基于Poser的个性化人体模型运动仿真技术研究
基于Poser的个性化人体模型运动仿真技术研究
图 １ 实现人体模型运动仿真的系统框架
外形尺寸做 了大量简化 ， 因而所建 立的人体模 型缺乏足够 的真
实感 。随着人体非接触测量技术的发展 ， 可借助全身扫 描仪方 便地获取特定人体的表 面数据 ， 得用真实 人体 扫描数据来 建 使 立个性化特征人体的表面模 型 已成 为现实 ， 是 ， 但 其所建立 的 仍然是静态人体模型 ， 无法表现人体 的动态效果。 由于人体是一种复杂 的多关节形体 ， 建立具有真实性 的人体
Ａｂ ｔ ａ ｔ ｓｒ ｃ Ａ ｓｒｃＡｃ ｏｄ ｎ ｏ ｔｅ ｄ ｍａ ｄ ｏ ａｍｅ ｔ ｎ ｕ ｔ ，ｉ ｈ ｓａ ｔ ｌ ｔｂ ｏ ｇ ｔｆ ｒ ａ ｄ ａ ｎ ｗ ｍｅｈ ｄ ｔ ｕ ｌ ｉｇ ｔ ｅ ｄ ｎ ｍｉ ｂ ｔ ｔ ｃ ｒ ｉｇ ｔ ｈ ｅ ｎ ｆｇ ｒ ｎ ｄ ｓ ｙ ｎ ｔ ｉ ｒ ｃｅ ｉ ｒ ｕ ｈ ｏ ｗ ｒ ｅ ｔｏ ｏ ｂ ｉ ｎ ｈ ｙ ａ ｃ ａ ｉ ｒ ｉ ｄ
描数据 ， 用逆 向工程软件 Ｇ ｏ ａｉ Ｓｕｉ ｅｍ ｇ ｔｄｏ实现个性化的 Ｚ 维人体 Ｎ Ｒ Ｓ曲面模 型的构建 ， ｃ － － ＵＢ 将完成 后的人体 曲面模 型导入 Ｐｓｒ ｏｅ 软 件， 利用人体特征点确定关节位置 ， 立相应 的人体骨骼模型，并将人体表 面模 型与骨骼模 型相匹配 ， 建 实现人体运动仿真。 实验证 明， 所建立的人体动态模型在 外观形状和运动姿态上具 有较高 的真实性，操作简便， 易于掌握。 关键词 三维人体扫描 人体 曲面模型 人体 骨骼模型 Ｐｓｒ ｏｅ
基 于 Ｐ ｓｒ的个 性 化 人体 模 型 运 动仿 真 技 术研 究 ｏｅ
李 燕
（ 汉 科 技学 院 机 电工 程 学 院 湖北 武汉 ４ ０ ７ ） 武 ３ ０ ３
基于Poser模型的三维人体建模方法
Ｍ ｅ ｈｏ ｆＰｏ ｅ ｏ ｅ — ｓ ｄ Ｄ ｔ ｄ ｏ ｓ ｒＭ ｄ ｌｂａ ｅ ３ Ｈｕｍ ａ Ｂｏ ｙ Ｍ ｏ ｌ ｎ ｄ ｄｅｉ ｎｇ
，
ＬＶ Ｚｈｉｇ － ｕｏ， ｈ， Ｅ ａｎ— ｅ ＬＩＹａ Ｈ Ｈ ｇ ｎ
［ ｓｍｃｌＲｅｌｔ ｕ ｎｍｏ ｅｉｇｉｏ ｅｍａｏ ａｔｎｔｅｆ ｌ ｏ ｉｕｌ ｕ ｎ ｅｅｒｈ Ｉ ｉｐ ｐｒａｍｅ ｏ ｆ ｄｌ ａｅ ｕ ｎｂ ｄ Ａｂｔ ｔ ａｉｉ ｈ ｍａ ｄ ｌ ｎ ｊｒ ｒｉ ｅｄ ｆ ｒ ａ ｈ ｍａ ｓａｃ ．ｎｔ ｓ ａｅ， ｔ ｄｏ ｅ— ｓｄｈ ｍａ ｏ ｙ ｓｃ ｎ ｓ ｐ ｈ ｉ ｖｔ ｒ ｈ ｈ ｍｏ ｂ
Ｈ— ｉ ｓ ｄ ｄ Ａ ｍｉｇａ ｃ ｆｏｎｓｃｎｅ ｏｉｏ ａａｉ ｄ ｌ ｌｓ ｘ ｏ ｅ ｙＰ ｓｒ ｏｔ ｒｅ ａ ｐ ｒａｈｏ ｘｒｃ ｎ ｕ ｎｂ ｙ Ａｎｍ ｔ ａ ． ｉ ｎ ｔａｋｏ ｉｔ ｅ ｔ ｐ ｓｉｎｄ ｔ ｎｍｏ ｅ ｅ ｐ ｒ ｄｂ ｏｅ ｆ ｎ ａ ｒ ｌ ｊ ｒ ｔ ｉ ｆ ｅ ｔ ｓ ｗａ ， ｎａ ｐｏｃ ｆｅｔ ｔ ｇｈ ｍａ ｏ ａｉ ｄ
形 网格组成的表面表示 ， 骨架层建模采用 Ｈ Ａ ｉ —ｎ ｍ标准 ，并针对 Ｐ ｓ 软件输 出的人体模型缺乏 关节点数据 问题 ，给出一种 骨架提取算法 。 ｏｅ ｒ 人体运动模型应 用机器 人运动 学方法 ，由骨架层驱动皮 肤层实现 。在 Ｖ ＋ 平台上实现对不 同姿势下 人体模型 的骨架提取 ，仿真 了敬礼过 ｃ＋
ｓ ｅｅ ｏ ｓｇ ｖ ｎ Ｗ ｉ ｅ ｓ ｎ ｌ ｙ ｒｄ ｆ ｒ ｔｏ ｒｖ ｎ ｂ ｅ ｍｏ ｅｍｅ ｔｏ ｋ ｌ ｔ ｎ ｈ ｍａ ｏ ｙ ｄ ｎ ｍｉ ｄ ｌ ｓ ｉ ｙ ｕ ｉ ｇ ｔ ｅ ｋ ｎ ｍａ ｉｓ ｋ ｌ ｔ ｎ ｉ ｉ ｅ ． ｔ ｔ ｋ ａ ｅ ｅ ｏ ｍａ ｉ ｎ ｄ ｅ ｙ ｔ ｖ ｈｈ ｉ ｉ ｈ ｎ ｆｓ ｅ ｅ ｏ ， ｕ ｎ ｂ ｄ ｙ ａ ｃ ｍｏ ｅ ｌ ｂ ｓｎ ｉ ｅ ｔｃ ｉ ｂｕ ｔ ｈ ｈ ｏ ｙ ｏ ｏ ｏ ｃ ． ｅ ｅ ｘ ｒ ｃ ｉ ｅ ｕ ｔ ｔ ｖ ｌＯ Ｓｐ ｓｕ ｅ ｎ ｉ ｌ ｔ ｎ ｏ ｒ ｍｏ ｉ ｏ ａ ｕ ｅ ａ ｔ ｎ ａ ｅ ａ ｈｉ ｖ ｄ ｏ ｌ ｔ ｍ ｏｆ ｔ ｅ ｒ ｆｒ ｂ ｔ ｓ Ｓｋ ｌ ｍｎ ｅ ｔａ ｔ ｎ ｒ ｓ ｌｓｗｉ ａ－ Ｕ ｏ ｔ ｒ ｓａ ｄ ｓｍｕ ａ ｏ ｆａ ｍ ｔ ｎ ｆ ｒｓ ｌ ｔ ｃ ｏ ｒ ｃ ｅ ｅ ｎ ｔ ｅ ｐ ａ ｆ ｒ ｉ ｏ ｈ ｉ ｉ ｏ ｉ ｈ ｏ
人体姿态识别技术的研究及其应用
人体姿态识别技术的研究及其应用近年来，人工智能技术的发展，尤其是计算机视觉技术的进步，为人体姿态识别技术的研究及其应用打开了一扇大门。
人体姿态识别技术是利用计算机视觉技术，对人体的姿态、动作等信息进行自动识别和分析的一种技术。
它广泛应用于医疗、体育、安防等方面，有着非常广阔的市场前景和应用价值。
一、人体姿态识别技术的研究现状人体姿态识别技术涵盖了许多领域，诸如计算机视觉、模式识别、人工智能、机器学习等。
目前，该领域的研究已经涉及到了身体各部位的运动测量、人员行为分析、手语识别、人机交互等多个方面。
（一）运动捕捉技术运动捕捉技术是一种利用传感器或相机等设备，对人体运动进行跟踪和测量的技术。
它通过对人体运动的测量和记录，得到人体姿态和动作信息。
此外，运动捕捉技术还可以将得到的数据进行后处理，分析运动的轨迹、速度、加速度等运动学参数。
（二）深度学习技术深度学习技术是一种利用神经网络模型和大量数据进行训练，以实现高精度的人体姿态识别和动作跟踪的技术。
在深度学习技术的支持下，人体姿态识别技术已经实现了很大的进步。
（三）动作捕捉技术动作捕捉技术是一种利用惯性测量单元（IMU）进行人体动作的捕捉和测量的技术。
IMU是一种小型、轻量级的传感器，可以利用质量惯性进行测量。
动作捕捉技术可以对人体动作进行精确测量，通过对人体动作的分析，可以对许多人体运动相关的应用提供支持。
二、人体姿态识别技术的应用人体姿态识别技术在许多领域都有着广泛的应用，尤其是在医疗、体育、安防等领域。
通过对人体姿态的测量和识别，可以为这些领域的应用提供很好的支持。
（一）医疗领域人体姿态识别技术在医疗领域有着广泛的应用。
比如，对于一些需要定位和识别身体特定部位的手术，通过使用运动捕捉技术，可以提高手术的准确性和安全性。
此外，人体姿态识别技术还可以应用于康复辅助等方面。
（二）体育领域人体姿态识别技术在体育领域也有着广泛的应用。
比如，可以利用动作捕捉技术对运动员的动作进行测量和分析，对运动员的训练提供支持。
基于计算机视觉的人体运动姿态识别技术研究
基于计算机视觉的人体运动姿态识别技术研究近年来，基于计算机视觉的人体运动姿态识别技术（Human Motion Recognition, HMR）备受关注，其应用涵盖从智能家居、健康管理到体育训练等多个领域。
HMR技术可以通过计算机视觉和深度学习算法对人体运动过程进行精准的姿态识别，从而提升人机交互的体验和应用效果。
HMR技术已经广泛应用在智能手机、运动手环、智能手表等设备上，实现对用户运动状态的监测、数据记录与分析，是智能硬件领域的重要技术。
基于传统的计算机视觉技术，HMR技术需要针对人体骨骼结构、运动过程中的复杂变化等问题进行深入研究和优化。
为此，科研学者们提出了一系列相应的解决方案，如采用多视角、多传感器融合技术、GPU加速、递归神经网络等等。
其中，深度学习在HMR技术中发挥着重要作用。
深度神经网络（DNN）可以学习大量数据并自我优化，不断提高HMR技术的准确率和稳定性。
研究人员采用卷积神经网络（CNN）和循环神经网络（RNN）等深度学习算法，在 HMR 中取得了很高的效果。
例如，CMU-Pose 数据集上的 HMR 模型，在一个普通计算机上，每秒可以达到 40 fps 左右的速度，同时也获得了图片到运动姿势重建几乎无误的精度。
HMR技术的应用场景也越来越广泛。
其中，锻炼和体育训练是 HMR 技术的重要应用领域。
在健身房、训练营中，HMR 技术可以通过监控用户的运动姿势，及时给出调整指导，提高锻炼的效果和安全性。
此外，HMR技术也可以应用在医疗康复领域。
通过监测患者的运动姿态，医生可以及时发现和纠正不当姿势，从而有效预防和治疗运动损伤、骨科疾病等。
HMR技术的下一步发展方向是针对运动细节进行更加精细化的建模和识别。
例如，人体姿态的微妙变化、肌肉运动变化、运动幅度大小变化等问题。
此外，HMR技术也可以增加对人体身体的3D结构的识别和建模，并将其应用于更加多样的场景中。
总的来说，基于计算机视觉的人体运动姿态识别技术具有广泛的应用前景和研究价值。
基于人机交互的人体运动优化技术研究
基于人机交互的人体运动优化技术研究近年来，随着科技的不断进步，人们对健康和身体的重视程度越来越高。
在人体运动领域，基于人机交互的技术已经得到了广泛的应用，成为了许多运动爱好者和专业训练者不可或缺的辅助工具。
本文将深入探讨基于人机交互的人体运动优化技术，揭示其背后的原理和应用价值。
一、背景介绍传统的人体运动训练方式主要依赖于人类的直觉和经验，以及教练的指导和监督。
这种方式存在着很多局限性，例如主观性强、反馈不及时、难以量化等。
而基于人机交互的技术可以克服这些难点，提供更为精确、全面和实时的数据反馈，使运动者能够更加科学、高效地进行训练。
二、工作原理基于人机交互的人体运动优化技术是一种将计算机、传感器、信号处理和人体力学等多个领域的知识相结合的技术，其基本原理如下：1. 传感器采集数据传感器可以采集各种数据，例如身体姿态、肌肉运动、力量、速度、心率等等。
这些数据可以通过无线传输或者有线传输方式传输到计算机上。
2. 计算机处理数据计算机可以对传感器采集到的数据进行处理和分析，从而得出特定的指标和结论。
例如，计算机可以分析肌肉活跃度、动作韧性、预测受伤风险等等。
3. 提供反馈和建议基于计算机处理的数据，可以为运动者提供实时反馈和建议。
例如，当运动者的动作不正确时，相应的传感器就会发出信号，提醒运动者进行调整，从而达到更好的效果。
三、应用价值基于人机交互的人体运动技术在各个领域都有广泛的应用价值，具体表现在以下几个方面：1. 专业运动训练对于一些专业的运动员或训练者来说，基于人机交互的技术可以提供更为精确和详尽的数据反馈，帮助他们更好地掌握运动技巧，消除错误动作习惯，以及预防运动伤害。
2. 康复治疗对于那些需要康复治疗的运动员或普通人来说，基于人机交互的技术能够通过实时监测身体活动情况，帮助他们了解身体康复情况和进度，从而更快地恢复到良好状态。
3. 健身娱乐对于普通的健身爱好者来说，基于人机交互的技术可以通过一些游戏和互动的方式，增强运动的趣味性和吸引力，同时也可以提供有效的训练指导和数据反馈，使得运动更加精确和可视化。
基于多模态深度学习的人体姿态识别技术研究
基于多模态深度学习的人体姿态识别技术研究在当今社会，人体姿态识别技术已经成为机器学习领域的热点之一。
人体姿态识别技术广泛应用于虚拟现实、医疗辅助等领域。
然而，由于巨大的数据量和复杂的姿势变化，传统的人体姿态识别方法已经无法满足实际需求。
因此，基于多模态深度学习的人体姿势识别技术成为目前的研究热点。
多模态深度学习指的是利用多种数据源进行深度学习，如图像、视频、语音、加速度计和陀螺仪。
这种方法可以充分利用多种数据来源进行综合学习，提高识别准确率。
首先，该技术的主要应用领域之一是虚拟现实。
在虚拟现实中，人类对身体的感知去掉了，适当地加入物理感的交互，可以帮助使用者更好地融入虚拟环境。
通过多模态深度学习提取的多种数据，可以显著提高虚拟现实交互的自然度和真实感。
例如，在体感游戏中，球员的姿势和动作可以被识别并在游戏中反映出来，使用户的体验更加真实。
其次，该技术还可以用于医疗辅助领域。
通过多模态深度学习，可以准确识别和监测患者的姿态和运动，如步态分析等。
这可以帮助医生更好地诊断和治疗疾病。
例如，对于脊柱畸形患者，可以利用多模态深度学习技术监测其脊柱特征和姿势，帮助医生更好地制定个性化治疗方案。
此外，多模态深度学习还可以用于智能家居等领域。
智能家居系统可以通过多种数据源（例如，体感器、摄像头）提取多种数据，如用户的姿势、面部表情、语音和手势等，为用户提供更加个性化的服务。
总之，基于多模态深度学习的人体姿势识别技术具有广泛的应用前景。
尽管这项技术仍有许多挑战和问题，如多模态数据的处理、模型的调节和参数的优化等，但多模态深度学习已经成为该领域实现性能提升的必要手段。
随着技术的不断发展，将会有更多重要的应用场景。
基于机器学习的人体姿势识别技术研究及应用
基于机器学习的人体姿势识别技术研究及应用近年来，随着机器学习技术的不断发展和普及，人体姿势识别技术也得到了广泛的关注。
基于机器学习的人体姿势识别技术可以识别不同人体姿势，并在不同的应用场景中得到广泛的应用。
本文将从机器学习的角度来介绍人体姿势识别技术的研究进展和应用。
一、人体姿势识别技术研究进展人体姿势识别技术是指通过计算机视觉技术和图像处理技术，对人体的姿势进行识别和分析。
目前，人体姿势识别技术已经取得了很大的进展，主要有以下两种方法：1. 基于传统的计算机视觉技术实现人体姿势识别传统的计算机视觉技术主要包括图像处理、特征提取、目标检测、模式识别等方法。
在人体姿势识别过程中，传统的计算机视觉技术可以对图像进行预处理，提取图像中的人体轮廓和关键点，然后通过定位关键点的位置和姿态信息，实现人体姿势识别。
但人体姿势识别过程中，往往存在光照、遮挡、姿势扭曲等问题，传统的计算机视觉技术很难完全解决这些问题。
2. 基于深度学习的人体姿势识别近年来，深度学习技术的发展给人体姿势识别带来了新的机会和挑战。
基于深度学习的人体姿势识别技术主要包括卷积神经网络（CNN）、循环神经网络（RNN）和注意力机制等方法。
深度学习技术可以自动提取图像中的特征，通过多层网络结构实现特征的抽象和组合，从而学习到一个高效的人体姿势识别模型。
与传统的计算机视觉技术相比，深度学习技术在解决人体姿势识别中光照、遮挡、姿势扭曲等问题方面具有更好的表现。
二、基于机器学习的人体姿势识别技术的应用基于机器学习的人体姿势识别技术在不同的应用场景中具有广泛的应用，主要包括以下几个方面：1. 健身跟踪人体姿势识别技术可以用于健身跟踪，监测人体的运动姿势，及时纠正健身者的姿势错误，提高其训练效果和安全性。
在健身跟踪中，人体姿势识别技术可以通过识别关键点的位置，预测人体的运动轨迹和偏离程度，实现即时反馈和纠正。
2. 动作生成和人机交互人体姿势识别技术可以实现动作生成和人机交互，将人体的姿势信息与计算机应用程序进行交互，实现人与计算机之间的无缝连接。
《2024年基于三维姿态估计的虚拟角色运动控制方法》范文
《基于三维姿态估计的虚拟角色运动控制方法》篇一一、引言随着计算机技术的快速发展，虚拟现实技术在多个领域中得到了广泛的应用。
在虚拟现实系统中，如何实现虚拟角色的自然、逼真的运动控制成为了重要的研究课题。
本文旨在探讨基于三维姿态估计的虚拟角色运动控制方法，通过结合三维姿态估计技术和虚拟角色运动控制技术，实现对虚拟角色运动的高效、精准控制。
二、三维姿态估计技术三维姿态估计技术是计算机视觉领域的一个重要分支，其主要目的是通过图像或视频信息，获取人体或物体的三维姿态信息。
该技术主要包括基于深度学习的估计方法和基于传统特征的估计方法。
通过提取人体或物体的关键点信息，可以有效地估算出其三维姿态。
三、虚拟角色运动控制方法虚拟角色运动控制是虚拟现实技术中的关键技术之一，其目的是通过计算机程序控制虚拟角色的运动。
传统的虚拟角色运动控制方法主要依赖于人工编程或简单的物理模型，无法实现虚拟角色的自然、逼真运动。
基于三维姿态估计的虚拟角色运动控制方法，通过将三维姿态估计技术应用于虚拟角色运动控制中，实现了对虚拟角色运动的精准控制。
四、基于三维姿态估计的虚拟角色运动控制方法基于三维姿态估计的虚拟角色运动控制方法主要包括以下步骤：1. 采集数据：通过摄像头等设备采集人体或物体的运动数据，提取关键点信息。
2. 三维姿态估计：利用三维姿态估计技术，对采集到的数据进行处理，估算出人体或物体的三维姿态信息。
3. 映射关系建立：将人体或物体的三维姿态信息与虚拟角色的运动参数建立映射关系。
这一步需要根据具体的虚拟场景和虚拟角色的特点进行设计。
4. 运动控制：根据映射关系，通过计算机程序控制虚拟角色的运动。
在控制过程中，可以根据实际需要调整虚拟角色的运动参数，以实现更加自然、逼真的运动效果。
五、实验与分析为了验证基于三维姿态估计的虚拟角色运动控制方法的有效性，我们进行了相关实验。
实验结果表明，该方法能够有效地实现虚拟角色的自然、逼真运动控制，且具有较高的精度和稳定性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第25卷第7期 计算机应用与软件Vol 125No .72008年7月 Computer App licati ons and Soft w are Jul .2008基于Poser 的个性化人体模型运动仿真技术研究李 燕(武汉科技学院机电工程学院 湖北武汉430073)收稿日期:2007-07-02。
湖北省教育厅2007年科研重点资助项目(D200717002);湖北省数字化纺织装备重点实验资助项目(DT L200607)。
李燕,教授,主研领域:三维数字建模与逆向工程技术。
摘 要 根据服装工业对数字化动态人体模型的需要,提出了一种建立人体动态模型的新方法。
该方法针对特定人体的三维扫描数据,用逆向工程软件Geomagic Studi o 实现个性化的三维人体NURBS 曲面模型的构建,将完成后的人体曲面模型导入Poser 软件,利用人体特征点确定关节位置,建立相应的人体骨骼模型,并将人体表面模型与骨骼模型相匹配,实现人体运动仿真。
实验证明,所建立的人体动态模型在外观形状和运动姿态上具有较高的真实性,操作简便,易于掌握。
关键词 三维人体扫描 人体曲面模型 人体骨骼模型 PoserO N LOCOMO T I O N E M ULAT I O N TECHNOLO GY O F I ND IV I D UAL I ZEDM AN I K I N BASED O N PO SERL i Yan(College of M achine and Electronic,W uhan U niversity of Science and Technology,W uhan 430073,Hubei,China )Abstract Abstract A ccording t o the de mand of gar ment industry,in this article it br ought for ward a ne w method t o building the dyna m ic manikin .According t o particular scanned 32d hu man body data,the reversing engineering s oft w are “Geomagic Studi o ”was used t o realize the constructi on of individualized 32D NURBS curved manikin,then the accomp lished curved manikin was directed t o the s oft w are Poser .By u 2sing the hu man character points t o define the l ocati on of j oints,the relevant hu man skelet on manikin can be built and matching with hu man surface model,we would actualize hu man body dyna m ic e mulati on .The tested module is highly realistic in shape and dyna m ic status and can be contr olled easily .Keywords 32D hu man body scan Hu man body Curved manikin Hu man body skelet on model Poser0 引 言三维人体建模是当前一大研究热点,它在人机系统工程、医学研究、服装C AD 以及虚拟现实等领域有着广阔的应用前景。
在人体的几何造型方面,通常采用棒模型、表面模型、体模型和多层次模型等方法,在不同程度上对人体外形特征进行描述。
由于这些方法通常利用的是常规测量数据和统计资料,对外形尺寸做了大量简化,因而所建立的人体模型缺乏足够的真实感。
随着人体非接触测量技术的发展,可借助全身扫描仪方便地获取特定人体的表面数据,使得用真实人体扫描数据来建立个性化特征人体的表面模型已成为现实,但是,其所建立的仍然是静态人体模型,无法表现人体的动态效果。
由于人体是一种复杂的多关节形体,建立具有真实性的人体动态模型方法仍在探索之中。
笔者提出了一种建立人体动态模型的新方法,把人体动态模型分成表面模型和骨骼模型两个层来构建,针对特定人体的三维扫描数据,用逆向工程软件Geo magic Stu 2di o 实现个性化的三维人体NURBS 曲面模型构建,将完成后的人体曲面模型导入Poser 软件,利用人体特征点确定关节位置,可建立相应的人体骨骼运动模型。
所构成的人体骨骼模型是一个多关节运动学模型,可用来控制人体的各种姿态动作,将人体表面模型与骨骼模型相匹配后,即可实现人体运动仿真。
系统框架如图1所示。
图1 实现人体模型运动仿真的系统框架1 个性化的三维人体曲面模型的构建基于人体扫描数据的三维人体曲面模型的构建分为两步:1.1 人体点云数据的获取本项目采用的是Tel m at 的SY MC AD 非接触式三维人体扫描仪,在20s 内自动完成整个人体扫描过程,捕捉到人体500000个数据点,测量精度达到0.2cm,所测数据可以I V 文件格式输出,但所输出的I V 文件不能被Geomagic 软件直接读取,利用文本编辑软件打开I V 文件,把文件头和文件尾修改为WRL 文件格式,并保存为WRL 格式的文件就可以被Geomagic 软件读出,78 计算机应用与软件2008年所测得的点云图形如图2所示。
图2 人体点云数据1.2 构建人体NURBS 曲面将测得的人体点云文件,读入Geo magic Studi o,通过对人体点云数据进行优化处理、人体多边形的编辑、人体曲面网格线的定义、人体曲面的拟合等操作,生成高质量的人体NURBS 曲面,如图3所示,将构建的人体NURBS曲面模型以OBJ 格式文件输出。
图3 个性化的三维人体NURBS 曲面模型2 由人体曲面模型建立人体骨骼模型使用Poser 的I m port/W avefr ont OBJ 命令,将在GeomagicStudi o 软件中完成的人体NURBS 曲面模型导入Poser 软件中,打开H ierarchyW indow 窗口,用Create Ne w Figure 命令将导入的人体曲面模型改变为Poser 的形体对象,再根据形体对象的关节特征建立体骨骼模型。
2.1 人体骨骼模型的建立在Poser 中有一套骨骼制作系统,可以方便直观地为形体对象构建骨骼,用鼠标选中人体,点击主介面右上角的SetupRoo m,进入到Poser 的Setup Room,为人体曲面构建骨骼,激活Bone Creati on 工具,在人体模型的臀部位置按下鼠标左键向下拖动鼠标,就为模型建立了第一根骨骼,如图4所示。
图4 建立人体臀部第一根骨骼第一根骨骼放置的位置是相当重要的,因为这个骨骼会变成将要创建的其它所有骨骼的父骨骼。
接下来继续为人体模型绘制骨骼,绘制骨骼的时候要注意,必须选中当前的骨头才能绘制和它相连的下一根骨头。
把光标移动到第一根骨骼的底部,按住鼠标左键向下拖动鼠标,建立第二根骨骼,使用移动工具和旋转工具也可以对骨骼进行调整,激活移动或旋转工具,将光标放置到骨骼两端的起点,当光标变为圆圈时,按住左键拖动鼠标,修改骨骼的位置,完成后的人体骨骼如图5所示。
图5 人体骨骼模型2.2 人体骨骼的命名建立好所有的骨骼后,需要为每根骨骼命名,为了能使用Poser 系统中包含的大量现成姿势以及套用特殊效果,必须使用Poser 命名规则为人体模型的骨骼命名,Poser 中标准的人体模型骨骼的命名规则如图6所示。
图6 Poser 中人体骨骼命名规则在工作视图中双击其中一块骨骼,在打开的Ele ment Pr op 2erties 窗口中有两种命名方式,在I nternal Na me 文本框中,使用Poser 命名规则进行命名;在Na me 文本框中输入用户自定义的名称,如果使用了Poser 命名规则对人体的骨骼进行命名,那么Poser 将自动为骨骼建立父子链接关系,如图7所示,使人体骨骼模型成为一个多关节运动学模型,以实现人体骨骼的正确运动仿真。
图7 Poser 中人体骨骼的链接关系第7期 李燕:基于Poser 的个性化人体模型运动仿真技术研究79 2.3 实现人体曲面模型与骨骼模型的拟合在建立好人体骨骼模型之后,为了实现人体的运动仿真,必须建立人体曲面模型与骨骼模型之间的对应关系,将人体曲面模型按关节特征分割成多个曲面区域映射到相对应的骨骼段上,打开Poser “组”面板Gr oup Edit or,按“自动分组”Aut o Gr oup 按钮,Poser 将根据骨骼的数量自动为每段骨骼分配相应的人体曲面区域,实现人体骨骼模型与人体曲面模型的拟合。
3 人体模型运动仿真实验当正确地建立了人体骨骼之间的父子链接关系和人体曲面模型与骨骼模型之间的对应关系后,人体模型就变成了一个虚拟的人,可以实现摆出各种人体姿态和人体行走等非常复杂的动作,在奔腾µD 805处理器和512MB RAM 的PC 机上,在W indows xp 操作系统下,使用Poser 的行走设计器,可以进行人体模型的行走仿真实验,而且可以方便地控制人物模型行走的姿态。
图8为人体模型沿着设定路径的运动仿真的实验结果,运动姿态能充分地表现人体行走的真实性。
图8 人体模型运动仿真实验结果4 结论及应用本文所提出的基于三维扫描数据,利用Poser 骨骼系统建立的人体动态模型在外观形状和运动姿态上都有充分的真实性,操作简便,易于掌握。
在此动态人体的模型的基础上,如将服装设计师设计的服装导入Poser,可以实现人体的三维试衣和服装动态模拟,依照本文方法建立的人体动态模型在服装行业中具有相当广泛的应用前景。
参 考 文 献[1]李强,王红梅.实物反求工程中的模型重建技术[J ].机械制造与研究,2003(4):17220.[2]黄诚驹,齐荣.基于Geo Magic 的异形曲面快速数字建模技术研究[J ].机械与电子,2004(9):19221.[3]锐思创作室.Poser4.0三维造型设计与动画制作[M ].北京:人民邮电出版社,2000.[4]宋庆文,等.一种基于模型的人体建模系统.计算机应用与软件,2004(1):57260.(上接第41页)(2)判定树的构造:本系统利用Java 语言来实现I D 3算法,该程序共定义了若干个类来分别实现判定树的根节点、中间节点、叶节点。