实时虚拟试衣系统的研究与实现

来源 :南京大学 | 被引量 : 0次 | 上传用户:ouwenliao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着电子商务的发展以及用户对虚拟体验不断增长的需求,虚拟试衣系统的研究得到了广泛关注,其基础技术主要是布料仿真技术和虚拟交互技术。交互式的虚拟试穿模式,使得用户的购物体验更加新颖。其中基于3D布料仿真的虚拟试衣系统成为当下研究的热点。当下虚拟试衣系统的最大瓶颈在于衣物的仿真速度太慢,无法与用户的交互操作进行同步,无法完成实时的布料仿真系统。随着图形处理器(GPU,Graphics Processing Unit)并行算力的日益提升,其在布料仿真中的应用也成为研究热点。本文提出了一种实时布料仿真算法,整个算法完全基于GPU实现。将所有的数据和计算分别映射到GPU的数据流和内核中,运用GPU的并行计算能力加速整个迭代过程。本算法主要包括静态布料仿真和动态布料碰撞处理。布料采用弹簧-质点模型,能很好的表征衣物特性,人体采用SMPL模型,能够表征人体的细节特征。在静态布料仿真中,位置更新采用Verlet数值积分,然后以静态人体作为碰撞体,最后提出基于位置映射和非弹性碰撞的响应方式来处理静态的碰撞。因为Verlet积分具有很好的稳定性,从而可以采取大步长进行时间积分,加快了布料仿真的速度。在动态布料碰撞处理中,以相邻帧之间人体扫过的空间为碰撞体,利用局部驱动的方式,进行动态碰撞处理。碰撞检测是整个布料仿真系统中耗时最高的部分,本文采用层次包围盒(BVH,Bounding volume hierarchy)来加速检测,本文利用GPU的并行计算能力快速构造BVH。利用Morton code对碰撞元素进行编码,然后并行构造基数树(BRT,binary radix tree),建立层次结构,最后以并行的方式更新每个内部节点的包围盒。构建S-BVH和D-BVH分别用来静态和动态的碰撞检测加速。同时为了解决在静态仿真中部分包围盒厚度太薄导致检测失败的情况,本文对包围盒在相应三角面的法线方向进行扩展,而后运用扩展的包围盒进行碰撞检测,大大降低了检测失败的概率。实验结果表明,我们的方法与先前的相关技术相比,有着更快的速度,同时保留了布料逼真的效果。最后在此基础上,设计并开发了一套完整的实时虚拟试衣系统。系统主要由三个模块组成,分别是Kinect人体骨骼追踪,布料快速仿真算法以及基于OpenGL的渲染模块。系统支持基本的衣物选择,360°衣物展示等功能,此外利用3D点的拾取算法,实现了用户与系统的实时交互,用户可以对正在仿真的衣服进行拖拽,模拟日常试衣行为。
其他文献
学位
学位
随着城市化的推进,城市建成面积不断的扩张,城市病越来越严重,并且给城市居民带来健康危机。久坐不动的生活方式,以及缺乏体力活动是导致居民超重,及高血压、高血脂、糖尿病等相关慢性病的重要原因。而大量实证研究表明建成环境与居民的体力活动有着密切的关系,通过改善建成环境来提升居民体力活动是一种干预居民健康的有效措施。西方发达国家就建成环境、体力活动、健康之间的关系已经进行了大量的实证研究,并且已经开展了一
互联网技术的高速发展以及5G时代的来临产生了大量需要进行处理的数据,在这些巨量数据中潜藏着宝贵财富。越来越多的企业和学者开始关注和研究如何从这些巨量的数据中提取出对人们有用的信息这一问题。为了解决这一难题,人们采用集群的方式并行化地处理数据,显著加快了巨量数据地处理能力。聚类算法是处理数据时常用的算法之一,Spark平台中并行化聚类算法可以很好地解决大数据环境下的聚类问题。但Spark平台核心聚类
布洛芬(ibuprofen,简称IBP)作为一种常见的抗炎解热药物,是非甾体抗炎药(Non-steroidal Anti-inflammatory Drugs,NSAIDs)的典型代表。由于其广泛应用,估计每年全球IBP产量为几千吨。IBP在水生环境中具有相当高的流动性,不能完全被人体吸收,也不能被市政污水处理厂完全降解。因此水生环境中IBP含量不断富集到较高浓度,导致对人类健康和生态环境造成一定
陆地生态系统总初级生产力(Grossprimary prodution,GPP)作为陆地碳循环的重要组分,是量化生物圈碳收支的重要指标。准确地估算GPP对于理解生态系统对大气CO2浓度升高的响应以及相关政策的制定至关重要。论文以MODIS数据、站点通量数据和气象数据为基础,结合基于光化学反射植被指数的光能利用率估算模型(PRI-LUE model,Light use efficiency mode
苏锡常地区是我国地裂缝灾害重灾区之一,给当地群众的生产生活造成了巨大的经济损失。地裂缝造成地表破裂、地下管道错位、水井干涸和地上房屋建筑等破坏。因此,利用已有地质调查资料对地裂缝在未来时间和空间内进行准确预测,具有非常重要的现实意义。本文以苏锡常地区为研究区域,通过地裂缝的野外调查和成因机制分析确定影响苏锡常地裂缝发育的因子,利用灰色关联度理论确定各影响因子权重,最后结合Arc-GIS平台进行苏锡
机器学习旨在研究如何通过计算的手段,利用经验来改善系统自身的性能。在这个过程中,经验常常以数据的形式存在。因此机器学习主要研究的是从任务数据中产生模型的算法。在现实世界中,根据来源不同,数据的结构和特性也不相同,从而需要使用不同的任务结构进行学习。例如,维基百科中的词条可能有一个或多个标记,而标记维度成千上万,想要对每个词条进行准确的分类,我们就需要建立高维多标记学习任务对其进行学习;而对于互联网
种间竞争是物种演化的动力,也是影响种群动态和群落结构的重要因素。虽然种间竞争在大型脊椎动物和无脊椎动物中得到了广泛证实,但植食性昆虫是否存在强烈的种间竞争仍然存在争论。按照传统竞争理论,所有利用资源相似的物种之间都存在显著的竞争。但植食性昆虫可能因为:1)生活史极为复杂(使植食性昆虫之间相遇概率下降)和2)捕食者的控制(使植食性昆虫的密度下降至较低水平)导致种间竞争作用不显著。特别是寄生性植食性昆
学位