● 摘要
基于视频图像的三维模型构建是虚拟现实与计算机图形学领域的国际前沿研究方向，具有重要的研究价值与应用前景。本论文针对单相机条件下部件级服装三维模型构建问题，深入调研分析了相关国内外研究现状及其发展趋势，重点开展了RGB-D（颜色深度数据）约束的服装三维模型组合式构建方法研究，主要包括以下研究工作：
1．研究了一种服装结构及部件属性的表达方法，主要描述两个方面的信息：一方面，根据服装设计领域的专业知识，利用树形方式，描述服装的部件组成，以及部件的属性组成。另一方面，设计并实现了服装图像标注工具，并利用课题组的服装图像数据集，利用贝叶斯网络，描述了服装部件间的属性级约束先验。
2．设计并实现了一种基于RGB-D的服装结构及部件属性解析方法。给定人体服装的单帧RGB-D数据，该方法首先从RGB-D数据中估计出人体骨架；结合交互式提取出的服装轮廓，及服装部件相对人体骨架的分布先验，利用课题组已有的级联检测器，在RGB数据中计算出候选服装部件及其候选位置；针对每个服装部件属性，利用随机森林算法，在服装图像数据集上，学习出部件属性分类器；利用部件属性分类器，在候选位置上，计算出候选服装部件属性概率分布；在此基础上，利用研究内容1的约束先验，通过遗传算法，推理解析出最优的服装部件组成及部件属性值。
3．提出并实现了一种基于部件解析的服装三维模型组合式构建方法。给定人体服装单目RGB-D序列数据，利用深度融合算法，计算出服装三维点云、人体三维姿势；遴选出关键帧RGB-D数据，利用研究内容2，推理解析出给定服装的部件组成及其属性值；根据推理解析结果，从实验室课题组设计好的服装部件三维素材库中挑选出符合的候选三维部件，并根据人体三维姿势，利用非刚体变形算法，将候选三维部件配准到服装三维点云，并计算出候选三维部件拟合度，进而挑选出最优服装三维部件；利用保形变形算法，自动拼接最优服装三维部件，并变形拟合到服装三维点云，得到具有部件语义的服装三维模型。
实验结果表明，本论文研究工作的特点为：仅需单个深度相机，即可快速构建出与输入RGB-D序列数据相符合的部件级服装三维模型；所构建的服装三维模型，能够支持服装三维动画生成，具有实用性。