最近幾年動態(tài)幾何數(shù)據(jù)實時獲取得到了快速發(fā)展,使得動態(tài)幾何數(shù)據(jù)處理逐漸成為計算機(jī)圖形學(xué)與計算機(jī)動畫領(lǐng)域的重要研究內(nèi)容。動態(tài)幾何的參數(shù)化表示是動態(tài)幾何處理的一個核心問題,它為數(shù)據(jù)的高效存儲、直觀重用用和快速重構(gòu)提供技術(shù)保障。本文著重研究兩類數(shù)據(jù)的表示,首先是單物體運動系列的稀疏局部化基表示;其次,在此基礎(chǔ)上研究多人體完全動態(tài)幾何的參數(shù)化方法。稀疏局部化基能有效捕捉動畫網(wǎng)格序列中的運動區(qū)域與運動模式。但現(xiàn)有方法處理具有大尺度局部旋轉(zhuǎn)或具有全局旋轉(zhuǎn)的序列時,無法提取出有效地支持語義編輯的局部基。為此,本文提出一種可感知關(guān)節(jié)運動的局部稀疏分解表示方法。任給一個動畫網(wǎng)格序列,先計算每個姿態(tài)相對于參考姿態(tài)的邊長和二面角的變化向量,從而組成一個邊長二面角變化量矩陣;然后,利用稀疏局部化分解提取一組局部稀疏基;通過改變局部稀疏基對應(yīng)的系數(shù)進(jìn)行線性混合達(dá)到局部編輯的目的。邊長和二面角是剛性運動不變量,因此不會受全局旋轉(zhuǎn)運動的影響;而且在物體的運動過程中,任何一條邊的二面角度數(shù)都不會超出360°,因此不會產(chǎn)生由于大變形導(dǎo)致的多義性。實驗分析表明,本文的關(guān)節(jié)感知稀疏局部化分解有效地解決了大尺度變形和全局旋轉(zhuǎn)運...

【文章頁數(shù)】：115 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
英文縮略詞
第一章 緒論
    1.1 動態(tài)幾何處理的研究背景與研究意義
    1.2 本文研究內(nèi)容與創(chuàng)新點
    1.3 論文的內(nèi)容組織
第二章 動態(tài)幾何參數(shù)化表示綜述
    2.1 引言
    2.2 動畫網(wǎng)格序列的參數(shù)化表示
        2.2.1 基于控制結(jié)構(gòu)的表示
        2.2.2 數(shù)據(jù)驅(qū)動的表示
    2.3 群體動態(tài)幾何的參數(shù)化模型
        2.3.1 人體參數(shù)化模型
        2.3.2 人臉幾何的參數(shù)化
        2.3.3 手姿幾何的參數(shù)化方法
        2.3.4 人體、人臉、手部幾何的混合參數(shù)化表示
        2.3.5 訓(xùn)練數(shù)據(jù)庫的采集
        2.3.6 人體、人臉及手部參數(shù)化模型的動態(tài)幾何重構(gòu)
    2.4 小結(jié)
第三章 預(yù)備知識
    3.1 蝴蝶細(xì)分
    3.2 多層感知機(jī)
    3.3 變形梯度遷移
    3.4 網(wǎng)格序列重構(gòu)誤差度量
        3.4.1 KG誤差
        3.4.2 STED誤差
    3.5 多人體蒙皮線性模型的關(guān)節(jié)點預(yù)測函數(shù)
    3.6 小結(jié)
第四章 可感知關(guān)節(jié)運動的稀疏局部化分解
    4.1 概述
    4.2 邊長與二面角表示及其形狀重構(gòu)
        4.2.1 基本概念
        4.2.2 從邊長與二面角到網(wǎng)格模型頂點的重構(gòu)
    4.3 邊長與二面角的稀疏局部化分解
        4.3.1 稀疏局部化分解方法
        4.3.2 稀疏局部化求解過程
        4.3.3 基于稀疏局部化分解的編輯機(jī)制
    4.4 實驗分析與討論
        4.4.1 量化評估
        4.4.2 與前人方法的比較
        4.4.3 編輯效果
        4.4.4 算法性能與復(fù)雜度分析
    4.5 小結(jié)
第五章 基于稀疏局部化表示的完全人體運動模型
    5.1 概述
    5.2 三維網(wǎng)格模型的相對邊長與二面角表示及其重構(gòu)算法
        5.2.1 基本概念
        5.2.2 相對邊長與二面角的形狀重構(gòu)
    5.3 PANOMAN模型
    5.4 數(shù)據(jù)集合成
    5.5 PANOMAN模型訓(xùn)練
    5.6 基于PANOMAN的重構(gòu)算法
        5.6.1 重構(gòu)框架
        5.6.2 數(shù)據(jù)項約束
        5.6.3 數(shù)值算法
    5.7 PANOMAN模型實驗評估
    5.8 小結(jié)
第六章 結(jié)論與展望
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的研究成果
致謝
附件



本文編號：3836768