基于VR技术的多视觉动画角色3D模型设计与实现

来源:用户上传      作者:

　　摘  要： 为实现多视觉动画角色3D模型的优化设计，提出基于VR技术的多视觉动画角色3D模型设计方法。采用边界体模型设计技术进行多视觉动画角色3D模型的三维造型重构，采用多维空间纹理渲染和场景数据库导入的方法进行多视觉动画角色3D模型的多维空间视觉数据写入，建立多视觉动画角色3D模型的边缘轮廓特征检测模型，结合体模型设计方法进行多视觉动画角色3D模型设计过程中纹理特征分布分割设计，采用Vega Prime进行多视觉动画角色3D模型的实体模型设计，在虚拟现实的VR环境下进行多视觉动画角色3D模型设计。仿真结果表明，采用该方法进行多视觉动画角色3D模型设计的输出质量较高，可靠性较好，提高了动画角色的视觉展示能力。
　　关键词： 多视觉动画角色; 3D模型设计; VR技术; 纹理渲染; 模型优化; 仿真测试
　　Abstract： A VR technology?based 3D model design method of multi?visual animation character is proposed to realize the optimal design of 3D model of multi?visual animation character. The 3D modeling reconstruction of multi?visual animation character 3D model is carried out by means of the boundary volume model design technology， and the multi?dimensional spatial visual data of multi?visual animation character 3D model is written by means of the multi?dimensional spatial texture rendering and scene database import. The edge outline feature detection model of multi?visual animation character 3D model is established. The texture feature distribution segmentation design in the process of multi?visual animation character 3D model design is conducted in combination with the volume model design method， the solid model design of multi?visual animation character 3D model is performed by means of the Vega Prime， and the 3D model design of multi?visual animation character is carried out in the VR environment. The simulation results show that the output quality and reliability of the 3D model design of multi?vision animated characters by using this method are high， and the visual presentation ability of animated characters is improved.
　　Keywords： multi?visual animation character; 3D model design; VR technology; texture rendering; model optimization; simulation testing
　　0  引  言
　　随着动画产业的快速发展，对动画的成像质量和视觉展示效果提出了更高的要求，构建多视觉动画角色3D模型，结合虚拟现实和视景仿真技术，进行多视觉动画角色3D模型设计，可以提高动画角色的视觉展示和动态分析能力[1]。
　　在虛拟现实的视景仿真模型中，建立多视觉动画角色3D模型，采用图像三维重构和视景空间重组方法，构建多视觉动画角色3D模型，提高多视觉动画角色3D视觉效果，相关多视觉动画角色3D模型设计方法研究在动画的制作和应用中具有重要意义。
　　在多视觉动画角色3D模型的三维设计中，采用实时视景仿真渲染软件Vega Prim进行多视觉动画角色3D模型的实体模型构造[2]，本文提出基于VR技术的多视觉动画角色3D模型设计方法。采用边界体模型设计技术进行多视觉动画角色3D模型的三维造型重构，在虚拟现实的VR环境下进行多视觉动画角色3D模型设计，最后进行仿真测试分析。
　　本文方法在提高多视觉动画角色3D模型设计效能方面具有优越性能。
　　1  多视觉动画角色3D模型设计的总体结构
　　为实现基于VR技术的多视觉动画角色3D模型设计，采用边界体模型设计技术进行多视觉动画角色3D模型的三维造型重构[3?4]。
　　结合空间数据采样方法，分析多视觉动画角色3D模型的总体特征量，向网络数据库导入多视觉动画角色3D模型数据库，初始化网络参数。
　　使用Multigen Creator软件创建三维模型，结合MAYA，3ds MAX，SoftImage三维建模软件[5]，进行多视觉动画角色3D模型的多层次化结构分析;采用多层次细节（LOD）和自由度控制（DOF）联合控制的方法进行多视觉动画角色3D模型的动态设计和自动化编译;采用图像融合和高维空间建模的方法建立多视觉动画角色3D模型的多视觉动态图像采样模型;采用OpenFlight逻辑结构分析的方法[6]建立多视觉动画角色3D模型的视图区，得到多视觉动画角色3D模型设计的总体结构模型如图1所示。 　　在对象层次（Object Level）结构模型中，通过关系数据库进行视景装配，以逻辑组的形式组织建立多视觉动画角色3D模型实体模型库，采用ZigBee组网信息进行多视觉动画角色3D模型的网络参数配置和联网设计[7]，得到多视觉动画角色3D模型设计的网络组网模型如图2所示。
　　2  多视觉动画角色3D模型重构分析
　　2.1  多维空间纹理渲染
　　采用多维空间纹理渲染和场景数据库导入的方法进行多视觉动画角色3D模型的多维空间视觉数据写入，建立多视觉动画角色3D模型的边缘轮廓特征检测模型[8]，在纹理分布子空间中得到多视觉动画角色3D图像像素特征分布集为：
　　式中：[h（x，y），f（x，y）]是多视觉动画角色3D图像的像素强度和边缘像素特征分量;符号“*”为卷积运算。通过边缘轮廓特征检测方法进行多视觉动画角色3D图像的向量量化分析，得到视觉动画3D图像的量化特征分布值为[f（x，y）=βF（x，y）+（1-β）ml]。其中，[F（x，y）]为多视觉动画角色3D图像的能量泛函。采用先验形状模型统计分析的方法进行多视觉动画角色3D图像的像素特征点标定，得到的统计特征量为：
　　式中，u为图像灰度值。通过目标边缘连续的标记点对动画角色3D图像进行信息融合，得到轮廓边缘相交曲线分布为：
　　将形状空间中形状先验融入到3D模型中，构建图像序列中目标形状，采用联合稀疏性特征检测方法进行多视觉动画角色3D图像的重构，输出为：
　　式中，x，y为梯度方向的灰度特征。将提取的多视觉动画角色3D图像的动态特征量进行多维空间纹理渲染[9]。
　　2.2  多视觉动画角色3D模型边缘轮廓检测
　　建立多视觉动画角色3D模型的边缘轮廓特征检测模型，结合体模型设计方法进行多视觉动画角色3D模型设计过程中纹理特征分布分割设计[10]，对多视觉动画角色3D图像进行纹理渲染，得到视觉动画角色3D图像的相似度特征为：
　　式中：[σ]为目标区域纹理的概率分布;[Δx]为多视觉动画角色3D图像模糊视觉差。采用背景区域模糊化处理方法，进行多视觉动画角色3D图像的信息增强处理，令[t（x）=e-βd（x）]。其中，[t（x）]为分割目标轮廓，[0<t（x）<1]。在状态空间中进行多视觉动画角色3D图像的边缘轮廓检测，得到特征表达式为：
　　构建多视觉动画角色3D图像的多尺度特征分解和变换模型，进行多视觉动画角色3D图像的灰度特征量检测，对多视觉动画角色3D图像的像素特征点进行均匀分割，得到多视觉动画角色3D图像的信息融合输出为：
　　基于变分水平集建立多视觉动画角色3D图像的高维空间分割模型[11]，提取多视觉动画角色3D图像的边缘轮廓特征量，得到动画角色3D图像的边缘轮廓特征分布为：
　　由此实现对多视觉动画角色3D图像的边缘轮廓检测，根据边缘轮廓检测结果进行3D模型设计。
　　3  动画角色3D模型设计优化
　　采用体绘制方法进行多视觉动画角色3D模型设计过程中的纹理渲染。在观测体（Viewing Volume）模型中建立多视觉动画角色3D模型的虚拟场景数据库，将场景数据库进行多视觉动画角色3D模型设计，采用Multigen Creator 3.2建模方法进行多视觉动画角色3D模型的实体模型构造[12]，向场景数据库导入多视觉动画角色3D模型造型数据信息。通过渲染指令实现多视觉动画角色3D模型重构的程序输出控制，构建程序输出控制模块，在视景仿真端完成多视觉动画角色3D模型设计的视景仿真[13]。
　　在嵌入式平台中运行软件，进入Creator的主界面，实现多视觉动画角色3D模型设计的程序加载和输出控制，流程如图3所示。
　　综上分析，采用Vega Prime进行多视觉动画角色3D模型的实体模型设计[14]，在虚拟现实的VR环境下进行多视觉动画角色3D模型设计。
　　4  实验测试分析
　　为验证本文仿真在实现多视觉动画角色3D模型设计中的应用性能，结合Matlab和Visual C++进行仿真测试分析。在Face Tools中选择面的类型，通过Geometry Tools把面變换为体[15]，通过Insert Materials tool实现多视觉动画角色3D图像加载，得到多视觉动画角色的赋材质和贴纹理过程见图4。
　　采用二次曲面和参数曲面法，进行多视觉动画角色3D模型的修正，采用多种CAD或动画软件模型转换成Creator所支持的OpenFlight格式，得到设计的多视觉动画角色3D模型如图5所示。
　　分析图5得知，设计的多视觉动画角色3D模型空间视觉分辨能力较好，三维造型重构效果较好。
　　5  结  语
　　本文提出基于VR技术的多视觉动画角色3D模型设计方法。使用Multigen Creator软件，采用图像融合和高维空间建模的方法建立多视觉动画角色3D模型的多视觉动态图像采样模型，采用Vega Prime进行多视觉动画角色3D模型的实体模型设计，完成本文方法设计。通过仿真实验得知，采用本文方法进行多视觉动画角色3D模型设计的效果较好，特征分辨能力较强。
　　参考文献
　　[1] 许妙忠，丛铭，万丽娟，等.视觉感受与Markov随机场相结合的高分辨率遥感影像分割法[J].测绘学报，2015，44（2）：198?205.
　　[2] CHEN Lei， LEI Zhenya， YANG Rui， et al. A broadband artificial material for gain enhancement of antipodal tapered slot antenna [J]. IEEE transactions on antennas and propagation， 2015， 63（1）： 395?400. 　　[3] GAMAL E D H A， SAROIT I A， KOTB A M. Grouped tasks scheduling algorithm based on QoS in cloud computing network [J]. Egyptian informatics journal， 2017， 18（1）： 11?19.
　　[4] YU V F， REDI A A N P， YANG C L， et al. Symbiotic organisms search and two solution representations for solving the capacitated vehicle routing problem [J]. Applied soft computing， 2017， 52： 657?672.
　　[5] DIPAYAN Guha， PROVAS Roy， SUBRATA Banerjee. Quasi?oppositional symbiotic organism search algorithm applied to load frequency control [J]. Swarm and evolutionary computation， 2017， 33： 46?67.
　　[6] TEJANI G G， SAVSANI V J， PATEL V K. Adaptive symbiotic organisms search （SOS） algorithm for structural design optimization [J]. Journal of computational design and engineering， 2016， 3（3）： 226?249.
　　[7] GENNARELLI G， SOLDOVIERI F. Multipath ghosts in radar imaging： physical insight and mitigation strategies [J]. IEEE journal of selected topics in applied earth observations and remote sensing， 2014， 8（3）： 1078?1086.
　　[8] XIU C B， BA F S. Target tracking based on the improved Camshift method [C]// Proceedings of the 2016 Chinese Control and Decision Conference. Yinchuan： [s.n.]， 2016： 890?894.
　　[9] 李知娴.激光三维运动成像技术研究[J].激光杂志，2018，39（10）：119?123.
　　[10] 邱玉，赵杰煜，汪燕芳.结合运动时序性的人脸表情识别方法[J].电子学报，2016，44（6）：1307?1313.
　　[11] 李钢，李海芳，尚方信，等.结合局部灰度差异的噪声图像分割模型[J].计算机应用，2018，38（3）：842?847.
　　[12] 王鑫，周韵，宁晨，等.自适应融合局部和全局稀疏表示的图像显著性检测[J].计算机应用，2018，38（3）：866?872.
　　[13] 单玉刚，汪家宝.鲁棒的自适应尺度和方向的目标跟踪方法[J].计算机工程与应用，2018，54（21）：208?216.
　　[14] 王卫红，严鲁琴，金丹丹，等.基于GEPSO模型的面向对象遥感图像分类[J].计算机科学，2015，42（5）：51?53.
　　[15] 赫高进，熊伟，陈荦，等.基于MPI的大规模遥感影像金字塔并行构建方法[J].地球信息科学学报，2015，17（5）：515?522.
　　[16] 王俊强，李建胜，丁波，等.深度学习语义分割方法在遥感影像分割中的性能分析[J].计算机测量与控制，2019，28（7）：231?235.
　　[17] 卿建飞，杨雅萍，李德平，等.基于分布式ElasticSearch的海量遥感影像检索方法研究[J].测绘与空间地理信息，2019（6）：64?66.
　　[18] 乔贤贤.基于多特征融合与深度置信网络的遥感影像分类研究[D].郑州：河南大学，2019.
转载注明来源:https://www.xzbu.com/8/view-15290460.htm