基于双Kinect的人体运动重建
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 本文的研究背景 | 第11-13页 |
| 1.2 相关研究工作 | 第13-19页 |
| 1.2.1 运动捕捉研究现状 | 第13-16页 |
| 1.2.2 模型重建研究现状 | 第16-19页 |
| 1.3 本文的研究思路 | 第19-20页 |
| 1.4 本文内容及安排 | 第20-23页 |
| 第2章 基于双Kinect的深度数据采集技术 | 第23-37页 |
| 2.1 深度数据测量原理简介 | 第23-26页 |
| 2.1.1 深度相机基本原理 | 第23-24页 |
| 2.1.2 Kinect深度测量原理 | 第24-26页 |
| 2.2 基于Kinect的数据采集 | 第26-29页 |
| 2.2.1 单台Kinect采集数据 | 第26-27页 |
| 2.2.2 多台Kinect测量干涉 | 第27-29页 |
| 2.3 基于双Kinect的采集系统 | 第29-35页 |
| 2.3.1 系统配置概述 | 第29-31页 |
| 2.3.2 系统空间标定 | 第31-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第3章 基于双Kinect的人体骨架运动求解 | 第37-53页 |
| 3.1 基于深度图像的人体骨架提取 | 第37-41页 |
| 3.1.1 骨架提取算法简介 | 第37-39页 |
| 3.1.2 骨架优化方法简介 | 第39-41页 |
| 3.2 基于双Kinect的数据获取与处理 | 第41-43页 |
| 3.2.1 人体骨架数据获取 | 第41-42页 |
| 3.2.2 人体骨架数据对准 | 第42-43页 |
| 3.3 基于双Kinect骨架运动优化模型 | 第43-46页 |
| 3.3.1 优化模型的建立 | 第43-45页 |
| 3.3.2 优化模型的求解 | 第45-46页 |
| 3.4 实验结果与分析 | 第46-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 人体静态模型重建与骨架驱动形变 | 第53-69页 |
| 4.1 深度相机点云数据预处理 | 第53-56页 |
| 4.1.1 人体数据采集 | 第53-54页 |
| 4.1.2 数据预处理 | 第54-56页 |
| 4.2 基于单Kinect的人体模型重建 | 第56-63页 |
| 4.2.1 点云数据融合 | 第57-59页 |
| 4.2.2 静态人体重建 | 第59-63页 |
| 4.3 人体模型动态形变 | 第63-65页 |
| 4.4 实验结果与应用 | 第65-67页 |
| 4.5 本章小结 | 第67-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 本文工作总结 | 第69-70页 |
| 5.2 今后研究展望 | 第70-71页 |
| 参考文献 | 第71-79页 |
| 附录 | 第79页 |
