论文部分内容阅读
面向产品适配性的号型系统是人体测量领域重要的研究内容之一。基于一个或少数几个人体尺寸的传统号型系统,未能充分考虑人体表面测量点间的形状信息。这不仅将影响到产品佩戴的舒适性,还会带来安全隐患乃至灾难。三维扫描技术的发展,为克服传统号型系统的弊端与不足提供了可能。但是,基于三维人体数据的号型系统存在诸多难题。三维数据曲面的建模复杂度问题和数据处理分析的计算复杂度问题亟待解决。因此寻求一种合适的三维人体描述模型,并且在该描述模型基础上进行三维形状划分,是本研究的主要内容。本研究提出了三维人体数据基于B样条小波的多分辨率描述模型。采用两种近似误差度量指标,用以评估小波分解对原始三维人体数据的逼近精度。统计结果表明,低分辨率曲面可以在满足一定逼近误差要求下,很好的逼近原始曲面。多分辨率三维形状表达模型有助于设计人员根据产品适配性的要求,选择不同的小波分解层次,进行产品设计。提出了基于块划分的形状差异度量方法,把样本曲面从欧氏空间的三维坐标转化为基于块距离矢量形式;根据低分辨率曲面型值点矩阵建立统计特征。本研究采用三种号型划分方法,即基于头长、头宽的k-means聚类分析,基于块距离的主成分的k-means聚类分析与基于块距离矢量的k-means聚类分析,并就人脸样本、头上部样本和全头样本对上述三种号型划分方法进行了对比研究。本研究采用了两种聚类效果评价指标,即样本量加权方差(SWV)和聚类效果指标(CVI)。结果表明,基于块距离矢量的聚类方法明显优于传统的基于头长、头宽的聚类方法。但是,基于块距离的主成分的聚类结果与基于块距离矢量的聚类结果相比,并无显著差异。由此可见,可以用主成分分析降低计算复杂度,提高运算效率。本研究讨论了三个主要参数(分块数、分辨率、对齐基准)对聚类结果的影响,并把本课题提出的号型划分方法,与目前国军标推荐的以头宽长指数、头高长指数为关键参数进行头型划分的方法进行了对比。本研究所提出方法为B样条小波技术和三维人体的号型划分之间架起了桥梁,为如何利用三维人体数据进行适配性产品设计探索出了一条可行的道路。