三维地形中人体运动生成方法

给出了一种适应于三维地形的虚拟人体运动控制方法。首先提出了一种新的足迹生成方法，然后以足迹作为约束，基于简化的三段运动模型，分别用不同的方法生成各部分运动：用曲线拟合身体质心运动轨迹；采用增加约束条件的逆运动学方法生成下肢运动；采用正向运动学插值方法生成上肢运动。综合人体的质心运动、下肢运动和上肢运动，合成了和谐的人体运动。最后，介绍了部分实现与实验结果。实验表明，该方法实时性好，逼真性高，适用于实现复杂三维地形环境中实时三维人体运动的生成与控制。     

基于引导对抗网络的人体深度图像修补方法

移动设备配备的小型深度相机采集到的人体深度图像存在严重的孔洞问题。针对该问题,提出基于深度学习的引导对抗网络。使用基于堆叠沙漏网络的引导器从RGB图像中提取人体部分分割特征和深度类别特征;在上述人体特征引导下,使用独特的生成器修复人体深度图像中的孔洞。为使结果更加逼真,加入判别器在网络训练过程中对生成器进行优化调整。实验结果显示,该方法在现有的人体数据集和小型深度相机采集的数据集上,都能很好解决孔洞问题,均取得比现有方法更好的效果。     

基于分支定界法的运动控制相机轨迹跟踪

提出一种与视频图像纹理信息无关,以运动控制机器人手眼标定算法为核心的相机轨迹跟踪方法。针对无特定参照物的手眼标定算法精度较低的问题,该方法提出一种运用无穷范数在给定旋转分量时迭代求局部优化解的算法。并进一步基于旋转空间分支定界法,提出新的标定方程定界约束条件及划分策略,用于寻找全局最优解。实验结果表明,提出的方法有效提高了无参照物场景的手眼标定精度,并应用于虚拟现实领域。