基于局部约束的服装变形方法研究

J4 ›› 2015, Vol. 37 ›› Issue (03): 599-604.

基于局部约束的服装变形方法研究

张平1，侯进1,2，吕佳佳1

(1.西南交通大学信息科学与技术学院，四川成都 610031；
2.南京大学计算机软件新技术国家重点实验室，江苏南京 210093)

收稿日期:2014-03-05 修回日期:2014-03-31 出版日期:2015-03-25 发布日期:2015-03-25
基金资助:
国家自然科学基金资助项目(61371165)；浙江大学CAD&CG国家重点实验室开放课题资助项目(A1416)；四川省动漫研究中心2012年度科研资助项目(DM201204)；计算机软件新技术国家重点实验室开放课题基金资助项目(KFKT2013B22)

Garment deformation based on local constraints

ZHANG Ping1，HOU Jin1,2，L Jiajia1

(1.School of Information Science and Technology,Southwest Jiaotong University,Chengdu 610031;
2.State Key Laboratory for Novel Software Technology,Nanjing University,Nanjing 210093,China)

Received:2014-03-05 Revised:2014-03-31 Online:2015-03-25 Published:2015-03-25

摘要/Abstract

摘要：

针对目前虚拟服装变形方法不能有效地解决局部不同程度变形的问题，提出一种基于局部约束的服装变形方法。首先，根据人体特征参数自定义构建虚拟人服装模型，并在此过程中对质点弹簧模型和欧拉算法进行了改进；其次，对服装质点施加约束力，在质点原始的位置上添加改进的基函数，并引入约束权重来控制基函数的变化，从而求得质点的正确位置，实现局部不同程度的变形。实验结果表明，该局部约束方法取得了较好的变形效果。

关键词: 服装变形, 局部约束, 基函数, 约束权重

Abstract:

As the current virtual garment deformation methods cannot solve the local deformation of different degrees effectively, a method for garment deformation based on local constraints is proposed. Firstly, the garment model based on human characteristic parameters is established, and the massspring model and Euler algorithm are improved. Secondly, after exerting constrained force, an improved basis function is added to the original position of the particles, and the new positions are computed through the improved basis function combined with impact factors, thus the varying degrees of deformation are complemented. The experimental results indicate that the method has good performance.

Key words: garment deformation;local constraints;basis function;constrainted weight

张平1，侯进1,2，吕佳佳1. 基于局部约束的服装变形方法研究[J]. J4, 2015, 37(03): 599-604.

ZHANG Ping1，HOU Jin1,2，L Jiajia1. Garment deformation based on local constraints [J]. J4, 2015, 37(03): 599-604.

[1]	查东东, 刘华勇, 王曾珍. 带形状参数的三次三角域Bézier曲面[J]. 计算机工程与科学, 2021, 43(11): 1994-2002.
[2]	陈旺虎,段菊，俞茂义. 允许违反局部时间约束的科学工作流调度策略[J]. 计算机工程与科学, 2016, 38(11): 2165-2171.
[3]	何晓亮1,2，宋威1，梁久祯1. 基于资源分配网络和语义特征选取的文本分类[J]. J4, 2014, 36(02): 340-346.
[4]	姜岳道，植物，白根柱. 双参数Bézier曲线的升二次扩展[J]. J4, 2012, 34(5): 112-115.
[5]	李目1,2，何怡刚2，刘祖润1，周少武1. 基于变学习率三角基函数神经网络的4型FIR滤波器设计[J]. J4, 2010, 32(8): 141-144.
[6]	高志华[1] 李朝旭[2] 田立业[1]. 基于增量学习的RBF神经网络的噪声源识别[J]. J4, 2008, 30(11): 118-119.
[7]	涂松[1] 贲可荣[1] 徐荣武[2] 田立业[1]. 采用SOM和RBF神经网络优化的水下航行器噪声源识别[J]. J4, 2007, 29(10): 112-114.
[8]	张建宝[1] 慈林林[2] 等. RBF网络分类器的实现及应用[J]. J4, 2001, 23(6): 105-107.
[9]	张铃[1] 张钹[2]. 前向神经网络设计问题的回顾与探索[J]. J4, 1998, 20(4): 1-10.