买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】基于CNN布料褶皱识别的多精度网格精化方法_中北大学_201910768724.3 

申请/专利权人:中北大学

申请日:2019-08-20

公开(公告)日:2022-09-16

公开(公告)号:CN110555899B

主分类号:G06T13/40

分类号:G06T13/40;G06N3/04

优先权:

专利状态码:有效-授权

法律状态:2022.09.16#授权;2020.01.03#实质审查的生效;2019.12.10#公开

摘要:本发明属于计算机动画技术领域,公开了一种基于CNN布料褶皱识别的多精度网格精化方法,首先建立人体模型,进行动画模拟,提取关键动画帧并对其褶皱部分进行分割,将分割好的模型作为卷积神经网络的输入,通过CNN训练得到褶皱的识别;再对识别的褶皱部分采用像素网格加精;最后精化后的四边形网格转化为三角形网格,进行布料模拟。相比于传统的基于计算曲率的褶皱识别方法,本发明在保证精确识别褶皱的同时,加快了褶皱识别的速度;采用像素加精的方法对网格精化,使网格更加精细,模拟的布料更加逼真。

主权项:1.基于CNN布料褶皱识别的多精度网格精化方法,其特征在于,包括以下步骤:步骤1.建立人体模型,进行动画模拟,提取关键动画帧并对其褶皱部分进行分割,将分割好的模型以图片格式存储;所述建立人体模型,进行动画模拟的具体过程及遵循的原则为:步骤1.1计算布料运动的运动状态:设初始运动状态为x0,v0 A·Δv=b2其中,x是3n×1维状态矢量,v是3n×1维速度矢量,M是3n×3n的质量矩阵,f是力矢量,n为布料的质点数,Δv为速度变化量,A和b分别为: 其中,f0为初始力矢量,v0为初始速度,Δt为时间变化量,由公式1-4得到无约束下的目标状态x1,v1;步骤1.2在人体模型的动画模拟过程中,布料与人体的碰撞处理使用全局约束,当布料与人体将要发生碰撞时,在即将碰撞的质点处增加约束集g,gp,p1,p2,p3=[p3-p2p1-p2]p-p2-d≥05其中,p为质点,p1,p2,p3是布料三角面片的顶点,d是一个可控校正量;步骤1.3当x1不符合当前约束集时,根据公式9计算Δx,由公式6-8的隐式约束方程推导得到动态约束下的Δx计算公式9, xt+Δt=xt+Δtvt+Δt7gxt+Δt=08约束状态下: 将公式9代入公式10得出 公式11即是新状态下的约束集g,其中,λ为拉格朗日乘子,Δx为状态矢量增量,步骤1.4由步骤1.3得到Δx,更新x1=x1+Δx,修改约束集g,计算 得到新状态x1,v1,根据公式1-12进行布料和人体之间的碰撞及动画模拟;步骤2.将分割好的模型作为卷积神经网络的输入,通过卷积神经网络CNN训练得到最终的识别结果,即为褶皱的识别;步骤3.对识别的褶皱部分采用像素网格加精;步骤4.将精化后的四边形网格转化为三角形网格,进行布料模拟。

全文数据:

权利要求:

百度查询: 中北大学 基于CNN布料褶皱识别的多精度网格精化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术