融合深度图和三维模型的人体运动捕获技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·研究背景与意义 | 第8页 |
| ·国内外研究现状 | 第8-14页 |
| ·运动捕获技术 | 第8-11页 |
| ·基于图模型或视频的运动捕获 | 第11-14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 2 深度图像获取及处理 | 第16-30页 |
| ·引言 | 第16页 |
| ·深度信息获取技术 | 第16-21页 |
| ·激光雷达成像技术 | 第17-18页 |
| ·立体视觉技术 | 第18-19页 |
| ·结构光成像 | 第19-21页 |
| ·本文的深度图像来源 | 第21-23页 |
| ·深度图像处理 | 第23-29页 |
| ·边缘检测 | 第23-26页 |
| ·深度图像去背景 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于深度图像的三维模型 | 第30-37页 |
| ·引言 | 第30页 |
| ·构建三维模型的方法 | 第30-32页 |
| ·三维软件建模 | 第30-31页 |
| ·利用仪器设备建模 | 第31页 |
| ·根据图像或视频建模 | 第31-32页 |
| ·基于深度信息的三维重建 | 第32-34页 |
| ·被动式三维重建 | 第32-33页 |
| ·主动式三维重建 | 第33-34页 |
| ·本文的三维模型重建 | 第34-36页 |
| ·深度数据归一化 | 第34-35页 |
| ·坐标转换 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于深度图像的骨架提取 | 第37-44页 |
| ·引言 | 第37页 |
| ·骨架提取的模型 | 第37-38页 |
| ·中轴变换模型 | 第37-38页 |
| ·最大圆盘圆心模型(Maximal Disks) | 第38页 |
| ·经典的骨架提取算法 | 第38-40页 |
| ·距离变换骨架提取算法 | 第39页 |
| ·偏微分方程骨架提取算法 | 第39页 |
| ·细化法骨架提取算法 | 第39-40页 |
| ·形态学骨架提取算法 | 第40页 |
| ·本文骨架提取算法 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 5 人体运动捕获 | 第44-59页 |
| ·引言 | 第44页 |
| ·数据聚类 | 第44-47页 |
| ·K-means聚类 | 第45-46页 |
| ·层次聚类 | 第46-47页 |
| ·三维模型的点云数据聚类 | 第47页 |
| ·相似性度量 | 第47-50页 |
| ·两个模型之间的距离度量 | 第48页 |
| ·序列之间的相似性度量 | 第48-50页 |
| ·实验结果 | 第50-58页 |
| ·算法的整体流程 | 第50-51页 |
| ·深度图像获取 | 第51-52页 |
| ·三维模型数据库 | 第52页 |
| ·骨架数据库 | 第52-53页 |
| ·运动捕获的结果 | 第53-58页 |
| ·本章小结 | 第58-59页 |
| 6 结论 | 第59-62页 |
| ·工作总结 | 第59页 |
| ·展望 | 第59-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文 | 第66-67页 |
| 致谢 | 第67-69页 |
