖分和Voronoi圖;2簡化四面體集合以及對應(yīng)的Voronoi圖，得到一個(gè)精簡的骨架S;3繼續(xù)簡化骨架和球集，得到網(wǎng)格M的Balleton;4將網(wǎng)格M的頂點(diǎn)對應(yīng)到Balleton中相應(yīng)的球.主要研究方法三角網(wǎng)格中的直線生成算法直線生成算法有數(shù)值微分法(DDA法)、中點(diǎn)畫線法和Bresenham算法Bresenham算法本文所采用的算法主要研究方法標(biāo)準(zhǔn)模型人體特征點(diǎn)識別方法(1)人體胯部點(diǎn)(2)腰部特征點(diǎn)、膝蓋點(diǎn)(3)頸部特征點(diǎn)(前頸點(diǎn)、左頸點(diǎn)、右頸點(diǎn))(4)乳頭點(diǎn)(5)左、右肩點(diǎn)(6)腋下點(diǎn)主要研究方法基于圖像的人體特征區(qū)域和特征參數(shù)提取方法通過對用戶人體照片進(jìn)行圖像二值化、噪聲處理、人體輪廓提取、人體特征點(diǎn)識別以及對人體的頭部、手部、腿部等特征區(qū)域定位，獲取人體各部位的像素?cái)?shù)，進(jìn)而通過計(jì)算得到用戶人體的身高、上臂長、腿長、軀干長以及軀干寬等人體特征尺寸基于特征點(diǎn)的特征區(qū)域識別主要研究方法基于神經(jīng)網(wǎng)絡(luò)的三維人體特征曲線智能生成方法通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練，獲得可以用來描述人體頸部、胸部、腰部以及臀部等部位曲線的權(quán)值和閡值，然后根據(jù)人體截面的圍長、寬度、厚度等的尺寸參數(shù)信息，就能直接生成與真實(shí)人體體型吻合的人體三維曲線。主要研究方法參數(shù)化人體建模方法參數(shù)化建模方法：基于幾何約束的變量幾何方法(代數(shù)法)；基于幾何推理的人工智能法(規(guī)則法)和基于生成歷程的過程構(gòu)造法。

基于幾何推理的人工智能法的基本思想是將約束關(guān)系用一階邏輯謂詞來描述并存入事實(shí)庫，通過推理機(jī)的推理作用，從規(guī)則庫中選取規(guī)則并應(yīng)用于現(xiàn)有事實(shí)，推理的結(jié)論作為新的事實(shí)，推理史記錄了所有成功的應(yīng)用規(guī)則并提供給重構(gòu)過程，構(gòu)造出符合設(shè)計(jì)要求的幾何體。其中Adefeld法是采用人工智能的典型參數(shù)化方法，其推理過程示意圖如圖2-1所示。主要研究方法體型分類——聚類分析法小胸腰落差分類法;前后腰節(jié)差分類方法;胸型、腰型、臀型分類方法;各種有關(guān)人體尺寸指數(shù)分類方法;體型聚類分析方法

本文研究的體型分類采用聚類分析(ClusterAnalysis)法，聚類分析是研究“物以類聚”的一種方法，是根據(jù)研究對象的特征對研究對象進(jìn)行分類的多元分析技術(shù)總稱。它把性質(zhì)相近的個(gè)體歸為一類，使得同一類的個(gè)體具有同質(zhì)性。主要研究方法人體掃描線點(diǎn)云表面重建方法簡化的人體掃描點(diǎn)云三角剖分方法：用于點(diǎn)云數(shù)據(jù)規(guī)則的人體部位基于Delaunay三角剖分的網(wǎng)格重建方法：人體其他部位Sqrt3人體三角網(wǎng)格細(xì)分方法主要技術(shù)成果通過對不同材料以及不同光照的定義，建立不同光照、不同材質(zhì)的三維人體模型主要技術(shù)成果通過VC++6.0中的OpenGL重構(gòu)的三維人體模型添加材質(zhì)紋理和光照的相關(guān)處理，最終