[發明專利]一種人體建模中曲面擬合的進化算法

無效

• 申請號: 201210476158.7
• 申請日: 2012-11-21
• 公開（公告）號: CN102938008A
• 公開（公告）日: 2013-02-20
• 發明（設計）人: 楊繼新;劉芳;陶學恒;王學俊;程金石;王慧慧;張鵬;劉彤宴;卜繁嶺;呂艷;劉佳琪
• 申請（專利權）人: 大連工業大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 曲永祚;李洪福

1.一種人體建模中曲面擬合的進化算法，其特征在于：包括以下幾個步驟

第一步：根據復雜曲面上的呈矩形陣列的數據點p_i，j，（i＝0,1,...,r;j＝0,1,...,s），反求出控制點d_i，j(i＝0,1，...,m;j＝0,1，...,s)，對控制頂點和數據點橫、縱向進行平均規范積累弦長參數化從而得到節點矢量，這樣就確定了一個B樣條擬合曲面，該曲面逼近于已知的復雜曲面，但由于選取的數據點的數量、位置有可能存在噪聲和擺動，所以計算出的擬合曲面在某些點處會過分偏離原有曲面；這時根據誤差判斷條件，實時調整偏離點處對應的控制頂點，便可修改擬合曲面的局部性狀，達到更好的擬合效果，由于雙三次B樣條曲面具有良好的局部特性，工程實踐中常常使用雙三次B樣條曲面來擬合復雜曲面；采用雙三次B樣條曲面進行解釋并運用四邊域曲面擬合方法對其擬合；

所述四邊域曲面擬合方法步驟如下：

1、邊界預處理，

2、空間散亂點的參數化，

3、三角網格的建立，

4、建立數學模型；

第二步：建立目標函數為：

Ir=αΣk=0j[Sr(ukr-1,vkr-1)-Pk]2+β[Suur(ukr-1,vkr-1)2+Svvr(ukr-1,vkr-1)2+2Suvr(ukr-1,vkr-1)2]---(1.1)]]>

所述：

S^r(u,0)＝p(u,0);S^r(u,1)＝p(u,1)

S^r(0,v)＝p(0,v);S^r(1,v)＝p(1,v)

S_v^r(u,0)＝p_v(u,0);S_v^r(u,1)＝p_v(u,1)

S_u^r(0,v)＝p_u(0,v);S_u^r(1,v)＝p_u(1,v)

散亂點的個數必須大于所求曲面的未知控制頂點數(l＞m×n)，r表示曲面的迭代次數；s^r(u,v)是經過r次迭代后得到的曲面，并且是曲面S^r(u,v)的u,v兩向量的二階導數和混合偏導數；P_k(k＝0,1,...l)為散亂數據點；是散亂點Pk在r-1次迭代曲面上的參數值；α為逼近權，β為光順權，且α+β＝1；當α值越大時曲線越靠近逼近點，則β較小，曲線越不光順；當β越大時，線越光順，則α變小曲線到數據點的距離則越大，所以應調節好α和β平衡曲線光順和精度的關系；所述可知目標曲面的目標函數是帶有復雜約束條件的二次優化問題使目標函數I^r既能滿足約束，又能達到最小，由此就可求得第r次幾何迭代目標曲面的控制頂點為(i＝0,1,…,m;j＝0,1,…,n)；

第三步：目標函數I^r的求解

目標函數I^r的優化分為兩步；

1.采用Delaunay三角化方法對散亂點進行三角網格擬合，以人體模型數據為例，優化整體曲面的邊界線和基曲面；

2.利用公目標函數運用最小二乘法反求出曲面控制點，將控制點進行編碼產生初始群體，通過適應度函數f＝1/|(F(x，y，z)-z)²+(y(x,y)-y)²+(x-x_i)²-ε|求得最大值，即最終的曲面控制點，以便擬合出基面；

所述擬合出基面的過程：首先對反求出的控制點進行編碼，對控制點數據分塊得到相互連接的矩形區域，為保證曲面的連續性，將每塊曲面的左上角和右下角數值記錄，以便確定細化曲面的范圍，對分塊后曲面內的數據建立初始群體，判斷它的迭代次數是否超出給定范圍，即初次分塊迭代次數為零；如果超出則進入到上層計算重復分塊動作，如果沒有則接著從初始群體中隨機選取第0代群體，所述第0代群體含有n個，所述初始群體含有N個基因，第0代群體含有n個；對其擬合并求出適應度，如果適應度達到給出的標準則停止循環，直接得到擬合曲面，如果不符合適應度的要求則根據適應度的大小對數據進行遺傳和變異操作，判斷新生代基因個數，如果小于初始群體個數則從余下的數據中隨機選取使新生代群體達到n個，從而得到第一代群體，再進入到循環中直到滿足停機條件得到最優的擬合曲面。