Het ontwikkelen van 3D Statistische Vormmodellen voor Diverse Applicaties

Datum: 18 februari 2019

Locatie: Campus Groenenborger, U0.25 - Groenenborgerlaan 171 - 2020 Antwerpen (route: UAntwerpen, Campus Groenenborger)

Tijdstip: 16.30 uur

Organisatie / co-organisatie: Faculteit Wetenschappen

Promovendus: Femke Danckaers

Promotor: Jan Sijbers & Toon Huysmans

Korte beschrijving: Doctoraatsverdediging Femke Danckaers - Faculteit Wetenschappen



Abstract

Het menselijk lichaam komt voor in verschillende vormen en maten. Voor productontwerpers is het nuttig om een virtuele 3D paspop voorhanden te hebben voor het genereren en valideren van hun designs. Zulke antropometrische hulpmiddelen zijn reeds beschikbaar, maar zijn veelal een vereenvoudigde representatie van het lichaam, gebaseerd op 1D metingen. Het aanpassen van de vorm gebeurt veelal op een univariate manier, waardoor 3D vormvariatie niet opgenomen is. Een statistisch vormmodel (SSM) kan ingezet worden als virtuele paspop, want het beschrijft de belangrijkste variaties binnen de populatie.

Om vormanalyse uit te voeren, moeten de vormen binnen de populatie met elkaar gecorrespondeerd worden via elastische oppervlakregistratie. Van een populatie gecorrespondeerde vormen, kan een SSM gemaakt worden. Dit model bevat de gemiddelde 3D vorm van de objectklasse en de voornaamste vormvariaties aanwezig binnen de populatie. De vorm van een SSM kan veranderd worden door de vormparameters aan te passen. Deze parameters zijn typisch niet gelinkt met specifieke lichaamskenmerken. Daarom wordt lichaamsvorm modellering op basis van intuïtieve parameters besproken in dit werk. De vormvariatie in een SSM is vaak verstoord door variaties in houding, welke verkeerd kunnen correleren met karakteristieken en een negatief effect heeft op de compactheid van deze modellen. Om dit te verbeteren, wordt een raamwerk met lage computationele complexiteit om een houdings-invariant SSM op te stellen, beschreven. SSMs zijn typisch een statische representatie van een populatie. Een beweging die werd opgemeten met een motion capture systeem wordt geïntegreerd in het SSM, waardoor de houding kan aangepast worden op een realistische manier en vooraf opgenomen beweging toegepast kan worden op verschillende lichaamsvormen.

Deze doctoraatsthesis presenteert methodes voor een verbeterde vormanalyse. De methodologie is niet beperkt tot lichaamsvormen en kan toegepast worden op bijna elke objectklasse die natuurlijke variatie bevat.



Link: http://www.uantwerpen.be/wetenschappen