CN114489312B - 基于人体运动显著性的柔性传感器及其布局方法和应用 - Google Patents
基于人体运动显著性的柔性传感器及其布局方法和应用 Download PDFInfo
- Publication number
- CN114489312B CN114489312B CN202011160040.4A CN202011160040A CN114489312B CN 114489312 B CN114489312 B CN 114489312B CN 202011160040 A CN202011160040 A CN 202011160040A CN 114489312 B CN114489312 B CN 114489312B
- Authority
- CN
- China
- Prior art keywords
- human body
- deformation
- stretching
- triangular
- dimensional
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000037237 body shape Effects 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 51
- 239000011159 matrix material Substances 0.000 claims description 49
- 210000000988 bone and bone Anatomy 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 210000002310 elbow joint Anatomy 0.000 claims description 6
- 210000001503 joint Anatomy 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 210000000629 knee joint Anatomy 0.000 claims description 3
- 210000000323 shoulder joint Anatomy 0.000 claims description 3
- 239000004744 fabric Substances 0.000 abstract description 8
- 238000005457 optimization Methods 0.000 abstract description 2
- 230000036544 posture Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 208000006011 Stroke Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical class O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 239000004753 textile Substances 0.000 description 2
- HCUOEKSZWPGJIM-YBRHCDHNSA-N (e,2e)-2-hydroxyimino-6-methoxy-4-methyl-5-nitrohex-3-enamide Chemical compound COCC([N+]([O-])=O)\C(C)=C\C(=N/O)\C(N)=O HCUOEKSZWPGJIM-YBRHCDHNSA-N 0.000 description 1
- 101100162200 Aspergillus parasiticus (strain ATCC 56775 / NRRL 5862 / SRRC 143 / SU-1) aflD gene Proteins 0.000 description 1
- 208000004210 Pressure Ulcer Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于人体运动显著性的柔性传感器及其布局方法，其通过构建构建三维人体模型，并在所述三维人体模型中设置人体体型参数；通过旋转人体骨骼关节，导出不同旋转角度的变形后的三维人体模型，并以三角面片为单位对变形前后的三维人体模型进行形变分析，根据所述形变分析结果建立三维人体模型的人体表面形变张量场，以及设置布线长度，并根据所述人体表面形变张量场计算所述柔性传感器的布线起点和布线方向，从而对所述柔性传感器的位置进行布局优化，提高了柔性传感器对人体形变信息的捕获能力，能够广泛适用于织物传感器等柔性拉伸传感器。
Description
技术领域
本发明涉及传感技术，特别是一种基于人体运动显著性的柔性传感器，以及该柔性传感器的布局方法。
背景技术
人体运动姿态跟踪通过各种类型的传感器捕捉骨骼关节的连续动作，是重要的人机交互模态[1]，在医疗康复、军事国防等领域均有重要意义，如跟踪中风患者的运动姿态，制定个性化的康复方案。
人体运动姿态跟踪所用传感器主要包括：图像传感器、可穿戴惯性传感器(IMU)、硅胶类柔性传感器、织物类柔性传感器，各类型传感器的性能比对如下：
表1人体运动姿态跟踪所用各类型传感器对比
织物传感器采用纺织原材料制备，通过功能化加工使其具备拉伸、按压等感应能力，可集成于正常衣物并实现对人体状态监测的传感器。从表1的对比结果可见，织物传感器有如下特色：1)采集灵活，不受视野区域限制；相反，图像传感器则容易受到物体遮挡的影响而导致跟踪失败；2)穿戴舒适，避免了以IMU为代表的传感器材质硬、通过弹力绑带固定等缺陷；3)透气性好，相比以硅胶等聚合物作为基底材料的主流柔性传感器具有长期佩戴的优势；在中风患者的康复训练案例中，患者普遍存在长期卧床的情况，优良的透气性降低了褥疮的可能性。
但是，织物传感器的信号处理还存在巨大的挑战，主要包括：1)标准化的传感器布局无法适用于不同个体的体形差异，导致传感器偏移理想位置；2) 织物的自然穿戴方式和人体的连续运动将导致传感器发生进一步的位置偏移，但无法要求用户(特别是存在一定运动损伤的中风患者)频繁调整传感器至理想位置；3)人体运动容易引起织物面料的褶皱，进而产生织物传感器的复杂形变，因此同一个运动姿态下的传感器信号可能有差异。
于2019年发表在《Nature Biotechnology》期刊上的综述性论文《Towards A NewGeneration of Smart Skins》明确提出，在传感器偏离理想位置、发生复杂形变的情况下依然保证鲁棒的监测性能，是未来柔性可穿戴系统的重要评价指标。
发明内容
本发明为解决上述问题，提供了一种基于人体运动显著性的柔性传感器及其布局方法，从而提高柔性传感器对人体形变信息的捕获能力。
为实现上述目的，本发明采用的技术方案为：
首先，本发明提供一种基于人体运动显著性的柔性传感器的布局方法，其包括以下步骤：
构建三维人体模型，并在所述三维人体模型中设置人体体型参数；
旋转人体骨骼关节，并导出不同旋转角度的变形后的三维人体模型；
以三角面片为单位对变形前后的三维人体模型进行形变分析，根据所述形变分析结果建立三维人体模型的人体表面形变张量场；
设置布线长度，并根据所述人体表面形变张量场计算所述柔性传感器的布线起点和布线方向；
根据所述布线起点、布线方向、布线长度布设所述柔性传感器。
优选的，所述三维人体模型是通过扫描真实人体模型，计算得到所述真实人体模型的人体体型参数，从而根据所述人体体型参数构建蒙皮多人线性模型；所述对变形前后的三维人体模型进行形变分析，是通过分析人体运动导致的三维网格刚性变换，获得人体运动时的拉伸信息；根据所述拉伸信息建立人体表面形变张量场。
优选的，所述变形后的三维人体模型，是通过在在unity里设置人体体型参数，在x轴方向和/或y轴方向旋转人体右肘骨骼关节，导出不同骨骼旋转角度的的obj格式的三维人体模型；所述三维人体模型由封闭的三维网格构成。
优选的，所述形变分析进一步包括以下步骤：
(1)计算变形前的三角面片的向量矩阵Wj：
Wj＝[v2-v1,v3-v1]，
其中，v1、v2、v3分别为所述变形前的三角面片的三个顶点坐标；
(2)计算变形后的三角面片的向量矩阵
其中，分别为所述变形后的三角面片的三个顶点坐标；
(3)根据变形前向量矩阵Wj和变形后向量矩阵计算形变矩阵Jj：
Wj＝Qjα*Rj，
其中，形变矩阵Jj是通过向量矩阵Wj的QR分解求出，Qjα是所述向量矩阵Wj的正交矩阵，Rj是所述向量矩阵Wj的上三角矩阵；
(4)对所述形变矩阵Jj进行SVD分解：
Jj＝V*Σ*UT，U＝[U0,U1,U2],Σ＝diag(u,v,w),
其中，V和U为单位正交矩阵，∑为对角矩阵；U为拉伸矩阵，它的列向量代表拉伸方向；对角矩阵∑中，u、v、w分别对应3个拉伸方向的幅度大小。
优选的，所述人体表面形变张量场，是通过在所述三维人体模型上，以每个三角面片为单位，以三角面片重心为起点、u*U0为拉伸向量，画出所述三维人体模型的拉伸变化向量场。
优选的，所述布线起点，是选择人体骨骼关节部位的变形拉伸幅度最大的三角面片作为起始三角面片。
优选的，所述布线方向，是根据所述起始三角面片的拉伸向量U1，计算所述起始三角面片的变形拉伸的线长比例最大的两个边的交点P1和交点P2；根据所述交点P1和所述交点P2，得到所述起始三角面片的布线方向和所述起始三角面片的拉伸线长P1P2；并根据所述交点P2和相邻三角面片的拉伸向量U2,计算所述相邻三角面片的变形拉伸的线长比例最大的两个边的交点 P2和交点P3，得到所述相邻三角面片的布线方向和所述相邻三角面片的拉伸线长P2P3；以此类推，直至三角面片的拉伸线长的总和小于预设阈值；所述拉伸线长即为所述柔性传感器的线长。
优选的，还进一步根据所述柔性传感器的线长与人体骨骼关节的旋转角度，构建线长与旋转角度关系映射图；所述关系映射图中，x轴表示人体骨骼关节在x轴方向的旋转角度值，y轴表示人体骨骼关节在y轴方向的旋转角度值，z轴表示所述柔性传感器的线长。
其次，本发明提供一种柔性传感器，其采用上述任一项所述的布局方法。
另外，本发明还提供一种服装，其包括所述的柔性传感器，所述柔性传感器设置于所述服装的肩部关节的外侧、肘部关节的外侧、膝部关节的外侧中的一个以上位置。
本发明的有益效果是：
本发明通过构建不同旋转角度的变形后的三维人体模型，并以三角面片为单位对变形前后的三维人体模型进行形变分析，根据所述形变分析结果建立三维人体模型的人体表面形变张量场，以及设置布线长度，并根据所述人体表面形变张量场计算所述柔性传感器的布线起点和布线方向，从而对所述柔性传感器的位置进行布局优化，提高了柔性传感器对人体形变信息的捕获能力，能够广泛适用于织物传感器等柔性拉伸传感器。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本实施例人体骨骼关节(右臂肘关节)的旋转运动示意图；
图2为本实施例人体骨骼关节(右臂肘关节)的旋转方向示意图；
图3为本实施例柔性传感器的拉伸变化向量场示意图；
图4为本实施例柔性传感器的布线示意图；
图5为本实施例柔性传感器的线长与关节旋转角度映射图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有作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。
本发明的一种基于人体运动显著性的柔性传感器的布局方法，其包括以下步骤：
首先，本发明提供一种基于人体运动显著性的柔性传感器的布局方法，其包括以下步骤：
构建三维人体模型，并在所述三维人体模型中设置人体体型参数；
旋转人体骨骼关节，并导出不同旋转角度的变形后的三维人体模型；
以三角面片为单位对变形前后的三维人体模型进行形变分析，根据所述形变分析结果建立三维人体模型的人体表面形变张量场；
设置布线长度，并根据所述人体表面形变张量场计算所述柔性传感器的布线起点和布线方向；
根据所述布线起点、布线方向、布线长度布设所述柔性传感器。
如图1和图2所示，所述三维人体模型是通过扫描真实人体模型，计算得到所述真实人体模型的人体体型参数，从而根据所述人体体型参数构建蒙皮多人线性模型；所述对变形前后的三维人体模型进行形变分析，是通过分析人体运动导致的三维网格刚性变换，获得人体运动时的拉伸信息；根据所述拉伸信息建立人体表面形变张量场。
所述蒙皮多人线性模型(SMPL:A Skinned Multi-Person Linear Model) 是一种基于蒙皮顶点的模型，它具有骨骼蒙皮和纹理，能够方便调整一适应各种人体形状和姿态，可以准确地表示人体自然姿态中的各种体型。模型参数是从捕获的数据中学习的,包括其余姿势模板、混合权重、与姿势相关的混合形状、与标识相关的混合形状以及从顶点到关节位置的回退函数。
本实施例中，所述变形后的三维人体模型，是通过在unity里设置人体体型参数，在x轴方向和/或y轴方向旋转人体右肘骨骼关节，导出不同骨骼旋转角度的的obj格式的三维人体模型；所述三维人体模型由封闭的三维网格构成。其中，Unity模型至少包括：
顶点(mesh)，所述模型由多个小三角面片组成，每个小三角面片就可以看成一个顶点。顶点越多，模型越精细；
骨骼点：人体的关节点，类似于人体姿态估计的关键点。每个骨骼点都由一个三元组作为参数去控制；
骨骼蒙皮(Rig)：建立骨骼点和顶点的关联关系。每个骨骼点会关联许多顶点，并且每一个顶点权重不一样；
纹理贴图：人体模型的表面纹理，例如，衣服裤子等；
BlendShape：控制角色运动；
蒙皮：将模型从一个姿态转变为另一个姿态，使用的转换矩阵叫做蒙皮矩阵。
本实施例中，所述形变分析进一步包括以下步骤：
(1)计算变形前的三角面片的向量矩阵Wj：
Wj＝[v2-v1,v3-v1]，
其中，v1、v2、v3分别为所述变形前的三角面片的三个顶点坐标；
(2)计算变形后的三角面片的向量矩阵
其中，分别为所述变形后的三角面片的三个顶点坐标；
(3)根据变形前向量矩阵Wj和变形后向量矩阵计算形变矩阵Jj：
Wj＝Qjα*Rj，
其中，形变矩阵Jj是通过向量矩阵Wj的QR分解求出，Qjα是所述向量矩阵Wj的正交矩阵，Rj是所述向量矩阵Wj的上三角矩阵；
(4)对所述形变矩阵Jj进行SVD分解：
Jj＝V*Σ*UT，U＝[U0,U1,U2],Σ＝diag(u,v,w),
其中，V和U为单位正交矩阵，∑为对角矩阵；U为拉伸矩阵，它的列向量代表拉伸方向；对角矩阵∑中，u、v、w分别对应3个拉伸方向的幅度大小。
本实施例中，变形前向量矩阵Wj和变形后向量矩阵均采用3*2矩阵，Wj由变形前的三角面片的两个边向量构成，/>由变形后的三角面片对应边向量构成。Qjα是3*3的正交矩阵。
如图5所示，所述人体表面形变张量场，是通过在所述三维人体模型上，以每个三角面片为单位，以三角面片重心为起点、u*U0为拉伸向量，画出所述三维人体模型的拉伸变化向量场，进而根据所述拉伸变化向量场计算每个三角面片的布线方向和设置布线长度，具体计算过程如下：
所述布线起点，是选择人体骨骼关节部位的变形拉伸幅度最大的三角面片作为起始三角面片。
所述布线方向，是根据所述起始三角面片的拉伸向量U1，计算所述起始三角面片的变形拉伸的线长比例最大的两个边的交点P1和交点P2；根据所述交点P1和所述交点P2，得到所述起始三角面片的布线方向和所述起始三角面片的拉伸线长P1P2；并根据所述交点P2和相邻三角面片的拉伸向量U2, 计算所述相邻三角面片的变形拉伸的线长比例最大的两个边的交点P2和交点P3，得到所述相邻三角面片的布线方向和所述相邻三角面片的拉伸线长 P2P3；以此类推，直至三角面片的拉伸线长的总和小于预设阈值；所述拉伸线长即为所述柔性传感器的线长。本实施例中，所述线长优选的小于0.05m，并且不超过骨骼关节区域(即，本实施例的肘部区域)。
本实施例中以肘部关节为例对布线过程进行详述如下：
(1)首先选择肘部变形拉伸幅度最大的三角面片作为起始三角面片；每个三角面片的三个顶点分别记为ABC，对应的三角面片记为▲ABC；
(2)在第1帧的▲ABC内，起始点P1＝A+λ*AB,λ为起始点在起始边所占比例,拉伸向量为U1，其中，U1为向量P1A绕▲ABC法线旋转β°所得到的向量；
所述拉伸向量U1的计算公式为：U1＝rotate(-nor[▲ABC],β,P1A)，β为向量P1A旋转的角度；
以P1为起点,U1为方向计算与三角面片边的交点P2，得到P1P2长为 l11；
(3)求出前一三角面片法向量nor1与其相邻三角面片法向量nor2夹角θ，
将U1绕相邻两个三角面片公共边edge＝(nx,ny,nz)旋转θ°，得到相邻三角面片的拉伸向量U2；U2＝rotate(edge,θ,U1)；
在所述相邻三角面片内根据P2、U2计算下一交点P3，得到该相邻三角面片的拉伸线长P2P3为l21；
(4)以此类推，在第1帧内PiPi+1长为l1i,在第j帧内PiPi+1长为lji, i＝2,3...n,j＝2,3...Nf,n为经过的三角面片个数，Nf为人体模型帧数；
(5)计算总线长：n为经过的三角面片个数。
其中，所述的步骤(2)中，所述交点P2的计算方法进一步包括以下步骤：
A、B为起始点P1所在线段的两个端点，C为此线段的对点，C必为下一起始点所在线段的一个端点。以P1为起点，作平行于U1的直线与三角面片相交，交点即为P2。
1).确定P2在CA还是CB上：做向量叉乘，Cross_A＝U1×P1A， Cross_B＝U1×P1B，Cross_C＝U1×P1C，选择与Cross_C方向相反的向量所确定的点，如A，则C、A为交点所在线段的两个端点。
2).求交点P2：直线AC：(X2,Y2,Z2)+λ(x1-x2,y1-y2,z1-z2)，直线P1P2:(x0,y0,z0)+μ(u1,u2,u3)，根据两直线方程求出交点P2。本实施例中，还进一步根据所述柔性传感器的线长与人体骨骼关节的旋转角度，构建线长与旋转角度关系映射图；所述关系映射图中，x轴表示人体骨骼关节在x轴方向的旋转角度值，y轴表示人体骨骼关节在y轴方向的旋转角度值，z轴表示所述柔性传感器的线长。从而能够极大的提高布线效率。
其次，本发明提供一种柔性传感器，其采用上述任一项所述的布局方法。并且，所述传感器的布线可以是一条以上；当多条布线时，可分别进行数据处理，也可以对数据进行拟合处理。
另外，本发明还提供一种服装，其包括所述的柔性传感器，所述柔性传感器设置于所述服装的肩部关节的外侧、肘部关节的外侧、膝部关节的外侧中的一个以上位置。
需要说明的是，本说明书中的各个实施例均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的部分互相参见即可。对于传感器实施例和服装实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。并且，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种基于人体运动显著性的柔性传感器的布局方法，其特征在于，包括以下步骤：
构建三维人体模型，并在所述三维人体模型中设置人体体型参数；
旋转人体骨骼关节，并导出不同旋转角度的变形后的三维人体模型；
以三角面片为单位对变形前后的三维人体模型进行形变分析，根据所述形变分析结果建立三维人体模型的人体表面形变张量场；
设置布线长度，并根据所述人体表面形变张量场计算所述柔性传感器的布线起点和布线方向；
根据所述布线起点、布线方向、布线长度布设所述柔性传感器。
2.根据权利要求1所述的布局方法，其特征在于：所述三维人体模型是通过扫描真实人体模型，计算得到所述真实人体模型的人体体型参数，从而根据所述人体体型参数构建蒙皮多人线性模型；所述对变形前后的三维人体模型进行形变分析，是通过分析人体运动导致的三维网格刚性变换，获得人体运动时的拉伸信息；根据所述拉伸信息建立人体表面形变张量场。
3.根据权利要求1所述的布局方法，其特征在于：所述变形后的三维人体模型，是通过在unity里设置人体体型参数，在x轴方向和/或y轴方向旋转人体右肘骨骼关节，导出不同骨骼旋转角度的的obj格式的三维人体模型；所述三维人体模型由封闭的三维网格构成。
4.根据权利要求1所述的布局方法，其特征在于：所述形变分析进一步包括以下步骤：
(1)计算变形前的三角面片的向量矩阵Wj：
Wj＝[v2-v1,v3-v1]，
其中，v1、v2、v3分别为所述变形前的三角面片的三个顶点坐标；
(2)计算变形后的三角面片的向量矩阵
其中，分别为所述变形后的三角面片的三个顶点坐标；
(3)根据变形前向量矩阵Wj和变形后向量矩阵计算形变矩阵Jj：
Wj＝Qjα*Rj，
其中，形变矩阵Jj是通过向量矩阵Wj的QR分解求出，Qjα是所述向量矩阵Wj的正交矩阵，Rj是所述向量矩阵Wj的上三角矩阵；
(4)对所述形变矩阵Jj进行SVD分解：
Jj＝V*Σ*UT，U＝[U0,U1,U2],Σ＝diag(u,v,w),
其中，V和U为单位正交矩阵，∑为对角矩阵；U为拉伸矩阵，它的列向量代表拉伸方向；对角矩阵∑中，u、v、w分别对应3个拉伸方向的幅度大小。
5.根据权利要求4所述的布局方法，其特征在于：所述人体表面形变张量场，是通过在所述三维人体模型上，以每个三角面片为单位，以三角面片重心为起点、u*U0为拉伸向量，画出所述三维人体模型的拉伸变化向量场。
6.根据权利要求5所述的布局方法，其特征在于：所述布线起点，是选择人体骨骼关节部位的变形拉伸幅度最大的三角面片作为起始三角面片。
7.根据权利要求6所述的布局方法，其特征在于：所述布线方向，是根据所述起始三角面片的拉伸向量U1，计算所述起始三角面片的变形拉伸的线长比例最大的两个边的交点P1和交点P2；根据所述交点P1和所述交点P2，得到所述起始三角面片的布线方向和所述起始三角面片的拉伸线长P1P2；并根据所述交点P2和相邻三角面片的拉伸向量U2,计算所述相邻三角面片的变形拉伸的线长比例最大的两个边的交点P2和交点P3，得到所述相邻三角面片的布线方向和所述相邻三角面片的拉伸线长P2P3；以此类推，直至三角面片的拉伸线长的总和小于预设阈值；所述拉伸线长即为所述柔性传感器的线长。
8.根据权利要求1至7任一项所述的布局方法，其特征在于：进一步根据所述柔性传感器的线长与人体骨骼关节的旋转角度，构建线长与旋转角度关系映射图；所述关系映射图中，x轴表示人体骨骼关节在x轴方向的旋转角度值，y轴表示人体骨骼关节在y轴方向的旋转角度值，z轴表示所述柔性传感器的线长。
9.一种柔性传感器，其特征在于，采用权利要求1至8任一项所述的布局方法。
10.一种服装，其特征在于，包括权利要求9所述的柔性传感器，所述柔性传感器设置于所述服装的肩部关节的外侧、肘部关节的外侧、膝部关节的外侧中的一个以上位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011160040.4A CN114489312B (zh) | 2020-10-27 | 2020-10-27 | 基于人体运动显著性的柔性传感器及其布局方法和应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011160040.4A CN114489312B (zh) | 2020-10-27 | 2020-10-27 | 基于人体运动显著性的柔性传感器及其布局方法和应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114489312A CN114489312A (zh) | 2022-05-13 |
| CN114489312B true CN114489312B (zh) | 2024-04-02 |
Family
ID=81471389
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011160040.4A Active CN114489312B (zh) | 2020-10-27 | 2020-10-27 | 基于人体运动显著性的柔性传感器及其布局方法和应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114489312B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103678769A (zh) * | 2013-11-12 | 2014-03-26 | 浙江大学 | 基于人体骨架与二维形变的真实感服装创建方法 |
| CN108876881A (zh) * | 2018-06-04 | 2018-11-23 | 浙江大学 | 基于Kinect的体型自适应三维虚拟人体模型构建方法及动画系统 |
| CN110288693A (zh) * | 2019-06-06 | 2019-09-27 | 昆明医科大学第二附属医院 | 一种颅内动脉瘤介入手术智能微导管塑形系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005020030A2 (en) * | 2003-08-22 | 2005-03-03 | University Of Houston | Multi-modal face recognition |
| US10713850B2 (en) * | 2018-09-24 | 2020-07-14 | Sony Corporation | System for reconstructing three-dimensional (3D) human body model using depth data from single viewpoint |
-
2020
- 2020-10-27 CN CN202011160040.4A patent/CN114489312B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103678769A (zh) * | 2013-11-12 | 2014-03-26 | 浙江大学 | 基于人体骨架与二维形变的真实感服装创建方法 |
| CN108876881A (zh) * | 2018-06-04 | 2018-11-23 | 浙江大学 | 基于Kinect的体型自适应三维虚拟人体模型构建方法及动画系统 |
| CN110288693A (zh) * | 2019-06-06 | 2019-09-27 | 昆明医科大学第二附属医院 | 一种颅内动脉瘤介入手术智能微导管塑形系统 |
Non-Patent Citations (1)
| Title |
|---|
| Realtime shape-enhanced shading of large scale skinned meshes with fast normal updating;Juncong Lin等;《IEEE》;20160218;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114489312A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Fitting 3D garment models onto individual human models | |
| KR20210011425A (ko) | 이미지 처리 방법 및 디바이스, 이미지 장치, 및 저장 매체 | |
| Zurdo et al. | Animating wrinkles by example on non-skinned cloth | |
| Baek et al. | Parametric human body shape modeling framework for human-centered product design | |
| Webb et al. | Visually interpreting the motion of objects in space | |
| Werghi | Segmentation and modeling of full human body shape from 3-D scan data: A survey | |
| Lobay et al. | Shape from texture without boundaries | |
| Stoll et al. | Template Deformation for Point Cloud Fitting. | |
| CN106164911B (zh) | 映射穿戴者移动性以用于服装设计 | |
| US11922593B2 (en) | Methods of estimating a bare body shape from a concealed scan of the body | |
| Seo et al. | Estimating dynamic skin tension lines in vivo using 3D scans | |
| US11151786B2 (en) | Grading garment that includes supplemental material | |
| Bauer et al. | Anatomical augmented reality with 3D commodity tracking and image-space alignment | |
| CN109766782A (zh) | 基于svm的实时肢体动作识别方法 | |
| Lu et al. | Accurate nonrigid 3d human body surface reconstruction using commodity depth sensors | |
| Duan et al. | Automatic three-dimensional-scanned garment fitting based on virtual tailoring and geometric sewing | |
| Liang et al. | Machine learning for digital try-on: Challenges and progress | |
| Lei et al. | A new approach to 3D pattern-making for the apparel industry: Graphic coding-based localization | |
| CN114489312B (zh) | 基于人体运动显著性的柔性传感器及其布局方法和应用 | |
| Wu et al. | Example-based real-time clothing synthesis for virtual agents | |
| Huang et al. | Automatic alignment for virtual fitting using 3D garment stretching and human body relocation | |
| Li et al. | Garment Recovery with Shape and Deformation Priors | |
| Xu et al. | Human body reshaping and its application using multiple RGB-D sensors | |
| Zhu et al. | Generation of Realistic Virtual Garments on Recovery Human Model | |
| Xu et al. | Predicting ready-made garment dressing fit for individuals based on highly reliable examples |
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 |