

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著數(shù)字媒體技術(shù)的迅速發(fā)展,游戲、電影、動漫等產(chǎn)業(yè)對運動捕捉技術(shù)的需求增長很快,但是目前購買商業(yè)運動捕捉系統(tǒng)的成本非常高,使用環(huán)境要求嚴(yán)格,需要在演員身上安裝標(biāo)記點等特殊設(shè)備,非常不便。本文結(jié)合計算機視覺和圖形學(xué)相關(guān)技術(shù),提出一套新穎、實用、成本很低的三維人體模型重建和運動跟蹤的方法。
首先提出可以同時進(jìn)行三維特征點重建和攝像機標(biāo)定的迭代算法。該方法只需要少量的人工交互,算法收斂后可以得到精確的攝像機參數(shù)和重建模型上的三維
2、特征點。
其次,基于重建的三維特征點,使用徑向基函數(shù)對通用模型進(jìn)行變形,獲得重建的中間模型。實驗表明此方法可以適用于不同體型的對象,重建模型的質(zhì)量較好,但是由于重建的特征點過于稀疏,人體的四肢對應(yīng)不夠好,所以模型還需要進(jìn)一步改進(jìn)。
第三,為了提高重建模型的質(zhì)量,提出以剪影匹配算法為基礎(chǔ)的模型變形算法。該方法較準(zhǔn)確的找到模型剪影和圖像剪影之間的匹配點之后,使用徑向基函數(shù)對中間模型進(jìn)行變形,提高中間模型投影與圖像
3、的吻合程度,從而獲得目標(biāo)模型。實驗結(jié)果表明目標(biāo)模型在圖像上的平均投影誤差不超過1個像素。
第四,為了解決因為圖像解析度不夠高和攝像機標(biāo)定誤差導(dǎo)致的局部走樣問題,設(shè)計了三種過濾器:平滑過濾器、切片過濾器和法線過濾器,有效的解決了目標(biāo)模型上的鼓包、扭曲變形等需要優(yōu)化的問題。
第五,基于圖像的紋理映射通常因為光照差別較大出現(xiàn)紋理不連續(xù)問題。本文提出使用旋轉(zhuǎn)切平面將模型切割,然后生成合成紋理的方法。該紋理映射到目標(biāo)模
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 視頻中的人體運動捕捉及三維骨架重建.pdf
- 三維人體測量中的三維人體重建研究.pdf
- 基于運動捕捉數(shù)據(jù)的三維人體運動合成.pdf
- 基于Kinect的三維人體重建技術(shù)研究.pdf
- 基于類Kinect的三維人體重建及應(yīng)用.pdf
- 多視角三維人體運動捕捉的研究.pdf
- 人體三維運動捕捉數(shù)據(jù)失真恢復(fù)研究.pdf
- 基于RGB-D相機的三維人體重建方法研究.pdf
- 基于視頻的三維人體運動捕獲方法研究.pdf
- 基于Kinect深度相機的三維人體重建技術(shù)研究.pdf
- 基于kinect 的三維物體重建
- 基于醫(yī)學(xué)圖像的三維人體組織重建和網(wǎng)格生成研究.pdf
- 基于視頻的運動人體三維重建與運動特征提取算法研究.pdf
- 基于視頻的人體運動捕捉系統(tǒng).pdf
- 多視點視頻的三維重建和顯示.pdf
- 基于單幅手繪線畫圖的三維自由形體重建和生成.pdf
- 基于結(jié)構(gòu)光的三維物體重建
- 基于Kinect的三維人體重建中的配準(zhǔn)融合方法研究.pdf
- 基于視頻序列的人體骨架提取與三維重建.pdf
- 基于斷層圖像的三維實體重建.pdf
評論
0/150
提交評論