检索结果-南通市图书馆

计算机辅助设计与图形学学报 2015年第7期27卷 1211-1216页

作者：胡弘晁建刚杨进赵再骞林万洪中国航天员科研训练中心人因工程重点实验室北京100094

在虚拟操作的人机交互中,为解决视觉方式人手姿态估计的问题,提出一种基于Leap Motion采集设备的关键点模型手姿态参数估计方法.该方法通过建立关键点模型,利用Leap Motion采集的少量手势信息计算模型中人手关键点的空间位置,并将其作... 详细信息

在虚拟操作的人机交互中,为解决视觉方式人手姿态估计的问题,提出一种基于Leap Motion采集设备的关键点模型手姿态参数估计方法.该方法通过建立关键点模型,利用Leap Motion采集的少量手势信息计算模型中人手关键点的空间位置,并将其作为手姿态的估计参数.实验结果表明,文中方法能够实时地估算出手各个关键点的位置以驱动虚拟手运动,为基于手势的虚拟操作人机交互应用奠定了基础.

关键词：手姿态估计关键点模型 Leap Motion

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

数据驱动手部骨骼模型运动研究

数据驱动手部骨骼模型运动研究

引用

作者：童师尧长安大学

学位级别：硕士

数据驱动手部骨骼模型运动技术是计算机动画和增强现实领域的一个重要研究内容。在影视作品,医疗卫生,军事研究等领域中,该项技术都得到了广泛的应用。数据驱动能够非常真实地复现目标物体的运动行为特征,逼真度较高。数据驱动采用的数... 详细信息

数据驱动手部骨骼模型运动技术是计算机动画和增强现实领域的一个重要研究内容。在影视作品,医疗卫生,军事研究等领域中,该项技术都得到了广泛的应用。数据驱动能够非常真实地复现目标物体的运动行为特征,逼真度较高。数据驱动采用的数据采集设备,如数据手套、光电式运动捕获系统等,大多存在着部件组成较多,设备体积较大等问题。针对这类问题,本文采用非入侵式Kinect与Leap Motion两种体积较小的数据采集平台采集的数据,对数据驱动手部骨骼模型运动的方法展开研究。具体研究内容如下:1、构建手部骨骼模型。为了凸显手部骨骼的三维特征,本文基于OpenGL开放式图形库,利用球坐标系向笛卡尔坐标系转换的方法,构建三维球体模型与三维胶囊体模型。参考手部骨骼的解剖结构,合理搭建手部骨骼模型,通过驱动各个关节的旋转角度完成手部姿态的设定。该模型具备与真实手相同的自由度,能够模拟大部分真实手部骨骼动作。2、采用Kinect采集的数据作为数据源,探讨了基于欧拉角与球坐标的腕关节旋转姿态估计方法。基于欧拉角的方法利用罗德里格旋转公式与三维图形变换相关定理获取初始帧与当前帧手方向向量间的欧拉角变化量,然后利用获取的欧拉角变化量驱动模型腕关节转动。基于球坐标的方法,利用笛卡尔坐标系向球坐标系转换来获取初始帧与当前帧手方向向量间的角度变化量,利用该变化量驱动手腕关节运动。实验表明,两种方法在只考虑手方向向量作用的情况下,都能较为真实的反映手的运动情况,且第二种方法在实现时较为简便。但通过后续分析可知,在手方向向量作用情况下考虑手掌法向量的影响,则第一种方法在实现上更具简便性。3、采用Leap Motion采集的数据作为数据源,探讨了基于关键点模型的改进方法。在原始数据的基础上对初始帧时掌关节的坐标进行估计,并提出对当前帧掌关节坐标估计值进行修正的方法。根据手指的结构特征,将手指分为两类。将两类手指在运动时的姿态分别抽象为四边形与三角形两类模型。利用余弦定理对两类模型进行数学建模。在两类数学模型的基础上,结合相关先验知识,对手指上近关节、远关节的弯曲角进行估计。利用估计的弯曲角数据,驱动与之对应的关节旋转,实现手姿态的复现。实验表明,关键点模型的改进方法与改进前的方法相比具有数据利用率高,算法复杂度低,手势姿态复现效果好等优点。本文针对Kincet与Leap Motion两种数据源进行了数据驱动的手部骨骼模型运动呈现方法研究。实验结果表明,Kinect数据源能够获取良好的手腕关节的运动信息,但在获取手指运动信息方面存在数据丢失和较多噪声等问题。Leap Motion数据源相较Kinect数据源能够获取更为丰富和可靠的手指运动信息。本文提出的基于关键点模型的改进方法在LeapMotion数据源上能够获得逼真度很高的手部骨骼运动。

关键词：数据驱动 OpenGL 欧拉角球坐标关键点模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

3维交替方向隐式时域有限差分算法及其应用

引用

安徽大学学报（自然科学版） 2020年第4期44卷 52-59页

作者：高林谢国大黄志祥许杰吴先良安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

为了克服在传统时域有限差分算法中时间步长受网格尺寸大小的限制,提出一种用于精确模拟波在色散金属结构传播的3维交替方向隐式时域有限差分算法.首先,利用广义关键点色散模型描述金属材料在光学频率下的电磁特性;然后,采用2个1阶微分... 详细信息

为了克服在传统时域有限差分算法中时间步长受网格尺寸大小的限制,提出一种用于精确模拟波在色散金属结构传播的3维交替方向隐式时域有限差分算法.首先,利用广义关键点色散模型描述金属材料在光学频率下的电磁特性;然后,采用2个1阶微分方程代替2阶广义辅助微分方程的方法,避免时间步长引起的不稳定,降低算法的复杂度和应用难度;最后,用交替方向隐式时域有限差分算法研究1维等离子体模型和3维金属谐振腔结构,将交替方向隐式时域有限差分算法的结果与传统时域有限差分算法进行对比.结果表明二者吻合较好,但交替方向隐式时域有限差分算法的效率更高.

关键词：时域有限差分法交替方向隐式时域有限差分法金属结构关键点模型辅助微分方程

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

色散媒质的无条件稳定ADI-FDTD算法的研究

色散媒质的无条件稳定ADI-FDTD算法的研究

引用

作者：高林安徽大学

学位级别：硕士

时域有限差分（finite difference time domain,FDTD）方法是求解当代微波工程中电磁问题的一种有效的数值算法。该算法需要满足时间稳定性条件,其时间步长主要受仿真区域中最小网格尺寸的限制,这使得该方法在模拟具有精细结构剖分的色... 详细信息

时域有限差分（finite difference time domain,FDTD）方法是求解当代微波工程中电磁问题的一种有效的数值算法。该算法需要满足时间稳定性条件,其时间步长主要受仿真区域中最小网格尺寸的限制,这使得该方法在模拟具有精细结构剖分的色散媒质时计算优势不明显。为了克服时间稳定性条件的限制,本文研究了无条件稳定的交替方向隐式时域有限差分（alternating direction implicit finite difference time domain,ADI-FD TD）算法在色散媒质中的仿真应用。另外,FDTD算法在模拟不同媒质区域时常采用不同的离散方法,无法给出一个统一的数值离散过程。因此,本文将递归积分（recursive i ntegral,RI）方法和FDTD算法相结合,实现FDTD算法在仿真不同色散媒质时统一的一体化建模。首先,介绍了FDTD算法的基本理论知识和一些公式的推导过程,包括:基本差分方程、FDTD算法的数值色散、激励源设置。介绍了常见的色散介质模型,如Debye色散模型、Lorentz色散模型,及其相应数值离散过程的实现。其次,为了提高时域数值算法模拟仿真色散媒质的效率。提出了一种高效快速模拟波在色散金属结构中传播的三维无条件稳定的ADI-FDTD算法。基于关键点色散模型,开发了ADI-FDTD算法来研究一维的等离子体模型和三维的金属谐振腔结构的电磁特性。数值结果与传统的FDTD算法仿真结果吻合较好,验证了所提数值算法的正确性和有效性。接着,将无条件稳定的ADI-FDTD算法应用到基于二次复有理函数（quadratic complex rational function,QCRF）模型的生物组织仿真中,分析了生物肌肉组织在400MHzGHz范围内的电磁特性,进一步验证了ADI-FDTD算法的无条件稳定性。最后,在FDTD算法框架下,将递归积分方法应用到基于N极德拜型色散媒质的仿真应用中。在处理频域色散项时采用降阶处理,避免了高阶时间导数引起的复杂离散项。同时,该方法可实现一体化的数值离散框架来对仿真区域中色散媒质以及吸收边界条件的建模。数值仿真结果验证了该方法的正确性和有效性。

关键词：时域有限差分法无条件稳定交替方向隐式时域有限差分算法关键点模型二次复有理函数递归积分法 N极德拜型色散媒质

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度图像的坐姿识别技术及应用研究

基于深度图像的坐姿识别技术及应用研究

引用

作者：曾星国防科技大学

学位级别：硕士

坐姿识别是人体行为分析中一项关键性课题,其在军事、教育、监控、医疗等诸多领域具有广阔的应用前景。相比传统的基于传感器的坐姿识别方法,视觉坐姿识别方法基于坐姿图像进行分析,具有实施简单、信息丰富、部署更智能等优势。尤其是... 详细信息

坐姿识别是人体行为分析中一项关键性课题,其在军事、教育、监控、医疗等诸多领域具有广阔的应用前景。相比传统的基于传感器的坐姿识别方法,视觉坐姿识别方法基于坐姿图像进行分析,具有实施简单、信息丰富、部署更智能等优势。尤其是随着深度相机的出现,极大的简化了对人体坐姿三维建模的过程,有利于提高视觉坐姿识别的可靠性和准确性。基于此,本文主要对基于深度图像的坐姿识别进行研究。本文以准确识别人体坐姿以及坐姿识别的实用化为研究目标,主要围绕坐姿深度图像的获取与处理、图像的特征提取、坐姿的准确识别以及坐姿检测系统的设计等相关内容展开深入研究。论文的主要工作及创新点如下:(1)针对坐姿设计了一种快速有效的图像分割算法。本文基于阈值分割法,用实际的深度距离作为分割值,并根据坐姿的特点设计了一种阈值更新方法,从而实现了坐姿图像中背景的有效分割。另外,还充分考虑坐姿情景遇到的干扰情况,设计了一种外部方框更新方法来实现外部干扰的去除。实验测试表明,该分割算法能有效的对深度图像中人体进行分割,并且具有很好的实时性。(2)针对简单场景下的坐姿提出了一种基于关键点的坐姿识别算法。首先结合“威特鲁人”设计了坐姿关键点模型;随后,基于2D轮廓均方距离模板匹配算法定位了头部,并运用人体结构特点、轮廓特征与深度特征定位了肩部与身体中心;最后,提取坐姿关键点角度、关键点深度与图像轮廓等特征进行训练得到了坐姿判定标准。通过该判定标准来对简单场景下的坐姿进行识别,平均识别率可以达到95.92%,平均识别一张图像的时间为50ms,具有很好的准确性与实时性。(3)针对复杂场景下的坐姿提出了一种基于深度图像投影的坐姿识别算法。首先将坐姿深度图像进行投影得到投影图像,并对投影图像进行空白去除、双三次插值缩放、归一化处理以及PCA降维从而得到投影特征;随后,又对前视图进行金字塔HOG特征提取得到坐姿深度图的HOG特征;最后,将两者进行融合得到坐姿特征向量,并运用随机森林分类算法进行训练与分类。最终的测试结果表明,该算法在复杂场景下的平均坐姿识别率能够达到99.27%。(4)基于Android平台进行了坐姿检测系统的设计与实现。本文首先进行了坐姿检测系统的环境搭建,并将坐姿识别算法在Android平台上进行了移植与实现。随后,在坐姿识别算法的基础上为坐姿检测系统设计了坐姿检测、图像显示、坐姿提醒、坐姿统计、状态分析、数据库存储以及图像回放等多个实用功能。最后,通过实际的坐姿应用测试验证了本系统的有效性与可靠性。

关键词：坐姿深度图像关键点模型投影特征 Android

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进型手姿态关键点估计方法在Leap Motion中的应用

引用

工业控制计算机 2017年第9期30卷 36-37页

作者：雷安琪冯玉田唐子成上海大学通信与信息工程学院上海200444

在虚拟现实和人机交互交叉领域中,人手姿态的精确估计显得尤为重要。通过对基于Leap Motion的手姿态关键点模型的研究,提出一种改进型的手姿态关键点估计方法。该方法基于三维骨架模型所提出的解三角形或解四边形的方法,通过采集大量手... 详细信息

在虚拟现实和人机交互交叉领域中,人手姿态的精确估计显得尤为重要。通过对基于Leap Motion的手姿态关键点模型的研究,提出一种改进型的手姿态关键点估计方法。该方法基于三维骨架模型所提出的解三角形或解四边形的方法,通过采集大量手姿态作为样本,并进行特征提取,得到各指间关键点的位置及角度关系作为参数,将关键点连成一个网状曲面,从而形成一种新的通过指间关系进行关键点估计方法。实验表明,改进后的方法在关键点的位置估计准确率达到98%,明显提高了手姿态关键点估计得精确性和鲁棒性,并且通过各指间关键点的变化作为手姿态识别的预判,为动态手势识别方法的改进奠定了基础。

关键词：关键点模型手姿态估计方法特征提取

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：