视觉驱动的织物动态仿真中的柔性运动重建研究

从织物运动的动态图像序列出发研究织物的柔性运动重建。首先根据织物运动的动态图像序列研究在特征点轨迹空间中对织物的柔性运动进行有效的刚性分解，并结合这一分解研究带矢量熵约束的多层马氏随机场(MRF)进行织物柔性运动重建的理论框架。为有效克服运动重建的不适定性并避免过约束现象产生，研究从含有非各向同性噪声特征点并伴有特征点被遮挡现象的织物图像序列中估计织物的柔性度，并结合柔性物体动态形变的矢量熵描述，以矢量熵约束的形式将织物柔性运动的先验约束融入到各层MRF的求解过程中，使解的不适定问题得以解决。另外，为了有效重建织物各局部的运动细节，还将研究通过神经网络族的方法定义最细层MRF的非规则邻域系统，以反映织物局部区域的相对形变运动并解决不同局部区域之间运动边缘的体现问题及图像中出格点的删除问题。该研究的完成将实现织物柔性运动的鲁棒重建，并在基于视觉信息驱动的织物动态仿真中得到应用。

本项目从织物运动的动态图像序列出发研究了织物的柔性运动重建，主要完成了以下三方面的工作：. (1)根据织物运动的动态图像序列研究了在特征点轨迹空间中对织物的柔性运动进行有效的刚性分解，分析了轨迹基的频谱特性和非刚体特征点运动轨迹频谱特点，探讨了轨迹基的选择对非刚体三维重建的影响。通过分析投影误差的频谱，设定的误差水平选择出能量集中的轨迹基数目和组合形式，既确保了重建算法的精度，又提升了重建效率，实现了轨迹基的自动选择。并结合这一分解研究了柔性运动重建的理论框架。为有效克服运动重建的不适定性，将织物柔性运动的先验约束融入到各层MRF 的求解过程中，使解的不适定问题得以解决。另外，为了有效重建织物各局部的运动细节，还通过神经网络族的方法定义最细层MRF 的非规则邻域系统，以反映织物局部区域的相对形变运动并解决不同局部区域之间运动边缘的体现问题及图像中出格点的删除问题。此外，通过利用离散线性的方法为三维运动搜索最优轨迹基系数和三维结构，建立了一种基于特征符号搜索算法的三维运动轨迹基重建方法。. (2)提出了基于织物柔性运动估计和质点-弹簧模型的提高织物仿真真实感的方法。织物动态仿真中所存在的主要困难是难以确定织物的材料特性和力学形变特性。为解决这一问题，织物上运动特征点的运动约束加入到了质点-弹簧模型中。特征点的运动估计通过特征点轨迹分解的方法得到。然后运动估计的结果用于调节质点-弹簧模型的计算过程，以提高织物仿真的效果。在织物模型的动力学微分方程求解中，提出了一种改进的显式欧拉积分算法。这种方法在织物仿真系统的精确度和计算效率之间实现了有效折中。还通过建立新的织物碰撞检测以及碰撞响应处理等模块实现了织物的动态仿真模拟。实验结果表明，我们的仿真系统在达到实时性的基础上较逼真地模拟了织物仿真的运动效果。. (3)提出了在小波域中利用隐马尔科夫树HMT（hidden Markov tree）的方法对织物进行去噪处理。HMT的有关参数通过EM算法进行估计。针对织物图像的特点，我们采用Haar小波变换将图像按频率分层，找到纹理及毛球所在频率层。在毛球层上计算起毛起球密度，毛球大小，毛球形状等特性参数，进而依据这些参数实现未知织物类型的起毛起球等级判定。此外，我们还提出了基于Mean Shift算法、多特征信息融合以及灰色模型的柔性物体运动跟踪方法。