[发明专利]基于曲率点聚类及决策树的碰撞检测优化方法

说明书

本发明公开了基于曲率点聚类及决策树的碰撞检测优化方法，包含以下步骤：步骤一、基于曲率点聚类和几何特征选择层次包围盒；步骤二、基于决策树模型优化混合层次树的建立。本方法通过计算不同类型碰撞物轮廓点的曲率，分析其几何特征，采用K均值聚类算法选择合适的包围盒，提高包围盒和碰撞物的匹配度；运用Boosting算法提高决策树模型精度，省去原有碰撞检测算法中的冗余计算，优化混合层次树的建立过程，提高碰撞检测的效率。

技术领域

本发明属于计算机视觉以及虚拟现实的研究领域，尤其涉及基于曲率点聚类及决策树的碰撞检测优化方法。

背景技术

人体软组织模型的准确度越高，模型越复杂，计算量越大。减少模型加载和碰撞检测过程中的计算量，提高碰撞检测速度，能有效提高虚拟手术仿真系统的实时性。目前空间结构的碰撞检测算法主要有空间划分法和层次包围盒法，前者通过层次细剖分技术模拟整个场景，侧重于减少可能发生碰撞的物体对；后者为每一物体构建层次包围盒实现场景模拟，侧重于降低相交测试的时间复杂度。针对四种包围盒算法存在构造难度大、紧密性差、相交测试复杂、效率低等各种缺点。已有许多研究尝试将多种包围盒混用以取长补短，但效果欠佳。

发明内容

本发明为了解决现有技术中存在的问题，提供基于曲率点聚类及决策树的碰撞检测优化方法来提高提高碰撞检测的效率。

为了达到上述目的，本发明提出的技术方案为：基于曲率点聚类及决策树的碰撞检测优化方法，下面具体说明：

1、基于曲率点聚类及决策树的碰撞检测优化方法，其特征在于，包含步骤如下：

步骤一，基于曲率点聚类和几何特征选择层次包围盒；

步骤1-1，可视化帧间密集光流，提取待检测碰撞物的外部轮廓；

待检测视频由数字矩阵和三维点构成；数字矩阵包含若干子矩阵，每个子矩阵对应视频中的一帧图像；一帧图像由一系列像素点组成，包含若干光流信息；光流信息分为稀疏光流和密集光流；根据相邻两帧图像对应的数字矩阵，结合两帧图像内像素点的映射关系，计算相邻两帧图像的帧间密集光流，得到对应时刻待检测碰撞物的动态信息；基于Munsell建立的颜色系统，用不同颜色表示待检测碰撞物的不同运动方向，用颜色的深浅表示待检测碰撞物的不同运动速度，得到帧间密集光流图，为用户提供直观的交互反馈；

基于待检测碰撞物颜色分布的聚类特性，基于待检测碰撞物颜色分布的聚类特性，所述聚类特性为不同颜色以非随机方式分布在固定区域内，相近颜色分布在邻近区域；基于待检测碰撞物的YCbCr色带，分割帧间密集光流图；以手指为例，不考虑亮度对分割的影响，构建一个YCbCr肤色带，提取类肤色区域；所述YCbCr肤色带表示为：

77≤Cb≤127

163≤Cr≤173

其中，Cb和Cr分别是蓝色和红色成分的浓度偏移量；

通过大津阈值法将区域分割后的帧间密集光流图转换成待检测碰撞物的外部轮廓；所述大津阈值法通过设置阈值，将原图像分成前景、背景两个部分，使两者具有最大类间方差，实现图像二值化；所述图像二值化是令图像上所有像素点的灰度值均为0或255，达到黑白图像的视觉效果；利用Canny边缘检测器提取所述待检测碰撞物的外部轮廓；

步骤1-2，确定潜在尖锐点；

提取构成待检测碰撞物外部轮廓的所有像素点，称轮廓点；存储各轮廓点位置并计算其曲率余弦的绝对值|cosθ|，计算方法为：

其中，θ是轮廓点对应的曲率角，V₁、V₂分别是连接该轮廓点与其前、后相邻轮廓点的有向线段；