虚拟试衣几何造型中的个性化人体重建与质感服装仿真研究

Virtual fitting is a hot topic in the garment CAD field and has recently achieved great development. But there still exist some problems such as the low resolution of personalized human body reconstruction and the poor effect of garment simulation with photorealistic appearance. This proposal does the innovative research on some geometric modeling theories in above problems: (1).We propose an energy model considering the error causes by the computation of Kinect depth data and use the global matching by constructing closed v-quaternion interpolating splines in different levels to fast and precisely obtain the human body reconstruction. (2).We construct the spline in tension by the variational interpolation to optimize the measured curve based on the approximate shortest path. Furthermore, we present a human body segmentation method and the automatic measurement of key parts of the human body models based on the centroid-relative curvedness. (3).We introduce a fiber modeling based on the particle group; construct the fiber-based yarn pattern according to the dynamics and kinematics principles of the yarn twisting process, and realize the garment simulation with photorealistic appearance by the yarn warp and weft knittings which include the structure and color matrices. (4).We propose a cloth representation with photorealistic appearance based on the strip of fibers and the minimization of the energy functional. We also construct a hybrid bounding volume hierarchy of the human body model to speed up the collision detection, which can achieve the satisfying dynamic simulation of the garment composed of the fiber-based cloth. These studies can provide the theoretical basis and technical support for the virtual garment fitting. Therefore, it has an important research value.

虚拟服装试衣是服装CAD领域中的热点前沿课题，近年来取得了快速发展，但仍存在着个性化人体重建精度不高、服装质感建模效果不佳等问题。本项目针对这些问题中的一些几何造型理论进行创新研究：（1）构造针对Kinect深度数据成像计算误差成因的能量模型，并使用逐层封闭四元数v样条插值曲线的全局配准方法，快速、准确地得到三维人体重建模型。（2）采用变分插值思想，构造张量样条对基于近似最短路径的测量曲线进行优化；并实现基于相对质心弯曲度的人体分割和关键部位自动测量。（3）给出基于粒子群的纤维建模方法；通过加捻运动学方程和动力学方程求解建立纱线模型；构造纱线组织矩阵和色阶矩阵，得到基于纤维的质感布料与服装模型。（4）提出基于纤维条最小化能量泛函的质感布料表示方法，并构造人体混合层次包围盒进行碰撞检测，快速实现质感服装的动态仿真。这些研究可为虚拟服装试衣提供理论基础和技术支持，具有重要的研究价值。

虚拟服装试衣是服装CAD领域中的热点前沿课题，近年来取得了快速发展，但仍存在着个性化人体重建精度不高、服装质感建模效果不佳等问题。本项目针对以下关键问题进行创新研究：（1）构造针对Kinect深度数据成像计算误差成因的能量模型，并使用逐层封闭四元数v样条插值曲线的全局配准方法，快速、准确地得到三维人体重建模型。（2）采用变分插值思想，构造张量样条对基于近似最短路径的测量曲线进行优化；并实现基于相对质心弯曲度的人体分割和关键部位自动测量。（3）给出基于粒子群的纤维建模方法；通过加捻运动学方程和动力学方程求解建立纱线模型；构造纱线组织矩阵和色阶矩阵，得到基于纤维的质感布料与服装模型。（4）提出基于纤维条最小化能量泛函的质感布料表示方法，并构造人体混合层次包围盒进行碰撞检测，快速实现质感服装的动态仿真。. 经过项目负责人和主要成员共同努力，项目顺利完成预期研究目标。主要成果有：在Computer Graphics Forum、IEEE/ACM Transactions on Computational Biology and Bioinformatics、Computers and Mathematics with Applications等国内外重要期刊和会议上共发表论文17篇(16篇标项目资助号)，其中SCI检索论文13篇，EI检索论文3篇，核心期刊论文1篇；录用EI期刊论文1篇。授权发明专利1项、软件著作权3项；生成三维服装模型虚拟试衣系统原型1项，可应用于数字服装模型与人体模型的匹配和试穿，相关成果获中国纺织工业联合会科技进步奖三等奖。项目研究期间，负责人完成指导研究生10名，其中1人获博士学位，9人获得硕士学位；参加学术会议6次；每年与国内外专家学术交流合作1-2次。项目负责人2017年评为浙江理工大学三级教授；2018年评为浙江省151人才工程第一层次培养人员，2018年聘为浙江省理学学科评议组成员。项目研究期间，负责人所属的数学学科获浙江省一流学科（A类）持续资助建设，应数专业获批国家“双万计划”一流本科专业，本项目研究对学科发展和专业建设起到积极作用。. 总体而言，该项目执行效果好，成果丰硕，为三维服装虚拟试衣等领域提供了重要的理论基础和应用价值。