首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于Kinect的实时运动重定向技术研究

摘要第5-6页
ABSTRACT第6页
第1章 绪论第9-16页
    1.1 研究背景与意义第9-10页
    1.2 国内外研究现状第10-14页
        1.2.1 运动捕捉技术第10-12页
        1.2.2 运动重定向技术第12页
        1.2.3 自然人机交互技术第12-14页
    1.3 研究内容第14页
    1.4 章节安排第14-16页
第2章 相关技术研究第16-29页
    2.1 Ogre 三维图形学渲染引擎技术第16-22页
        2.1.1 Ogre 引擎架构第16-19页
        2.1.2 Ogre 骨骼蒙皮动画技术第19-22页
    2.2 kinect 核心算法第22-28页
        2.2.1 深度图像成像原理第22-23页
        2.2.2 基于随机森林决策树的人体部位识别第23-26页
        2.2.3 基于 Mean Shift 的骨架生成第26-28页
    2.3 本章小结第28-29页
第3章 虚拟人模型创建及运动描述第29-42页
    3.1 骨架第29-35页
        3.1.1 关节链结构第29-30页
        3.1.2 关节链结构 DH 表示法第30-32页
        3.1.3 关节链结构的运动求解第32页
        3.1.4 本文的人体骨架模型第32-35页
    3.2 基于帧的运动控制第35-38页
        3.2.1 逐帧关节点变换第35-36页
        3.2.2 基于球面线性插值的帧间渲染第36-38页
    3.3 基于 BVH 文件的运动数据持久化存储第38-41页
    3.4 本章小结第41-42页
第4章 基于约束的运动重定向第42-49页
    4.1 骨骼关节点对应绑定第42-43页
    4.2 改进的混合线性蒙皮算法第43页
    4.3 初始姿势调整第43-44页
    4.4 基于正向运动学的重定向算法第44-45页
    4.5 失真现象第45-46页
        4.5.1 穿透、悬空现象第45-46页
        4.5.2 关节丢失现象第46页
    4.6 基于约束的运动调整第46-48页
        4.6.1 平移补偿算法第46-47页
        4.6.2 关节丢失保持算法第47-48页
    4.7 本章小结第48-49页
第5章 基于 Kinect 的运动重定向平台设计与实现第49-57页
    5.1 环境介绍第49页
    5.2 系统结构第49-51页
        5.2.1 系统模块组成第49-50页
        5.2.2 总体流程第50-51页
    5.3 kinect 数据捕捉模块第51-53页
        5.3.1 模块类图第51-52页
        5.3.2 数据同步加锁第52-53页
    5.4 动作数据持久化模块第53-54页
    5.5 骨骼重定向模块第54-55页
    5.6 三维可视化模块第55-56页
    5.7 本章小结第56-57页
第6章 系统效果及测试第57-61页
    6.1 Kinect 捕捉实验效果第57页
    6.2 重定向实验效果第57-60页
        6.2.1 模型测试第57-58页
        6.2.2 动作仿真测试第58-59页
        6.2.3 失真处理测试第59-60页
    6.3 本章小结第60-61页
第7章 总结与展望第61-63页
    7.1 总结第61页
    7.2 进一步的工作第61-63页
致谢第63-64页
参考文献第64-67页
附录第67-68页
详细摘要第68-69页

论文共69页,点击 下载论文
上一篇:基于ADS1298的12导联动态心电监护仪的实现与心律失常智能诊断算法的研究
下一篇:高光谱图像波段选择及CUDA并行实现研究