CN111062136A - 一种实时的衣物形态确定方法及系统 - Google Patents
一种实时的衣物形态确定方法及系统 Download PDFInfo
- Publication number
- CN111062136A CN111062136A CN201911325532.1A CN201911325532A CN111062136A CN 111062136 A CN111062136 A CN 111062136A CN 201911325532 A CN201911325532 A CN 201911325532A CN 111062136 A CN111062136 A CN 111062136A
- Authority
- CN
- China
- Prior art keywords
- particle
- potential energy
- energy
- mass point
- mass
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000002245 particle Substances 0.000 claims abstract description 225
- 238000005381 potential energy Methods 0.000 claims abstract description 222
- 230000033001 locomotion Effects 0.000 claims abstract description 68
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 238000012876 topography Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 29
- 238000001514 detection method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种实时的衣物形态确定方法及系统。方法包括:获取当前帧物体的三维网格数据和运动参数和当前帧衣物的多个质点的初始位置;确定质点的第一势能和第二势能;确定质点的初始总能量;根据质点的初始位置和质点的初始总能量,对质点的当前位置进行更新;根据更新后的质点的当前位置,对质点的当前总能量进行更新;判断更新后质点的当前总能量与质点的当前总能量的差值是否小于更新阈值;并确定下一帧质点的位置;根据下一帧所有质点的位置,确定下一帧的衣物形态。本发明所提供的一种实时的衣物形态确定方法及系统,解决现有技术中衣物仿真中的衣物形态的真实性低和仿真的效率低的问题。
Description
技术领域
本发明涉及计算机图形学的领域,特别是涉及一种实时的衣物形态确定方法及系统。
背景技术
衣物仿真是计算机图形学近十几年来的研究热点,其在电子游戏、电影、计算机辅助设计技术等现代工业领域具有广阔的应用前景。由于过程化的求解方法具有较高的计算代价,现有的大多数衣物仿真技术只能应用于非交互式应用或者离线场景。为了满足交互式仿真的需求,如虚拟试衣等,衣物仿真系统必须使得衣物形态的真实性高,以及保证仿真的实时性。
而现有的衣物仿真技术主要是基于物理的过程式的方法,其流程至少包括:时间积分、碰撞检测、碰撞响应。其中,碰撞检测占据了衣物仿真过程超过一半的计算时间。现有的碰撞检测方法主要是通过判断平面、线、点之间的相交关系来确定是否有碰撞产生;为了保证衣物形态的真实性高,提出很多技术针对提升碰撞检测的速度和精度。但是,这些传统的碰撞检测方法需要进行大量的碰撞对检测,复杂度很高;同时,大部分的碰撞检测方法都倾向于缩小算法时间步长,以此来提高算法的鲁棒性,这种操作大大限制了衣物仿真技术的速度性能。
并且,基于物理的衣物仿真技术由于其过程化的技术手段,如果流程中任一阶段产生非正确结果,将会导致之后的阶段产生误差,不断累加的误差将使整个系统不断地偏离正确解;为了避免这种情况的出现,会引入更多的限制条件和更小的时间步长,这些都将延长仿真系统的计算时间、降低整体性能。
除了上述基于传统过程的衣物仿真技术,还有一些采用数据驱动或机器学习的技术,它们虽然在计算速度上具有一定优势,但由于缺乏足够多样的数据集而无法得到具有较高真实感的结果,并且针对每件衣物都需要重新训练。
因此,现有技术的衣物仿真不能同时保证衣物形态的真实性和仿真的效率,不能满足交互式仿真的需求。
发明内容
本发明的目的是提供一种实时的衣物形态确定方法及系统,解决现有技术中衣物仿真中的衣物形态的真实性低和仿真的效率低的问题。
为实现上述目的,本发明提供了如下方案:
一种实时的衣物形态确定方法,包括:
获取当前帧物体的三维网格数据和运动参数;所述三维网格数据为所述物体在三维网格模型中的位置参数,所述运动参数包括平移速度和旋转速度;
获取当前帧所述物体表面附着的衣物的多个质点的初始位置;
根据所述质点的位置,采用势能模型,确定所述质点的第一势能;所述第一势能包括弹性势能和重力势能;
根据所述质点的位置、所述物体的三维网格数据和所述运动参数,确定所述质点的第二势能;所述第二势能包括碰撞势能和接触动能;
将所述质点的第一势能和所述质点的第二势能合并,得到所述质点的初始总能量;
根据所述质点的初始位置和所述质点的初始总能量,对所述质点的当前位置进行更新;
根据更新后的所述质点的当前位置,对所述质点的当前总能量进行更新;
判断所述更新后所述质点的当前总能量与所述质点的当前总能量的差值是否小于更新阈值,得到第一判断结果;所述更新阈值为所述质点的初始总能量的千分之一;
若所述第一判断结果表示所述更新后的所述质点的当前总能量与所述质点的当前总能量的差值小于更新阈值,则将更新后的所述质点的当前位置确定为下一帧所述质点的位置;
若所述第一判断结果表示所述更新后的所述质点的当前总能量与所述质点的当前总能量的差值不小于更新阈值,则根据更新后的所述质点的当前位置和更新后的所述质点的当前总能量,对所述质点的当前位置进行二次更新;
根据下一帧所有质点的位置,确定下一帧的衣物形态。
可选的,所述根据所述质点的位置,采用势能模型,确定所述质点的第一势能,具体包括:
将所述质点的弹性势能和所述质点的重力势能合并,得到所述质点的第一势能;
U(X)为所述质点的弹性势能,G(X)为所述质点的重力势能,Y为弹性系数,S衣物所有相邻质点的组合,i和j为相邻的两个质点,和是衣物未产生形变时的位置,xi和xj是质点的位置;g为重力加速度,mi为质点i的质量。
可选的,所述根据所述质点的位置、所述物体的三维网格数据和所述运动参数,确定所述质点的第二势能,具体包括:
将所述质点的碰撞势能和所述质点的接触动能,得到所述质点的第二势能;
Φ(x,Q)为碰撞势能,K(x,Λ)为接触动能,ρ为碰撞系数,Ω为所述物体的内部空间,Q为Ω的边界网格数据,d(x,Q)为质点x与Q最近点的距离,μ为控制衣物与物体间的最小距离,θ为接触系数,xT为质点x做与运动基元相同的刚性运动后对应的位置,为运动基元经过的空间,t代表第t帧。
可选的,根据所述质点的初始位置和所述质点的初始总能量,对所述质点的当前位置进行更新,具体包括:
可选的,根据所述更新后的所述质点的当前位置,对所述质点的当前总能量进行更新,具体包括:
根据更新后的所述质点的当前位置,采用势能模型,确定更新后所述质点的第一势能;
根据所述质点更新后的位置、所述物体的三维网格数据和所述运动参数,确定更新后的所述质点第二势能;
将更新后的所述质点第一势能和更新后的所述质点第二势能合并,得到更新后的质点的当前总能量。
一种实时的衣物形态确定系统,包括:
参数获取模块,用于获取当前帧物体的三维网格数据和运动参数;所述三维网格数据为所述物体在三维网格模型中的位置参数,所述运动参数包括平移速度和旋转速度;
初始位置获取模块,用于获取当前帧所述物体表面附着的衣物的多个质点的初始位置;
第一势能确定模块,用于根据所述质点的位置,采用势能模型,确定所述质点的第一势能;所述第一势能包括弹性势能和重力势能;
第二势能确定模块,用于根据所述质点的位置、所述物体的三维网格数据和所述运动参数,确定所述质点的第二势能;所述第二势能包括碰撞势能和接触动能;
初始总能量确定模块,用于将所述质点的第一势能和所述质点的第二势能合并,得到所述质点的初始总能量;
质点位置更新模块,用于根据所述质点的初始位置和所述质点的初始总能量,对所述质点的当前位置进行更新;
总能量更新模块,用于根据更新后的所述质点的当前位置,对所述质点的当前总能量进行更新;
第一判断模块,用于判断所述更新后所述质点的当前总能量与所述质点的当前总能量的差值是否小于更新阈值,得到第一判断结果;所述更新阈值为所述质点的初始总能量的千分之一;
下一帧质点的位置确定模块,用于若所述第一判断结果表示所述更新后的所述质点的当前总能量与所述质点的当前总能量的差值小于更新阈值,则将更新后的所述质点的当前位置确定为下一帧所述质点的位置;
质点位置更新模块,还用于若所述第一判断结果表示所述更新后的所述质点的当前总能量与所述质点的当前总能量的差值不小于更新阈值,则根据更新后的所述质点的当前位置和更新后的所述质点的当前总能量,对所述质点的当前位置进行二次更新;
下一帧衣物形态确定模块,用于根据下一帧所有质点的位置,确定下一帧的衣物形态。
可选的,所述第一势能确定模块具体包括:
质点的第一势能确定单元,用于将所述质点的弹性势能和所述质点的重力势能合并,得到所述质点的第一势能;
U(X)为所述质点的弹性势能,G(X)为所述质点的重力势能,Y为弹性系数,S衣物所有相邻质点的组合,i和j为相邻的两个质点,和是衣物未产生形变时的位置,xi和xj是质点的位置;g为重力加速度,mi为质点i的质量。
可选的,所述第二势能确定模块具体包括:
质点的第二势能确定单元,用于将所述质点的碰撞势能和所述质点的接触动能,得到所述质点的第二势能;
Φ(x,Q)为碰撞势能,K(x,Λ)为接触动能,ρ为碰撞系数,Ω为所述物体的内部空间,Q为Ω的边界网格数据,d(x,Q)为质点x与Q最近点的距离,μ为控制衣物与物体间的最小距离,θ为接触系数,xT为质点x做与运动基元相同的刚性运动后对应的位置,为运动基元经过的空间,t代表第t帧。
可选的,所述质点位置更新模块具体包括:
可选的,所述总能量更新模块具体包括:
更新后的第一势能确定单元,用于根据所述质点更新后的位置,采用势能模型,确定所述质点更新后的第一势能;
更新后的第二势能确定单元,根据所述质点更新后的位置、所述物体的三维网格数据和所述运动参数,确定所述质点更新后的第二势能;
总能量更新单元,用于将所述质点更新后的第一势能和所述质点更新后的第二势能合并,得到所述质点更新后的总能量。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明所提供的一种实时的衣物形态确定方法及系统,根据衣物自身的第一势能和与基于物体能量场下的第二势能,通过第一势能和第二势能确定衣物的总能量;衣物的总能量考虑了衣物形变的碰撞、内力等因素引起的能量变化,保证了衣物在总能量影响下的变化,保证了衣物仿真中的衣物形态的真实性;并且质点总能量考虑了物体的运动参数,进而实现动态衣物的实时仿真,提高了仿真的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种实时的衣物形态确定方法流程示意图;
图2为当物体为人体时,人体与能量场的映射关系示意图;
图3为当物体为人体时,基于三维网格模型的能量关系示意图;
图4为当物体为人体时,人体运动基元组与人体的关系示意图;
图5为本发明所提供的一种实时的衣物形态确定系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种实时的衣物形态确定方法及系统,解决现有技术中衣物仿真中的衣物形态的真实性低和仿真的效率低的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种实时的衣物形态确定方法流程示意图,如图1所示,一种实时的衣物形态确定方法,包括:
S101,获取当前帧物体的三维网格数据和运动参数;所述三维网格数据为所述物体在三维网格模型中的位置参数,所述运动参数包括平移速度和旋转速度。例如,物体可以为人体。
通过对物体内部进行空间采样、势能计算、连续化重建来构造物体的碰撞势能场,可以通过对物体运动扫过的空间进行运动基元建模、轨迹分析、动能计算来构造物体运动产生的接触动能场;所构造的能量场在仿真空间中连续可微。
S102,获取当前帧所述物体表面附着的衣物的多个质点的初始位置。
S103,根据所述质点的位置,采用势能模型,确定所述质点的第一势能;所述第一势能包括弹性势能和重力势能。
将所述质点的弹性势能和所述质点的重力势能合并,得到所述质点的第一势能;
U(X)为所述质点的弹性势能,G(X)为所述质点的重力势能,Y为弹性系数,S衣物所有相邻质点的组合,i和j为相邻的两个质点,和是衣物未产生形变时的位置,xi和xj是质点的位置;g为重力加速度,mi为质点i的质量。
S104,根据所述质点的位置、所述物体的三维网格数据和所述运动参数,确定所述质点的第二势能;所述第二势能包括碰撞势能和接触动能。
将所述质点的碰撞势能和所述质点的接触动能,得到所述质点的第二势能;
Φ(x,Q)为碰撞势能,K(x,Λ)为接触动能,ρ为碰撞系数,Ω为所述物体的内部空间,Q为Ω的边界网格数据,d(x,Q)为质点x与Q最近点的距离,μ为控制衣物与物体间的最小距离,θ为接触系数,xT为质点x做与运动基元相同的刚性运动后对应的位置,为运动基元经过的空间,t代表第t帧。
由图2可知,当物体为人体时,通过三维网格内部的空间建立物体的碰撞势能场。越深入人体,碰撞势能场强度越大。
为了准确地知道人体每个位置的能量场,由图3可知,在三维网格模型中将每个立方体素对应的不同的碰撞势能场强度。并且,通过并行化实现,所有包含Q中顶点的立方体素,计算它们的势能强度。对于未计算的立方体素,若其存在已计算的邻近体素,则用该邻近体素的势能场强度向量与该体素和邻近体素间的向量差求和得到结果;在计算衣物某质点的第二势能时,可以通过对质点所在的体素与其邻近所有体素的势能场强度加权和它们的相对位置来保证函数在仿真空间连续可微的特性。
对于运动的物体,如运动的人体,考虑人体运动的影响。人体的运动实际上是许多躯干的刚性运动组合而成的,将多个运动基元的组合来对人体运动的扫描空间进行建模。并如图4所示,人体对应的运动基元组与人体模型具有映射关系。对于映射关系的建立,首先,对标准姿势下的人体的各个关节点对应插入24个运动基元,并在两两相邻的运动基元中插值插入54个基元;其次,应用基于梯度的优化方法让这些运动基元的半径取得合适的值,使其恰好充满人体;最后,在人体运动时,绑定至关节点的运动基元的中心将与对应的人体关节点做同样的运动,而其余运动基元的中心继续由插值得到,由于人体形体参数保持不变,故所有运动基元半径也保持不变。每一个运动基元都会产生其对应的接触动能场。
S105,将所述质点的第一势能和所述质点的第二势能合并,得到所述质点的初始总能量。
利用公式E(X,Q,Λ)=U(X)+G(X)+Φ(X,Q)+K(X,Λ)确定所述质点的初始总能量。
S106,根据所述质点的初始位置和所述质点的初始总能量,对所述质点的当前位置进行更新。
S107,根据更新后的所述质点的当前位置,对所述质点的当前总能量进行更新。
根据更新后的所述质点的当前位置,采用势能模型,确定更新后所述质点的第一势能;
根据所述质点更新后的位置、所述物体的三维网格数据和所述运动参数,确定更新后的所述质点第二势能;
将更新后的所述质点第一势能和更新后的所述质点第二势能合并,得到更新后的质点的当前总能量。
S108,判断所述更新后所述质点的当前总能量与所述质点的当前总能量的差值是否小于更新阈值,得到第一判断结果。所述更新阈值为所述质点的初始总能量的千分之一。
S109,若所述第一判断结果表示所述更新后的所述质点的当前总能量与所述质点的当前总能量的差值小于更新阈值,则将更新后的所述质点的当前位置确定为下一帧所述质点的位置。
衣物质点的位置与质点的势能有关,质点在当前帧的最终位置即下一帧的初始位置为能量最低时对应的质点位置。
S110,若所述第一判断结果表示所述更新后的所述质点的当前总能量与所述质点的当前总能量的差值不小于更新阈值,则根据更新后的所述质点的当前位置和更新后的所述质点的当前总能量,对所述质点的当前位置进行二次更新。
根据再一次更新后的质点位置确定再一次更新后的质点当前总能量;进而,判断再一次更新后的质点当前总能量与再一次更新前的质点总能量的差值是否小于更新阈值。
S111,根据下一帧所有质点的位置,确定下一帧的衣物形态。
对应本发明所提供的一种实时的衣物形态确定方法,本发明还提供一种实时的衣物形态确定系统,如图5所示,一种实时的衣物形态确定系统包括:参数获取模块501、初始位置获取模502、第一势能确定模块503、第二势能确定模块504、初始总能量确定模块505、质点位置更新模块506、总能量更新模块507、第一判断模块508、下一帧质点的位置确定模块509、质点位置更新模块510和下一帧衣物形态确定模块511。
参数获取模块501用于获取当前帧物体的三维网格数据和运动参数;所述三维网格数据为所述物体在三维网格模型中的位置参数,所述运动参数包括平移速度和旋转速度。
初始位置获取模块502用于获取当前帧所述物体表面附着的衣物的多个质点的初始位置。
第一势能确定模块503用于根据所述质点的位置,采用势能模型,确定所述质点的第一势能。所述第一势能包括弹性势能和重力势能。
第二势能确定模块504用于根据所述质点的位置、所述物体的三维网格数据和所述运动参数,确定所述质点的第二势能;所述第二势能包括碰撞势能和接触动能。
初始总能量确定模块505用于将所述质点的第一势能和所述质点的第二势能合并,得到所述质点的初始总能量。
质点位置更新模块506用于根据所述质点的初始位置和所述质点的初始总能量,对所述质点的当前位置进行更新。
总能量更新模块507用于根据更新后的所述质点的当前位置,对所述质点的当前总能量进行更新。
第一判断模块508用于判断所述更新后所述质点的当前总能量与所述质点的当前总能量的差值是否小于更新阈值,得到第一判断结果。所述更新阈值为所述质点的初始总能量的千分之一。
下一帧质点的位置确定模块509用于若所述第一判断结果表示所述更新后的所述质点的当前总能量与所述质点的当前总能量的差值小于更新阈值,则将更新后的所述质点的当前位置确定为下一帧所述质点的位置。
质点位置更新模块510还用于若所述第一判断结果表示所述更新后的所述质点的当前总能量与所述质点的当前总能量的差值不小于更新阈值,则根据更新后的所述质点的当前位置和更新后的所述质点的当前总能量,对所述质点的当前位置进行二次更新。
下一帧衣物形态确定模块511用于根据下一帧所有质点的位置,确定下一帧的衣物形态。
所述第一势能确定模块503具体包括:质点的弹性势能确定单、质点的重力势能确定单元和质点的第一势能确定单元。
质点的第一势能确定单元用于将所述质点的弹性势能和所述质点的重力势能合并,得到所述质点的第一势能。
U(X)为所述质点的弹性势能,G(X)为所述质点的重力势能,Y为弹性系数,S衣物所有相邻质点的组合,i和j为相邻的两个质点,和是衣物未产生形变时的位置,xi和xj是质点的位置;g为重力加速度,mi为质点i的质量。
所述第二势能确定模块504具体包括:质点的碰撞势能确定单元、质点的接触动能确定单元和质点的第二势能确定单元。
质点的第二势能确定单元,用于将所述质点的碰撞势能和所述质点的接触动能,得到所述质点的第二势能。
Φ(x,Q)为碰撞势能,K(x,Λ)为接触动能,ρ为碰撞系数,Ω为所述物体的内部空间,Q为Ω的边界网格数据,d(x,Q)为质点x与Q最近点的距离,μ为控制衣物与物体间的最小距离,θ为接触系数,xT为质点x做与运动基元相同的刚性运动后对应的位置,为运动基元经过的空间,t代表第t帧。
所述质点位置更新模块具体包括:
所述总能量更新模块507具体包括:更新后的第一势能确定单元、更新后的第二势能确定单元和总能量更新单元。
更新后的第一势能确定单元用于根据所述质点更新后的位置,采用势能模型,确定所述质点更新后的第一势能。
更新后的第二势能确定单元根据所述质点更新后的位置、所述物体的三维网格数据和所述运动参数,确定所述质点更新后的第二势能。
总能量更新单元用于将所述质点更新后的第一势能和所述质点更新后的第二势能合并,得到所述质点更新后的总能量。
为衣物仿真提出了一种全新的解决方案,运用能量模型代替了传统衣物仿真的过程式方法中的各技术流程,统筹考虑了物体形变、运动、碰撞等因素,并用优化的方式进行求解,为动态衣物的实时仿真应用提供了一种可行方法。
采用能量模型对物体间的碰撞进行建模,碰撞处理的准确性高。
本发明所提供的一种实时的衣物形态确定方法及系统,提出对物体内部空间建立碰撞势能场、对物体运动扫过的空间建立接触动能场,从而将衣物与物体之间的碰撞引入能量模型;所建的碰撞势能场在仿真空间中连续可微,且在物体内部空间有强度,可以解决深嵌入的问题;所建的接触动能场在仿真空间中连续可微,且在物体运动轨迹中有强度,可以提高物体运动过快时碰撞处理的成功率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种实时的衣物形态确定方法,其特征在于,包括:
获取当前帧物体的三维网格数据和运动参数;所述三维网格数据为所述物体在三维网格模型中的位置参数,所述运动参数包括平移速度和旋转速度;
获取当前帧所述物体表面附着的衣物的多个质点的初始位置;
根据所述质点的位置,采用势能模型,确定所述质点的第一势能;所述第一势能包括弹性势能和重力势能;
根据所述质点的位置、所述物体的三维网格数据和所述运动参数,确定所述质点的第二势能;所述第二势能包括碰撞势能和接触动能;
将所述质点的第一势能和所述质点的第二势能合并,得到所述质点的初始总能量;
根据所述质点的初始位置和所述质点的初始总能量,对所述质点的当前位置进行更新;
根据更新后的所述质点的当前位置,对所述质点的当前总能量进行更新;
判断所述更新后所述质点的当前总能量与所述质点的当前总能量的差值是否小于更新阈值,得到第一判断结果;所述更新阈值为所述质点的初始总能量的千分之一;
若所述第一判断结果表示所述更新后的所述质点的当前总能量与所述质点的当前总能量的差值小于更新阈值,则将更新后的所述质点的当前位置确定为下一帧所述质点的位置;
若所述第一判断结果表示所述更新后的所述质点的当前总能量与所述质点的当前总能量的差值不小于更新阈值,则根据更新后的所述质点的当前位置和更新后的所述质点的当前总能量,对所述质点的当前位置进行二次更新;
根据下一帧所有质点的位置,确定下一帧的衣物形态。
5.根据权利要求1所述的一种实时的衣物形态确定方法,其特征在于,所述根据更新后的所述质点的当前位置,对所述质点的当前总能量进行更新,具体包括:
根据更新后的所述质点的当前位置,采用势能模型,确定更新后所述质点的第一势能;
根据所述质点更新后的位置、所述物体的三维网格数据和所述运动参数,确定更新后的所述质点第二势能;
将更新后的所述质点第一势能和更新后的所述质点第二势能合并,得到更新后的质点的当前总能量。
6.一种实时的衣物形态确定系统,其特征在于,包括:
参数获取模块,用于获取当前帧物体的三维网格数据和运动参数;所述三维网格数据为所述物体在三维网格模型中的位置参数,所述运动参数包括平移速度和旋转速度;
初始位置获取模块,用于获取当前帧所述物体表面附着的衣物的多个质点的初始位置;
第一势能确定模块,用于根据所述质点的位置,采用势能模型,确定所述质点的第一势能;所述第一势能包括弹性势能和重力势能;
第二势能确定模块,用于根据所述质点的位置、所述物体的三维网格数据和所述运动参数,确定所述质点的第二势能;所述第二势能包括碰撞势能和接触动能;
初始总能量确定模块,用于将所述质点的第一势能和所述质点的第二势能合并,得到所述质点的初始总能量;
质点位置更新模块,用于根据所述质点的初始位置和所述质点的初始总能量,对所述质点的当前位置进行更新;
总能量更新模块,用于根据更新后的所述质点的当前位置,对所述质点的当前总能量进行更新;
第一判断模块,用于判断所述更新后所述质点的当前总能量与所述质点的当前总能量的差值是否小于更新阈值,得到第一判断结果;所述更新阈值为所述质点的初始总能量的千分之一;
下一帧质点的位置确定模块,用于若所述第一判断结果表示所述更新后的所述质点的当前总能量与所述质点的当前总能量的差值小于更新阈值,则将更新后的所述质点的当前位置确定为下一帧所述质点的位置;
质点位置更新模块,还用于若所述第一判断结果表示所述更新后的所述质点的当前总能量与所述质点的当前总能量的差值不小于更新阈值,则根据更新后的所述质点的当前位置和更新后的所述质点的当前总能量,对所述质点的当前位置进行二次更新;
下一帧衣物形态确定模块,用于根据下一帧所有质点的位置,确定下一帧的衣物形态。
10.根据权利要求6所述的一种实时的衣物形态确定系统,其特征在于,所述总能量更新模块具体包括:
更新后的第一势能确定单元,用于根据所述质点更新后的位置,采用势能模型,确定所述质点更新后的第一势能;
更新后的第二势能确定单元,根据所述质点更新后的位置、所述物体的三维网格数据和所述运动参数,确定所述质点更新后的第二势能;
总能量更新单元,用于将所述质点更新后的第一势能和所述质点更新后的第二势能合并,得到所述质点更新后的总能量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911325532.1A CN111062136B (zh) | 2019-12-20 | 2019-12-20 | 一种实时的衣物形态确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911325532.1A CN111062136B (zh) | 2019-12-20 | 2019-12-20 | 一种实时的衣物形态确定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111062136A true CN111062136A (zh) | 2020-04-24 |
CN111062136B CN111062136B (zh) | 2024-02-09 |
Family
ID=70301342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911325532.1A Active CN111062136B (zh) | 2019-12-20 | 2019-12-20 | 一种实时的衣物形态确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062136B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1751309A (zh) * | 2002-12-18 | 2006-03-22 | Ge医疗系统环球技术有限公司 | 结合体外测试数据的医学数据分析方法和设备 |
CN101425188A (zh) * | 2008-12-03 | 2009-05-06 | 中国人民解放军国防科学技术大学 | 带刚体核的广义弹簧振子形变仿真方法 |
CN201267192Y (zh) * | 2007-05-31 | 2009-07-08 | 耐克国际有限公司 | 身体位置反馈系统及应用该系统的服装物品 |
CN101496028A (zh) * | 2006-02-03 | 2009-07-29 | 辉达公司 | 使用几何推动式模型模拟可变形物体的方法 |
CN101939476A (zh) * | 2007-08-01 | 2011-01-05 | Lg电子株式会社 | 洗衣机及其控制方法 |
CN103366054A (zh) * | 2013-06-28 | 2013-10-23 | 北京航空航天大学 | 一种基于质点弹簧模型的衣物接缝处理和褶皱增强方法 |
CN104050443A (zh) * | 2013-03-13 | 2014-09-17 | 英特尔公司 | 使用肤色检测的视频流的姿势预处理 |
CN104159644A (zh) * | 2011-09-20 | 2014-11-19 | 布莱恩·弗朗西斯·穆尼 | 分析高尔夫挥杆的装置和方法 |
CN105528491A (zh) * | 2015-12-24 | 2016-04-27 | 北京农业信息技术研究中心 | 一种植物动态虚拟仿真方法及系统 |
CN105676266A (zh) * | 2015-12-14 | 2016-06-15 | 丁陶生 | 地震预测预报的方法和系统 |
CN106301062A (zh) * | 2015-05-11 | 2017-01-04 | 北京纳米能源与系统研究所 | 可变形摩擦纳米发电机和发电方法、运动传感器和服装 |
CN106407605A (zh) * | 2016-11-01 | 2017-02-15 | 南京大学 | 一种三维服装的粒子化计算机动态仿真方法 |
-
2019
- 2019-12-20 CN CN201911325532.1A patent/CN111062136B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1751309A (zh) * | 2002-12-18 | 2006-03-22 | Ge医疗系统环球技术有限公司 | 结合体外测试数据的医学数据分析方法和设备 |
CN101496028A (zh) * | 2006-02-03 | 2009-07-29 | 辉达公司 | 使用几何推动式模型模拟可变形物体的方法 |
CN201267192Y (zh) * | 2007-05-31 | 2009-07-08 | 耐克国际有限公司 | 身体位置反馈系统及应用该系统的服装物品 |
CN101939476A (zh) * | 2007-08-01 | 2011-01-05 | Lg电子株式会社 | 洗衣机及其控制方法 |
CN101425188A (zh) * | 2008-12-03 | 2009-05-06 | 中国人民解放军国防科学技术大学 | 带刚体核的广义弹簧振子形变仿真方法 |
CN104159644A (zh) * | 2011-09-20 | 2014-11-19 | 布莱恩·弗朗西斯·穆尼 | 分析高尔夫挥杆的装置和方法 |
CN104050443A (zh) * | 2013-03-13 | 2014-09-17 | 英特尔公司 | 使用肤色检测的视频流的姿势预处理 |
CN109086747A (zh) * | 2013-03-13 | 2018-12-25 | 英特尔公司 | 使用肤色检测的视频流的姿势预处理 |
CN103366054A (zh) * | 2013-06-28 | 2013-10-23 | 北京航空航天大学 | 一种基于质点弹簧模型的衣物接缝处理和褶皱增强方法 |
CN106301062A (zh) * | 2015-05-11 | 2017-01-04 | 北京纳米能源与系统研究所 | 可变形摩擦纳米发电机和发电方法、运动传感器和服装 |
CN105676266A (zh) * | 2015-12-14 | 2016-06-15 | 丁陶生 | 地震预测预报的方法和系统 |
CN105528491A (zh) * | 2015-12-24 | 2016-04-27 | 北京农业信息技术研究中心 | 一种植物动态虚拟仿真方法及系统 |
CN106407605A (zh) * | 2016-11-01 | 2017-02-15 | 南京大学 | 一种三维服装的粒子化计算机动态仿真方法 |
Non-Patent Citations (1)
Title |
---|
何海涛: "角色动画中布料的模拟与渲染研究", 中国优秀硕士学位论文全文数据库信息科技辑, no. 05, pages 138 - 2005 * |
Also Published As
Publication number | Publication date |
---|---|
CN111062136B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhu et al. | Deep fashion3d: A dataset and benchmark for 3d garment reconstruction from single images | |
Ng et al. | Computer graphics techniques for modeling cloth | |
Spillmann et al. | An adaptive contact model for the robust simulation of knots | |
Kang et al. | An efficient animation of wrinkled cloth with approximate implicit integration | |
Kang et al. | Fast and stable animation of cloth with an approximated implicit method | |
Oshita et al. | Real-time cloth simulation with sparse particles and curved faces | |
CN104809456B (zh) | 一种基于二值描述符的三维目标识别方法 | |
CN111160294B (zh) | 基于图卷积网络的步态识别方法 | |
CN102999661A (zh) | 基于粒子群优化的并行碰撞检测系统及方法 | |
CN114662172B (zh) | 一种基于神经网络的服装布料动态仿真模拟方法 | |
CN106803094A (zh) | 基于多特征融合的三维模型形状相似性分析方法 | |
CN106934192A (zh) | 一种参数优化的浅水方程模型水体建模方法 | |
CN105069829B (zh) | 一种基于多目视频的人体动画生成方法 | |
Tang et al. | Hierarchical and controlled advancement for continuous collision detectionof rigid and articulated models | |
CN103839280B (zh) | 一种基于视觉信息的人体姿态跟踪方法 | |
Chen et al. | Multi-feature super-resolution network for cloth wrinkle synthesis | |
Ge et al. | A point cloud registration method combining enhanced particle swarm optimization and iterative closest point method | |
CN111062136B (zh) | 一种实时的衣物形态确定方法及系统 | |
CN102214366A (zh) | 三维点采样数据高性能渲染方法 | |
Bierbaum et al. | Robust shape recovery for sparse contact location and normal data from haptic exploration | |
Nobuhara et al. | Dynamic 3D shape from multi-viewpoint images using deformable mesh model | |
Nobuhara et al. | Heterogeneous deformation model for 3D shape and motion recovery from multi-viewpoint images | |
Achar et al. | A Comparative Study of Garment Draping Techniques | |
Wong et al. | Robust continuous collision detection for interactive deformable surfaces | |
CN112100939A (zh) | 一种基于Compute Shader的实时流体仿真方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |