导读:本文包含了运动捕获论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:卡尔,柔性,物体,动画制作,椭球,模型,人体。
运动捕获论文文献综述
钟旭,李继成,宋君辉,罗威,孙伟华[1](2019)在《运动捕获技术在电力安全仿真培训中的应用》一文中研究指出为了满足电力企业对员工业务能力的要求,文中提出了一种基于虚拟现实技术的光学运动捕获系统。通过电力模拟单元、ZigBee技术和OpenGL图形库建立电力设备模型、虚拟操作环境和人体模型。利用人体模型驱动算法和卡尔曼滤波算法解决了特征点缺失的问题。实验结果表明,实际运动捕获和实时动画显示的跟踪过程中,采用卡尔曼滤波算法提取特征点更为准确,3D坐标的平均绝对误差(MAD)的平均值为1. 61mm,平均相对误差(MRE)的平均值为2. 23%,该系统能够提高受训者的体验和沉浸感。(本文来源于《信息技术》期刊2019年07期)
廖芳,史金龙,龚肖[2](2018)在《点状特征柔性物体叁维运动捕获方法》一文中研究指出针对具有点状特征的柔性物体,提出了一种叁维运动捕获方法.首先,该方法利用两个标定的高速摄像机拍摄柔性物体的运动视频,并对图像进行立体校正;然后,采用DOG(Difference Of Gaussian)算法获取点状特征的位置,并提取特征点极值;其次,在一定范围的窗口上搜索匹配对,匹配左右图像的特征点;再次,通过叁角测量法进行叁维重建;最后,利用搜索策略进行时间序列上的匹配,实现动态柔性物体的叁维运动捕获,并计算空间坐标、速度、加速度参数.实验结果表明,相比于采用sift算法匹配特征点捕获柔性运动物体的方法,本方法精度更高.(本文来源于《计算机系统应用》期刊2018年07期)
杨茜[3](2018)在《面向人体运动捕获数据的多粒度分割算法研究》一文中研究指出日渐成熟的人体运动捕获技术催生了一批大规模运动数据库的出现,为人体动画生成提供了真实且丰富的数据来源。受运动捕获系统成本、环境、资源等方面的限制,通常动画师们会为表演者连续采集多种类型的行为动作后放在一个运动序列中。为了便于对运动数据进行检索和管理,每个运动序列需要被分割为若干个独立行为片段后才存入数据库。由此可见,运动分割是构建人体运动数据库过程中必不可少的关键步骤。运动分割分为粗粒度运动分割和细粒度运动分割,粗粒度分割的目标是将原始运动序列分割为若干个独立行为片段和过渡行为片段,细粒度分割的目标是将独立行为片段分割为多个重复子周期。完整的运动分割流程包含数据预处理、粗粒度分割和细粒度分割叁个步骤。本文主要工作如下:(1)研究人体运动捕获数据的预处理方法。通过分析人体骨架特有的刚性联动结构,对每帧姿态构建“关节角—叁维坐标”的关联转换模型,并借鉴随机游走模型建立序列的状态转换方程,提出基于二通无损卡尔曼滤波的运动平滑算法,有效地降低了原始运动数据存在的抖动噪声。(2)研究人体运动捕获数据的粗粒度运动分割方法。提出基于时域分析的粗粒度运动分割方法:首先,通过稀疏重构方法预估序列行为类型数目;其次,提出多尺度时序关联分割算法,该算法能够结合上下文信息自适应调整分割尺度,从而解决了由分割尺度固定所引起的过渡行为的难分割问题。(3)研究人体运动捕获数据的细粒度分割方法。提出基于频域分析的细粒度运动分割方法:首先,通过频域分析方法对每个独立行为片段进行特征提取;再应用零速度穿越点检测算法获得片段的候选分割点;最后,采用自适应K-means算法对所有候选分割点进行聚类,并选取帧数跨度最大的一组分割点作为最终的细粒度分割解。实验结果表明,本文提出的基于时频分析的运动分割算法对噪声具有鲁棒性,在粗粒度和细粒度方面均表现出较好的分割性能。(本文来源于《合肥工业大学》期刊2018-04-01)
龚肖[4](2017)在《柔性物体运动捕获方法应用与研究》一文中研究指出随着电影、游戏、动画等行业的发展,运动捕获技术成为近年来计算机视觉领域研究的热门,推动了计算机视觉从2D到3D的发展。但是现阶段的运动捕获技术大多数都依赖昂贵的传感设备,无法实现柔性物体的运动捕获,很大程度上限制了该技术的应用与推广。为了实现对柔性物体的运动捕获,本文使用两台标定的高速相机获取柔性物体的叁维运动轨迹,重建出物体的运动状态,然后利用重建结果计算运动柔性物体的速度、加速度、曲率变化等重要参数。针对特性不同的柔性物体运动提出了不同的叁维运动捕获方法,对于无法提取特征点的柔性物体,提出了一种实用的点特征柔性物体叁维运动捕获方法,包括图像空间重建、时间序列重建等步骤。其中空间和时间序列重建是叁维运动恢复的核心部分,在空间重建方面,使用椭圆拟合得到图像上点的坐标,并根据马氏距离寻找匹配点,然后利用叁角测量法计算空间叁维点;在时间序列重建方面,利用搜索方法匹配点前后图像坐标,从而实现运动过程的叁维恢复。对于特征点比较明显的柔性物体,提出了基于光流的柔性物体运动捕获方法,首先对采集的图像进行模糊处理,然后对左右视图分别进行角点检测,通过检测到的角点进行光流运动跟踪,并且在左右图像上通过角点进行匹配,最终实现运动恢复,完成柔性物体运动捕获。实验结果表明,本文提出的柔性物体运动捕获方法,提高了重建结果的准确度,减少了整个运动捕获过程的时间。通过对目标的运动恢复,准确的获得了物体的叁维运动数据。(本文来源于《江苏科技大学》期刊2017-12-28)
廖芳[5](2017)在《基于点状特征的柔性物体叁维运动捕获方法的应用与研究》一文中研究指出近年来,运动捕获技术被广泛地运用于各个领域,不仅推动了社会的发展,而且给人们的生活带来诸多便利。运动捕获技术显然已经成为一个热点研究内容。针对运动捕获技术的发展,本文提出了一种基于点状特征的柔性物体运动捕获方法。本文主要从基于点状特征的柔性物体运动捕获方法的实现过程以及该方法的实际应用两方面来进行研究。主要研究性工作内容如下:(1)首先,对本文所研究的相关理论背景和技术进行论述,主要分为双目立体视觉的概述、运动捕获技术的分类与方法,并对基于双目立体视觉的叁维重建的实现过程进行了详细地阐述,为后续研究基于点状特征的柔性物体运动捕获方法奠定基础。(2)其次,详细地阐述了本文提出的基于点状特征的柔性物体运动捕获方法的整个技术实现过程,其关键步骤有图像的获取、摄像机立体标定、立体校正、特征点的提取与匹配、叁维重建,其中,采用了DOG方法进行点状特征的提取,再通过基于SAD算法的搜索策略进行点状特征的匹配,并结合RANSAC算法消除误差匹配,紧接着分别进行空间点的叁维重建和时间序列上的运动轨迹的重建。(3)最后,对实验获取的点状特征的叁维空间坐标,速度和加速度数据进行分析,将这些动态数据驱动静态的图像,让静态的图像展现和实验中柔性物体一样的运动效果,从而实现计算机叁维动画的应用。实验结果进行分析表明,本文所用的点状特征的提取和匹配方法,相比于传统的sift算法、surf算法精准度更高。并通过点状特征的叁维空间位置效果图,和matlab环境下得出的点状特征的运动轨迹,可以得出本文基于点状特征的柔性物体运动捕获方的结果较理想,证明了本文方法的有效性和可行性。(本文来源于《江苏科技大学》期刊2017-12-28)
陈伟[6](2017)在《运动捕获技术在3D计算机动画制作中的应用》一文中研究指出在3D计算机动画的创作过程中运动捕获技术已发展成为主要的方法,但就目前而言在运动捕获技术的基础上,为了更高效率的3D计算机动画其制作方法还没有得到有效的解决。在此基础上认真翻阅资料文献并对计算机动画的已有技术做了总结,对当前基于动画捕获数据的主要计算机动画的技术和应用的特点做了全方位的研究分析。并将掌握的其所具备的优点和缺陷进行罗列和研究,在此基础上创新出一种新型的群体动画设计方法,那就是基于多智能角色的创作方法,并通过实验的形式来证明,使得动画的制作方法便捷,效率更高。(本文来源于《自动化与仪器仪表》期刊2017年12期)
谢玉东,王勇,马鹏磊,逯建伟[7](2018)在《水翼振荡运动捕获潮流能的机理研究》一文中研究指出为了揭示水翼发生振荡运动而捕获潮流能的机理,根据流体力学的基本理论,建立水翼振荡运动的模型.利用商用软件ANSYS Fluent对水翼的运动过程进行数值模拟,分析水翼运动对周围流场的影响,讨论水翼的运动参量、尺度参数等对水翼的水动力特性和能量捕获性能的影响规律,获得水翼在流体作用下的动力响应特性.结果表明:水翼的捕能总效率随运动参量变化的过程存在拐点,将水翼的运行参数设置在最高效率点对应的参数下,能够减小瞬时升力系数、瞬时阻力系数、瞬时功率系数各系数曲线的振荡突变现象,但该参数设置下的水翼功率输出未必能够达到最大;升沉运动捕获的能量与水翼厚度呈正相关,俯仰运动捕获的能量与水翼厚度呈负相关;水翼几何参数对水翼工作性能的影响程度与流体黏性的影响密切相关.(本文来源于《浙江大学学报(工学版)》期刊2018年01期)
夏贵羽[8](2017)在《人体运动捕获数据的分析与重用研究》一文中研究指出人体运动捕获数据是一种新型的多媒体数据,在电影、游戏、机器人等领域都得到了广泛的应用。该数据在每一个捕获时间点记录了人体关节的朝向或位置,形成一个运动帧序列。专业的运动捕获设备能够获取高精度的运动数据,在多种应用中逼真地还原出人体运动,给人带来震撼的视觉感受,因而得到了大众的追捧。但是,专业的运动捕获设备的价格十分昂贵,普通用户难以负担,所以运动捕获一般只有大型的公司或者研究机构才能完成,无法得到普及。运动重用技术能够利用已有的运动数据,通过分析和建模生成满足用户需求的新数据,有效降低了使用运动捕获数据的时间、金钱和人力成本,因而受到了广泛的关注,已经成为了一项十分热门的研究课题。运动重用的研究包含了一系列相关技术,如运动分割、运动恢复、运动去噪、运动压缩、运动检索、关键帧提取和运动合成。早期的相关方法多是从运动学和图形学角度进行研究,缺乏对运动数据特性的有效建模,后来也出现了一些基于机器学习方法的运动重用技术,但这些模型多是将一些经典的机器学习算法直接用在了运动数据上,效果并不是很理想,因此本学位论文从机器学习的角度,针对运动分割、运动恢复、关键帧提取和运动合成任务分析运动捕获数据的一些重要特性,设计了一些适用于运动捕获数据的定制型的机器学习算法。本学位论文的主要工作和创新性成果如下:(1)提出了一种鲁棒的时序稀疏子空间聚类算法,解决了含非高斯噪声的运动捕获数据的分割问题。在稀疏子空间聚类的框架下,使用测地线指数核对运动捕获数据的黎曼流形结构进行建模;用相关熵代替原本的二阶统计量进行误差度量;用叁角约束阻断相距较远的运动帧之间的联系,从而保证了分割结果的时序连续性;用多视图重构提取了关节间的关系信息,并将其用于最终的分割。因此,由于对运动数据的一些特性有效的建模,使得提出的模型不仅能够完成时序分割任务,还能抑制运动捕获过程中产生的非高斯噪声。此外,由于叁角约束的引入,将传统的稀疏子空间聚类模型的二次复杂度降为了线性。(2)提出了两种基于稀疏性的运动恢复模型,分别利用运动数据的稀疏和低秩特性完成运动恢复任务。首先,在稀疏表示的框架下,将运动恢复的过程加入到字典学习算法中,即求取不完整运动帧的稀疏表示系数,再用该系数更新完整的字典,使得学习得到的字典在理论上更适合运动恢复。接着,为解决上述方法out-of-sample的问题,提出了一种非线性的低秩矩阵恢复模型。在该模型中,通过多核学习寻找运动捕获数据的特征空间,在其特征空间中,运动数据是线性的并且具有天然的低秩性,从而可以使用低秩恢复对丢失的关节进行恢复。此外,引入运动学约束不仅保证了恢复运动的运动学特性,还可以作为运动恢复的先验知识,有效地压缩优化算法的搜索空间。(3)提出了一种联合核稀疏表示模型,有效地利用运动捕获数据的稀疏特性进行关键帧提取。在该模型中,利用测地线指数核将运动数据投影到希尔伯特空间,假设运动数据在希尔伯特空间中是线性的,以运动本身作为字典,便可以对运动数据进行稀疏表示。用Lp,2(0<p<1)范数代替L1,2范数,以解决传统稀疏表示模型提取的关键帧冗余的问题。为每个关节分配一个单独的重构系数矩阵并进行联合的稀疏表示,使得重构系数矩阵能够获得嵌入在运动中的更为细节的信息。此外,叁角约束的使用使得在优化的过程中每个运动帧都只能被其一定范围内的相邻帧表示,有效解决了周期性运动关键帧分布不合理的问题。(4)提出一种模板化的运动合成模型,简化了运动合成方法的控制方式,提高了运动合成过程的可理解性。利用稀疏主成分分析(Sparse principal component analysis,SPCA)、Group lasso和Exclusive group lasso对人体运动进行建模,学习得到一组低维参数,分别控制着人体运动的一个内在自由度,并具有直观语义;同时,每个关节被尽量少的低维参数所控制,以减少低维参数对彼此所控制的自由度的交叉影响。通过直观地修改低维参数,就能够实时地控制每个参数对应的摆臂幅度、踢腿高度、跳跃距离等运动属性。这种“模板学习、模板定制”的两步方法,有效地降低了运动合成控制的复杂度和运动合成技术的应用门槛。(本文来源于《南京理工大学》期刊2017-06-01)
张赛赛[9](2017)在《面向人体运动捕获的姿态测量算法研究与实现》一文中研究指出体感交互是新一代人机交互的主要界面形式之一。为了实现人体运动和计算机的交互,首先要对人体的运动进行捕获识别。本文针对MEMS惯性式人体运动捕获系统中的传感信息获取和运动姿态分析两个环节,分别从姿态测量单元设计、传感器误差校正、姿态解算与姿态补偿融合等方面进行了深入研究。本文首先对人体运动捕获系统的整体框架进行了设计,结合系统需求设计了姿态测量单元来获取加速度、角速度和磁场分量等运动数据。考虑到系统的可扩展性和实时性,本文基于双缓存和时分复用机制设计了支持多个测量节点异步采集和同步聚合的通信协议。在分析了姿态测量单元中磁传感器受到的自身仪表误差和外界环境干扰之后,建立了多参数误差模型,并基于椭球拟合法对误差进行了有效补偿。同时在分析了陀螺仪中存在的随机漂移后,针对其难以直接量化处理的特点,构建了 ARMA模型,并使用卡尔曼滤波有效消除了陀螺仪的漂移。针对人体运动捕获系统中的运动姿态分析环节,本文在对陀螺仪积分和磁传感器倾斜补偿两种姿态解算方法进行实验对比的基础上,提出了多传感器补偿融合算法,即分别基于梯度下降法、基于互补滤波和PI调节实现了姿态融合,并在不同的状态下对融合精度进行了测试。测试表明,两种融合算法均达到了静态精度0.5°,动态精度2°。与另一常用的融合方法卡尔曼滤波相比较,此两种算法也能达到相应的精度。且在相同精度下,复杂度更小,更加适合于低功耗的嵌入式系统。(本文来源于《浙江大学》期刊2017-03-09)
王强强[10](2016)在《连铸过程多相流、传热凝固及夹杂物运动捕获的研究》一文中研究指出连铸是一个包含流动、传热、凝固等复杂传输现象的综合过程。本研究根据连铸机特点,采用分段模拟的方法,分别对板坯和圆坯连铸全过程进行数值模拟和相关工业试验研究。第一部分研究内容是建立板坯连铸过程流场、传热凝固和磁场耦合计算数学模型,研究电磁制动FC-Mold在不同磁场强度、拉速和浇铸断面下的冶金效果。计算结果表明,施加电磁制动后,弯月面上漩涡的形成受到抑制,钢液面平均温度升高2K左右,铸坯表面温度在宽度方向上分布对称,但会引起弯月面下450 mm处铸坯角部温度回升增大;断面为1300 mm时,电磁制动对凝固末端及冶金长度影响不明显,但是当拉速从1.8 m/min增大到2.0m/min时,冶金长度提高约2.5 m。利用平滑处理(Smoothing)和方差方法分别对现场液位波动和热电偶测温数据进行处理,得到当上磁场强度为下磁场强度的一半时,电磁制动能够使液面低频波动能量和温度波动方差降低,有利于连铸过程的顺行;结合模拟结果对施加电磁制动后表层2 mm内>10μm夹杂物减少的原因进行了解释:弯月面温度越高,凝固钩向铸坯内部生长越不发达,对上浮至钢液面的夹杂物捕获量少,因此铸坯表层洁净度得到改善;电磁制动在改善铸坯中总氧对称性方面效果显着,且施加电磁制动后,铸坯总氧平均值从12.2 ppm降低到10.6 ppm。第二部分研究对象是圆坯离心连铸,首先,研究连铸工艺参数(水口位置、拉速和转速)对钢液流场、液面波动、夹杂物运动等的影响。其计算结果表明:拉速和转速对流场影响最大,其中当拉速从1.24 m/min增大到2.54m/min后,流股冲击深度从126 mm增大到220 mm,钢液面气泡卷入量从0.0003 m3增大到0.0012 m3;降低转速可减少气泡卷入量,当转速为60 rpm时,流股冲击深度最小,为120 mm;水口偏转角度越大,夹杂物分布越分散,而拉速的规律与之相反。然后,研究旋转形式下铸坯传热和凝固的特点,正是因为连铸过程坯壳是旋转的,才使得铸坯表面温度在同一高度上分布均匀,在本计算条件下,圆坯冶金长度约为8.5 m;根据夹杂物尺寸并考虑凝固前沿流股的冲刷作用,确定不同粒径的夹杂物被凝固坯壳捕获的临界条件,预测夹杂物在圆坯断面上的分布情况,结果表明夹杂物粒径越大越容易在铸坯中心处发生聚集。最后,对离心连铸生产的圆坯进行全断面夹杂物扫描,得到硫化类、氧化类和氧化-硫化类夹杂物的分布特点;结合前面的凝固模拟结果解释了氧化类夹杂物在铸坯断面上分布较均匀的原因,并通过酸侵蚀实验得到二次枝晶间距在整个铸坯断面上的分布情况,计算出相应位置在凝固过程的冷却速率,解释硫化类夹杂物在铸坯表层呈带状分布的原因。(本文来源于《北京科技大学》期刊2016-12-12)
运动捕获论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
针对具有点状特征的柔性物体,提出了一种叁维运动捕获方法.首先,该方法利用两个标定的高速摄像机拍摄柔性物体的运动视频,并对图像进行立体校正;然后,采用DOG(Difference Of Gaussian)算法获取点状特征的位置,并提取特征点极值;其次,在一定范围的窗口上搜索匹配对,匹配左右图像的特征点;再次,通过叁角测量法进行叁维重建;最后,利用搜索策略进行时间序列上的匹配,实现动态柔性物体的叁维运动捕获,并计算空间坐标、速度、加速度参数.实验结果表明,相比于采用sift算法匹配特征点捕获柔性运动物体的方法,本方法精度更高.
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
运动捕获论文参考文献
[1].钟旭,李继成,宋君辉,罗威,孙伟华.运动捕获技术在电力安全仿真培训中的应用[J].信息技术.2019
[2].廖芳,史金龙,龚肖.点状特征柔性物体叁维运动捕获方法[J].计算机系统应用.2018
[3].杨茜.面向人体运动捕获数据的多粒度分割算法研究[D].合肥工业大学.2018
[4].龚肖.柔性物体运动捕获方法应用与研究[D].江苏科技大学.2017
[5].廖芳.基于点状特征的柔性物体叁维运动捕获方法的应用与研究[D].江苏科技大学.2017
[6].陈伟.运动捕获技术在3D计算机动画制作中的应用[J].自动化与仪器仪表.2017
[7].谢玉东,王勇,马鹏磊,逯建伟.水翼振荡运动捕获潮流能的机理研究[J].浙江大学学报(工学版).2018
[8].夏贵羽.人体运动捕获数据的分析与重用研究[D].南京理工大学.2017
[9].张赛赛.面向人体运动捕获的姿态测量算法研究与实现[D].浙江大学.2017
[10].王强强.连铸过程多相流、传热凝固及夹杂物运动捕获的研究[D].北京科技大学.2016