一種基于運動軌跡的四維運動點云分割與重建方法
【專利摘要】本發(fā)明涉及計算機圖形領域,提供了一種基于運動軌跡的四維運動點云分割與重建方法。實現(xiàn)了運動軌跡的骨架提取,包括:獲取運動數(shù)據(jù),進行相鄰數(shù)據(jù)配準,運動軌跡數(shù)據(jù)提取,運動軌跡數(shù)據(jù)聚類分析,聚類分析后的運動數(shù)據(jù)進行一致性股價提取。本發(fā)明不需要事先定義模版,也不需要每一幀的數(shù)據(jù)首先進行骨架提取,對點云質(zhì)量要求較低。
【專利說明】—種基于運動軌跡的四維運動點云分割與重建方法
【技術領域】
[0001]本發(fā)明涉及計算機圖形領域,特別是涉及一種基于運動軌跡的四維運動點云分割
與重建方法。
【背景技術】
[0002]現(xiàn)有的運動捕捉與分割需要模版或者對點云質(zhì)量要求較高,或者從單幀點云中提取出骨架,進行多幀骨架的一致性優(yōu)化和處理。
[0003]現(xiàn)有技術對物體的分割大多數(shù)是基于點云幾何特征的,缺乏時間和空間的連續(xù)性和一致性;已有的追求時空一致性的點云骨架重建方法,對輸入點云的質(zhì)量要求較高,因為他們需要從輸入的時序點云中提取出粗糙的骨架,然后進行時間和空間的一致性優(yōu)化。
【發(fā)明內(nèi)容】
[0004]本發(fā)明采用一種基于運動軌跡的四維運動點云分割與重建方法,實現(xiàn)了運動軌跡的骨架提取,本發(fā)明不需要事先定義模版,也不需要每一幀的數(shù)據(jù)首先進行骨架提取,對點云質(zhì)量要求較低。本發(fā)明采用如下方案:
[0005]一種基于運動軌跡的四維運動點云分割與重建方法,包括:
[0006]S1、獲取運動數(shù)據(jù);
[0007]S2、對所述運動數(shù)據(jù)進行相鄰幀數(shù)據(jù)配準;
[0008]S3、對通過步驟S2配準后的數(shù)據(jù)進行運動軌跡數(shù)據(jù)提??;
[0009]S4、對步驟S3所述的運動軌跡數(shù)據(jù)進行聚類分析;
[0010]S5、對步驟S4所述聚類分析后得到的數(shù)據(jù)進行一致性骨架提取。
[0011 ] 優(yōu)選地,所述獲取運動數(shù)據(jù),采用基于激光掃描儀的運動數(shù)據(jù)捕獲方法。
[0012]優(yōu)選地,激光掃描儀以一定的幀率連續(xù)的對運動物體進行點云數(shù)據(jù)掃描和獲??;獲取后的數(shù)據(jù)以每幀一個文件的形式存儲于電腦中。
[0013]優(yōu)選地,對所述運動數(shù)據(jù)進行相鄰幀數(shù)據(jù)配準的方法為采用非剛性匹配的方法實現(xiàn),所述非剛性匹配方法為每一幀中的每一個點在下一幀中尋找一個對應點。
[0014]優(yōu)選地,對通過步驟S2配準后的數(shù)據(jù)進行運動軌跡數(shù)據(jù)提取的方法為,采用深度優(yōu)先的方法將相鄰的方向類似的相鄰兩幀之間運動軌跡相連生長,從而得到多幀之間點與點之間的運動軌跡。
[0015]優(yōu)選地,對步驟S3所述的運動軌跡數(shù)據(jù)進行聚類分析的方法為,基于運動軌跡的距離公式,采用譜聚類或者kmean聚類法,根據(jù)運動軌跡數(shù)據(jù)的相似性將運動物體分割為不同的運動部分。
[0016]優(yōu)選地,其特征在于,對步驟S4所述聚類分析后得到的數(shù)據(jù)進行一致性骨架提取還包括對分割完成的部分根據(jù)鄰接關系計算出一致性的骨架的步驟。
[0017]優(yōu)選地,根據(jù)鄰接關系計算出一致性的骨架的方法為,對骨架的節(jié)點,從相鄰節(jié)點以及相鄰的節(jié)點到下一幀的對應點中找到對應關系,從而將骨架的關鍵節(jié)點轉(zhuǎn)換到下一幀,迭代進行,可以轉(zhuǎn)換到N幀數(shù)據(jù)中。
[0018]本發(fā)明公開的一種基于運動軌跡的四維運動點云分割與重建方法,通過獲取運動數(shù)據(jù),進行相鄰數(shù)據(jù)配準,運動軌跡數(shù)據(jù)提取,運動軌跡數(shù)據(jù)聚類分析,聚類分析后的運動數(shù)據(jù)進行一致性股價提取,實現(xiàn)了運動軌跡的骨架提取,本發(fā)明不需要事先定義模版,也不需要每一幀的數(shù)據(jù)首先進行骨架提取,對點云質(zhì)量要求較低。
【專利附圖】
【附圖說明】
[0019]圖1為本發(fā)明實施例1 一種基于運動軌跡的四維運動點云分割與重建方法流程圖;
[0020]圖2為本發(fā)明實施例1四幀點云作為示例;
[0021]圖3為本發(fā)明實施例1相鄰幀數(shù)據(jù)配準后的示例;
[0022]圖4為本發(fā)明實施例1點與對準后的點的連線關系;
[0023]圖5為本發(fā)明實施例1多幀之間點與點之間的運動軌跡;
[0024]圖6為本發(fā)明實施例1不同軌跡的距離定義直觀展示圖;
[0025]圖7為本發(fā)明實施例1聚類分析前的若干運動軌跡;
[0026]圖8為本發(fā)明實施例1聚類分析后的運動軌跡。
【具體實施方式】
[0027]為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白,以下結(jié)合附圖及實施例,對本發(fā)明進行進一步詳細說明。應當理解,此處所描述的具體實施例僅僅用以解釋本發(fā)明,并不用于限定本發(fā)明。
[0028]本發(fā)明實施例提供了一種基于運動軌跡的四維運動點云分割與重建方法,包括:
[0029]S1、獲取運動數(shù)據(jù);
[0030]S2、對所述運動數(shù)據(jù)進行相鄰幀數(shù)據(jù)配準;
[0031]S3、對通過步驟S2配準后的數(shù)據(jù)進行運動軌跡數(shù)據(jù)提取;
[0032]S4、對步驟S3所述的運動軌跡數(shù)據(jù)進行聚類分析。
[0033]S5、對步驟S4所述聚類分析后得到的數(shù)據(jù)進行一致性骨架提取。
[0034]本發(fā)明實施例通過獲取運動數(shù)據(jù),進行相鄰數(shù)據(jù)配準,運動軌跡數(shù)據(jù)提取,運動軌跡數(shù)據(jù)聚類分析,聚類分析后的運動數(shù)據(jù)進行一致性股價提取,實現(xiàn)了運動軌跡的骨架提取,本發(fā)明不需要事先定義模版,也不需要每一幀的數(shù)據(jù)首先進行骨架提取,對點云質(zhì)量要求較低。下面對本發(fā)明進行詳細闡述。
[0035]實施例1:
[0036]請參閱圖1所示,為本發(fā)明一種基于運動軌跡的四維運動點云分割與重建方法流程圖。該方法包括下述步驟:
[0037]S1、獲取運動數(shù)據(jù)。
[0038]本實施例提供一個四幀點云作為示例,如圖2,采用基于激光掃描儀的運動數(shù)據(jù)捕獲方法,激光掃描儀以一定的幀率連續(xù)的對運動物體進行點云數(shù)據(jù)掃描和獲??;獲取后的數(shù)據(jù)以每幀一個文件的形式存儲于電腦中。
[0039]S2、對所述運動數(shù)據(jù)進行相鄰幀數(shù)據(jù)配準。[0040]對運動數(shù)據(jù)進行相鄰幀數(shù)據(jù)配準,采用非剛性匹配的方法實現(xiàn),匹配方法為每一幀中的每一個點在下一幀中尋找一個對應點,如圖3,每幀中右側(cè)點為配準后的點,點與對準后的點的連線關系如圖4。
[0041]S3、對通過步驟S2配準后的數(shù)據(jù)進行運動軌跡數(shù)據(jù)提取。
[0042]對通過步驟S2配準后的數(shù)據(jù)進行運動軌跡數(shù)據(jù)提取,采用深度優(yōu)先的方法將相鄰的方向類似的相鄰兩幀之間運動軌跡相連生長,從而得到多幀之間點與點之間的運動軌跡,如圖5。
[0043]S4、對步驟S3所述的運動軌跡數(shù)據(jù)進行聚類分析。
[0044]對步驟S3所述的運動軌跡數(shù)據(jù)進行聚類分析,基于運動軌跡的距離公式,采用譜聚類或者kmean聚類法,根據(jù)運動軌跡數(shù)據(jù)的相似性將運動物體分割為不同的運動部分。
[0045]運動軌跡數(shù)據(jù)之間的相似性計算采用歐氏距離算法,考慮軌跡之間的歐氏距離和運動方向之間的關系。聚類分析時,隨機選取N條軌跡作為聚類中心,然后將相似的軌跡數(shù)據(jù)不斷的添加到最近的聚類當中,同時更新聚類中心,此步驟迭代進行到所有的軌跡被聚類活滿足用戶指定的其他條件為止。不同距離的定義計算使用如下方法:
[0046]dl=歐式距離;
[0047]d2=夾角 α ;
[0048]d=歸一化(dl)+歸一化(d2);
[0049]不同軌跡的距離定義直觀展示如圖6。
[0050]聚類分析前的若干運動軌跡如圖7,聚類分析后的運動軌跡,如圖8。
[0051]S5、對步驟S4所述聚類分析后得到的數(shù)據(jù)進行一致性骨架提取。
[0052]根據(jù)鄰接關系計算出一致性的骨架,包括對骨架的節(jié)點,從相鄰節(jié)點以及相鄰的節(jié)點到下一幀的對應點中找到對應關系,從而將骨架的關鍵節(jié)點轉(zhuǎn)換到下一幀,迭代進行,可以轉(zhuǎn)換到N幀數(shù)據(jù)中。
[0053]以上所述僅為本發(fā)明的較佳實施例而已,并不用以限制本發(fā)明,凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等,均應包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1.一種基于運動軌跡的四維運動點云分割與重建方法,其特征在于,包括: 51、獲取運動數(shù)據(jù); 52、對所述運動數(shù)據(jù)進行相鄰幀數(shù)據(jù)配準; 53、對通過步驟S2配準后的數(shù)據(jù)進行運動軌跡數(shù)據(jù)提取; 54、對步驟S3所述的運動軌跡數(shù)據(jù)進行聚類分析; 55、對步驟S4所述聚類分析后得到的數(shù)據(jù)進行一致性骨架提取。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述獲取運動數(shù)據(jù),采用基于激光掃描儀的運動數(shù)據(jù)捕獲方法。
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,激光掃描儀以一定的幀率連續(xù)的對運動物體進行點云數(shù)據(jù)掃描和獲?。猾@取后的數(shù)據(jù)以每幀一個文件的形式存儲于電腦中。
4.根據(jù)權(quán)利要求1所述的方法,其特征在于,對所述運動數(shù)據(jù)進行相鄰幀數(shù)據(jù)配準的方法為采用非剛性匹配的方法實現(xiàn),所述非剛性匹配方法為每一幀中的每一個點在下一幀中尋找一個對應點。
5.根據(jù)權(quán)利要求1所述的方法,其特征在于,對通過步驟S2配準后的數(shù)據(jù)進行運動軌跡數(shù)據(jù)提取的方法為,采用深度優(yōu)先的方法將相鄰的方向類似的相鄰兩幀之間運動軌跡相連生長,從而得到多幀之間點與點之間的運動軌跡。
6.根據(jù)權(quán)利要求1所述的方法,其特征在于,對步驟S3所述的運動軌跡數(shù)據(jù)進行聚類分析的方法為,基于運動軌跡的距離公式,采用譜聚類或者kmean聚類法,根據(jù)運動軌跡數(shù)據(jù)的相似性將運動物體分割為不同的運動部分。
7.根據(jù)權(quán)利要求1所述的方法,其特征在于,對步驟S4所述聚類分析后得到的數(shù)據(jù)進行一致性骨架提取還包括對分割完成的部分根據(jù)鄰接關系計算出一致性的骨架的步驟。
8.根據(jù)權(quán)利要求7所述的方法,其特征在于,根據(jù)鄰接關系計算出一致性的骨架的方法為,對骨架的節(jié)點,從相鄰節(jié)點以及相鄰的節(jié)點到下一幀的對應點中找到對應關系,從而將骨架的關鍵節(jié)點轉(zhuǎn)換到下一幀,迭代進行,可以轉(zhuǎn)換到N幀數(shù)據(jù)中。
【文檔編號】G06T7/20GK103714555SQ201310684707
【公開日】2014年4月9日 申請日期:2013年12月13日 優(yōu)先權(quán)日:2013年12月13日
【發(fā)明者】謝科, 黃惠, 陳寶權(quán), 丹尼爾·科恩 申請人:中國科學院深圳先進技術研究院