Библиографический список

Рисунок 1.1 - Виды информации и считывающих устройств, применяемых в системах трехмерного сканирования

Для виртуального моделирования и визуализации внешней формы исследуемых объектов требуется определенная организация и преобразование информации, полученной сканированием поверхностей в трехмерной системе координат. Так, для 3D моделирования поверхности тела человека, находящегося в естественном положении или движении, специалистами Национального Исследовательского Совета Канады (Wuhrer S., et al., 2011) предложен подход «свободных ориентиров» (landmark-free approach), обеспечивающий определение точного соответствия между точками на поверхности исследуемых человеческих фигур. Этот метод предназначен для автоматического прогнозирования места расположения каждой точки 3D модели фигуры человека, выбранной из массива данных сканирования поверхности тела, благодаря систематизированной информации о расположении антропометрических ориентиров в базе данных 3D моделей человека в разнообразных позах [25].

В таблице 1.1 приведен сравнительный обзор существующих систем трехмерного сканирования, разделенных на три группы в зависимости от метода измерений. Указаны особенности проведения измерений, время сканирования, приведены недостатки систем.

Таблица 1.1 - Обзор современных систем трехмерного сканирования

Одним из основных назначений систем 3D сканирования является проведение антропометрических обследований населения, результаты которых позволяют получить информацию о размерных характеристиках и особенностях телосложения фигур жителей различных регионов, что особенно важно для повышения удовлетворенности потребителей изделиями швейной промышленности.

В этом направлении можно отметить обширные антропометрические обследования армии США, для проведения которых учеными Аризонского государственного университета (Yin X., et al., 2009) была разработана автоматизированная «Система расширенной антропометрической оценки» (Enhanced anthropometric rating system/ EARS), базирующаяся на 3D сканировании. Система позволяет выявлять, классифицировать и ранжировать особенности поверхности тела человека в реальном времени. Для получения заключения о фигуре исследуемого субъекта согласно поставленному запросу можно определить шероховатость сканируемой поверхности, место положения выступающих точек, площадь выбранных сегментов поверхности. Благодаря геометрической сетке поверхности, содержащей более 100 000 вершин и более 300 000 граней, можно определить расположение любых складок одежды на фигуре.

Антропометрическому обследованию азиатских женщин в возрасте от 18 до 60 лет посвящены исследования тайваньских ученых (Leong I.-F., et al., 2007), усовершенствовавших способы интерпретации данных о поверхности тела человека, полученных 3D сканированием [30]. Результаты исследований, проведенных в Государственных университетах Айовы и Канзаса (Lee Y.-A., et al., 2012), свидетельствуют о существующей в обществе потребности более широкого применения технологий 3D сканирования тела. При изучении удовлетворенности пожилых женщин на среднем западе США существующим ассортиментом одежды установлено, что наиболее важным фактором в принятии решения о покупке было качество посадки и соразмерность изделий, а наибольшие трудности были связаны с поисками одежды, которая соответствовала форме тела и стилю, отражающему старение организма. Участники фокус-групп потребителей старшего возраста выразили заинтересованность в использовании метода 3D сканирования тела и специальных программных приложений для подбора одежды, подходящей по стилю и размерам [22].

Анализ опыта применения в швейной промышленности систем 3D сканирования человеческих фигур, проведенный в Корнуэльском университете С. Локером и др. (Loker S., et al., 2004), показал целесообразность использования программных приложений с 3D моделями индивидуальных фигур для виртуальных примерок и визуализации одежды как потребителями, так и производителями, и торговыми предприятиями. Более 90% респондентов высоко оценили полезность бодисканирования для онлайн-покупок одежды и положительно отреагировали на просмотр видеофайлов с данными сканирования, однако некоторые неудобства от взаимодействия с незнакомой технологией персонализации были отмечены в группе высоко обеспеченных замужних женщин [25].

В качестве перспектив применения бодисканеров в отечественной швейной промышленности проф. В.Е. Кузьмичевым рассмотрены возможности как получения основных антропометрических характеристик фигур, так и производства шаблонов чертежей конструкции изделий, разработки программного обеспечения для измерительно-проектных комплексов «бодисканер + САПР» [4].

На основе анализа результатов современных исследований можно сделать вывод об актуальности применения в швейной промышленности современных систем 3D сканирования тела человека для проведения антропометрических обследований населения, измерения фигур потребителей, визуализации моделей, проектирования одежды и проведения виртуальных примерок готовых изделий на заданных фигурах с использованием современного доступного оборудования и программных приложений.

Одной из основных проблем 3D сканирования человеческого тела является преобразование неорганизованного облака точек, получаемого в результате считывания информации об исследуемой поверхности, в цифровую 3D модель внешней формы объекта. Уже в 1995 г. британскими учеными из Университета Лафборо (Jones P.R.M., et al., 1995) стандартизирован формат данных, полученных с помощью 3D сканирования тела человека и предназначенных для описания и интерполяции 3D модели фигуры. Данные о поверхности тела человека представлялись в виде серии горизонтальных сечений, каждое их которых описывалось 16-ю точками, а 3D модель поверхности формировалась путем интерполяции кривых между ними. Горизонтальные сечения тела были выбраны для того, чтобы соответствовать конкретным анатомическим ориентирам на поверхности, а не иллюстрировать расстояния от выбранной точки отсчета. Стандартный формат данных 3D сканирования поверхности не зависел от особенностей фигур и размеров, что позволило сравнивать 3D модели фигур и экспортировать данные в САПР одежды [21].

Для решения проблемы аппроксимации поверхности из массива неорганизованных данных, полученных в результате сканирования, американскими учеными из Университета Южной Флориды (Piegl L.A., Tiller W., 2000) применялись B-сплайны, обеспечивающие параметризацию поверхности объекта [28]. Для 3D моделирования фигуры человека, предназначенной для виртуальных примерок одежды, проводилась реорганизация массива данных 3D сканирования путем аппроксимации каждого из цилиндрических сегментов поверхности алгоритмом кубических B-сплайнов с помощью методов триангуляции Делоне и линейной интерполяции, что обеспечило получение равномерной плотности данных о поверхности фигуры (Xu B., et al., 2003.II). Затем отдельные B-сплайновые поверхности интегрировались в одну 3D модель, что позволило американским разработчикам значительно снизить объем данных, необходимых для реконструкции поверхности [26].

Учеными Дрезденского университета Э. Хлаингом, С. Кржвински и Х. Роэделом (Hlaing E.C. et al., 2013) предложен способ генерации параметрических виртуальных манекенов нижней части женского тела немецких женщин, отличающихся достоверностью внешней формы (рис. 1.4). Исходными данными для формирования базы данных виртуальных манекенов женских бедер и ног различной формы стали результаты 3D сканирования женских фигур, имеющих различные типы телосложения (рис. 1.2).

Дальнейшее 3D моделирование внешней формы женской фигуры осуществлялось с помощью сплайнов на основе выбранного из базы данных виртуального манекена, в большей степени подходящего заданному образу по размерам и форме (рис. 1.3) [28].

Для виртуальной реконструкции формы тела человека из неорганизованных данных сканирования, представленных в виде расстояний до исследуемой поверхности, в Калифорнийском университете (Zhao H.-K., et al, 2000) разработан метод отображения топологии поверхности с помощью алгоритма вариации и вычисления дифференциальных уравнений с частными производными (partial differential equation/PDE). При этом использовался подход естественного масштабирования для нелинейного регулирования, чтобы обеспечить гибкость и минимизацию колебаний расположения точек поверхности.

Рисунок 1.2 – Формирование базы данных виртуальных манекенов бедер и ног немецких женщин

Рисунок 1.3 – Построение сплайновой модели манекена нижней части тела на основе 3D модели подходящего размера и формы из базы данных

Рисунок 1.4 – Генерация параметрической модели манекена

Окончательная форма виртуального объекта зависит от деформации первоначальной поверхности путем неявного представления поверхности на прямоугольной сетке с помощью метода функции уровня (level set method). Такой подход позволяет моделировать более сглаженную форму виртуальной поверхности из значительно неоднородных данных, чем при кусочно-линейной реконструкции объектов [28].

Немецкими учеными (Nüchter A., et al., 2010) предложено решение проблемы корректной регистрации данных 3D сканирования, то есть ввода и согласования данных в общей системе координат, с помощью алгоритма итерации ближайших точек (iterative closest point/ ICP), обеспечивающего стандартное геометрическое выравнивание 3D моделей благодаря минимизации функции ошибок (error function) и определению соответствия точек месту на поверхности исследуемого объекта. Общая система координат использует одно или несколько чисел, чтобы однозначно определить положение точки в пространстве, что обеспечивает взаимосвязь задач геометрии (пространственных структур) и алгебры (чисел) [30].

Исследователем Китайского университета Гонконга Ч. Ванга (Wang C.C.L., 2005) предложен метод параметризации неорганизованного облака точек, полученного в результате 3D лазерного сканирования человеческого тела, для проектирования виртуальной 3D модели фигуры. Программирование базировалось на создании каркасного отображения фигуры по данным сканирования и моделировании формы сплошной сетки поверхности с помощью метода плавной интерполяции нерегулярных кривых Грэгори (Gregory patches) и алгоритма преобразования вокселей (voxel), то есть наименьших трехмерных элементов объемной поверхности, несущих содержательную информацию, в гладкую непрерывную симметричную поверхность. Параметрический подход к проектированию виртуальных манекенов фигур человека направлен на оптимизацию подбора подходящих виртуальных фигур для автоматизированного проектирования одежды на индивидуальные фигуры, производимой в условиях массового производства, и реализацию концепции массовой кастомизации [25,26].

С другой стороны, британские ученые (Chen Y., Cipolla R., 2011) из Кембриджского университета рекомендуют отказаться от методов параметризации при автоматической реконструкции 3D моделей человеческого тела. Для создания персональных виртуальных манекенов ими предложено использовать гауссовские графовые модели с латентными переменными (Gaussian Process Latent Variable Model/ GPLVM), опираться на одно или несколько сечений фигуры и базу данных виртуальных манекенов фигур [21].

Можно отметить разнообразие и уникальность аналитических подходов к решению проблемы аппроксимации поверхности из массива неорганизованных данных, получаемых в результате 3D сканирования.

Другим аспектом методологии 3D сканирования является выбор оборудования, считывающего информацию о топологии поверхности объекта. Так, в Швейцарском федеральном институте технологий в Цюрихе (Remondino F., 2004) решена проблема создания реалистичных 3D моделей неподвижных человеческих фигур из последовательности неградуированных изображений для проектирования одежды. Ученым критиковался подход к реконструкции формы человеческого тела с помощью лазерных сканеров из- за высоких затрат. Ф. Ремондино предложил метод 3D реконструкции формы тела человека путем калибровки и ориентации изображений, полученных с помощью фотограмметрии, и дальнейшего определения соответствующих участков поверхности с помощью алгоритма сопоставления наименьших квадратов [26].

В 1994 г. А. Лаурентини (A. Laurentini) была предложена технология трехмерной реконструкции актуальной объемной формы пространственного объекта, названного «visual hull» путем последовательного объединения силуэтов, как 2D проекций соответствующего 3D объекта, называемая «shape-from-silhouette/SFS» [27]. В качестве альтернативы дорогостоящей 73 технологии 3D сканирования китайскими исследователями Ю. Ли и Я. Чэнь из Шанхайского университета Дунхуа (Li J., Chen J., 2009) предложен метод 3D моделирования индивидуального виртуального манекена (personalized virtual human mannequin) с помощью выбора подходящих частей 3D модели из базы данных и их модификации в сооответствии с вертикальными сечениями фигуры потребителя, а именно фронтальным и боковым силуэтом из фотоизображений человека.

Д.Хирано, Ю. Фунаяма и Т. Маекава из Национального университета Йокогамы (Hirano D., et al., 2009) предложили метод 3D моделирования объекта по его нескольким 2D фотоизображениям, сделанным из разных точек обзора и обработанным с помощью программного обеспечения. Таким образом, для 3D моделирования фигуры также используется метод «проектирования формы-из-силуэта» (SFS) на основе создания вокселей (наименьших содержательных элементов 3D поверхности), а затем «вырезания» вогнутой формы. Чтобы обеспечить совместимость полученной 3D модели с САПР одежды следует преобразовать полигональную сетку изоповерхности трехмерного скалярного поля (чаще называемую сеткой вокселей) с помощью алгоритма «шагающих кубиков» (Marching Cubes) в триангуляционную сетку, поверхность которой корректируется с помощью фотоизображений силуэтов, т.е. сечений фигуры. Данный подход получения 3D модели объекта из его силуэтов (Shape-from-Silhouette/ SfS) критикуется в работе испанских ученых Л. Диаз-Мас и др. из университета Кордобы (Díaz-Más L., et al., 2012) из-за негативного влияния фона реальной окружающей среды на достоверность силуэтов измеряемого объекта и точность результатов. Для решения проблемы адаптации некорректных силуэтов (SfS) учеными предложен метод, основанный на применении октадерева, то есть обеспечении рекурсивного деления трёхмерного пространства, содержащего измеряемые объекты, на восемь частей с формированием сетки 8 x 8, и последовательного анализа сверху вниз, а также на использовании теории Демпстера-Шейфера (Dempster–Shafer 74 theory) и функции Баттеруэрт (Butterworth function), позволяющих не только исключить фон реальной среды, но и на порядок сократить время вычислений [23].

В 2012 г. в университете Барселоны вопросами автоматического распознавания внешней формы фигуры человека занималась Г. Харо (Haro G., 2012), которая реализовала алгоритм «shape-from-silhouette» визуализации трехмерной модели тела человека из его фотоизображений, получаемых от 12-ти камер и совмещенных друг с другом, для изучения динамических поз человека (рис. 1.5) [22]. Следует отметить, что автором диссертации данный алгоритм был реализован в рамках выполнения НИОКР уже в 2010 г.

Рисунок 1.5 – 3D-визуализация фигуры человека по 2D-изображениям силуэтов.

В направлении внедрения концепции массовой кастомизации в швейной промышленности учеными Института текстиля и одежды Гонконгского политехнического университета Ш. Чжу и др. (Zhu S., et al., 2013) предложен метод интеллектуального 3D моделирования человеческого тела, на основе представленных заказчиком ортогональных фотографий. Для описания геометрических характеристик формы человеческого тела предложена многоуровневая структура представления данных с выделением кривых поверхности, определяющих размер одежды, и определена функциональная зависимость между 2D размерными признаками и 3D формой каждого сечения по отсканированным данным реальных субъектов. Авторами утверждается, что данный подход позволяет прогнозировать 3D форму фигуры заказчика по особенностям телосложения, представленным на фотографиях, обеспечить точность результатов, сопоставимую с технологией сканирования.

В качестве исходной информации для виртуального представления фигуры учеными Бэйхангского университета в Пекине (Chen X.,et al., 2013) предложено использовать одно фотоизображение одетого человека, которое с помощью закодированных параметров оцифровывается путем нежесткой деформации поверхности исходной универсальной виртуальной модели. Пользователем фактически задаются 2D суставы и контуры лица, позволяющие осуществить оптимизацию параметров 3D модели, итеративно деформируемой в различных позах, в разнообразной одежде или без нее [21].

Британскими учеными (Starck J., Hilton A., 2008) разработан способ 3D реконструкции высоко реалистичных анимированных цифровых моделей человека на основе видеоизображения конкретных субъектов. Для повышения правдоподобия (likelihood function) 3D моделей фигуры человека голландскими учеными (Hofmann M., Gavrila D.M., 2011) предложен адаптационный подход, основанный на выделении наиболее информативных фотоизображений и их последующей оптимизации с помощью целевой функции для формы и текстуры поверхности, чтобы преобразовать первоначальную форму виртуальной модели фигуры человека с учетом его позы.

В то же время лазерное сканирование объектов (laser scanning) остается достаточно популярным благодаря быстрой оцифровке (digitization) формы предметов. Оно основано на анализе отклонений контролируемых видимых или невидимых лазерных лучей и на последующем измерении расстояний по каждому направлению. Для многомерного виртуального представления пространственных форм объектов американскими учеными Государственного университета Райта в Дейтоне (Zagorchev L., Goshtasby A., 2006) разработан ручной лазерный сканер, действующий в системе координат объекта и позволяющий автоматически интегрировать 76 изображения, снятые с разных точек зрения [24]. Для повышения практичности лазерного сканирования за счет скорости, стоимости, компактности и других эксплуатационных требований учеными Техасского университета в Остине Б. Су и Ю. Хуаном, У. Ю, Т. Чэнем, Ю. Чжуном (Xu B., Huang Y., 2003.I) модифицированы поворотным корпусом и структурой лазерных полос сканера.

Кроме того, важно подчеркнуть существование проблемы координации и возможности слияния баз данных, собранных с помощью различных инструментов (Tan K.T.W., et al., 2003). Поэтому особую значимость приобретает программное обеспечение для инженерных сканеров тела (EBS), объединяющее процесс физического измерения объектов, последующего хранения данных и их совместной визуализации [25].

Другим важным аспектом современной методологии 3D сканирования является реалистичное виртуальное представление особенностей структуры и текстуры поверхности исследуемого пространственного объекта.

Для автоматизированного проектирования эргономичной одежды китайскими учеными из университетов Шанхая (Ma Y.-Y., et al., 2004) предложен метод виртуального моделирования и анимации реальных человеческих фигур из данных, полученных сканированием поверхности тела, в режиме реального времени в виртуальной окружающей среде. 3D модель фигуры человека представлена триангуляционной сеткой (triangular mesh) и описана как многослойная геометрическая модель (layered geometric model), состоящая из анимированного «скелета», автоматически генерируемого из данных сканирования поверхности с помощью функции извлечения (feature extraction), и упрощенной модели формы поверхности и текстуры кожи, обволакивающей скелет в режиме «от точки к линии» (a point-to-line mapping) [28].

Индийскими учеными Ю. Пайзом, А. Браттом и Р. Сривастова предложен метод точного конечно-элементного моделирования биомеханического поведения биологических объектов и генерирования поверхности тела человека путем создания полигональной сетки, отражающей материальные свойства каждого элемента с использованием B- сплайнов (Pise U.V., et al., 2012). Преимущество этого метода заключается в возможности за один шаг выполнить моделирование фигуры человека, создать полигональную сетку и реалистично представить поведение материала в 2D и 3D среде с хорошим качеством отражения внешней формы, описания геометрии и текстуры поверхности [28].

Для изучения и обработки 3D данных об объемном объекте учеными Университета штата Нью-Йорк в Стоуни-Брук (Zhao X., et al., 2012) предложен способ трехмерного визуального анализа анатомических и биологических структур с помощью метода 2D и 3D наименьших квадратов, техники деформации текстуры поверхности, визуализации различных стилей и интерактивных манипуляций, что представляет большой интерес для различных приложений. Предложенный алгоритм позволяет использовать многомерную информацию о текстуре, визуализировать, выбирать и извлекать интересующие объекты из различных массивов 3D данных, интерактивно или автоматически генерировать 3D контрольные точки деформируемой поверхности.

Возможность отображения структуры поверхности виртуальных фигур типового и нетипового телосложения легла в основу метода оперативного создания широкого спектра недорогих материальных манекенов для примерки образцов одежды в производственных условиях. Разработка исследователей Департамента швейной промышленности Университета Айовы и Сеульского университета (Park S.M. et al.,2011) базировалась на первоначальном 3D сканировании различных человеческих фигур (рис. 1.6, а) и последующем построении каркасных моделей, содержащих сечения фигуры во взаимно перпендикулярных плоскостях и совокупность множества криволинейных четырехугольников (рис.1.6 б). Для фигур индивидуальных заказчиков можно создавать единичные манекены, а для типовых фигур – усредненные по базовому размероросту. Каркасные модели интерактивно конвертировались в 3D виртуальный манекен фигуры путем свободной деформации поверхности с высоким уровнем детализации (рис. 1.6, с). Для получения физического макета виртуальной 3D модели фигуры использовалась технология быстрого прототипирования (Rapid prototyping), а затем образец манекена заданной фигуры изготавливался методом литья из полиуретановых материалов. Для реалистичности представления поверхности манекена, кожа тела может быть имитирована специальными мягкими материалами [24].

Рисунок 1.6 – Метод проектирования материального манекена фигуры человека на основе 3D-сканирования: а - группа измеренных фигур; б-каркас трехмерной модели фигуры; с -виртуальная модель фигуры; d -поверхностная модель для прототипирования; e - изготовленный типовой манекен фигуры человека

Реалистичность виртуального отображения фигуры человека зависит от достоверности анатомического представления 3D модели и возможности ее динамической трансформации. В этом направлении следует отметить ряд современных исследований.

Швейцарскими учеными (Aubel A., Thalmann D., 2004) рассмотрен многоуровневый подход виртуального моделирования человеческого организма и его деформации, базирующийся на трех основных анатомических структурах: скелете, мышцах и коже [21]. Для виртуального отображения человеческого тела Е.Ли и А. Джонейя из Гонконгского университета науки и технологии (Lee J.Y.-C., Joneja A., 2014) разработали параметрические биомеханические 3D модели на основе очертаний скелета из взаимосвязанных костей, поверхность которых моделируется сеткой и отличается свободной деформацией формы (FFD), но не имитирует реальную анатомию или физические процессы. Преимуществом данной модели (3D skeletal model) является простота отображения изменений формы тела или движений, а недостатком – недостаточная точность представления человеческих фигур, так как их форма и поверхности могут гибко меняться без привязки к конкретным антропометрическим ориентирам и особенностям индивидуальных фигур. Исследователями Корейского института передовой науки и технологии и Женевского университета (Oh S., et al., 2005) предложен метод виртуального объединения человеческих фигур и одежды с помощью специальной техники компьютерной анимации органических объектов, моделируемых из сетки поверхности и набора взаимосвязанных костей, так называемого «скелета». Для создания единой виртуальной модели человека в одежде координируются сетки их поверхностей, значительно отличающихся по топологии, определяются соответствия между участками тела человека и материалом костюма, затем осуществляется оптимизация путем первоначальной подгонки анимированной фигуры под одежду и последующей подгонки виртуальной одежды на теле.

Новозеландскими учеными из Университета Окленда (Oberhofer K., et al., 2009) предложен метод корректного виртуального моделирования опорно-двигательного аппарата движущегося человека на основе свободной деформации поверхности (Host Mesh Fitting technique/ HMF), называемый «техникой примерки базовой сетки», позволяющей прогнозировать деформацию мышц при ходьбе конкретного субъекта путем 3D анатомического виртуального моделирования [30].

В Гонконгском университете науки и технологий (Chen Z., et al., 2013) разработан метод быстрого и автоматического выявления характерных контуров для измерения 3D моделей оцифрованной поверхности человеческого тела в различных стабильных позах. При этом для идентификации контуров, характеризующих выраженную геометрическую топологию поверхности, выбор осуществляется из многих источников, построенных с помощью функции Морса, исходных точек и вычисления расстояния, вместо принятого использования координат только одной исходной точки. Благодаря инвариантности расстояний полученные контуры модели фигуры стабильны в различных вариантах поз, что позволяет автоматически получать любые сечения на основе характерных очертаний фигуры.

В Департаменте текстильной и швейной промышленности Корнельского университета С. Чой и С. Ашдаун (Choi S., Ashdown S., 2011) проведено сопоставление традиционного ручного способа антропометрических измерений и виртуального инструмента 3D сканирования на примере обследования нижней части тела человека в различных позах, в том числе «стоя ноги врозь», «полусидя» и «сидя с коленями, согнутыми под 120° и 90°». Существенные различия исследуемых подходов к антропометрическим измерениям были найдены только в позах сидя для осанки, обхватов бедра (Т21) и колена (Т22), расстояния от линии талии до пола сбоку (Т25) и до пола спереди (Т26), длины ноги по внутренней поверхности (Т27), дуги паховой области (Т77), расстояния от линии талии до плоскости сидения (Т49) [27].

Для повышения эргономичности проектируемой одежды исследователями Шанхайского университета Дунхуа и Государственного университета Айовы (Zong Y., et al., 2011) предложен интегративный подход формирования динамичных виртуальных манекенов, объединяющий технологии 3D сканирования тела в статике и в динамике и позволяющий импортировать полученные данные непосредственно в САПР одежды [30].

Таким образом, можно отметить актуальность использования виртуальных манекенов человеческих фигур для проектирования одежды с повышенными эргономическими требованиями благодаря высокой достоверности информации о поверхности тела человека.

В последнее время разработки в области компьютерной графики и анимации человеческих фигур стали адаптироваться для применения в швейной промышленности и интернет-торговле путем повышения уровня персонализации виртуальных моделей (Kasap M., Magnenat-Thalmann N., 2011). Такой подход позволяет формировать реалистичные фигуры отдельных потребителей, учитывая различные размерные признаки, адаптацию виртуального «скелета» и возможных движений, сохраняя согласованность между различными частями тела [29].

Для расширения сфер прикладного использования виртуальных 3D манекенов важно выделить их семантическую сущность, позволяющую описать особенности, функциональные возможности, характер взаимодействия, чтобы сделать их более доступными для пользователей и обеспечить создание, хранение, извлечение и использование виртуальных человеческих фигур. Группой швейцарских, итальянских и мексиканских ученых (Gutiérrez A.M., et al., 2007; Magnenat-Thalmann N., Thalmann D., 2005) проведен онтологический анализ существующих подходов к виртуальному представлению фигуры человека (virtual humans), прежде всего на основе геометрического синтеза статических или анимированных фигур. Выявлены три уровня моделирования виртуальных человеческих фигур:

1) моделирование реалистичного представления образа человека;

2) моделирование реалистичных плавных и гибких движений человека;

3) моделирование высокого уровня реалистичности поведения человека [30].

Потребители, желающие осуществить онлайн-покупку одежды, сталкиваются с большими базами данных 3D контента на сайтах производителей или продавцов. Но этот ресурс, который может быть использован во многих приложениях, часто остается недоиспользованным из-за трудности поиска нужной информации. Итальянскими разработчиками М. Аттене, Ф. Роббиано, М. Спагнуоло, Б. Фалсидиено (Attene M. et al., 2009) предложена система автоматического распознавания фигуры человека и отдельных частей его тела человека без участия оператора (рис. 1.7). Чтобы облегчить поиск информации в интернете по запросу пользователя, разработан способ сегментации сетки 3D поверхности, которая помогает обнаружить различные трехмерные изображения через их семантические обозначения. С помощью интуитивно понятного интерфейса, пользователям предлагается создавать собственные реалистичные «аватары», отображающие масштабированное статичное или анимированное изображение фигуры человека, для которой специально разработанными приложениями может быть подобрана предлагаемая производителями одежда, как подходящая по антропометрическим характеристикам, так и соответствующая внешнему облику потребителя.

Рисунок 1.7- Автоматическое распознавание частей тела человека

Виртуальное представление фигур отдельных потребителей позволяет обеспечить корректировку конструкций одежды для каждого субъекта, что было реализовано японскими учеными Й. Чо, К. Цучиа, М. Такатера, С. Инуи, Х. Парк и Й. Шимицу (Cho Y.S. et al., 2010) при 3D моделировании прилегающих юбок, учитывающем как степень выпуклости нижней части фигуры человека, так и поведение ткани на различных формах поверхности. На основе 3D моделей человеческого тела, достоверно отражающих особенности индивидуального телосложения, генерируется 3D структура узкой юбки прилегающего силуэта и затем осуществляется развертка виртуального изделия с автоматическим получением сложных изогнутых контуров деталей конструкции, подходящих для различного дизайна изделий и размеров женщин (рис. 1.8).

Рисунок 1.8 - 3D проектирование юбок прилегающего силуэта с учетом индивидуальной формы женской фигуры

Способы виртуального представления внешней формы поверхности фигуры человека и одежды в трехмерной среде можно классифицировать по уровню подобия синтезированного изображения реальной картине уровню с учетом физических, физиологических или психологических характеристик (рис. 1.9).

Рисунок 1.9 - Классификация способов представления трехмерной модели исследуемого объекта

При виртуальном 3D представлении объекта с учетом физического подобия модели геометрические характеристики синтезированного изображения должны полностью соответствовать аналогичным характеристикам реальной картины. Существующие системы технического зрения обеспечивают высокую точность отображения внешней формы фигуры человека в виртуальных 3D моделях, что дает возможность производить измерения различных параметров его поверхности [10]. Одной из наиболее популярных САПР, реализующих технологии 2D и 3D проектирования, является система «AutoCAD», разработанная компанией Autodesk, имеющая широкий набор инструментов для 3D моделирования как твердотельных объектов, так и сложных пространственных поверхностей, в том числе фигуры человека, характеризующейся физическим подобием реальному объекту [4]. Следует отметить, что способность системы обеспечить полное физическое подобие внешней формы виртуальных 3D моделей фигуры человека пространственной форме поверхности реальных объектов является одним из основных требований к разработке методологии виртуального 3D проектирования внешней формы проектируемых швейных изделий.

При физиологическом подобии соответствие модели и реального объекта устанавливается на уровне зрительных ощущений. Модель приближенно передает характеристики реальной картины, однако, благодаря ограниченным возможностям зрительного аппарата, наблюдатель не ощущает возникающих различий. При психологическом подобии модель, даже существенно отличаясь по своим характеристикам от реального объекта, создает у наблюдателя адекватное ей зрительное ощущение ("обман глаза") [8].

Большинство моделирующих САПР в различных отраслях промышленности работает на уровне физиологического и психологического подобия (Vaughan W., 2012, Bellocchio F.,et al., 2012; Ward A., Randall D., 2010), в том числе:

· система 3D-графики «3ds Max» компании Autodesk, являющаяся полнофункциональной программной средой для создания и редактирования трёхмерной графики и анимации, имеющая средства для создания разнообразных по форме и сложности трёхмерных компьютерных моделей реальных объектов окружающего мира;

· система Maya компании Alias Wavefront, представляющая собой большой набор инструментов для моделирования и анимации, разнообразные средства создания эффектов, объединенные в одно приложение Maya Fur;

· система Amapi 3DTM, имеющая мощные моделирующие, но минимальные анимационные возможности, при нетрадиционном интерфейсе;

· TrueSpace – недорогой программный пакет для моделирования, редактирования поверхностей, тонирования и анимации;

· LightWave 3D – популярная программа для моделирования, удобной анимации и тонирования;

· Silo –программное обеспечение компании Nevercenter для быстрого 3D моделирования сложных высокополигональных органических объектов, включая создание поверхностей вращения и разбиения.

Перечисленные системы могут быть легко адаптированы для проектирования одежды в трехмерной среде, хотя их приложения и инструменты с трудом обеспечивают получение физического подобия виртуальных 3D моделей реальным объектам, при хорошем соответствии требованиям физиологического и психологического подобия. Так, Дж. Го (Guo J., 2012) предлагает импортировать модели, полученные в результате сканирования, в 3ds Max, где их можно корректировать с дополнением текстуры поверхности и анимации движений человека [29].

Важным свойством виртуальных 3D моделей является их топология, от представления которой в трехмерной среде зависит полнота описания конфигурации внешней формы реальных объектов. По этому признаку можно выделить твердотельные, поверхностные, каркасные и точечные модели. Твердотельные модели представляют объекты как сплошные тела, то есть в виде сочетания всех точек объема, занимаемого объектом в пространстве. Поверхностные модели несут информацию обо всех точках пространства, принадлежащих поверхности объекта, а внутренние точки в них не учитываются. Каркасные модели тоже дают представление только о поверхности объекта, но описывают поверхность как сочетание принадлежащих ей дискретных элементов каркаса – точек или линий, при этом информация о точках поверхности, лежащих между элементами каркаса, отсутствует. Точечные модели несут геометрическую информацию о местоположении объектов и взаимных координатах точек объекта.

Отдельно необходимо учитывать форму примитивов, составляющих трехмерную модель. Многочлен первой степени в зависимости от числа аргументов описывает в пространстве прямую линию или плоскость. Отрезки прямых линий используются для представления поверхностей объектов в каркасных моделях, участки плоскости – в поверхностных. В твердотельных моделях примитивами могут служить полупространства, ограниченные плоскостями. На основе описания моделей многочленов более высокой степени формируются криволинейные примитивы. В каркасных моделях это кривые линии, в поверхностных – криволинейные поверхности, в твердотельных – участки пространства, ограниченные криволинейными поверхностями. Отображаемые реальные объекты редко состоят из одного примитива, как правило, они являются составными.

Исходя из вышеизложенного, следует отметить, что при отсутствии ограничений по форме объекта для описания сложного динамичного объекта целесообразно использовать точечные модели, которые впоследствии могут быть преобразованы в твердотельную, каркасную или поверхностную 3D модель с помощью специализированных программных продуктов, так как набором точек, заданных с достаточной плотностью, можно представить поверхность любой сложности и формы.

Эволюция качества виртуального отображения 3D объектов, технологий хранения, передачи, обмена и поиска 3D изображений привела к необходимости защиты как передаваемых данных в сети, так и интеллектуальной собственности, то есть формирования системы обработки 3D объектов, включающих технологии 3D сжатия и извлечения, 3D кодирования и декодирования, индексирования и накопления информации [27], что и обуславливает целесообразность разработки отечественных систем 3D сканирования сложных поверхностей для безопасного преобразования и передачи данных в интернете.

Несмотря на разнообразие существующих зарубежных технологий трехмерного сканирования, развитие подобных отечественных систем идет очень медленным темпом. Отечественными компаниями и научно- техническими коллективами создано значительное количество разнообразных модулей автоматизированного проектирования одежды, способных обеспечить экспорт информации в САПР одежды, но характеризующихся низким техническим уровнем по сравнению с зарубежными аналогами. Таким образом, результаты исследования инструментального, методологического и аналитического обеспечения антропометрической информации о субъекте, для которого проектируется одежда, свидетельствуют об актуальности проблемы разработки высокотехнологичной системы 3D сканирования внешней формы фигуры человека в одежде и без нее, способной предоставить широкий диапазон инструментов получения и преобразования информации, необходимой для виртуального трехмерного автоматизированного проектирования внешней формы одежды.

Важно подчеркнуть, что при разработке отечественной технологии трехмерного сканирования и системы для ее реализации необходимо обеспечить невысокую стоимость аппаратного оборудования и программного обеспечения, доступную для российских швейных предприятий; максимальную автоматизацию получения необходимого, но достаточного для проектирования одежды количества размерных признаков; простоту методики проведения измерений; небольшие габариты системы; точность и полноту получаемой информации.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Андреева Е.Г., Петросова И.А., Гетманцева В.В., Бояров М.С. Разработка автоматизированной системы параметрического моделирования одежды сложных форм: Отчет о НИОКР по Госконтракту Минпромторга РФ №12411.0816900.19.076 от 03.04.2012// ЕФБД НИОКР зарегистр. 09.11.2012; рег. № 01201270764; инв. № 02201262648.- 2012.- 195 с.

2. Бузов Б.А., Алыменкова Н.Д. Материаловедение в производстве изделий легкой промышленности. Швейное производство. - М.: Академия. - 2010, 448 с.

3. Блинова Т.А., Порев В.Н. Компьютерная графика. - К.: Юниор; СПб.:Корона, 2005. - 520 с.

4. Габидулин В.М. Трехмерное моделирование в AutoCAD 2013. - М.: ДМК Пресс, 2012. - 260 с

5. Гусева М.А. Совершенствование метода трёхмерного проектирования элементов конструкции плечевой одежды: дис. … канд.техн.наук: 05.19.04/ МГУДТ, Москва, 2007. – 238 с 4. Роджерс Д., Адамс Дж. Математические основы машинной графики/ Пер. с англ. – М.: Мир, 2001. – 604 с o.1.- P.81-93

6. Кузьмичев В.Е. Бодисканеры и одежда. Новые технологии проектирования одежды. – LAP LAMBERT Academic Publishing, -2012.-556с.

7. Лашина И.В. Конструирование швейных изделий на фигуры нетипового телосложения: учеб. пос. - Омск.: ОГУИС, 2003.- 174 с.

8. Радченко И.А. Конструирование и моделирование одежды на нетиповые фигуры. –М.: Академия, 2010. – 352 спользователя / пер. с англ. – М.: Вильямс, 2010. - 1360 с

9. Сильчева Л.В. Совершенствование технологии проектирования конструкций одежды на начальных стадиях проектных работ: дис.... канд. техн. наук: 05.19.04/ МГУС, Москва, 2006. - 265 с.

10. Финкельштейн Э. AutoCAD 2010 и AutoCAD LT 2010. Библия 130.

Зарубежные книги

21. Scanner 3D/ French Ed. – Mauritius: Alphascript publishing, 2011.- 72 p

337. Poon T.-C. Optical scanning holography with MATLAB. - New York/ Heidelberg: Springer, 2007. - 153 p.

Электронные ресурсы

11. 3D body scanner Vitus Smart Human Solutions GmbH URL:www.humansolutions.com/fashion/front_content.php?idart=366 (дата обращения 15.05.2016)

12. 3D body scanner Image Twin TC2 URL:www.tc2.com/index_3dbodyscan. html (дата обращения 15.05.2016)

13. 3D body scanner WB4 Cyberware URL:http://cyberware.com/products/ scanners/wb4.html (дата обращения 15.05.2016)

14. 3D body scanner bodyscan Breuckmann URL:http://www.aicon3d.com/ start.html (дата обращения 15.05.2016)

151. 3D body scanner The Intellifit Virtual Fitting Room Unique solution URL:http://intellifitpss.com/IntellifitSystem.asp (дата обращения 15.05.2016)

16. 3D body scanner KORUX 2.0 3D OUEST Ltd URL:www.worux.com/ UserFiles//File/Doc%20commerciale%20Korux%202011%20UK2.pdf (дата обращения 15.05.2016)

17. 3D body scanner Body ScanFit CadModelling Ergonomics URL:www. cadmodelling.it/cadmodelling_sistema_body_scanfit.html (дата обращения 15.05.2016)

18. 3D body scanner CARTESIA series The Spacevision Ltd URL:www.spacevision.jp/EP-Body_Scanner.html (дата обращения 15.05.2016)

19. 3D body scanner VITUS 3D Bodyscanner VITRONIC URL: www.vitronic.de/nc/en/news/single/artikel/in-12-sekunden-zum-praezisen-3dabbild-vitronic-praesentiert-in-japan-den-3d-bodyscanner-vitus (дата обращения 15.05.2016)

20. 3D body scanner Kinect Microsoft URL: www.microsoft.com/en-us/ kinectforwindows/discover/features.aspx (дата обращения 15.05.2016)

22. Wuhrer S., Shu C., Xi P. Landmark-free posture invariant human shape correspondence // The Visual Computer. - 2011, Vol.27, Is.9.- P. 843-852

23. Leong I.-F., Fang J.-J., Tsai M.-J. Automatic body feature extraction from a marker-less scanned human body // Computer-Aided Design.- 2007, Vol.39, Is.7.- P.568-582.

24. Lee Y.-A., Damhorst M.L., Lee M.-S., Kozar J.M., Martin P. Older women’s clothing fit and style concerns and their attitudes toward the use of 3D body

25. Loker S., Cowie L., Ashdown S., Lewis V.D. Female consumers' reactions to body scanning // Clothing and Textiles Research Journal. - 2004, Vol.22, Is.4. – P.151-160

26. Jones P.R.M., Li P., Brooke-Wavell K., West G. Format for human body modeling from 3-D body scanning// International Journal of Clothing Science and Technology.- 1995, Vol.7, No.1.- P.7-16.

27. Piegl L.A., Tiller W. Surface approximation to scanned data// Visual Computer. - 2000, Vol.16, Is.7. - P.386-395.

28. Xu B., Yu W., Chen T., Huang Y. Three-dimensional technology for apparel mass customization: Part II: Human body modeling from unorganized range data // Journal of the Textile Institute.- 2003, Vol.94, Is.1-2, No.1. – P.81-91.

29. Hlaing E.C., Krzywinski S., Roedel H. Garment prototyping based on scalable virtual female bodies // International Journal of Clothing Science and Technology.- 2013, Vol.25, Is.3.- P.184-197.

30. Zhao H.-K., Osher S., Merriman B., Kang M. Implicit non-parametric shape reconstruction from unorgnized data using variational level set method // Computer Vision and Image Understanding. - 2000, Vol.80, Is.3. – P.295–314.