CN103810750A - 一种基于人体截面环的参数化变形方法 - Google Patents
一种基于人体截面环的参数化变形方法 Download PDFInfo
- Publication number
- CN103810750A CN103810750A CN201410021588.9A CN201410021588A CN103810750A CN 103810750 A CN103810750 A CN 103810750A CN 201410021588 A CN201410021588 A CN 201410021588A CN 103810750 A CN103810750 A CN 103810750A
- Authority
- CN
- China
- Prior art keywords
- section
- cross
- ring
- human body
- manikin
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种基于人体截面环的参数化变形方法,其特点在于:将人体模型组织成截面环的数据结构,整个建模过程只需要提供13个常用的人体测量参数,通过将测量参数与人体截面环进行映射,定义变形函数,对截面环进行参数化变形,并对变形后的模型进行表面优化,就能实现真实感较好的人体变形。其步骤是(1)将人体三角面片模型参数化为截面环的数据结构,作为后续参数化变形的标准人体模型;(2)将选定的人体测量参数映射到人体截面环数据结构上;(3)定义变形函数,对各部位的截面环进行参数化变形;(4)对变形后的模型进行表面优化,并将截面环数据重构成三角网格结构,渲染出变形后的人体模型。
Description
技术领域
本发明涉及一种基于人体截面环的参数化变形方法,属于真实人体三维建模技术领域。
背景技术
三维人体建模是虚拟现实技术中的重要组成部分,被广泛应用于游戏、电影、服装设计、医学研究等应用领域。参数化人体建模又称为变量建模。首先对人体模型数据库(通常是扫描得来)中的模型进行模型简化等预处理,生成一系列人体模板和标准人体模型。然后根据个性化的人体尺寸参数,通过对标准人体模型做尺寸变形或模板插值等参数化变形方法,得到一个简化的目标人体模型,最后通过重构三角化模型即可得到系列化的、个性化的人体。
在以往的研究工作中,Charlie等人使用线框模型来简化人体模型,他们通过搜索切面环得到人体特征点,然后连接特征点得到人体特征线,用于参数化变形。Seo等人使用分层模型来简化人体模型将人体划分为骨骼和皮肤两层结构,通过将每一个骨头的大小和形状作为参数,来对人体模型进行变形。Baek等人没有做任何模型简化,而是使用基于框架的能量最小化曲面拟合和基于RBF神经网络的表面变形技术统一人体模型数据库的三角网格结构。然后利用统计学分析计算参数对于三角网格顶点的影响,并找到最优组合参数。最终的人体变形使用最优组合参数得到一个大致的人体模型。
以往人体参数化变形方法主要存在以下问题:
(1)线框模型简化了变形与三角网格重构的计算,但特征线之间有很大的空缺,需要统计学以及复杂的表面重构算法,效率不高。
(2)分层模型的方法相对于线框模型建立的人体模型真实感更高一些,但变形操作与皮肤表面重构效率变低。
(3)如果不对模型进行简化,整个系统的计算量相当大。引入统计学,建立出的模型需要更多的人为控制才能得到满意的结果。
针对以上问题,本发明对三维人体建模技术和参数化变形方法做了进一步的研究,一种基于人体截面环的参数化变形方法,其核心内容可以总结为:将人体模型组织成截面环的数据结构,整个建模过程只需要提供13个常用的人体测量参数(三围、身高等),通过将测量参数与人体截面环进行映射,定义变形函数,对截面环进行参数化变形,并对变形后的模型进行表面优化,就能实现真实感较好的人体变形。
发明内容
本发明要解决的技术问题是:克服现有技术的不足,提供一种基于人体截面环的参数化变形方法,针对虚拟衣物仿真这一具体应用给出一种全新的真实人体建模方法。
本发明采用的技术方案:将人体模型组织成截面环的数据结构,整个建模过程只需要提供13个常用的人体测量参数(三围、身高等),通过将测量参数与人体截面环进行映射,定义变形函数,对截面环进行参数化变形,并对变形后的模型进行表面优化,就能实现真实感较好的人体变形。
该方案实现的步骤:
(1)将人体三角面片模型参数化为截面环的数据结构,作为后续参数化变形的标准人体模型;
(2)将选定的人体测量参数映射到截面环的数据结构上;
(3)定义变形函数,对各部位的截面环进行参数化变形;
(4)对变形后的模型进行表面优化,并将截面环数据重构成三角网格结构,渲染出变形后的人体模型。
本发明与现有技术相比的有益效果是:
通过该方法实现的建模系统操作简单,不需要专业的三维扫描仪器,也不需要操作者具备任何专业知识,整个建模过程只需要操作者提供13个常用的人体测量参数(三围、身高等),并且生成的模型能够满足虚拟衣物仿真的需要。该方法选择的线框模型是截面环,即将人体模型抽象为截面环的数据结构。截面环不仅简化了人体模型的表达方式,还可以直观地与人体测量参数相对应,并且为虚拟衣物仿真等后续工作提供便利。
附图说明
图1一种基于人体截面环的参数化变形方法步骤示意图;
图2端面定义示意图;
图3人体截面环切取优化结果示意图;
图4基础环标记示意图;
图5截面环优化的表面重构效果展示,(左)优化前,(右)优化后;
图6参数变形效果展示(正面);
图7参数变形效果展示(侧面);
图8胸围参数调节效果示意图。
具体实施方式
下面结合附图及具体实施方式对本发明进一步详细说明。
(1)将人体三角面片模型参数化为截面环的数据结构,作为后续参数化变形的标准人体模型;
第一步,定义人体坐标系,在人体坐标系中,脸部朝向z轴负向,头顶方向为y轴正向,左手指向x轴正向,双脚所在的水平面y值为0,y轴从双脚中心指向头顶正中心;
第二步,人体部位划分,将人体模型分为胸部、腰部、臀部、左大臂、左小臂、右大臂、右小臂、左大腿、左小腿、右大腿、右小腿11个部位,定义部位间的各端面,如图2所示;
第三步,切取截面环,首先,定义各部位的截面组,截面组从部位最外/下侧端面起始,每次增加一个步长,直到超过该部位最内/上侧的端面。然后,对使用截面对各部位进行切环,判断三角形是否与截面相交,若相交,求出三角形与截面的交点。最后,进行曲线拟合,将一组交点拟合成一条环线或曲线;
第四步,截面环整理和优化,曲线上每个顶点的存储顺序遵循左手定律,使整个环的法向量指向y轴或x轴正方向。截面环的平滑优化使用基于Savitzky-Golay的滤波器的五点三次平滑法,对截面环进行滤波处理,实现截面环的平滑优化。人体截面环结构如图3所示。
(2)将人体测量参数映射到人体截面环数据结构上。
第一步,选定13项常用的人体测量参数,包括身长、臂长、腿长、肩宽、颈围、胸围、下胸围、腰围、臀围、大臂围、小臂围、大腿围、小腿围,前3项是长度值,其他是围度值;
第二步,计算截面环的凸包弧长,标记基础环;
首先,计算截面环的凸包弧长。算法步骤如下:
1、选择x最小的顶点作为起点(如果是手臂部位择选y最小的顶点),连续选择后续两个点,分别存入prev、now和next三个变量。定义一个数组栈用于记录凸包环顶点的集合。
2、如果next不存在或者等同于封闭环起点的下一个点,那么将prev与now点入栈,跳到步骤5;如果不满足前面的条件,判断prev→now→next这个角的性质,如果是凸角,进入步骤3,如果是凹角进入步骤4。
3、将prev顶点入栈,此时将prev和now指向顶点依次替换为now和next顶点,next继续取下一个顶点,进入步骤2。
4、弹出栈顶顶点并赋值于prev,进入步骤2。
5、此时栈内记录的是凸包的全部顶点,开始逐个弹出顶点并每两个连续点计算顶点之间距离,最后得到的总长度即为截面环凸包弧长。
记基础环。遍历各部位截面环以计算每个环的凸包弧长,然后找出最长或最短的那条截面环标记为相应基础环,标记出颈围、胸围、下胸围、腰围、臀围、大臂围、小臂围、大腿围和小腿围各基础环。图4是所有基础环的标记结果(黑色环线)。
第三步,将基础环的闭包弧长与长度测量参数对应的端面间距记录为标准人体模型的初始测量参数。
(3)定义变形函数,对各部位的截面环进行参数化变形。
第一步,定义每一个测量参数与受影响部位的对应关系,如下表1所示:
表1测量参数与受影响部位的对应关系
第三列影响方式指各部位沿坐标系的x、y、z轴进行放大或缩小;
*该参数表现女性胸部特征,只对胸部前环z值放缩;
**腿部的放缩方式比较特殊,由于要和臀部衔接,需同时考虑到腿部自身环线的放缩和双腿外轮廓线的放缩。
第二步,定义每一个部位的变形函数与测量参数之间的关系,如下表2所示:
表2不同部位截面环变形函数参数
第三步,人体变形,使用变形函数对各部位的截面环进行参数化变形。
人体变形的步骤可以描述如下:
1、首先,对基础环进行变形。将输入的测量参数与标准人体模型的初始参数作对比,大于初始值则放大对应基础环,否则缩小对应基础环。放缩方式根据所在部位的不同而单独定义(见表1)。递归调用放缩函数,并计算基础环的凸包弧长值,直到该值等于输入的测量参数。
2、记录放缩后的基础环所在平面两个轴向的放缩比Zi和Zj,记录该测量参数p的影响值Ep(Zi,Zj),例如Ep(0.5,0.5)、Ep(1.1,1.2)。
3、由于基础环发生变形,根据表1,调用受影响部位的变形函数。
4、变形函数执行中,根据表2,部位中的一条截面环,对每一个影响值Ep做正弦变换:
其中d是该截面环到测量参数p对应的基础环的距离,L是该部位的基础环与p对应的基础环之间的距离。
5、将变换后的影响值求和该截面环每一个顶点围绕截面环中心点根据E的两个参数值进行放缩,得到新的坐标。例如,若E=(0.5,0.5),则截面环绕中心点沿x、y轴都缩小为原来的一半,若E=(1.1,1.2),则截面环绕中心点沿x轴放大为原来的1.1倍,沿y轴放大为原来的1.2倍。
6、遍历受影响部位的每一条截面环,执行4~5,最终受影响部位的每一个顶点都得到新的坐标值,变形函数结束。
变形后的模型进行表面优化,并将截面环数据重构成三角网格结构,渲染出变形后的人体模型。
第一步,使用Bezier曲面平滑算法对变形后的人体模型表面进行整体平滑优化;
由于变形函数只控制相关部位的截面环,因此整体效果会出现不够平滑以及失真的情况,尤其是部位之间的过渡区域。本方法使用Bezier曲面平滑算法对变形后的人体模型表面进行了整体平滑优化。
使用Bezier曲面平滑算法进行表面优化的步骤如下:
1、每次从相邻的4个截面环各取4个点,构成一个数组a[4][4],其中a[i][j]代表第i个截面环的第j个点;
2、定义函数:
其中,u,v∈[0,1],aij=a[i][j]。 是Bernstein基函数;
3、令i、j分别取0,1,2,3四个值,并将P(i/3,j/3)赋值给a[i][j];
4、在数组a每个元素对应的人体顶点上记录该值;
5、每次让数组a延4条环线平移1个单位取点,重复1~4步骤,直到4条环线上所有顶点参与计算。
6、对于每相邻的4条环线,重复1~5步骤,直到所有相邻的4条环线都参与到计算。
7、扫描人体的每个顶点,求得该点记录的所有a元素值的平均值,并赋值给该顶点。
每次循环都对一组4×4的数据点进行计算,使他们在横向和纵向上各自逼近一条Bezier曲线,最终求得一个总体的平均值赋值给人体,达到表面平滑的目的。
第二步,使用三角化算法将人体的截面环数据重构成三角网格结构;
截面环作为条带结构,非常利于进行三角化重构。截面环三角化的步骤概括如下:
1、在相邻的两个单环上分别选择一个点作为起点,可以选x最小的两个点,并存于A、B两个变量,连接AB,将A的下一个点存入A’,B的下一个点存入B’。
2、若四个点都存在并且没有全部参与过计算,比较AB’和A’B这两条线段的长短,连接短的那条线段;否则退出程序。
3、如果连接的是AB’线段,则将A和A’顺序的向后取1个点;否则将B和B’顺序向后取1个点。进入步骤2。
第三步,渲染变形后的人体模型。
完整的人体渲染需要三角网格结构,并对每个三角形顶点进行着色来渲染人体的肤色。上述第二步的截面环三角化算法将人体的截面环数据重构成三角网格结构,通过肤色调整算法,可以得到真实的人体皮肤颜色值。为了提高真实感,并且增强人体皮肤的光滑性,本方法实现的系统中需要加入光照,因此在得到三角网格结构以后,还要逐点计算顶点的法向量。计算每一个顶点的法向量时,首先计算该顶点所在的每个三角面片中该点所在夹角的法向量,然后计算平均值。最后向量单位化即得到该点的法向量。
得到变形后人体模型的三角网格结构、真实的人体皮肤的颜色值和每个顶点的法向量后,就可以渲染出变形后的人体模型。
截面环优化实验:图5展示了基于Bezier曲面平滑算法的截面环优化前(左)后(右)的表面皮肤重构效果。可以看出,优化前部位交界部分不够平滑,尤其是胸腰交界处。优化后的部位交界部分截面环过渡平滑。同时,在有光照的前提下,人体表面皮肤的光滑过渡还可以体现出顶点法向量计算的准确性。
人体参数化变形实验一:本方法定义了三组人体测量参数用于比较参数化变形的效果,表3中详细列出了这三组测量参数值,测量单位是厘米(cm)。其中,第二组是原始人体参数,用于和另外两组做对照;第一组是相对于原始数据较瘦较高的人体,第三组的是相对于原始数据较矮较胖的人体。图6分别展示了三组人体测量参数值对应的人体模型的正面效果,图7展示了对应的侧面效果。
表3三组人体测量参数(厘米)
人体参数化变形实验二:当人体的下胸围保持不变时,通过对胸围这一测量参数值做调整,可以展示女性不同的胸部特征。图8从左到右通过增加胸围值,展示系统对女性人体的渲染效果。
上述参数化变形实验结果表明,人体各部位尺寸及形状变化可以满足参数变化,建立出的人体拥有良好的真实感。而且系统对于两种性别的人体均有较好的建模效果。
Claims (5)
1.一种基于人体截面环的参数化变形方法,其特征在于通过以下步骤实现:
(1)将人体三角面片模型参数化为截面环的数据结构,作为后续参数化变形的标准人体模型;
(2)将选定的人体测量参数映射到截面环的数据结构上;
(3)定义变形函数,对各部位的截面环进行参数化变形;
(4)对变形后的模型进行表面优化,并将截面环数据重构成三角网格结构,渲染出变形后的人体模型。
2.根据权利要求1所述的一种基于人体截面环的参数化变形方法,其特征在于:所述步骤(1)中的将人体三角面片模型参数化为截面环的数据结构,作为后续参数化变形的标准人体模型方法如下:
(2.1)定义人体坐标系,在人体坐标系中,脸部朝向z轴负向,头顶方向为y轴正向,左手指向x轴正向,双脚所在的水平面y值为0,y轴从双脚中心指向头顶正中心;
(2.2)人体部位划分,人体模型分为胸部、腰部、臀部、左大臂、左小臂、右大臂、右小臂、左大腿、左小腿、右大腿、右小腿这11个部位,定义部位间的各端面;
(2.3)切取截面环,首先,定义各部位的截面组,截面组从部位最外/下侧端面起始,每次增加一个步长,直到超过该部位最内/上侧的端面;然后,对使用截面对各部位进行切环,判断人体模型的三角面片是否与截面相交,若相交,求出三角形与截面的交点;最后,进行曲线拟合,将一组交点拟合成一条环线或曲线;
(2.4)截面环整理和优化,曲线上每个顶点的存储顺序遵循左手定律,使整个环的法向量指向y轴或x轴正方向,对截面环进行滤波处理,实现截面环的平滑优化。
3.根据权利要求1所述的一种基于人体截面环的参数化变形方法,其特征在于:所述步骤(2)中的将选定的人体测量参数映射到人体截面环数据结构上方法如下:
(3.1)选定13项常用的人体测量参数,包括身长、臂长、腿长、肩宽、颈围、胸围、下胸围、腰围、臀围、大臂围、小臂围、大腿围、小腿围,其中前3项是长度值,其他是围度值;
(3.2)计算截面环的凸包弧长,标记基础环,遍历各部位截面环以计算每个环的凸包弧长,然后找出最长或最短的那条截面环标记为相应基础环,标记出颈围、胸围、下胸围、腰围、臀围、大臂围、小臂围、大腿围和小腿围各基础环;
(3.3)将基础环的闭包弧长与长度测量参数对应的端面间距记录为标准人体模型的初始测量参数。
4.根据权利要求1所述的一种基于人体截面环的参数化变形方法,其特征在于:所述步骤(3)中的定义变形函数,对各部位的截面环进行参数化变形方法如下:
(4.1)定义每一个测量参数与受影响部位的对应关系;
(4.2)定义每一个部位的变形函数与测量参数之间的关系;
(4.3)人体变形,使用变形函数对各部位的截面环进行参数化变形;首先,对基础环进行变形;将输入的测量参数与标准人体模型的初始参数作对比,大于初始值则根据上述(4.1)、(4.2)的定义关系放大对应基础环,否则缩小对应基础环,直至基础环的凸包弧长值等于输入的测量参数;记录放缩后的基础环所在平面两个轴向的放缩比Zi和Zj,记录该测量参数p的影响值Ep(Zi,Zj);其次,对各部位的每个截面环进行变形;根据上述(4.1)和(4.2)的定义关系,调用受影响部位的变形函数,在变形函数执行过程中,对每一个影响值Ep做正弦变换:其中d是该截面环到p对应的基础环的距离,L是部位基础环与p对应的基础环之间的距离;将变换后的影响值求和截面环每一个顶点围绕截面环中心根据E的两个参数值进行放缩,得到新的坐标;最后,遍历受影响部位的每一条截面环,执行上述两步,最终受影响部位的每一个顶点都得到新的坐标值,变形函数结束。
5.根据权利要求1所述的一种基于人体截面环的参数化变形方法,其特征在于:所述步骤(4)中对变形后的模型进行表面优化,并将截面环数据重构成三角网格结构,渲染出变形后的人体模型方法如下:
(5.1)使用了Bezier曲面平滑算法对变形后的人体模型表面进行整体平滑优化;
(5.2)使用三角化算法将人体的截面环数据重构成三角网格结构;
(5.3)渲染变形后的人体模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410021588.9A CN103810750B (zh) | 2014-01-16 | 2014-01-16 | 一种基于人体截面环的参数化变形方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410021588.9A CN103810750B (zh) | 2014-01-16 | 2014-01-16 | 一种基于人体截面环的参数化变形方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103810750A true CN103810750A (zh) | 2014-05-21 |
CN103810750B CN103810750B (zh) | 2017-01-11 |
Family
ID=50707464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410021588.9A Expired - Fee Related CN103810750B (zh) | 2014-01-16 | 2014-01-16 | 一种基于人体截面环的参数化变形方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103810750B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913486A (zh) * | 2016-04-08 | 2016-08-31 | 东华大学 | 一种用于服装工业的数字化混合人体快速建模方法 |
CN106372344A (zh) * | 2016-09-05 | 2017-02-01 | 中山大学 | 一种基于特征尺寸约束的三维服装变形方法及其系统 |
CN106558039A (zh) * | 2015-09-23 | 2017-04-05 | 腾讯科技(深圳)有限公司 | 一种人像处理方法及装置 |
CN107590708A (zh) * | 2016-07-07 | 2018-01-16 | 梁如愿 | 一种生成用户特定体形模型的方法和装置 |
WO2018209565A1 (zh) * | 2017-05-16 | 2018-11-22 | 深圳市三维人工智能科技有限公司 | 一种基于骨骼组合的模型调整方法和系统 |
CN110428434A (zh) * | 2019-07-10 | 2019-11-08 | 上海师范大学 | 一种基于图像的人体肩宽测量方法及装置 |
CN112446960A (zh) * | 2020-12-09 | 2021-03-05 | 北京维盛视通科技有限公司 | 三维人体模型变形方法、装置、电子设备和存储介质 |
CN115631322A (zh) * | 2022-10-26 | 2023-01-20 | 钰深(北京)科技有限公司 | 面向用户的虚拟三维试衣方法和系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325146A (zh) * | 2013-06-28 | 2013-09-25 | 北京航空航天大学 | 一种基于人体截面环数据的衣物面片三维映射方法 |
-
2014
- 2014-01-16 CN CN201410021588.9A patent/CN103810750B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325146A (zh) * | 2013-06-28 | 2013-09-25 | 北京航空航天大学 | 一种基于人体截面环数据的衣物面片三维映射方法 |
Non-Patent Citations (5)
Title |
---|
奚雪蕾等: "《针对仿人形多气囊柔性机器人的曲面重构 》", 《计算机工程与应用》 * |
毛维明: "《个性化扫描人体变形与拼接建模研究》", 《中国优秀硕士学位论文全文数据库》 * |
王媚: "《面向服装CAD的三维人体建模与变形技术研究及实现》", 《中国优秀硕士学位论文全文数据库》 * |
耿玉磊等: "《面向服装CAD的多因素驱动人体模型变形技术研究》", 《中国图象图形学报》 * |
邓卫燕等: "《基于神经网络的三维人体建模方法》", 《上海交通大学学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106558039A (zh) * | 2015-09-23 | 2017-04-05 | 腾讯科技(深圳)有限公司 | 一种人像处理方法及装置 |
CN106558039B (zh) * | 2015-09-23 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 一种人像处理方法及装置 |
CN105913486A (zh) * | 2016-04-08 | 2016-08-31 | 东华大学 | 一种用于服装工业的数字化混合人体快速建模方法 |
CN107590708B (zh) * | 2016-07-07 | 2021-01-01 | 梁如愿 | 一种生成用户特定体形模型的方法和装置 |
CN107590708A (zh) * | 2016-07-07 | 2018-01-16 | 梁如愿 | 一种生成用户特定体形模型的方法和装置 |
CN106372344A (zh) * | 2016-09-05 | 2017-02-01 | 中山大学 | 一种基于特征尺寸约束的三维服装变形方法及其系统 |
WO2018209565A1 (zh) * | 2017-05-16 | 2018-11-22 | 深圳市三维人工智能科技有限公司 | 一种基于骨骼组合的模型调整方法和系统 |
CN109844817A (zh) * | 2017-05-16 | 2019-06-04 | 深圳市三维人工智能科技有限公司 | 一种基于骨骼组合的模型调整方法和系统 |
CN110428434A (zh) * | 2019-07-10 | 2019-11-08 | 上海师范大学 | 一种基于图像的人体肩宽测量方法及装置 |
CN110428434B (zh) * | 2019-07-10 | 2022-12-13 | 上海师范大学 | 一种基于图像的人体肩宽测量方法及装置 |
CN112446960A (zh) * | 2020-12-09 | 2021-03-05 | 北京维盛视通科技有限公司 | 三维人体模型变形方法、装置、电子设备和存储介质 |
CN112446960B (zh) * | 2020-12-09 | 2023-07-14 | 北京维盛视通科技有限公司 | 三维人体模型变形方法、装置、电子设备和存储介质 |
CN115631322A (zh) * | 2022-10-26 | 2023-01-20 | 钰深(北京)科技有限公司 | 面向用户的虚拟三维试衣方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103810750B (zh) | 2017-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103810750A (zh) | 一种基于人体截面环的参数化变形方法 | |
CN104036532B (zh) | 基于三维到二维服装图案无缝映射的服装制作方法 | |
CN104008564B (zh) | 一种人脸表情克隆方法 | |
Zhang et al. | Automatic 3D tooth segmentation using convolutional neural networks in harmonic parameter space | |
CN108010134A (zh) | 一种基于移动终端的实时三维虚拟试衣方法 | |
CN103198508A (zh) | 人脸表情动画生成方法 | |
CN108665463A (zh) | 一种基于对抗式生成网络的宫颈细胞图像分割方法 | |
CN110335350B (zh) | 基于地形特征的虚拟地形生成方法 | |
CN105913416A (zh) | 一种自动分割三维人脸模型区域的方法 | |
CN108805090A (zh) | 一种基于平面网格模型的虚拟试妆方法 | |
CN105225272B (zh) | 一种基于多轮廓线三角网重构的三维实体建模方法 | |
CN107730587A (zh) | 一种基于图片快速三维化交互式建模方法 | |
CN108038862A (zh) | 一种交互式医学图像智能分割建模方法 | |
CN110264310A (zh) | 一种基于人体大数据的服装制版方法 | |
Hsiao et al. | A study of surface reconstruction for 3D mannequins based on feature curves | |
CN108364356B (zh) | 一种牙齿三维网格模型的自动分割方法 | |
CN107689254B (zh) | 一种全冠修复体外表面数字化生成方法 | |
CN105279794B (zh) | 基于Micro-CT技术的储层岩心多组织模型构建方法 | |
CN107274422A (zh) | 一种基于法线信息和k邻域搜索结合的点云边缘提取方法 | |
CN105243137B (zh) | 一种基于草图的三维模型检索视点选择方法 | |
CN101276484A (zh) | 基于调和映射的网格生成方法 | |
CN103366402A (zh) | 三维虚拟服饰的快速姿态同步方法 | |
CN103093488A (zh) | 一种虚拟发型插值及渐变动画生成方法 | |
CN112926207A (zh) | 等几何拓扑优化结果的可编辑模型自动构建方法及系统 | |
CN102170516A (zh) | 基于模糊理论和神经网络的色彩空间转换方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170111 Termination date: 20200116 |
|
CF01 | Termination of patent right due to non-payment of annual fee |