申请/专利权人:清华大学
申请日:2021-06-29
公开(公告)日:2024-04-23
公开(公告)号:CN113643419B
主分类号:G06T17/00
分类号:G06T17/00;G06T15/00;G06N3/0499;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.04.23#授权;2021.11.30#实质审查的生效;2021.11.12#公开
摘要:本申请提出一种基于深度学习的人体反向动力学求解方法:对获取到的目标的人体末端关节的坐标,首先利用深度全连接网络补全全身关节的坐标,之后根据全身关节的坐标利用深度全连接网络估计出人体的姿态,再判断估计出的人体的末端关节的坐标对应的位置与输入中要求达到的人体的末端关节的坐标对应的位置之间的误差是否达到设定的精度,若达到则进行渲染,否则利用循环坐标下降算法将姿态进行更新,并且重新判断直至渲染成功。本申请不限制根节点全局旋转,可以估计全局旋转,并通过循环坐标下降算法优化预估的姿态,从而使得最终得到的姿态更加自然、不失真,同时可以将得到的姿态实时渲染,得到渲染结果。
主权项:1.一种基于深度学习的人体反向动力学求解方法,其特征在于,包括以下步骤:S1、获取目标的人体末端关节的坐标;S2、根据所述目标的人体末端关节的坐标,利用深度全连接网络补全全身关节的坐标;S3、根据所述全身关节的坐标,利用深度全连接网络估计出全身关节相对旋转的四元数表示,即人体的姿态;S4、根据所述人体的姿态计算出人体的末端关节的坐标;S5、判断所述人体的末端关节的坐标对应的位置与输入中要求达到的人体的末端关节的坐标对应的位置之间的误差是否达到设定的精度,若达到设定的精度,则执行步骤S7,否则执行步骤S6;S6、将步骤S3估计出的人体的姿态和步骤S1中目标的人体末端关节的坐标输入到循环坐标下降算法中,得到更新后的人体的姿态,继续执行步骤S4;S7、利用人体的姿态驱动三维人体模型,并结合渲染引擎将生成的所述三维人体模型进行实时渲染;其中,所述末端关节包括人体的双手、双脚和头部对应的关节;其中,所述人体末端关节的坐标是所述末端关节与根节点在世界坐标系中的坐标差;其中,所述深度全连接网络是利用人体姿态数据集,根据所述人体姿态数据集中随机选取的根节点全局旋转,并通过正向动力学求出的关节坐标和旋转的四元数表示训练得到。
全文数据:
权利要求:
百度查询: 清华大学 一种基于深度学习的人体反向动力学求解方法
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。