一、一種基于模型的人體建模系統(tǒng)（論文文獻(xiàn)綜述）
劉偉偉[1]（2021）在《基于人工蜂群點(diǎn)云配準(zhǔn)的人體靜態(tài)建?！肺闹醒芯恐该鹘┠陙?隨著計(jì)算機(jī)視覺技術(shù)的不斷改進(jìn),三維人體建模也不斷的在醫(yī)療影像、工業(yè)建模、智能機(jī)器人等領(lǐng)域蓬勃發(fā)展。在掃描獲得點(diǎn)云數(shù)據(jù)時(shí),由于受掃描設(shè)備與環(huán)境的影響,點(diǎn)云數(shù)據(jù)中一般都會(huì)存在噪聲點(diǎn)。而三維建模中配準(zhǔn)技術(shù)又是最重要的一步,配準(zhǔn)精度的優(yōu)劣往往受點(diǎn)云數(shù)據(jù)質(zhì)量與特征點(diǎn)精度的影響。在配準(zhǔn)過程中由于特征點(diǎn)的多樣以及配對速率的問題,往往導(dǎo)致不能取得較為準(zhǔn)確的特征點(diǎn)對,直接影響了后期配準(zhǔn)效果,降低了模型真實(shí)度。因此需要對點(diǎn)云數(shù)據(jù)進(jìn)行去噪和特征點(diǎn)對的精確提取與配準(zhǔn),最終獲得精度較高較為完整的三維人體模型。針對三維建模時(shí)對于點(diǎn)云精度要求較高的問題,本文提出了濾波去噪算法和最小二乘去噪算法的兩步相結(jié)合的去噪方法,利用濾波去噪可以很好的去除模型邊緣處和掃描背景中的一些噪聲點(diǎn),首次濾波去噪后再結(jié)合最小二乘法來進(jìn)行二次去噪處理,去掉一些對配準(zhǔn)無用的噪聲點(diǎn)并且很好的保證了人體模型中基本特征的存在,很好的提高了后期點(diǎn)云配準(zhǔn)的效率,縮短了配準(zhǔn)的時(shí)間。針對配準(zhǔn)過程中尋找特征點(diǎn)時(shí)間較長,本文首先利用點(diǎn)云微切平面中點(diǎn)的曲率信息來區(qū)分凹凸性,利用凹凸性找到模型中的特征點(diǎn)。極大的降低了后期需要配準(zhǔn)的特征點(diǎn)數(shù)量,縮短了配準(zhǔn)時(shí)間和計(jì)算成本。針對配準(zhǔn)過程中需要較高精確度特征點(diǎn)的問題,本文提出了一種基于人工蜂群算法配準(zhǔn)的人體建模技術(shù),通過曲率信息特征點(diǎn)的隨機(jī)選取,完成仿射變換矩陣的計(jì)算,然后根據(jù)變換后對應(yīng)特征點(diǎn)之間的矢量關(guān)系找到最近最優(yōu)的特征點(diǎn)對,最后計(jì)算特征點(diǎn)對法向量之間的夾角,并以夾角作為蜂群算法中的目標(biāo)優(yōu)化函數(shù),從而不斷迭代得到待配準(zhǔn)點(diǎn)云中的最優(yōu)匹配特征點(diǎn),進(jìn)而求得最優(yōu)變換矩陣,最終驅(qū)動(dòng)完成整體模型的配準(zhǔn),此算法能夠極大的減少錯(cuò)誤特征點(diǎn)對模型配準(zhǔn)時(shí)產(chǎn)生的影響,從而最終完成模型的建立。本文利用人體點(diǎn)云模型進(jìn)行配準(zhǔn)實(shí)驗(yàn),最終的實(shí)驗(yàn)結(jié)果表明,本文提出的兩步相結(jié)合的去噪辦法能夠很好的減少離群噪點(diǎn)降低對后期配準(zhǔn)的影響。再利用曲率信息尋找特征點(diǎn)并結(jié)合人工蜂群的目標(biāo)函數(shù)迭代尋找最優(yōu)的特征點(diǎn)對,最終實(shí)現(xiàn)人體模型的配準(zhǔn)與建立。通過與其他配準(zhǔn)建模算法的比較,本文提出的方法可以取得更好的配準(zhǔn)效果最終完成人體建模。
王琪[2]（2020）在《基于VR的服裝搭配展示系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)》文中認(rèn)為隨著互聯(lián)網(wǎng)的不斷發(fā)展,VR市場總體發(fā)展向好,理論逐漸完善,開發(fā)應(yīng)用領(lǐng)域廣泛,基于VR技術(shù)的項(xiàng)目工程越來越多,服裝領(lǐng)域的研究與實(shí)踐也越來越豐富。通過對現(xiàn)在的市場與現(xiàn)有研究成果的分析,決定基于VR技術(shù)實(shí)現(xiàn)服裝搭配展示系統(tǒng),在提供服裝搭配推薦方案的同時(shí),構(gòu)造三維空間展示服裝,使用戶能夠根據(jù)自己的選擇觀看到服裝搭配的效果,為服裝領(lǐng)域有該需求的用戶提供一種新的方式。本文研究開發(fā)的是通過對專家知識以及歷史經(jīng)驗(yàn)集合的服裝搭配知識總結(jié),選擇人體膚色與著裝場合作為服裝色彩與款式的影響因素,來設(shè)計(jì)本系統(tǒng)的服裝搭配法則,并將服裝搭配法則轉(zhuǎn)換為計(jì)算機(jī)圖像數(shù)據(jù),提供服裝搭配推薦方案;使用Maya建模技術(shù)實(shí)現(xiàn)三維模特與服裝的制作,利用Photoshop圖形處理軟件制作仿真的人體膚色與服裝色彩材質(zhì);建立模型材質(zhì)數(shù)據(jù)庫;結(jié)合VR技術(shù),設(shè)計(jì)第一人稱視角的漫游方式,實(shí)現(xiàn)人機(jī)交互,提高用戶沉浸感;利用Unity軟件實(shí)現(xiàn)服裝搭配展示系統(tǒng)的用戶操作界面開發(fā)與場景優(yōu)化。本系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)的功能:模特膚色更換,推薦服裝上下衣的顏色,根據(jù)著裝場合推薦服裝款式,服裝立體展示,場景漫游交互。
艾容羽[3]（2020）在《基于圖形和圖像的人體胸腰部曲面建模研究》文中研究指明三維人體曲面建模是計(jì)算機(jī)圖形學(xué)和圖像處理領(lǐng)域研究的熱點(diǎn)之一,在3D服裝CAD、虛擬仿真系統(tǒng)和游戲動(dòng)畫領(lǐng)域,3D人體建模是亟需解決的問題。三維人體重建技術(shù)是實(shí)現(xiàn)3D服裝設(shè)計(jì)、服裝CAD、虛擬試衣技術(shù)的基礎(chǔ)。在服裝產(chǎn)業(yè)逐漸數(shù)字化、智能化的趨勢下,三維人體建模成為服裝數(shù)字化的研究焦點(diǎn),同時(shí)也存在許多問題,成為研究的瓶頸。目前對三維人體建模技術(shù)的研究,結(jié)合服裝專業(yè)知識和人體特點(diǎn)的研究有很多,但是大多是通過圖形點(diǎn)云數(shù)據(jù)進(jìn)行建模,或者是通過二維圖像進(jìn)行,單一通過其中一種建模都有其自身的局限性。同時(shí)對于人體特征截面輪廓曲線建模大多是通過單一的曲線擬合,擬合優(yōu)度不高是主要的問題。本文針對服用三維人體建模的研究狀況,以160/84A標(biāo)準(zhǔn)女裝人臺(tái)模型為研究對象,采用分段擬合的思想建立人體胸腰部特征曲線模型,主要研究內(nèi)容如下:（1）運(yùn)用圖形處理技術(shù)中的基于人體特征點(diǎn)的人體胸腰部特征截面定位及提取算法設(shè)計(jì)。基于服裝工程學(xué)和人體工效學(xué),設(shè)計(jì)算法進(jìn)行基于特征點(diǎn)的人體胸腰部特征橫截面定位,得到胸腰部特征點(diǎn)及特征截面的位置,提取出了特征橫截面的點(diǎn)云數(shù)據(jù)集。（2）運(yùn)用圖形處理技術(shù)中的基于曲面曲率的人體胸腰部特征曲線分段擬合算法設(shè)計(jì)。采用分段不同擬合方法對特征曲線進(jìn)行模型構(gòu)建,有多項(xiàng)式擬合和樣條擬合,可提高擬合優(yōu)度,從而可提高后期圖形驗(yàn)證工作的準(zhǔn)確度。（3）基于圖像處理技術(shù)提取人體正面和側(cè)面的外輪廓,對基于圖形技術(shù)擬合的人體曲線模型進(jìn)行驗(yàn)證。首先選擇胸圍曲線為例,將擬合值與實(shí)際參考值進(jìn)行對比和誤差分析,進(jìn)行基于長度的擬合度檢驗(yàn);然后結(jié)合MATLAB對二維圖像進(jìn)行處理提取的邊緣,利用圖形與圖像的比例關(guān)系將縱截線進(jìn)行疊加對比,最終驗(yàn)證所建曲線模型的有效性。本研究進(jìn)行分段擬合曲線模型的構(gòu)建,并通過圖像數(shù)據(jù)對圖形數(shù)據(jù)進(jìn)行驗(yàn)證,為服裝個(gè)性化建模與智能打板技術(shù)的結(jié)合做基礎(chǔ)性工作。
張皓若[4]（2020）在《基于SMPL模型的三維人體建模及其應(yīng)用研究》文中研究指明三維人體建模技術(shù)在游戲開發(fā)、影視動(dòng)畫制作、虛擬試衣等領(lǐng)域都有著廣闊的應(yīng)用前景。由于人體結(jié)構(gòu)復(fù)雜多變、表面的非剛體運(yùn)動(dòng)較多,目前高精度的三維人體建模方法主要依賴于復(fù)雜且昂貴的多視角相機(jī)系統(tǒng)或激光掃描儀來進(jìn)行數(shù)據(jù)采集與處理。隨著SMPL模型的提出,利用該模型所提供的人體先驗(yàn)約束可以將復(fù)雜的三維重建問題轉(zhuǎn)化為一系列參數(shù)的優(yōu)化求解問題,因此如何利用SMPL模型提供的約束來對人體進(jìn)行有效、便捷的三維數(shù)字化建模成為了學(xué)者們不斷探討的問題。在上述背景下,本課題圍繞基于SMPL模型的三維人體建模這一主題,主要研究如何利用單個(gè)傳感器設(shè)備采集的不完整信息來對模型參數(shù)進(jìn)行優(yōu)化求解,具體工作可總結(jié)如下:（1）基于單幅RGB圖像的三維人體姿態(tài)建模。為了解決現(xiàn)有的基于SMPL模型的人體姿態(tài)建模算法容易出現(xiàn)誤差、模型參數(shù)估計(jì)不準(zhǔn)確等問題,本文將基于優(yōu)化和基于深度學(xué)習(xí)的姿態(tài)建模算法相結(jié)合:首先利用深度卷積神經(jīng)網(wǎng)絡(luò)從圖像中提取模型參數(shù)作為初始值,隨后利用人體輪廓、二維關(guān)節(jié)點(diǎn)、人體身高等約束來對模型參數(shù)進(jìn)一步優(yōu)化求解,從而得到更加精確的人體三維姿態(tài)和體型。為了驗(yàn)證所提方法的有效性,將同類算法在真實(shí)數(shù)據(jù)和公開數(shù)據(jù)集上進(jìn)行了評估,實(shí)驗(yàn)表明所提方法能夠有效地將優(yōu)化算法和深度學(xué)習(xí)算法兩者的優(yōu)勢結(jié)合,提高三維人體姿態(tài)建模算法的精度,實(shí)驗(yàn)同時(shí)利用所提方法進(jìn)行了人體部位解析的應(yīng)用效果展示,以支撐相關(guān)的應(yīng)用研究。（2）融合RGBD信息的三維人體姿態(tài)建模。在基于單幅RGB圖像的人體姿態(tài)建模工作的基礎(chǔ)上,通過融合深度信息來解決因二維圖像深度信息的缺失而導(dǎo)致的姿態(tài)求解結(jié)果不唯一的問題:首先使用Kinect相機(jī)采集單幀人體彩色圖和深度圖并生成點(diǎn)云數(shù)據(jù),然后對點(diǎn)云進(jìn)行背景分割、去噪等操作,獲得高質(zhì)量的人體單側(cè)點(diǎn)云;再使用基于單幅RGB圖像的三維人體姿態(tài)建模算法獲得初始模型,并將其與點(diǎn)云進(jìn)行預(yù)配準(zhǔn);最后,基于這些數(shù)據(jù),使用K近鄰算法確定初始模型與人體點(diǎn)云的點(diǎn)對應(yīng)關(guān)系,再利用點(diǎn)云與模型的距離約束對模型參數(shù)進(jìn)行優(yōu)化,從而準(zhǔn)確估計(jì)出復(fù)雜姿態(tài)下的人體的姿態(tài)和體型。通過對實(shí)驗(yàn)采集的真實(shí)人體數(shù)據(jù)進(jìn)行定性與定量的分析,驗(yàn)證本文方法具有精度高、實(shí)驗(yàn)環(huán)境簡單等特點(diǎn),能夠得到精確的人體三維姿態(tài)與體型。最后利用所提算法結(jié)合服裝布料模擬軟件進(jìn)行了虛擬試衣的應(yīng)用效果展示。（3）基于RGB視頻的三維動(dòng)態(tài)人體建模?；趩畏鵕GB圖像的三維人體姿態(tài)建模算法在人體自遮擋嚴(yán)重時(shí)容易出現(xiàn)誤差,在處理視頻時(shí)容易出現(xiàn)運(yùn)動(dòng)不連貫等問題。為了解決上述問題,同時(shí)使得SMPL模型能夠包含更多的紋理細(xì)節(jié),采用一種基于RGB視頻序列的三維動(dòng)態(tài)人體建模方法:首先對RGB視頻序列的每幀圖像進(jìn)行人體姿態(tài)建模,然后利用視頻序列的幀間連貫性對視頻全部幀的姿態(tài)建模結(jié)果進(jìn)行誤差糾正,使組成的姿態(tài)序列更為準(zhǔn)確流暢;再利用SMPL模型的變形原理,將視頻每幀的人體輪廓錐體變換成標(biāo)準(zhǔn)的T型姿勢,最后利用多個(gè)輪廓錐體組成的可視外殼的約束求解SMPL模型的頂點(diǎn)偏移量,得到一個(gè)包含紋理信息的人體模型。對真實(shí)環(huán)境下采集的人體數(shù)據(jù)進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明所提方法能夠?qū)GB視頻中任意簡單姿勢的動(dòng)態(tài)人體進(jìn)行三維建模。另外由于生成的人體模型可以通過參數(shù)的改變進(jìn)行動(dòng)畫驅(qū)動(dòng),實(shí)驗(yàn)中結(jié)合所提姿態(tài)建模算法進(jìn)行了人體動(dòng)作模仿的應(yīng)用效果展示。
張廣翩[5]（2020）在《基于二維點(diǎn)云的三維人體建模研究》文中指出在虛擬試衣、3D游戲、3D電影等相關(guān)領(lǐng)域,均離不開三維人體數(shù)字化建模的研究。特別是在服裝設(shè)計(jì)、服裝訂購、虛擬試衣等行業(yè),三維人體建模的精度直接影響后期的效果。在服裝應(yīng)用領(lǐng)域中,均可以通過三維人體建模技術(shù),創(chuàng)建出符合人體真實(shí)形態(tài)的三維模型,利用虛擬人體進(jìn)行服裝的審視和檢查,以便服裝正式上身之前,能夠及時(shí)地發(fā)現(xiàn)并解決問題,從而減少不必要的成本浪費(fèi)。因此,如何快速、逼真的構(gòu)建出與真實(shí)人體形態(tài)相像的數(shù)字化三維模型具有重要的研究意義。主要研究工作如下:首先,為了增強(qiáng)三維人體模型庫中不同形態(tài)的人體信息,引入一種便捷的數(shù)據(jù)增強(qiáng)技術(shù),即首先訓(xùn)練一個(gè)人體重要部位比例到PCA系數(shù)的神經(jīng)網(wǎng)絡(luò),再通過編輯人體不同部位的比例來快速生成三維人體數(shù)字化模型。將增強(qiáng)之后的人體模型庫進(jìn)行分類處理,挑選具有代表性的三維人體模型作為實(shí)驗(yàn)的數(shù)據(jù)來源。其次,本文提出了一種新型的三維人體建模方法,該方法不僅能夠處理均勻取樣的二維點(diǎn)云,同時(shí)也能夠處理二維缺失點(diǎn)云。傳統(tǒng)方法中根據(jù)點(diǎn)云進(jìn)行三維人體重構(gòu)的過程通常以三維點(diǎn)云為研究對象,然而本文提出以二維點(diǎn)云為基礎(chǔ)進(jìn)行三維人體模型的快速重構(gòu)。同時(shí)考慮到由不完整的三維點(diǎn)云重建完整的三維人體網(wǎng)格模型是具有挑戰(zhàn)性的問題,因此本文方法中通過對二維點(diǎn)云進(jìn)行破裂處理從而模擬二維點(diǎn)云的破損和殘缺狀態(tài),使得算法能夠處理不完整的二維點(diǎn)云圖。主要內(nèi)容包括:對二維點(diǎn)云進(jìn)行破裂處理,建立一個(gè)由人體二維點(diǎn)云圖像和黑白二值圖相對應(yīng)的數(shù)據(jù)集,并訓(xùn)練一個(gè)由前者生成后者的生成對抗網(wǎng)絡(luò)模型,隨后使用該模型將二維點(diǎn)云圖轉(zhuǎn)化為相應(yīng)的黑白二值圖;將上述預(yù)測出的黑白二值圖輸入一個(gè)訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)中,用于評估二維圖像到三維人體模型重構(gòu)的效果;大量的實(shí)驗(yàn)結(jié)果表明,本文方法重建出的三維人體模型能夠有效實(shí)現(xiàn)視覺上的真實(shí)感,為了對重建后的精度進(jìn)行定量的分析,選用人體特征里最具有代表性的腰圍和胸圍特征作為誤差評估。同時(shí)為了進(jìn)一步突出本文方法基于缺失點(diǎn)云重建三維模型的有效性,引入了對比實(shí)驗(yàn),將本文方法與傳統(tǒng)的曲面重構(gòu)算法進(jìn)行了比較分析,實(shí)驗(yàn)結(jié)果表明,基于二維破裂點(diǎn)云重建三維人體模型的效果優(yōu)于基于不完整的三維點(diǎn)云重建三維人體網(wǎng)格模型效果。
張喜景[6]（2019）在《基于3D虛擬技術(shù)的服裝合體性評價(jià)研究 ——以韓國女性體型變化為例》文中研究說明隨著信息技術(shù)的發(fā)展,電子商務(wù)技術(shù)在服裝領(lǐng)域運(yùn)用趨于成熟。然而,運(yùn)用信息技術(shù)在服裝某些方面需要進(jìn)一步深化的,如:不能有效評估服裝合體性效果。目前對服裝合體性評價(jià),主要通過虛擬試衣技術(shù)來完成。市場上有許多虛擬試衣程序,用于“在線”往往能體現(xiàn)穿著視覺效果,通過虛擬試衣,消費(fèi)者選擇他們喜歡的服裝,主要在色彩、圖案和款式方面,而對于服裝合體性的評估,將要通過其他技術(shù)路徑來實(shí)現(xiàn)。應(yīng)用虛擬試衣程序,需要建立在準(zhǔn)確的服裝合身評估的基礎(chǔ)上。由于服裝的變形率和壓力變化,體現(xiàn)了服裝的緊身、變形的程度,這也是檢驗(yàn)判斷服裝合體性要素之一。我們通常用于預(yù)測結(jié)果是取決于專家的主觀性,并沒有客觀的判斷標(biāo)準(zhǔn)。因此,有必要尋找到一種客觀、準(zhǔn)確的服裝合體性評價(jià)標(biāo)準(zhǔn)和方法。本文針對于3D虛擬試衣系統(tǒng)中的服裝合體性問題,提出服裝合體性評價(jià)細(xì)則及測量方法,設(shè)計(jì)服裝合體性的定量指標(biāo),建立評價(jià)模型。通過該應(yīng)用系統(tǒng),使客戶在線購物時(shí)能夠客觀地判斷服裝的對自己的合體程度,這樣能夠讓給客戶即時(shí)購買到最合身的服裝。論文研究的主要內(nèi)容如下:（1）韓國成年女性標(biāo)準(zhǔn)體型分析以近十年“Size Korea”韓國成年女性人體測量調(diào)查數(shù)據(jù)為基礎(chǔ),收集選取了2004-2015年間年齡在19-29歲共1882個(gè)測體樣本,每個(gè)樣本測量了81個(gè)項(xiàng)目。應(yīng)用因子分析得出表征韓國成年女性體型特征的4個(gè)因子,進(jìn)而通過聚類分析得出7個(gè)代表性體型。應(yīng)用回歸分析得到各個(gè)代表性體型的特征尺寸,將其作為三維虛擬人體建模的基本數(shù)據(jù)。（2）三維虛擬人體建模及標(biāo)準(zhǔn)體型系列可變形模型建立基于韓國成年女性的標(biāo)準(zhǔn)體型數(shù)據(jù),設(shè)置人體尺寸控制部位的基準(zhǔn)點(diǎn)和基準(zhǔn)線,構(gòu)建控制虛擬人體模型建立的系列參考線尺寸,應(yīng)用Maya多邊形技術(shù),在建立韓國成年女性標(biāo)準(zhǔn)體型的三維虛擬人體模型的基礎(chǔ)上,形成在形狀和數(shù)據(jù)方面更加精準(zhǔn)、表征當(dāng)代韓國成年女性體型變化特征的虛擬人體模型。參考服裝線放碼的方法,研究虛擬人體控制部位尺寸的變化規(guī)則,應(yīng)用分析所得韓國成年女性各體型系列特征尺寸變化規(guī)律,控制虛擬人體尺寸變化幅度,應(yīng)用Maya的融合變形技術(shù),生成系列可變形虛擬人體模型。（3）服裝合體性評價(jià)指標(biāo)及權(quán)重研究傳統(tǒng)服裝合體性評價(jià)依賴評價(jià)人員的專業(yè)知識和經(jīng)驗(yàn),以及穿著者的主觀感受,缺乏關(guān)于服裝合體性的客觀評價(jià)標(biāo)準(zhǔn)和量化方法。基于服裝合體性的相關(guān)理論和研究分析,本文將服裝合體性定義為:具有良好的整體平衡性,服裝結(jié)構(gòu)線處于和人體相對應(yīng)的位置,有適當(dāng)?shù)倪\(yùn)動(dòng)及造型松量,沒有明顯不必要的褶皺。基于專家小組開展德爾菲法（Delphi）調(diào)研,對服裝合體性提出4個(gè)評價(jià)指標(biāo):平衡性、線條匹配、松量程度、外觀褶皺程度。應(yīng)用層次分析法的配對比較定量分析評價(jià)指標(biāo)的重要程度及影響力,從而確定本文服裝合體性4個(gè)評價(jià)指標(biāo)的權(quán)重系數(shù)。（4）基于虛擬試衣環(huán)境的服裝合體性多屬性決策評價(jià)模型研究針對4個(gè)服裝合體性評價(jià)指標(biāo),結(jié)合虛擬試衣環(huán)境下人體的著裝狀態(tài),分別提出各評價(jià)指標(biāo)的定量測量和判定分析方法。以虛擬著裝狀態(tài)的正面、側(cè)面及背面,虛擬服裝下擺線、腰圍線的視覺平衡程度作為服裝平衡性的判定依據(jù)。比較服裝上的基礎(chǔ)線和人體相關(guān)部位的匹配程度,判定服裝線條匹配合體性。運(yùn)用模糊數(shù)學(xué)進(jìn)行服裝松量合體性的評價(jià),建立松量等級的隸屬函數(shù)關(guān)系及判定方法。通過分析虛擬服裝圖像的灰度,繪制圖像灰度變化的波動(dòng)圖,計(jì)算波動(dòng)曲線的均值標(biāo)準(zhǔn)差,用來表征褶皺的大小程度的評判依據(jù)。由此獲得前述服裝合體性4個(gè)評價(jià)指標(biāo)的量化結(jié)果,但由于各指標(biāo)量化結(jié)果的量綱不同,應(yīng)對各指標(biāo)的量化結(jié)果進(jìn)行標(biāo)量化處理,處理后的標(biāo)量值乘以相應(yīng)權(quán)重系數(shù),綜合計(jì)算多屬性決策模型的評價(jià)結(jié)果。（5）評價(jià)模型的應(yīng)用及評價(jià)結(jié)果表征的可視化設(shè)計(jì)隨機(jī)提取1個(gè)人體測量樣本的測體數(shù)據(jù),應(yīng)用本文提出的虛擬人體建模和變形方法,快速生成符合個(gè)體體型特征的標(biāo)準(zhǔn)虛擬人臺(tái)。選擇一款連衣裙進(jìn)行虛擬試衣實(shí)驗(yàn),獲得各評價(jià)指標(biāo)的量化測量或判定結(jié)果,代入多屬性決策評價(jià)模型,計(jì)算最終服裝合體性評價(jià)結(jié)果。鑒于模型評價(jià)結(jié)果為用百分比表征的合體程度量化數(shù)值,不便于消費(fèi)者認(rèn)知服裝合體性評價(jià)的內(nèi)容和結(jié)果,對評價(jià)結(jié)果進(jìn)行可視化界面設(shè)計(jì),基于Visual Basic程序,實(shí)現(xiàn)自動(dòng)計(jì)算服裝合體性多屬性決策評價(jià)結(jié)果,根據(jù)虛擬試衣的穿著狀態(tài),呈現(xiàn)評價(jià)結(jié)果,便于消費(fèi)者直觀了解和認(rèn)知服裝穿著合體性情況。
曾巖[7]（2019）在《基于高斯過程自回歸學(xué)習(xí)的人體運(yùn)動(dòng)意圖理解及下肢外骨骼主動(dòng)柔順性研究》文中指出針對人體運(yùn)動(dòng)功能增強(qiáng)和重建的各類助力/助行外骨骼機(jī)器人已經(jīng)應(yīng)用于助老助殘、康復(fù)醫(yī)療和國防軍事等領(lǐng)域。該類人機(jī)系統(tǒng)通過生物、計(jì)算、控制、機(jī)械等技術(shù)的有機(jī)融合與深度協(xié)作、人機(jī)物理接觸實(shí)現(xiàn)人體和可穿戴設(shè)備的有機(jī)協(xié)作,達(dá)到實(shí)時(shí)感知、動(dòng)態(tài)控制、人機(jī)共融和信息服務(wù)等目的。然而其與人體運(yùn)動(dòng)的自然和諧仍不可能,并一直是該領(lǐng)域公認(rèn)的熱點(diǎn)和難點(diǎn)。因此,本文以高斯過程自回歸模型為基礎(chǔ),探究人體連續(xù)運(yùn)動(dòng)在時(shí)間序列上的內(nèi)在關(guān)聯(lián)特性;集成演進(jìn)系統(tǒng)理論,應(yīng)對人體運(yùn)動(dòng)的不規(guī)則性,從而實(shí)現(xiàn)人體運(yùn)動(dòng)意圖自然、快速和準(zhǔn)確的理解,在此基礎(chǔ)上提升人體-外骨骼系統(tǒng)主動(dòng)柔順性。具體地,本文從肌電信號（EMG信號）特征提取出發(fā),通過應(yīng)用Hill骨骼肌模型和半唯象模型,建立人體-外骨骼耦合動(dòng)力學(xué)模型,進(jìn)而構(gòu)建了可以用于人體運(yùn)動(dòng)意圖理解的狀態(tài)空間模型;基于人機(jī)力交互接口,利用高斯過程自回歸模型實(shí)現(xiàn)多源信息融合;通過應(yīng)用演進(jìn)系統(tǒng)理論,針對系統(tǒng)輸入中生理信號的不穩(wěn)定性和人體運(yùn)動(dòng)的不規(guī)則性,增強(qiáng)系統(tǒng)的適應(yīng)性,實(shí)現(xiàn)了對人體運(yùn)動(dòng)意圖的精確識別和理解;開發(fā)了用于EMG特征提取的卷積神經(jīng)網(wǎng)絡(luò),提出了基于混合深度學(xué)習(xí)的外骨骼智能控制策略,并完成了初步的主動(dòng)柔順性控制實(shí)驗(yàn)。本文的主要研究工作和成果可以歸納為以下幾個(gè)方面:一、EMG信號特征提取算法研究。針對人體-外骨骼系統(tǒng)對EMG信號特征提取實(shí)時(shí)性的需求,為提高特征提取算法的計(jì)算效率,從信號相圖入手,分析橢圓特征中長軸與坐標(biāo)軸夾角的變化規(guī)律,將相對復(fù)雜的橢圓面積的計(jì)算轉(zhuǎn)化為較為簡單的橢圓外接矩形面積的計(jì)算。在保證提取精度的前提下,大幅提升了算法的計(jì)算效率。并借助深度學(xué)習(xí)方法,以EMG信號經(jīng)過短時(shí)傅里葉變換的結(jié)果為輸入,利用卷積神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)了對信號特征提取算法效果的進(jìn)一步提升,二、人機(jī)力交互接口與人體-外骨骼系統(tǒng)狀態(tài)空間模型的建立。針對現(xiàn)有人體-外骨骼系統(tǒng)模型中忽略了交互力對系統(tǒng)影響的不足,基于包括Hill模型和半唯象模型在內(nèi)的骨骼肌生物力學(xué)模型,構(gòu)建了基于關(guān)節(jié)前向動(dòng)力學(xué)模型及人機(jī)交互力產(chǎn)生模型的系統(tǒng)狀態(tài)空間模型。進(jìn)一步,針對生物力學(xué)模型本身參數(shù)數(shù)量過多、獲取困難且對人體狀態(tài)變化十分敏感的不足,分別對狀態(tài)方程和測量方程應(yīng)用高斯自回歸過程和神經(jīng)網(wǎng)絡(luò)方法,增加系統(tǒng)的靈活性和自適應(yīng)性;并在此基礎(chǔ)上利用無跡卡爾曼濾波實(shí)現(xiàn)系統(tǒng)閉環(huán)預(yù)測,最終完成對人體關(guān)節(jié)運(yùn)動(dòng)角度和角速度的學(xué)習(xí)和預(yù)測。三、基于演進(jìn)系統(tǒng)和高斯自回歸過程的人體運(yùn)動(dòng)意圖理解。針對以肌電信號為基礎(chǔ)的人體運(yùn)動(dòng)意圖理解系統(tǒng)中EMG信號的不穩(wěn)定性和人體運(yùn)動(dòng)的不規(guī)則性,借助演進(jìn)系統(tǒng)理論,利用高斯過程非線性自回歸模型揭示人體連續(xù)運(yùn)動(dòng)的內(nèi)在關(guān)聯(lián)特性,并通過檢測預(yù)測結(jié)果中誤差和置信區(qū)間的大小,在系統(tǒng)動(dòng)態(tài)特征發(fā)生變化時(shí)通過對信息數(shù)據(jù)集中元素的更新,實(shí)現(xiàn)模型對系統(tǒng)概念漂移的有效抑制,完成系統(tǒng)動(dòng)態(tài)特征的實(shí)時(shí)自適應(yīng)。在此基礎(chǔ)上,針對人體運(yùn)動(dòng)意圖研究中關(guān)節(jié)角度和關(guān)節(jié)力估計(jì)等重點(diǎn)難點(diǎn)環(huán)節(jié),構(gòu)建了從EMG信號到關(guān)節(jié)力/力矩,以及從EMG信號、交互力信號到關(guān)節(jié)角度的自回歸模型,實(shí)現(xiàn)其在不規(guī)則運(yùn)動(dòng)模式下的學(xué)習(xí)和預(yù)測。四、基于混合深度學(xué)習(xí)的外骨骼柔順性研究。針對人體-外骨骼系統(tǒng)難以實(shí)現(xiàn)自然交互的問題,首先基于建立的人體-外骨骼耦合動(dòng)力學(xué)模型,確立人機(jī)交互阻尼為判斷人機(jī)系統(tǒng)柔順性水平的另一個(gè)評價(jià)標(biāo)準(zhǔn);進(jìn)而借助深度學(xué)習(xí)算法,利用卷積神經(jīng)網(wǎng)絡(luò),從EMG信號的短時(shí)傅里葉變換結(jié)果中提取得到肌肉的激活水平,結(jié)合人機(jī)交互力,運(yùn)用基于演進(jìn)系統(tǒng)理論的高斯過程自回歸模型,通過結(jié)合參數(shù)模型和非參數(shù)模型的優(yōu)勢,實(shí)現(xiàn)對人體運(yùn)動(dòng)意圖的精確預(yù)測;并在此基礎(chǔ)上,構(gòu)建基于混合深度學(xué)習(xí)的外骨骼主動(dòng)柔順性控制策略。通過自制的信號采集系統(tǒng)與下肢外骨骼機(jī)器人,完成對提出方法有效性的初步驗(yàn)證。
李保和[8]（2019）在《艦船設(shè)備維修人機(jī)工效量化評估關(guān)鍵技術(shù)研究》文中提出隨著計(jì)算機(jī)虛擬維修技術(shù)的飛速發(fā)展,虛擬維修技術(shù)在艦船設(shè)備維修性分析中逐漸得到重視。由于艦船內(nèi)部空間狹窄、結(jié)構(gòu)復(fù)雜,艦船設(shè)備的維修性需要充分考慮維修人員的舒適性因素?，F(xiàn)有的艦船維修性分析與維修仿真技術(shù)仍然存在諸多不足,主要問題體現(xiàn)在維修工藝構(gòu)建繁瑣與人機(jī)工效評估效率低兩個(gè)方面。針對上述問題,本文分析了虛擬維修中與人機(jī)工效評估相關(guān)的仿真技術(shù),并對人機(jī)仿真的關(guān)鍵技術(shù)進(jìn)行了深入研究,主要內(nèi)容包括數(shù)字人體模型、維修動(dòng)作庫、人機(jī)工效評估方法以及仿真過程動(dòng)態(tài)評估技術(shù)。首先,本文基于DELMIA虛擬人體模型結(jié)構(gòu)尺寸與國標(biāo)GB/T10000-1988人體尺寸數(shù)據(jù),采用CAA C++二次開發(fā)的方法,完成了一種符合中國人體尺寸特征的艦船維修人體模型的開發(fā)。其次,本文在多剛體人體運(yùn)動(dòng)學(xué)模型研究的基礎(chǔ)上,建立了一種18環(huán)節(jié)的虛擬人運(yùn)動(dòng)學(xué)模型,提出了一種基于人體運(yùn)動(dòng)鏈的動(dòng)作分類與建模方法,利用CAA技術(shù)實(shí)現(xiàn)了虛擬人動(dòng)作封裝、動(dòng)作重用以及動(dòng)作庫設(shè)計(jì)與開發(fā)。然后,本文以影響人體生物力學(xué)疲勞感的關(guān)節(jié)運(yùn)動(dòng)因素作為評估指標(biāo),提出了一種基于模糊理論的人體舒適度評估數(shù)學(xué)模型。此外,本文還研究了基于CAA技術(shù)的DELMIA Process仿真過程信息采集方法,在此基礎(chǔ)上完成了面向維修仿真的人機(jī)工效評估系統(tǒng)模塊的開發(fā)。最后,通過構(gòu)建維修工藝仿真實(shí)驗(yàn),采用仿真實(shí)例說明本文開發(fā)的人機(jī)仿真工具的實(shí)用性,仿真結(jié)果驗(yàn)證了本文的舒適度評估模型的正確性與有效性。
石美紅,劉英,趙雪青,高全力[9]（2019）在《虛擬試衣中人體建模技術(shù)的研究進(jìn)展》文中提出人體建模一直是計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺和虛擬現(xiàn)實(shí)等領(lǐng)域的重要研究方向之一。為了更好地展示虛擬試衣效果以及簡化虛擬試衣技術(shù)實(shí)現(xiàn)的難易程度,人體建模技術(shù)起著至關(guān)重要的作用。本文從人體建模方法以及應(yīng)用場景角度,回顧總結(jié)了人體建模領(lǐng)域一些最新研究成果,對比分析了各類人體建模技術(shù)的特點(diǎn),以及它們所適應(yīng)的不同應(yīng)用領(lǐng)域,并展望了未來虛擬試衣的發(fā)展趨勢。
杜雯菁[10]（2019）在《反映中國人體特征的參數(shù)化下肢建模與乘員碰撞損傷研究》文中研究指明汽車在為人們帶來便利的同時(shí),也帶來了交通事故和人員傷亡,在正面碰撞事故中,下肢是最容易受到傷害的部位。有限元仿真分析被廣泛用于乘員保護(hù)研究,現(xiàn)有人體有限元模型沒有考慮性別、年齡、身高和身體質(zhì)量系數(shù)等人體特征的多樣性,且下肢模型幾何尺寸來自美國人體,而中美人體下肢差異尚未得到充分研究。本文提出了參數(shù)化下肢建模流程和方法,旨在基于中國人體CT數(shù)據(jù)建立反映中國人體特征的參數(shù)化下肢有限元模型,研究人體特征參數(shù)對下肢幾何形態(tài)和碰撞損傷響應(yīng)的影響,并同步建立美國人體下肢模型,探究中美人體下肢幾何形態(tài)和碰撞損傷響應(yīng)差異。本文提出了適用于參數(shù)化下肢建模的表面投影方法和基于CT掃描的下肢密質(zhì)骨厚度估算方法,開展了尸體試驗(yàn),標(biāo)定并驗(yàn)證了估算方法中的關(guān)鍵參數(shù)?；谥忻廊梭w下肢CT掃描數(shù)據(jù),本文通過標(biāo)志點(diǎn)識別、網(wǎng)格變換與表面投影、密質(zhì)骨厚度估計(jì)和主成分與回歸分析等主要步驟,建立了以人體特征參數(shù)為自變量的包含骨骼形狀尺寸和密質(zhì)骨厚度分布的下肢統(tǒng)計(jì)學(xué)模型,并研究了人體特征參數(shù)對上述骨骼幾何形態(tài)的影響。結(jié)果表明,人體特征參數(shù)對下肢骨骼形狀尺寸具有顯著影響,但影響方式在中美人體之間存在差異,人體特征參數(shù)對密質(zhì)骨厚度分布也具有顯著影響,且中美人體下肢骨骼形狀尺寸和密質(zhì)骨厚度分布存在顯著差異?；诮y(tǒng)計(jì)學(xué)模型,本文提出了下肢有限元模型密質(zhì)骨厚度調(diào)整方法和單元質(zhì)量自動(dòng)檢查與修正方法,建立了參數(shù)化下肢有限元模型。依據(jù)尸體試驗(yàn)數(shù)據(jù),驗(yàn)證了股骨模型的生物仿真度和建模方法有效性。結(jié)合其他人體部位模型,本文進(jìn)一步建立了完整的參數(shù)化人體模型,并依據(jù)尸體試驗(yàn)數(shù)據(jù)驗(yàn)證了膝蓋-大腿-臀部模型的生物仿真度,同時(shí)生成了一系列具有不同人體特征參數(shù)的中美乘員有限元模型。最后,本文建立了面向多體征人體有限元模型的碰撞仿真分析流程,并開展了正面偏置碰撞的仿真分析,重點(diǎn)研究了乘員下肢損傷。結(jié)果表明,老年、肥胖和女性乘員的下肢損傷風(fēng)險(xiǎn)更高,相同碰撞工況下,具有相同人體特征參數(shù)的中美乘員下肢碰撞載荷沒有明顯差異,但中國乘員股骨的高應(yīng)力區(qū)域大于美國乘員股骨,當(dāng)考慮人體特征參數(shù)分布在中美人群中的差異時(shí),中國人群的下肢損傷風(fēng)險(xiǎn)比美國人群低12%。本文建立的參數(shù)化模型可為研究不同碰撞工況下乘員損傷響應(yīng)和易損傷乘員保護(hù)以及乘員約束系統(tǒng)優(yōu)化提供參考和幫助,并為提出適合中國人體特征的損傷指標(biāo)提供理論和實(shí)踐基礎(chǔ)。
二、一種基于模型的人體建模系統(tǒng)（論文開題報(bào)告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡單簡介論文所研究問題的基本概念和背景，再而簡單明了地指出論文所要研究解決的具體問題，并提出你的論文準(zhǔn)備的觀點(diǎn)或解決方法。
寫法范例：
本文主要提出一款精簡64位RISC處理器存儲(chǔ)管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計(jì)過程。在該MMU結(jié)構(gòu)中,TLB采用叁個(gè)分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲(chǔ)器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁面大小,采用多級分層頁表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級頁表轉(zhuǎn)換過程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲(chǔ)系統(tǒng)實(shí)現(xiàn)的一個(gè)重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對象從而得到有關(guān)信息。
實(shí)驗(yàn)法：通過主支變革、控制研究對象來發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過調(diào)查文獻(xiàn)來獲得資料，從而全面的、正確的了解掌握研究方法。
實(shí)證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實(shí)踐的需要提出設(shè)計(jì)。
定性分析法：對研究對象進(jìn)行“質(zhì)”的方面的研究，這個(gè)方法需要計(jì)算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對研究對象的認(rèn)識進(jìn)一步精確化。
跨學(xué)科研究法：運(yùn)用多學(xué)科的理論、方法和成果從整體上對某一課題進(jìn)行研究。
功能分析法：這是社會(huì)科學(xué)用來分析社會(huì)現(xiàn)象的一種方法，從某一功能出發(fā)研究多個(gè)方面的影響。
模擬法：通過創(chuàng)設(shè)一個(gè)與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、一種基于模型的人體建模系統(tǒng)（論文提綱范文）
（1）基于人工蜂群點(diǎn)云配準(zhǔn)的人體靜態(tài)建模（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 建模相關(guān)的國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 去噪的國內(nèi)外研究現(xiàn)狀 |
| 1.2.2 ICP及其他配準(zhǔn)算法的國內(nèi)外研究現(xiàn)狀 |
| 1.2.3 群智能優(yōu)化算法的國內(nèi)外研究現(xiàn)狀 |
| 1.3 本文工作內(nèi)容及特點(diǎn) |
| 1.4 本文組織結(jié)構(gòu) |
| 第二章 相關(guān)工作研究 |
| 2.1 三維模型的獲取和存儲(chǔ) |
| 2.1.1 Kinect的簡介 |
| 2.1.2 人體模型的獲取與存儲(chǔ) |
| 2.1.3 PCL庫介紹 |
| 2.2 最小二乘理論 |
| 2.2.1 最小二乘的學(xué)習(xí) |
| 2.2.2 常見最小二乘算法介紹與對比 |
| 2.2.3 常用改進(jìn)最小二乘擬合算法介紹 |
| 2.3 傳統(tǒng)的特征點(diǎn)提取算法 |
| 2.3.1 FPFH算法 |
| 2.3.2 ISS-SHOT算法 |
| 2.3.3 SIFT算法 |
| 2.4 本章小結(jié) |
| 第三章 點(diǎn)云預(yù)處理與模型特征點(diǎn)的提取 |
| 3.1 三維人體模型的預(yù)處理方法 |
| 3.2 三維人體模型的去噪方法 |
| 3.2.1 濾波去噪 |
| 3.2.2 最小二乘去噪 |
| 3.3 曲率定義 |
| 3.4 基于切平面曲率信息的凹凸特征點(diǎn)的提取算法 |
| 3.5 本章小結(jié) |
| 第四章 基于人工蜂群配準(zhǔn)算法的人體建模 |
| 4.1 蜂群算法的介紹 |
| 4.2 初步對應(yīng)估計(jì)點(diǎn)對 |
| 4.3 基于人工蜂群配準(zhǔn)算法的建模 |
| 4.3.1 特征點(diǎn)法向量計(jì)算 |
| 4.3.2 特征點(diǎn)法向量矢量間夾角 |
| 4.3.3 特征點(diǎn)對法向量夾角做為目標(biāo)函數(shù)的優(yōu)化迭代 |
| 4.4 本章小結(jié) |
| 第五章 實(shí)驗(yàn)結(jié)果與對比分析 |
| 5.1 數(shù)據(jù)集和實(shí)驗(yàn)環(huán)境 |
| 5.2 對比算法簡介 |
| 5.2.1 基于FPFH配準(zhǔn)算法的人體建模 |
| 5.2.2 基于NDT配準(zhǔn)算法的人體建模 |
| 5.3 對比實(shí)驗(yàn)結(jié)果及分析 |
| 5.4 本章小結(jié) |
| 第六章 結(jié)論與展望 |
| 6.1 主要結(jié)論 |
| 6.2 研究展望 |
| 參考文獻(xiàn) |
| 申請學(xué)位期間的研究成果 |
| 致謝 |
（2）基于VR的服裝搭配展示系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 引言 |
| 1.2 研究背景與意義 |
| 1.3 國內(nèi)外研究現(xiàn)狀 |
| 1.3.1 VR技術(shù)發(fā)展現(xiàn)狀 |
| 1.3.2 服裝搭配發(fā)展現(xiàn)狀 |
| 1.4 論文研究內(nèi)容和意義 |
| 1.4.1 論文研究內(nèi)容 |
| 1.4.2 論文研究意義 |
| 1.5 論文結(jié)構(gòu)概述 |
| 第2章 開發(fā)工具和相關(guān)技術(shù) |
| 2.1 引言 |
| 2.2 Unity軟件 |
| 2.3 VR技術(shù)介紹 |
| 2.4 Maya三維建模軟件 |
| 2.5 Photoshop圖形處理軟件 |
| 2.6 SQLite數(shù)據(jù)庫 |
| 2.7 本章小結(jié) |
| 第3章 服裝搭配展示系統(tǒng)分析與設(shè)計(jì) |
| 3.1 引言 |
| 3.2 系統(tǒng)需求分析 |
| 3.3 系統(tǒng)結(jié)構(gòu)設(shè)計(jì) |
| 3.4 模塊交互設(shè)計(jì) |
| 3.5 數(shù)據(jù)庫設(shè)計(jì) |
| 3.5.1 數(shù)據(jù)庫概念設(shè)計(jì) |
| 3.5.2 數(shù)據(jù)庫物理設(shè)計(jì) |
| 3.6 本章小結(jié) |
| 第4章 服裝搭配方案設(shè)計(jì) |
| 4.1 引言 |
| 4.2 服裝搭配因素分析 |
| 4.2.1 人體膚色因素分析 |
| 4.2.2 著裝場合因素分析 |
| 4.2.3 色彩搭配規(guī)則 |
| 4.3 服裝搭配設(shè)計(jì) |
| 4.3.1 服裝色彩搭配設(shè)計(jì) |
| 4.3.2 服裝款式搭配設(shè)計(jì) |
| 4.3.3 服裝整體搭配方案 |
| 4.4 本章小結(jié) |
| 第5章 三維模型設(shè)計(jì) |
| 5.1 引言 |
| 5.2 三維人體建模相關(guān)方法 |
| 5.3 三維模特模型設(shè)計(jì) |
| 5.4 服裝款式模型設(shè)計(jì) |
| 5.5 展示場景設(shè)計(jì) |
| 5.6 本章小結(jié) |
| 第6章 服裝搭配展示系統(tǒng)實(shí)現(xiàn) |
| 6.1 引言 |
| 6.2 三維模特服裝模型制作實(shí)現(xiàn) |
| 6.2.1 三維模特建模制作 |
| 6.2.2 三維服裝模型制作 |
| 6.2.3 展示房間模型制作 |
| 6.3 數(shù)據(jù)庫實(shí)現(xiàn) |
| 6.4 用戶菜單界面的實(shí)現(xiàn) |
| 6.5 服裝展示系統(tǒng)的測試 |
| 6.5.1 測試用例 |
| 6.5.2 測試結(jié)果分析 |
| 6.6 本章小結(jié) |
| 結(jié)論 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文 |
| 致謝 |
（3）基于圖形和圖像的人體胸腰部曲面建模研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 課題研究背景 |
| 1.2 研究現(xiàn)狀 |
| 1.2.1 人體測量研究 |
| 1.2.2 人體曲面建模研究 |
| 1.2.3 人體特征部位截面曲線研究 |
| 1.3 研究目的、內(nèi)容及框架 |
| 1.3.1 研究目的及意義 |
| 1.3.2 研究內(nèi)容及框架 |
| 1.4 創(chuàng)新點(diǎn) |
| 第二章 人體曲面建模關(guān)鍵技術(shù)研究 |
| 2.1 引言 |
| 2.2 數(shù)據(jù)預(yù)處理模塊關(guān)鍵技術(shù) |
| 2.1.1 圖形點(diǎn)云數(shù)據(jù)的預(yù)處理 |
| 2.1.2 圖像數(shù)據(jù)的預(yù)處理 |
| 2.1.3 圖形與圖像數(shù)據(jù)預(yù)處理方式的對比分析 |
| 2.3 形體特征的提取模塊關(guān)鍵技術(shù) |
| 2.2.1 特征點(diǎn)提取 |
| 2.2.2 特征線提取與擬合 |
| 2.2.3 基于圖形與圖像的形體特征提取對比分析 |
| 2.4 曲面建模模塊關(guān)鍵技術(shù) |
| 2.4.1 曲面擬合重建 |
| 2.4.2 點(diǎn)云網(wǎng)格重建 |
| 2.4.3 基于圖像的曲面重建 |
| 2.4.4 基于圖形與圖像的曲面重建對比分析 |
| 2.5 曲面準(zhǔn)確度評價(jià)模塊關(guān)鍵技術(shù) |
| 2.6 人體建模流程模塊的歸結(jié)與展望 |
| 2.6.1 局限性 |
| 2.6.2 未來發(fā)展趨勢 |
| 2.7 本章小結(jié) |
| 第三章 基于特征點(diǎn)的人體胸腰部特征橫截面定位提取算法 |
| 3.1 引言 |
| 3.2 點(diǎn)云數(shù)據(jù)獲取 |
| 3.3 點(diǎn)云預(yù)過濾算法設(shè)計(jì) |
| 3.4 特征橫截面提取 |
| 3.4.1 特征線和特征區(qū)域的人體工效學(xué)定位 |
| 3.4.2 胸圍橫截面位置確定 |
| 3.4.3 腰圍橫截面位置確定 |
| 3.4.4 胸下圍橫截面位置確定 |
| 3.5 本章小結(jié) |
| 第四章 胸腰部特征曲線分段擬合算法 |
| 4.1 引言 |
| 4.2 MATLAB Curve Fitting Tool工具箱 |
| 4.3 曲線預(yù)擬合 |
| 4.3.1 預(yù)擬合思路 |
| 4.3.2 預(yù)擬合仿真及結(jié)果 |
| 4.4 特征曲線的分段擬合算法 |
| 4.4.1 分界點(diǎn)確定算法設(shè)計(jì) |
| 4.4.2 分段擬合算法設(shè)計(jì) |
| 4.4.3 擬合曲線的整體組合 |
| 4.5 本章小結(jié) |
| 第五章 人體胸腰部曲線模型驗(yàn)證 |
| 5.1 引言 |
| 5.2 基于長度的擬合度檢驗(yàn) |
| 5.2.1 前中與前胸?cái)M合誤差分析 |
| 5.2.2 后中與后胸?cái)M合誤差分析 |
| 5.2.3 側(cè)胸誤差分析 |
| 5.3 基于圖像處理技術(shù)的擬合曲線輪廓檢驗(yàn) |
| 5.3.1 圖像邊緣提取算法分析 |
| 5.3.2 人體輪廓提取 |
| 5.3.3 擬合曲線與圖像外輪廓的對比分析 |
| 5.4 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 攻讀學(xué)位期間的研究成果 |
| 致謝 |
（4）基于SMPL模型的三維人體建模及其應(yīng)用研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 1 緒論 |
| 1.1 研究目的 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 人體形變模型 |
| 1.2.2 基于形變模型的三維人體姿態(tài)建模 |
| 1.2.3 基于形變模型的三維人體建模 |
| 1.2.4 國內(nèi)外現(xiàn)狀總結(jié) |
| 1.3 本文的主要工作及貢獻(xiàn) |
| 1.4 本文的章節(jié)組織形式 |
| 2 相關(guān)理論 |
| 2.1 相機(jī)模型 |
| 2.1.1 針孔相機(jī)模型 |
| 2.1.2 深度相機(jī)模型 |
| 2.2 相機(jī)標(biāo)定 |
| 2.2.1 張正友相機(jī)標(biāo)定法 |
| 2.2.2 實(shí)驗(yàn)研究 |
| 2.3 SMPL模型及相關(guān)算法 |
| 2.3.1 SMPL模型 |
| 2.3.2 OPENPOSE算法 |
| 2.3.3 SMPLIFY算法 |
| 2.3.4 HMR算法 |
| 2.4 小結(jié) |
| 3 基于單幅RGB圖像的三維人體姿態(tài)建模 |
| 3.1 方法概述 |
| 3.2 標(biāo)準(zhǔn)模板預(yù)處理 |
| 3.3 能量函數(shù)的構(gòu)造 |
| 3.4 具體實(shí)現(xiàn)過程 |
| 3.5 實(shí)驗(yàn)分析 |
| 3.5.1 真實(shí)數(shù)據(jù)實(shí)驗(yàn) |
| 3.5.2 公開數(shù)據(jù)集實(shí)驗(yàn) |
| 3.6 人體部位解析應(yīng)用展示 |
| 3.7 小結(jié) |
| 4 融合RGBD信息的三維人體姿態(tài)建模 |
| 4.1 方法概述 |
| 4.2 數(shù)據(jù)預(yù)處理 |
| 4.2.1 點(diǎn)云的生成與處理 |
| 4.2.2 人體模型與點(diǎn)云的預(yù)配準(zhǔn) |
| 4.3 頂點(diǎn)關(guān)系的建立 |
| 4.3.1 點(diǎn)云下采樣 |
| 4.3.2 法向量估計(jì) |
| 4.3.3 K近鄰算法 |
| 4.4 能量函數(shù)的構(gòu)造 |
| 4.5 具體實(shí)現(xiàn)過程 |
| 4.6 實(shí)驗(yàn)分析 |
| 4.7 虛擬試衣應(yīng)用展示 |
| 4.8 小結(jié) |
| 5 基于RGB視頻的三維動(dòng)態(tài)人體建模 |
| 5.1 方法概述 |
| 5.2 輪廓錐體的變換原理 |
| 5.3 基于RGB視頻的三維人體姿態(tài)建模 |
| 5.4 模型紋理恢復(fù) |
| 5.5 具體實(shí)現(xiàn)過程 |
| 5.6 實(shí)驗(yàn)分析 |
| 5.6.1 三維人體建模 |
| 5.6.2 基于視頻的三維人體姿態(tài)建模與動(dòng)作模仿 |
| 5.7 小結(jié) |
| 6 總結(jié)與展望 |
| 6.1 全文總結(jié) |
| 6.2 未來工作 |
| 致謝 |
| 參考文獻(xiàn) |
| 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文 |
（5）基于二維點(diǎn)云的三維人體建模研究（論文提綱范文）
| 詳細(xì)摘要 |
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 三維人體建模技術(shù)相關(guān)研究 |
| 1.3 本文研究內(nèi)容和章節(jié)安排 |
| 第二章 相關(guān)技術(shù) |
| 2.1 概述 |
| 2.2 生成對抗網(wǎng)絡(luò) |
| 2.2.1 Pix2pix模型 |
| 2.3 PCA |
| 2.4 IoU |
| 第三章 數(shù)據(jù)的來源及擴(kuò)增 |
| 3.1 概述 |
| 3.2 數(shù)據(jù)來源 |
| 3.3 數(shù)據(jù)增強(qiáng) |
| 3.3.1 根據(jù)人體部位尺寸的調(diào)整快速創(chuàng)建三維人體模型 |
| 3.3.2 數(shù)據(jù)增強(qiáng)實(shí)驗(yàn)結(jié)果分析 |
| 3.4 本章小結(jié) |
| 第四章 基于二維點(diǎn)云圖的三維人體建模方法 |
| 4.1 概述 |
| 4.2 數(shù)據(jù)預(yù)處理 |
| 4.2.1 獲取二維破裂點(diǎn)云 |
| 4.2.2 獲取黑白二值圖 |
| 4.2.3 獲取人體PCA |
| 4.3 二維點(diǎn)云重建三維人體模型的過程分析 |
| 4.3.1 二維點(diǎn)云到黑白二值圖的轉(zhuǎn)化學(xué)習(xí) |
| 4.3.2 黑白二值圖到100維PCA的轉(zhuǎn)化學(xué)習(xí) |
| 4.4 實(shí)驗(yàn)結(jié)果與分析 |
| 4.4.1 二維點(diǎn)云轉(zhuǎn)化黑白二值圖的結(jié)果分析 |
| 4.4.2 黑白二值圖到三維人體模型的過程分析 |
| 4.5 實(shí)際三維點(diǎn)云缺失后重建過程分析 |
| 4.6 基于缺失點(diǎn)云重建三維模型的方法對比 |
| 4.6.1 相關(guān)方法描述 |
| 4.6.2 實(shí)驗(yàn)結(jié)果分析 |
| 4.7 本章小結(jié) |
| 第五章 總結(jié)與展望 |
| 5.1 研究工作總結(jié) |
| 5.2 未來展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 附錄 作者在讀期間發(fā)表的學(xué)術(shù)論文及參加的科研項(xiàng)目 |
（6）基于3D虛擬技術(shù)的服裝合體性評價(jià)研究 ——以韓國女性體型變化為例（論文提綱范文）
| 摘要 |
| abstract |
| 1 緒論 |
| 1.1 引言 |
| 1.2 文獻(xiàn)綜述 |
| 1.2.1 人體測量及體型分析研究 |
| 1.2.2 三維人體建模研究 |
| 1.2.3 虛擬試衣技術(shù)研究 |
| 1.2.4 服裝合體性研究 |
| 1.3 研究內(nèi)容 |
| 1.3.1 目前研究中存在的主要問題 |
| 1.3.2 研究內(nèi)容 |
| 1.4 選題意義和論文的邏輯結(jié)構(gòu) |
| 1.4.1 選題意義 |
| 1.4.2 論文的章節(jié)安排 |
| 2 韓國成年女性體型變化與分類研究 |
| 2.1 韓國成年女性(19~29歲)的體型變化規(guī)律研究 |
| 2.1.1 韓國成年女性(19~29歲)的人體測量數(shù)據(jù) |
| 2.1.2 人體測量項(xiàng)目和測量方法 |
| 2.1.3 基于三次人體測量數(shù)據(jù)分析 |
| 2.1.4 測量分析、比較的基礎(chǔ)上確認(rèn)分析結(jié)果 |
| 2.1.5 韓國成年女性的身體形態(tài)的變化結(jié)果 |
| 2.2 體型分類 |
| 2.2.1 因子分析提取體型變化因素 |
| 2.2.2 聚類分析 |
| 2.2.3 各體型的代表尺寸 |
| 2.2.4 韓國成年女性的標(biāo)準(zhǔn)體型特征比較 |
| 2.3 小結(jié) |
| 3 三維虛擬人體建模及變形 |
| 3.1 三維虛擬人體建模和變形技術(shù) |
| 3.1.1 三維虛擬人體建模技術(shù) |
| 3.1.2 三維虛擬人體變形技術(shù) |
| 3.2 韓國成年女性的3D虛擬人體建模 |
| 3.2.1 韓國成年女性的標(biāo)準(zhǔn)體型的尺寸 |
| 3.2.2 平面圖創(chuàng)建 |
| 3.2.3 三維虛擬人體建模 |
| 3.2.4 虛擬人體尺寸補(bǔ)償和調(diào)整 |
| 3.2.5 虛擬人體模型驗(yàn)證 |
| 3.3 虛擬人體變形研究 |
| 3.3.1 虛擬人體尺寸變形部位和檔差設(shè)置 |
| 3.3.2 基礎(chǔ)模型和目標(biāo)模型選定 |
| 3.3.3 變形過程 |
| 3.3.4 AM體型的變形完成 |
| 3.3.5 變形驗(yàn)證 |
| 3.4 小結(jié) |
| 4 服裝合體性多屬性決策評價(jià)模型研究 |
| 4.1 服裝合體性定義及多屬性決策服裝合體性評價(jià)模型設(shè)計(jì) |
| 4.1.1 服裝合體性定義 |
| 4.1.2 多屬性決策 |
| 4.1.3 服裝合體性多屬性決策評價(jià)模型設(shè)計(jì) |
| 4.2 服裝合體性評價(jià)指標(biāo)及權(quán)重系數(shù) |
| 4.2.1 服裝合體性評價(jià)指標(biāo)的選擇 |
| 4.2.2 服裝合體性評價(jià)指標(biāo)的權(quán)重系數(shù) |
| 4.3 服裝合體性定量測量 |
| 4.3.1 服裝合體性測量對象準(zhǔn)備 |
| 4.3.2 服裝平衡性測量及認(rèn)定 |
| 4.3.3 線條匹配測量及認(rèn)定 |
| 4.3.4 松量測量及認(rèn)定 |
| 4.3.5 外觀褶皺測量及認(rèn)定 |
| 4.4 建立服裝合體性多屬性決策評價(jià)模型 |
| 4.4.1 評價(jià)指標(biāo)的測量結(jié)果 |
| 4.4.2 評價(jià)值的標(biāo)量化 |
| 4.4.3 服裝合體性評價(jià)集結(jié) |
| 4.5 評價(jià)模型驗(yàn)證分析 |
| 4.5.1 主觀評價(jià)調(diào)查 |
| 4.5.2 調(diào)查結(jié)果分析 |
| 4.5.3 主觀評價(jià)、客觀評價(jià)結(jié)果比對 |
| 4.6 小結(jié) |
| 5 評價(jià)模型應(yīng)用及可視化設(shè)計(jì) |
| 5.1 評價(jià)模型的應(yīng)用 |
| 5.1.1 個(gè)性體型特征虛擬人體生成 |
| 5.1.2 款式案例虛擬試衣 |
| 5.1.3 服裝合體性評價(jià) |
| 5.2 評價(jià)結(jié)果可視化設(shè)計(jì) |
| 5.2.1 設(shè)計(jì)技術(shù)與方案 |
| 5.2.2 可視化設(shè)計(jì)的呈現(xiàn) |
| 5.3 小結(jié) |
| 6 結(jié)論與展望 |
| 6.1 結(jié)論 |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 附錄 |
| 致謝 |
（7）基于高斯過程自回歸學(xué)習(xí)的人體運(yùn)動(dòng)意圖理解及下肢外骨骼主動(dòng)柔順性研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 課題來源 |
| 1.2 研究背景 |
| 1.3 下肢柔順性外骨骼及其控制策略的國內(nèi)外研究現(xiàn)狀 |
| 1.3.1 基于模型的外骨骼控制策略 |
| 1.3.2 基于人體測量信息的控制策略 |
| 1.4 人體運(yùn)動(dòng)意圖理解國內(nèi)外研究現(xiàn)狀 |
| 1.4.1 人體運(yùn)動(dòng)意圖的定義 |
| 1.4.2 新型人機(jī)交互接口 |
| 1.4.3 人機(jī)互感互知的意圖理解 |
| 1.5 基于骨骼肌生物力學(xué)模型的人體運(yùn)動(dòng)意圖理解技術(shù) |
| 1.6 基于高斯過程的人體運(yùn)動(dòng)意圖理解 |
| 1.7 系統(tǒng)自適應(yīng)算法與演進(jìn)系統(tǒng)理論 |
| 1.8 研究內(nèi)容與論文章節(jié)安排 |
| 第二章 基于高斯過程的動(dòng)態(tài)系統(tǒng)建模與演進(jìn)系統(tǒng) |
| 2.1 引言 |
| 2.2 高斯過程的基本原理與模型優(yōu)化 |
| 2.2.1 高斯過程的基本原理 |
| 2.2.2 高斯過程中超參數(shù)的學(xué)習(xí)優(yōu)化 |
| 2.3 高斯過程中核函數(shù)的選取 |
| 2.3.1 靜態(tài)協(xié)方差核函數(shù) |
| 2.3.2 非靜態(tài)協(xié)方差核函數(shù) |
| 2.4 基于高斯過程的時(shí)間序列建模 |
| 2.4.1 高斯非線性自回歸模型 |
| 2.4.2 基于狀態(tài)方程高斯過程的狀態(tài)空間模型 |
| 2.5 演進(jìn)系統(tǒng)方法 |
| 2.5.1 HPS模型 |
| 2.5.2 PLP模型 |
| 2.6 本章小結(jié) |
| 第三章 人機(jī)耦合動(dòng)力學(xué)與狀態(tài)空間模型 |
| 3.1 引言 |
| 3.2 基于Hill骨骼肌模型的膝關(guān)節(jié)前向動(dòng)力學(xué) |
| 3.2.1 肌肉收縮動(dòng)力學(xué) |
| 3.2.2 肌肉-肌腱模型幾何學(xué) |
| 3.2.3 關(guān)節(jié)角度運(yùn)動(dòng)模型 |
| 3.3 基于半唯象模型的人體-外骨骼交互機(jī)理 |
| 3.3.1 主動(dòng)元AE與肌肉主動(dòng)力 |
| 3.3.2 被動(dòng)元PE與肌肉被動(dòng)力 |
| 3.3.3 人體-外骨骼耦合系統(tǒng)中的關(guān)節(jié)運(yùn)動(dòng)模型 |
| 3.4 基于狀態(tài)空間模型的關(guān)節(jié)角度預(yù)測 |
| 3.5 實(shí)驗(yàn)與結(jié)果討論 |
| 3.5.1 實(shí)驗(yàn)設(shè)備與數(shù)據(jù)處理 |
| 3.5.2 模型的訓(xùn)練與學(xué)習(xí) |
| 3.5.3 實(shí)驗(yàn)結(jié)果 |
| 3.5.4 結(jié)果討論 |
| 3.6 本章小結(jié) |
| 第四章 基于演進(jìn)系統(tǒng)高斯回歸模型的人體運(yùn)動(dòng)意圖理解 |
| 4.1 引言 |
| 4.2 EMG信號處理方法與改進(jìn)的能量核算法 |
| 4.2.1 傳統(tǒng)EMG信號的處理方法 |
| 4.2.2 EMG能量核算法的基本概念 |
| 4.2.3 EMG能量核算法計(jì)算效率的改進(jìn) |
| 4.3 基于高斯演進(jìn)算法的人體時(shí)變特征學(xué)習(xí) |
| 4.4 實(shí)驗(yàn)驗(yàn)證 |
| 4.4.1 能量核外接矩形法有效性與計(jì)算效率驗(yàn)證 |
| 4.4.2 基于EMG信號的關(guān)節(jié)力/力矩學(xué)習(xí)與預(yù)測 |
| 4.4.3 基于EMG和交互力信號的關(guān)節(jié)角度學(xué)習(xí)與預(yù)測 |
| 4.5 實(shí)驗(yàn)結(jié)果討論 |
| 4.5.1 三種基于能量核思想的EMG提取算法比較 |
| 4.5.2 GP算法的計(jì)算效率問題 |
| 4.5.3 核函數(shù)的選取 |
| 4.6 本章小結(jié) |
| 第五章 基于混合深度學(xué)習(xí)的外骨骼柔順性研究 |
| 5.1 引言 |
| 5.2 基于卷積神經(jīng)網(wǎng)絡(luò)的EMG信號特征提取 |
| 5.2.1 EMG信號特征提取網(wǎng)絡(luò)的構(gòu)建 |
| 5.2.2 網(wǎng)絡(luò)信號提取效果評估 |
| 5.3 基于混合深度學(xué)習(xí)的外骨骼主動(dòng)柔順控制策略 |
| 5.3.1 人體-外骨骼交互模型 |
| 5.3.2 基于混合深度學(xué)習(xí)的控制策略 |
| 5.4 實(shí)驗(yàn)驗(yàn)證 |
| 5.5 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 全文工作總結(jié) |
| 6.2 論文的主要貢獻(xiàn)與創(chuàng)新點(diǎn) |
| 6.3 工作展望 |
| 參考文獻(xiàn) |
| 攻讀博士學(xué)位期間的學(xué)術(shù)成果 |
| 致謝 |
（8）艦船設(shè)備維修人機(jī)工效量化評估關(guān)鍵技術(shù)研究（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 課題來源 |
| 1.2 研究背景及意義 |
| 1.3 國內(nèi)外相關(guān)研究現(xiàn)狀 |
| 1.4 本文的研究內(nèi)容及組織結(jié)構(gòu) |
| 2 基于DELMIA/CAA的艦船維修人體模型開發(fā) |
| 2.1 艦船維修人體模型需求分析 |
| 2.2 DELMIA人體建模尺寸分析 |
| 2.3 基于CAA的人體模型二次開發(fā) |
| 2.4 本章小結(jié) |
| 3 基于運(yùn)動(dòng)學(xué)模型的人體動(dòng)作建模與動(dòng)作庫設(shè)計(jì) |
| 3.1 多剛體人體運(yùn)動(dòng)學(xué)模型研究 |
| 3.2 基于運(yùn)動(dòng)鏈的虛擬人動(dòng)作建模 |
| 3.3 基于CAA的動(dòng)作庫設(shè)計(jì)與開發(fā) |
| 3.4 本章小結(jié) |
| 4 人機(jī)工效量化評估模型研究與系統(tǒng)開發(fā) |
| 4.1 人機(jī)工效評價(jià)方法分析 |
| 4.2 基于模糊理論的舒適度評估模型 |
| 4.3 原型系統(tǒng)的開發(fā)與實(shí)現(xiàn) |
| 4.4 仿真實(shí)驗(yàn)與結(jié)果分析 |
| 4.5 本章小結(jié) |
| 5 總結(jié)與展望 |
| 5.1 全文總結(jié) |
| 5.2 研究展望 |
| 致謝 |
| 參考文獻(xiàn) |
（9）虛擬試衣中人體建模技術(shù)的研究進(jìn)展（論文提綱范文）
| 0 引 言 |
| 1 人體建模方法 |
| 1.1 基于三維掃描數(shù)據(jù)的人體建模 |
| 1.2 基于數(shù)據(jù)模型重用的人體建模 |
| 1.3 基于照片信息的人體建模 |
| 1.4 基于解剖學(xué)的人體建模 |
| 1.5 基于交互式建模軟件的人體建模 |
| 2 人體建模技術(shù)比較與分析 |
| 3 結(jié) 語 |
（10）反映中國人體特征的參數(shù)化下肢建模與乘員碰撞損傷研究（論文提綱范文）
| 摘要 |
| abstract |
| 主要符號對照表 |
| 第1章 引言 |
| 1.1 研究背景及意義 |
| 1.2 研究進(jìn)展與現(xiàn)狀 |
| 1.2.1 人體生物力學(xué)尸體試驗(yàn) |
| 1.2.2 碰撞假人 |
| 1.2.3 人體特征參數(shù)對下肢損傷響應(yīng)的影響 |
| 1.2.4 人體特征參數(shù)對下肢骨骼幾何形態(tài)和組成成分特征的影響 |
| 1.2.5 人體有限元模型 |
| 1.2.6 參數(shù)化人體有限元模型 |
| 1.3 本文主要研究內(nèi)容 |
| 第2章 下肢統(tǒng)計(jì)學(xué)模型的建立 |
| 2.1 幾何表面模型的建立 |
| 2.1.1 中國人體CT掃描數(shù)據(jù) |
| 2.1.2 幾何提取與標(biāo)志點(diǎn)標(biāo)記 |
| 2.1.3 基于徑向基函數(shù)的網(wǎng)格變換方法 |
| 2.1.4 一種考慮單元質(zhì)量的表面投影方法 |
| 2.1.5 幾何模型的空間位置校準(zhǔn) |
| 2.1.6 幾何表面統(tǒng)計(jì)學(xué)模型的建立 |
| 2.2 密質(zhì)骨厚度分布模型的建立 |
| 2.2.1 一種基于臨床CT掃描數(shù)據(jù)的下肢密質(zhì)骨厚度估算方法 |
| 2.2.2 用于標(biāo)定密質(zhì)骨系數(shù)的尸體試驗(yàn) |
| 2.2.3 密質(zhì)骨厚度分布統(tǒng)計(jì)學(xué)模型的建立 |
| 2.3 中國人體下肢建模結(jié)果 |
| 2.3.1 股骨模型 |
| 2.3.2 脛骨模型 |
| 2.3.3 骨盆模型 |
| 2.4 美國人體下肢建模結(jié)果 |
| 2.4.1 美國人體CT掃描數(shù)據(jù) |
| 2.4.2 股骨模型 |
| 2.4.3 脛骨模型 |
| 2.5 分析與討論 |
| 2.6 本章小結(jié) |
| 第3章 中美人體下肢形狀尺寸與密質(zhì)骨厚度的特征分析 |
| 3.1 股骨形狀尺寸 |
| 3.2 股骨密質(zhì)骨厚度 |
| 3.3 脛骨尺寸與密質(zhì)骨厚度 |
| 3.4 骨盆形狀尺寸 |
| 3.5 本章小結(jié) |
| 第4章 參數(shù)化有限元模型的建立與驗(yàn)證 |
| 4.1 人體下肢參數(shù)化有限元模型的建立 |
| 4.1.1 下肢有限元模型的密質(zhì)骨厚度調(diào)整方法 |
| 4.1.2 單元質(zhì)量自動(dòng)檢查與修正方法 |
| 4.2 股骨參數(shù)化有限元模型的驗(yàn)證與中美人體股骨響應(yīng)差異分析 |
| 4.2.1 股骨三點(diǎn)彎和軸向復(fù)合加載試驗(yàn) |
| 4.2.2 考慮年齡效應(yīng)的密質(zhì)骨材料屬性 |
| 4.2.3 驗(yàn)證結(jié)果與中美人體股骨響應(yīng)差異分析 |
| 4.3 參數(shù)化人體有限元模型的建立與下肢局部驗(yàn)證 |
| 4.3.1 其他人體部位的參數(shù)化模型 |
| 4.3.2 建模方法與流程 |
| 4.3.3 人體有限元模型的生物仿真度和下肢局部驗(yàn)證 |
| 4.3.4 用于碰撞仿真分析的中美多體征人體有限元模型 |
| 4.4 本章小結(jié) |
| 第5章 基于中美多體征人體有限元模型的乘員下肢碰撞損傷分析 |
| 5.1 汽車前排駕駛座艙有限元模型 |
| 5.2 多體征人體有限元模型的定位與姿態(tài)調(diào)整 |
| 5.3 約束系統(tǒng)的設(shè)置 |
| 5.4 仿真分析的其他設(shè)置 |
| 5.5 仿真結(jié)果分析 |
| 5.5.1 運(yùn)動(dòng)學(xué)響應(yīng)分析 |
| 5.5.2 載荷傳遞過程與路徑 |
| 5.5.3 基于力的下肢損傷響應(yīng)結(jié)果 |
| 5.5.4 基于應(yīng)力分布的下肢損傷響應(yīng)結(jié)果 |
| 5.6 討論與分析 |
| 5.6.1 人體特征參數(shù)對下肢損傷響應(yīng)的影響 |
| 5.6.2 中美乘員下肢損傷響應(yīng)的對比分析 |
| 5.6.3 中美人群下肢損傷風(fēng)險(xiǎn)的估算和對比 |
| 5.6.4 其他影響因素 |
| 5.7 本章小結(jié) |
| 結(jié)論 |
| 參考文獻(xiàn) |
| 致謝 |
| 附錄 A 股骨三點(diǎn)彎曲和軸向復(fù)合加載尸體試驗(yàn)的樣本信息 |
| 附錄 B 股骨有限元模型復(fù)合加載的驗(yàn)證結(jié)果 |
| 個(gè)人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果 |
四、一種基于模型的人體建模系統(tǒng)（論文參考文獻(xiàn)）
- [1]基于人工蜂群點(diǎn)云配準(zhǔn)的人體靜態(tài)建模[D]. 劉偉偉. 北方工業(yè)大學(xué), 2021(01)
- [2]基于VR的服裝搭配展示系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 王琪. 北京服裝學(xué)院, 2020(12)
- [3]基于圖形和圖像的人體胸腰部曲面建模研究[D]. 艾容羽. 青島大學(xué), 2020(01)
- [4]基于SMPL模型的三維人體建模及其應(yīng)用研究[D]. 張皓若. 陜西科技大學(xué), 2020(02)
- [5]基于二維點(diǎn)云的三維人體建模研究[D]. 張廣翩. 杭州電子科技大學(xué), 2020(04)
- [6]基于3D虛擬技術(shù)的服裝合體性評價(jià)研究 ——以韓國女性體型變化為例[D]. 張喜景. 東華大學(xué), 2019(02)
- [7]基于高斯過程自回歸學(xué)習(xí)的人體運(yùn)動(dòng)意圖理解及下肢外骨骼主動(dòng)柔順性研究[D]. 曾巖. 上海交通大學(xué), 2019(06)
- [8]艦船設(shè)備維修人機(jī)工效量化評估關(guān)鍵技術(shù)研究[D]. 李保和. 華中科技大學(xué), 2019(03)
- [9]虛擬試衣中人體建模技術(shù)的研究進(jìn)展[J]. 石美紅,劉英,趙雪青,高全力. 紡織高?；A(chǔ)科學(xué)學(xué)報(bào), 2019(01)
- [10]反映中國人體特征的參數(shù)化下肢建模與乘員碰撞損傷研究[D]. 杜雯菁. 清華大學(xué), 2019(02)
標(biāo)簽：虛擬技術(shù)論文; 建模軟件論文; 數(shù)據(jù)建模論文; 圖像融合論文; 人體模型論文;