基于点云数据的三维重建关键技术研究
这是一篇关于Kinect,PCL,三维重建,点云配准,曲面重建,商品三维展示的论文, 主要内容为随着互联网的快速发展,电子商务也获得了迅速发展,双十一天猫销售额屡创新高,2017年达到了 1682亿元。随着电子商务的发展,多幅二维图片的已经不能实现充分地商品展示功能,因此三维商品展示已经成为社会迫切需求。除了用于电商平台,三维重建技术还可以用于文物数字化及修复等。但是由于三维重建过程中点云数据的获取、滤波、匹配以及曲面重建等方面存在亟待解决的关键问题,严重阻碍了三维重建技术的发展。本文提出了一种基于Kinect和PCL的低成本并且高效的三维重建系统,主要包括以下内容:(1)首先采集物体360°点云数据,然后对系统进行标定,最后根据标定信息利用直通滤波算法进行感兴趣区域提取;(2)由于采集过程中点云信息存在很多噪声,会对后续点云处理产生很大影响,本文提出一种基于体素滤波和统计滤波相结合的方法实现离群点剔除与点云数据精简,以减少点云配准的算法复杂度,有效实现了点云去噪,点云压缩率达到70%左右;(3)由于点云数据采集过程是在商品旋转过程中分多个角度逐一采集的,因此需要将各个角度的点云数据进行配准融合以保证商品的完整性。点云的配准需要经过两步,粗配准与精配准相结合,粗配准给精配准提供良好的初始位置。本文提出一种SAC-IA粗配准与ICP精配准相结合的方法,最终实现商品的完整融合;(4)经过配准融合后,需要对点云数据紧进行曲面重建,在曲面重建前做了点云平滑处理,使重建效果得到了很大的提升。本文采用Delaunay三角化和Possion算法进行实验,取得了较好的三维重建效果。通过多组实验数据验证,本文方法可以快速、准确地实现三维商品重建。
基于深度图像的在线服装定制人体参数获取模型
这是一篇关于Kinect,深度图像,人体参数化,神经网络,集成学习的论文, 主要内容为随着时代的发展以及科技的迅速进步,人们的物质生活水平也稳步提高,已经不会简单地满足于温饱,而是向着更好的物质水平以及更高的精神需要进行发展。服装作为衣食住行之首,日常生活中是必不可少的,如何穿衣打扮更是人们所必须做的日常工作之一。现代社会以互联网为媒介,向人们传递了大量的信息,以电子商务系统为代表的社交网络也在不停地发生着新的变化,以往商品的各种爆款服装已经不能够再满足人们的需要,即便是小批量的时尚成衣同样也不能够满足人们对于服装个性化的要求。目前,定制服装的定制都需要获知消费者的准确身体参数,而现在主流的电商平台的服装经销商往往只能提供标准的衣服尺码,无法帮助消费者测量。即便有部分线上营销商通过让用户主动提供尺码的方式来解决该问题,但是用户自己采集尺码的过程往往会因为不规范,最后造成服装的不合身。为了解决无法准确获取到人体参数的问题,越来越多的研究者开始进行相关方面的研究工作,让用户穿着特殊服装后通过拍摄的彩色照片来提取用户的人体参数是目前较为常见的解决方案。然而该方法对于用户的特殊穿着以及环境等方面都有着比较特殊的要求,限制较多。因此本研究使用普通商家也能够负担的起的深度相机Kinect作为摄像头,通过这种深度相机来获取到用户的深度图像数据,所有提取出来的深度图像中都附带有每个用户各自的人体特征。然后本研究通过建立基于卷积神经网络的集成学习模型对采集到的深度图像进行训练,为了验证该模型在对人体参数的预测方面是否更加准确,同时采用传统单一神经网络作为实验对照组。最后的实验结果表明,本研究建立的模型相对于传统的单一神经网络,对人体参数的预测值上面的波动更小,并且得到的预测值与实际值之间的最大误差值控制在0.4cm之内,误差均值基本在0.25cm,证明了该模型在其性能上有了较好的改善,在对人体参数的预测方面具有更好的准确性,具有较高的实际应用价值。
哺乳母猪行为信息感知与管理平台研究与设计
这是一篇关于小梅山母猪,Kinect,DBSCAN,脊背提取,Netty,Spring Cloud的论文, 主要内容为母猪饲养管理是整个养猪生产中的重要组成部分,随着养殖业从传统的分散式养殖逐渐向着现代化与规模化方向转型,母猪个体信息与其生长环境越来越受到人们的关注。哺乳期母猪的姿态是其个体信息的重要组成部分,作为母猪哺乳能力的重要评价指标,长期以来依靠饲养员人工观测获取,该方式费时费力且主观性强,还会增加人畜共患病的风险。随着各类传感器应用于规模化养殖,养殖基地的信息中心面临海量数据处理等问题,同时养殖人员的高并发访问也对信息中心的可靠性、快速性与可扩展性提出了更高的要求。本文以哺乳期小梅山母猪为实验对象,针对产床限位栏内哺乳期小梅山母猪的日常行为姿态进行研究,通过Kinect2.0深度相机实现哺乳期小梅山母猪姿态的识别,采用Spring Cloud微服务等相关互联网技术研究并设计了 一套哺乳母猪行为信息感知与管理平台,该平台提高母猪养殖的精细化水平,为实现“互联网+猪产业”提供有力的技术支撑。本文主要的研究内容如下:母猪舍信息采集系统:该系统由环境信息感知节点、母猪姿态信息发送模块、信息汇聚网关与串口服务器等组成,信息汇聚网关获取母猪舍中环境信息感知节点采集的环境参数与母猪姿态信息发送模块上传的母猪姿态序列信息,通过串口服务器发送至远程中间件处理。母猪舍环境控制系统:采用PLC控制器、继电器、接触器与串口服务器等组成母猪舍环境控制系统硬件部分,通过现场手动控制或浏览器等客户端远程控制实现环境调控,从而满足猪场对环境调控的生产需求。母猪姿态识别系统:采用Kinect2.0获取产床限位栏内哺乳期母猪的深度数据,根据哺乳期母猪在限位栏内只表现为站立、坐立、趴卧与侧卧四种有限姿态,通过计算母猪高度数据的众数将姿态分为站姿与卧姿两类,采用DBSCAN密度聚类算法计算母猪高度信息的簇数,通过比较簇的个数将卧姿分为侧卧与趴卧,使用基于脊背线提取的识别算法,将脊背线分成前后2段,通过比较前后2段脊背线的平均高度将站姿分为站立与坐立。最后将识别的姿态按照时间组建成姿态序列由母猪姿态信息发送模块传输至信息汇聚网关。高性能中间件:为应对养殖基地不断接入带来的传感器数量与用户访问量激增等挑战,采用Nginx进行负载均衡将数据均匀分发至各台中间件服务器。中间件基于NIO的Netty框架开发,提供高效稳定的网络连接用于处理实际生产中的数据交互。母猪舍管理系统:该系统旨在为用户提供稳定可靠的人机交互,采用Spring Cloud微服务架构保证系统在高并发访问等挑战下提供稳定的环境数据可视化、环境控制机构远程操作与母猪姿态实时监测等功能。系统在测试期间,母猪舍信息采集系统中各个环境信息感知节点与母猪姿态信息发送模块均工作正常,满足实际的生产需要。母猪舍环境控制系统中PLC控制器在接收到指令码后能够快速控制相应的环境控制机构运行。母猪姿态识别系统根据本文提出的母猪姿态识别算法快速可靠地将母猪姿态识别为站立、坐立、趴卧与侧卧,按照时间将姿态组建成姿态序列上传至服务器。高性能中间件稳定快速接收处理上传的母猪舍环境信息数据与母猪姿态序列数据并根据客户端请求执行相应的指令发送。母猪舍管理系统能够实时监测与控制母猪舍内的环境信息,根据产床限位栏的编号监测对应母猪的姿态信息,可在多用户高并发访问时提供快速可靠的服务,确保实际生产的稳定运行。本平台可通过简单的配置与部署实现扩容,以应对更多养殖基地的接入与更为庞大的用户群体的访问。
基于Kinect的社区家庭处方式康复训练系统的建立
这是一篇关于Kinect,社区康复,处方,动作库,MDH姿势识别的论文, 主要内容为近年来随着互联网、医院和医疗卫生信息化的飞速发展,在我国老龄化程度严峻的背景下,如何为群众提供全方位的医疗服务已成为亟待解决的问题。康复运动是医疗服务的重要组成部分,也一直是医疗领域的热点。然而我国康复医疗资源如:器材、场地等有限,因此将一定程度的康复训练“搬入”家庭和社区具有积极意义。它不仅能够减轻医护人员的工作,也让患者能在轻松愉悦的环境享受医疗服务,从而加强康复效果。在医疗服务逐渐进驻社区的大背景下为了深化发展“医院——社区家庭”全方位模式,必须找到合适的仪器将病人从医院“解放”至社区家庭。合适的仪器应满足:1.从穿戴、场地和操作方法上方便动作数据采集;2.价格合适,性价比高。课题组经过研究发现Kinect传感器符合这两点要求。本课题依托中山大学附属第六医院神经内科,研讨了利用Kinect传感器采集处理数据并开发康复训练系统的可能性。主要包括1.在Microsoft Visual Studio 2010的开发环境中设计并实现基于Kinect传感器与虚拟现实的处方式康复训练前端系统,同时尝试在一个动作中利用基于均值Hausdorff距离(Mean Hausdorff Distance,MDH)进行姿势识别来对该动作评分。2.在MyEclipse 10的开发环境中构建了MVC模式的中心网站,实现患者、医生不同角色用户的交互。经测试康复训练前端系统与中心网站构成的基于Kinect的社区家庭处方式康复训练系统基本可以满足相关人员对社区家庭康复的需求。本文研究内容有:(1)针对脑卒中后遗留肢体活动障碍患者的康复特点,确定康复运动指导原则及依据——神经肌肉本体促进技术,并制定了17个康复训练动作。设计与实现康复训练动作模板,每个动作模板含该动作评分算法与动作指导。所有动作模板构成康复训练动作库,而这17个动作模板分别针对用户不同的患侧进行上肢、下肢或者全身训练。(2)以动作库的动作处方为依据,设计开发人机交互良好的训练系统。新用户创建个人编号,通过导入临床专科医生提供的运动处方,在康复前端系统窗口进行个性化设置从而生成相应训练方案。康复训练前端系统实现了采集患者基本信息、创立个人运动方案、提供康复训练指导、采集实时运动数据、识别与评分动作、反馈训练结果PDF文档和保存用户训练信息的功能。(3)在前端系统中,技术关键点在于提取Kinect传感器数据流中的深度数据并生成用户骨骼骨架skeleton实体与虚拟现实镜像。同时尝试利用MDH算法对指定动作(如动作8)中的多个评分要点进行姿势判断与识别。(4)课题组搭建了J2EE架构的配套简易网站,以患者、医生不同角色注册、登陆后可在线查阅相应信息,通过上传、下载相应文件更新本地或服务器数据。
基于云平台的情景交互式康复训练及评估系统
这是一篇关于康复训练,康复评估,人体姿态估计,情景交互,OpenPose,Kinect,云平台的论文, 主要内容为基于云平台的情景交互式康复训练及评估系统综合应用了虚拟环境、机器学习、云平台等技术进行智能康复研究,具有重要的研究和应用价值。利用虚拟环境技术和人体姿态估计技术实现生动有趣的情景交互式康复训练有助于激发患者主动训练的意愿,基于肢体关节运动数据的康复效果评估则可以客观科学地评估患者的康复训练效果,而云平台技术可以让医生通过网络远程掌握分布在不同区域的患者的康复训练情况,进行基于数据驱动的康复效果评估,并给出及时的康复训练指导。本课题针对基于云平台的情景交互式康复训练及评估系统的关键技术开展了相关研究。首先针对实现情景交互式康复训练、基于云平台的康复数据存储以及康复训练效果评估等需求,提出了基于公共云平台技术的系统构架,分析了软件架构,阐述了主要功能。面向患者的不同失能部位和不同康复阶段,搭建了基于Unity3D的情景交互式康复训练及评估虚拟场景,并利用Kinect采集的患者关节三维位置控制虚拟代理实现具有康复导向性的人机交互。同时通过DTW算法计算患者与正常人的关节运动角度的相似度,以作为康复效果的评价指标。针对Kinect自带的骨骼绑定算法在部分人体被康复机器人遮挡时出现无法识别或误识别的问题,提出了一种融合OpenPose和Kinect的三维人体姿态估计方法,并创新地应用到基于ROS的渐进式康复训练情景交互系统的开发中。该方法首先将由OpenPose算法得到的二维关节点坐标与Kinect获得的深度数据融合获得三维关节点空间坐标,然后利用霍特双参数指数平滑法对关节点运动轨迹进行平滑和预测。实验结果表明该三维人体姿态估计方法使用方便、实时性好,训练过程中获得的三维姿态数据可以用于康复训练效果的评估。针对康复资源短缺、分布不均、成本高的问题,并结合部分病人需要在社区康复中心或者家里进行康复训练的需要,基于SSM和Shiro框架初步实现了“互联网+康复”模式的康复数据管理云平台。云平台可以汇集、存储、分析及查看康复客户端上investigate传的康复数据,康复医师通过云平台追踪患者的训练情况,为患者提供个性化的康复训练指导。研制的基于云平台的情景交互式康复训练及评估系统只用一台Kinect设备就可以获得患者训练过程中的主要关节点的三维空间位置数据,能够激发患者主动康复的积极性,康复评估结果可以为康复医师提供参考,基于云平台的远程监控和指导可以打破患者和医生之间的时空限制,为多渠道的康复、护理、养老新模式的实现提供了技术保障。
基于点云数据的三维重建关键技术研究
这是一篇关于Kinect,PCL,三维重建,点云配准,曲面重建,商品三维展示的论文, 主要内容为随着互联网的快速发展,电子商务也获得了迅速发展,双十一天猫销售额屡创新高,2017年达到了 1682亿元。随着电子商务的发展,多幅二维图片的已经不能实现充分地商品展示功能,因此三维商品展示已经成为社会迫切需求。除了用于电商平台,三维重建技术还可以用于文物数字化及修复等。但是由于三维重建过程中点云数据的获取、滤波、匹配以及曲面重建等方面存在亟待解决的关键问题,严重阻碍了三维重建技术的发展。本文提出了一种基于Kinect和PCL的低成本并且高效的三维重建系统,主要包括以下内容:(1)首先采集物体360°点云数据,然后对系统进行标定,最后根据标定信息利用直通滤波算法进行感兴趣区域提取;(2)由于采集过程中点云信息存在很多噪声,会对后续点云处理产生很大影响,本文提出一种基于体素滤波和统计滤波相结合的方法实现离群点剔除与点云数据精简,以减少点云配准的算法复杂度,有效实现了点云去噪,点云压缩率达到70%左右;(3)由于点云数据采集过程是在商品旋转过程中分多个角度逐一采集的,因此需要将各个角度的点云数据进行配准融合以保证商品的完整性。点云的配准需要经过两步,粗配准与精配准相结合,粗配准给精配准提供良好的初始位置。本文提出一种SAC-IA粗配准与ICP精配准相结合的方法,最终实现商品的完整融合;(4)经过配准融合后,需要对点云数据紧进行曲面重建,在曲面重建前做了点云平滑处理,使重建效果得到了很大的提升。本文采用Delaunay三角化和Possion算法进行实验,取得了较好的三维重建效果。通过多组实验数据验证,本文方法可以快速、准确地实现三维商品重建。
骨骼追踪驱动的动态虚拟人物试衣实时仿真方法研究
这是一篇关于动态虚拟人物试衣,Kinect,约束力方程,骨骼追踪,线性蒙皮法,邻域分割R值化的论文, 主要内容为方便快捷的虚拟试衣系统能极大节省人们的时间和精力,成为虚拟仿真技术研究的热点。与此同时,布料的柔性属性、人体骨骼追踪的不确定性、运动的复杂性也都增加了虚拟试衣的难度。目前虚拟试衣领域大致可分为两个研究方向:其中,2D贴图法普遍具有实时性,但不足以展现布料的弹性、褶皱等物理属性,真实感有待提高;静态三维模型法建模精细,但不能随人体实时运动。为了解决虚拟试衣系统真实感和实时性这一对突出矛盾,本文做了以下工作:首先,为了保证快速建立较为真实的三维模型,采用基于物理的方法构建布料模型,通过三角剖分法构造以三角形网格为载体的质点弹簧,在其基础上添加约束力方程,巧妙地通过约束方程实现布料的拉伸、碰撞等自身属性,有效避免了隐式积分的耗时问题,增强布料真实性的同时大大提高了布料建模的速度;同时,灵活使用点云数据法快速建立人体三维模型,提高了实验的实时性;另外,巧妙应用椭球包围盒解决模型之间穿透问题,保证了试衣的真实感。其次,基于运动捕获技术和骨骼追踪技术,大胆提出用两种方式实现人体运动,分别为Kinect驱动的交互式虚拟人体运动和Avatar设定动画序列的非交互式虚拟人体运动,此举可以大大丰富实验场景,满足不同用户对虚拟试衣系统的要求。再次,为了优化实验效果,采用QLERP插值线性蒙皮法对虚拟人物蒙皮,避免了由于过渡拟合出现的皮肤变形现象,提高了虚拟人物真实感;同时,提出用邻域分割R值化方法提取人体轮廓深度信息,减少了时间复杂度,得到较为纯净的目标人体;另外,对深度图像噪点及轮廓边缘进行双边滤波处理,大大提高了Kinect识别信息的准确率,保证了虚拟试衣的真实感。最后,在Unity3D平台下,实现两种运动方式的虚拟人物试衣实时仿真,设计并完成多组实验,实验结果表明:本文成功地实现了骨骼追踪驱动的动态虚拟人物试衣实时仿真,达到真实感与实时性并存的试衣效果。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码工坊 ，原文地址：https://m.bishedaima.com/lunwen/48197.html
