一种织物三维悬垂形态的自动分类方法专利检索-过采样信号处理专利检索查询-专利查询网

一种织物三维悬垂形态的自动分类方法

阅读：346发布：2024-01-11

专利汇可以提供一种织物三维悬垂形态的自动分类方法专利检索，专利查询，专利分析的服务。并且本发明提供了一种织物三维悬垂形态的自动分类方法，其特征在于，包括以下步骤：提取织物三维悬垂形态的悬垂特征轮廓线，对三维悬垂形态的悬垂特征轮廓线进行椭圆傅里叶描述，对扫描织物悬垂数据库中M个样本的三维悬垂形态的悬垂特征轮廓线进行椭圆傅里叶描述，采用无需给定聚类个数的层次聚类方法对三维织物悬垂轮廓线进行自动分类。本发明提供了一种通用的三维织物悬垂形态的参数化和自动分类方法，能够有效地从三维织物悬垂形态中提取聚类信息，完成自动分类，从而能更加全面和准确地分析织物悬垂形态和物理性能之间的关系。，下面是一种织物三维悬垂形态的自动分类方法专利的具体信息内容。

权利要求

1.一种织物三维悬垂形态的自动分类方法，其特征在于，包括以下步骤：
步骤1、提取织物三维悬垂形态的悬垂特征轮廓线，包括以下步骤：
步骤1.1、计算织物三维悬垂形态Pd在XDOoYD平面上的二维投影P1＝f1(Pd,Zmax)，Zmax是织物三维悬垂形态Pd在Z轴上的最大坐标值，f1(Pd,Zmax)是将z云数据投影到XDOoYD平面上以获取二维投影P1的二维点云数据的函数；
步骤1.2、计算二维投影P1的二维轮廓线C0＝f2(P1)，f2(P1)是计算二维投影P1的二维轮廓线的函数；
计算二维投影P1的顶点V0＝f3(C0)，f3(C0)是计算二维轮廓线C0的顶点的函数；
步骤1.3、通过顶点V0的坐标索引出其在织物三维悬垂形态Pd中对应的顶点V1，并计算出V1中在Z轴上的最小坐标值Zmin；
步骤1.4、计算三维织物悬垂的水平二维轮廓线Ci＝f2(f1(Pd,Zi))，i＝1,...,9，Z0为预先设定的参数；
步骤1.5、令二维轮廓线C0上点的Z坐标为200，水平二维轮廓线Ci上点的Z坐标为Zi，则二维轮廓线C0和水平二维轮廓线Ci即为织物三维悬垂形态Pd的特征轮廓线；
步骤2、对三维悬垂形态的悬垂特征轮廓线进行椭圆傅里叶描述，以行向量的形式(A0,B0,C0,D0,A1,B1,C1,D1,……,An,Bn,Cn,Dn,……,AN,BN,CN,DN)来描述轮廓曲线，式中，n表示谐波次数，N表示最大谐波次数，An、Bn分别为悬垂特征轮廓线在投影平面XDOoYD的X轴方向的第n次谐波的椭圆系数，Cn、Dn分别为悬垂特征轮廓线在投影平面XDOoYD的Y轴方向的第n次谐波的椭圆系数；
步骤3、对扫描织物悬垂数据库中M个样本的三维悬垂形态的悬垂特征轮廓线进行椭圆傅里叶描述，得到矩阵EFDs：
式中，AMN,BMN,CMN,DMN表示第M个样本的
三维悬垂形态的悬垂特征轮廓线的第N次谐波的椭圆系数，计算EEFDs的协方差矩阵的特征值与特征向量，EEFDs为椭圆傅里叶描述子，将前k个最大特征值对应的特征向量构成投影矩阵T4N×k，则得到矩阵EFDs的k个主成分PCs＝EEFDs×T4N×k，k≤4N；
步骤4、依据步骤3得到的主成分，采用无需给定聚类个数的层次聚类方法对三维织物悬垂轮廓线进行自动分类。
2.如权利要求1所述的一种织物三维悬垂形态的自动分类方法，其特征在于，所述An,Bn,Cn,Dn的计算步骤为：
对于悬垂特征轮廓线，以其在XDOoYD平面的XD轴上的极小坐标点为起始点，采用椭圆傅里叶方法描述为：
式中，A0、C0分别为悬垂特征轮廓线中心点
的x、y坐标，t为悬垂特征轮廓线的起点到第P个点之间的弧长，T为轮廓曲线周长，x(t)为t与x坐标之间的函数关系，y(t)为t与y坐标之间的函数关系；
An、Bn为悬垂特征轮廓线在投影平面XDOoYD的X轴方向的第n次谐波的椭圆系数，计算方法为：
Cn、Dn分别为悬垂特征轮廓线在投影平面XDOoYD的Y轴方向的第n次谐波的椭圆系数，计算方法为：
式中，K为悬垂特征轮廓线采样点的总数，
ΔxP为悬垂特征轮廓线上的第P个点到第P+1个点的距离在XD轴方向的位移，ΔyP为悬垂特征轮廓线上的第P个点到第P+1个点的距离在YD轴方向的位移，ΔtP为悬垂特征轮廓线上的第P个点到第P+1个点的距离，即
A0、C0分别为悬垂特征轮廓线中心点的x、y坐标，计算方法为：
式中：
且ε1＝σ1＝0。
3.如权利要求1所述的一种织物三维悬垂形态的自动分类方法，其特征在于，所述步骤
4包括以下步骤：
步骤4.1、把每个样本归为一类，计算每两个类之间的距离，也就是样本与样本之间的相似度，其中第r类与第s类之间的距离为d(r,s)，则有：
式中，Trs是第r类与第s类中所有样本两两之间的欧式距离之和，Nr和
Ns分别是第r类与第s类的中的样本个数；
步骤4.2、寻找各个类之间最近的两个类，把他们归为一类；
步骤4.3、重新计算新生成的这个类与各旧类之间的相似度；
步骤4.4、重复步骤4.2和步骤4.3直到所有样本点都归为一类，结束。

说明书全文

一种织物三维悬垂形态的自动分类方法

技术领域

[0001] 本发明涉及一种织物三维悬垂形态的自动分类方法，用于通过三维扫描仪获取大量真实织物悬垂的三维模型后，对其进行参数处理并进行自动分类，从而服务于织物性能
分析、虚拟织物重建及服装设计等。

背景技术

[0002] 目前对织物静态悬垂性能的测试分析主要集中在利用其平面投影进行图像处理。由于这种方法不能完全反映出织物的三维形态特征，故具有较大的局限性。例如一些具有
相似悬垂系数和波节个数的织物却具有完全不同的物理性能。

[0003] 随着三维扫描仪的普及，使得对大量真实织物悬垂的扫描成为可能。目前，在获取并建立了三维织物悬垂数据库之后，没有办法实现分类。

发明内容

[0004] 本发明的目的是：对织物的三维悬垂形态进行自动分类识别。

[0005] 为了达到上述目的，本发明的技术方案是提供了一种织物三维悬垂形态的自动分类方法，其特征在于，包括以下步骤：

[0006] 步骤1、提取织物三维悬垂形态的悬垂特征轮廓线，包括以下步骤：

[0007] 步骤1.1、计算织物三维悬垂形态Pd在XDOoYD平面上的二维投影P1＝f1(Pd，Zmax)，Zmax是织物三维悬垂形态Pd在Z轴上的最大坐标值，f1(Pd，Zmax)是将z＜Zmax的织物三维悬垂形态Pd的三维点云数据投影到XDOoYD平面上以获取二维投影P1的二维点云数据的函数；

[0008] 步骤1.2、计算二维投影P1的二维轮廓线C0＝f2(P1)，f2(P1)是计算二维投影P1的二维轮廓线的函数；

[0009] 计算二维投影P1的顶点V0＝f3(C0)，f3(C0)是计算二维轮廓线C0的顶点的函数；

[0010] 步骤1.3、通过顶点V0的坐标索引出其在织物三维悬垂形态Pd中对应的顶点V1，并计算出V1中在Z轴上的最小坐标值Zmin；

[0011] 步骤1.4、计算三维织物悬垂的水平二维轮廓线Ci＝f2(f1(Pd，Zi))，i＝1，...，9，Z0为预先设定的参数；

[0012] 步骤1.5、令二维轮廓线C0上点的Z坐标为200，水平二维轮廓线Ci上点的Z坐标为Zi，则二维轮廓线C0和水平二维轮廓线Ci即为织物三维悬垂形态Pd的特征轮廓线；

[0013] 步骤2、对三维悬垂形态的悬垂特征轮廓线进行椭圆傅里叶描述，以行向量的形式(A0，B0，C0，D0，A1，B1，C1，D1，……，An，Bn，Cn，Dn，……，AN，BN，CN，DN)来描述轮廓曲线，式中，n表示谐波次数，N表示最大谐波次数，An、Bn分别为悬垂特征轮廓线在投影平面XDOoYD的X轴方向的第n次谐波的椭圆系数，Cn、Dn分别为悬垂特征轮廓线在投影平面XDOoYD的Y轴方向的第n次谐波的椭圆系数；

[0014] 步骤3、对扫描织物悬垂数据库中M个样本的三维悬垂形态的悬垂特征轮廓线进行椭圆傅里叶描述，得到矩阵EFDs：

[0015] 式中，AMN，BMN，CMN，DMN表示第M个样本的三维悬垂形态的悬垂特征轮廓线的第N次谐波的椭圆系数，计算EEFDs的协方差矩阵的
特征值与特征相邻，EEFDs为椭圆傅里叶描述子，将前k个最大特征值构成投影矩阵T4N×k，则得到矩阵EFDs的k个主成分PCs＝EEFDs×T4N×k，k≤4N；

[0016] 步骤4、依据步骤3得到的主成分，采用无需给定聚类个数的层次聚类方法对三维织物悬垂轮廓线进行自动分类。

[0017] 优选地，所述An，Bn，Cn，Dn的计算步骤为：

[0018] 对于悬垂特征轮廓线，以其在XDOoYD平面的XD轴上的极小坐标点为起始点，采用椭圆傅里叶方法描述为：

[0019]

[0020] 式中，A0、C0分别为悬垂特征轮廓线中心点的x、y坐标，t为悬垂特征轮廓线的起点到点P之间的弧长，T为轮廓曲线周长，x(t)为t与x坐标之间的函数关系，y(t)为t与y坐标之间的函数关系；

[0021] An、Bn为悬垂特征轮廓线在投影平面XDOoYD的X轴方向的第n次谐波的椭圆系数，计算方法为：

[0022]

[0023]

[0024] Cn、Dn分别为悬垂特征轮廓线在投影平面XDOoYD的Y轴方向的第n次谐波的椭圆系数，计算方法为：

[0025]

[0026] 式中，K为悬垂特征轮廓线采样点的总数，ΔxP为悬垂特征轮廓线上的点P到点P+1的距离在XD轴方向的位移，ΔyP为悬垂特征轮廓线上的点P到点P+1的距离在YD轴方向的位移，ΔtP为悬垂特征轮廓线上的点P到点P+1的距
离，即

[0027] A0、C0分别为悬垂特征轮廓线中心点的x、y坐标，计算方法为：

[0028]

[0029] 式中：

[0030]

[0031] 且ε1＝σ1＝0。

[0032] 优选地，所述步骤4包括以下步骤：

[0033] 步骤4.1、把每个样本归为一类，计算每两个类之间的距离，也就是样本与样本之间的相似度，其中第r类与第s类之间的距离为d(r，s)，则有：

[0034] 式中，Trs是第r类与第s类中所有样本两两之间的欧式距离之和，Nr和Ns分别是第r类与第s类的中的样本个数；

[0035] 步骤4.2、寻找各个类之间最近的两个类，把他们归为一类；

[0036] 步骤4.3、重新计算新生成的这个类与各旧类之间的相似度；

[0037] 步骤4.4、重复步骤4.2和步骤4.3直到所有样本点都归为一类，结束。

[0038] 本发明提供了一种通用的三维织物悬垂形态的参数化和自动分类方法，能够有效地从三维织物悬垂形态中提取聚类信息，完成自动分类，从而能更加全面和准确地分析织
物悬垂形态和物理性能之间的关系。
附图说明

[0039] 图1(a)至图1(c)为三维织物悬垂特征曲线示意图；

[0040] 图2为三维织物悬垂的聚类结果；

[0041] 图3为类1中最靠近分类中心的悬垂轮廓；

[0042] 图4为类2中最靠近分类中心的悬垂轮廓；

[0043] 图5为类3中最靠近分类中心的悬垂轮廓；

[0044] 图6为类4中最靠近分类中心的悬垂轮廓；

[0045] 图7为类5中最靠近分类中心的悬垂轮廓。

具体实施方式

[0046] 下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

[0047] 本发明提供的一种织物三维悬垂形态的自动分类方法，包括以下步骤：

[0048] 步骤1、提取织物三维悬垂形态的悬垂特征轮廓线，包括以下步骤：

[0049] 步骤1.1、计算织物三维悬垂形态Pd在XDOoYD平面上的二维投影P1＝f1(Pd，Zmax)，Zmax是织物三维悬垂形态Pd在Z轴上的最大坐标值，f1(Pd，Zmax)是将z＜Zmax的织物三维悬垂形态Pd的三维点云数据投影到XDOoYD平面上以获取二维投影P1的二维点云数据的函数，如图1(a)所示；

[0050] 步骤1.2、计算二维投影P1的二维轮廓线C0＝f2(P1)，f2(P1)是计算二维投影P1的二维轮廓线的函数；

[0051] 计算二维投影P1的顶点V0＝f3(C0)，f3(C0)是计算二维轮廓线C0的顶点的函数；

[0052] 步骤1.3、通过顶点V0的坐标索引出其在织物三维悬垂形态Pd中对应的顶点V1，并计算出V1中在Z轴上的最小坐标值Zmin，如图1(a)所示；

[0053] 步骤1.4、计算三维织物悬垂的水平二维轮廓线Ci＝f2(f1(Pd，Zi))，i＝1，...，9，Z0为预先设定的参数；

[0054] 步骤1.5、令二维轮廓线C0上点的Z坐标为200，水平二维轮廓线Ci上点的Z坐标为Zi，则二维轮廓线C0和水平二维轮廓线Ci即为织物三维悬垂形态Pd的特征轮廓线，如图1(b)及图1(c)所示；

[0055] 步骤2、对三维悬垂形态的悬垂特征轮廓线进行椭圆傅里叶描述，以行向量的形式(A0，B0，C0，D0，A1，B1，C1，D1，……，An，Bn，Cn，Dn，……，AN，BN，CN，DN)来描述轮廓曲线，式中，n表示谐波次数，N表示最大谐波次数，An、Bn分别为悬垂特征轮廓线在投影平面XDOoYD的X轴方向的第n次谐波的椭圆系数，Cn、Dn分别为悬垂特征轮廓线在投影平面XDOoYD的Y轴方向的第n次谐波的椭圆系数；

[0056] An，Bn，Cn，Dn的计算步骤为：

[0057] 对于悬垂特征轮廓线，以其在XDOoXD平面的XD轴上的极小坐标点为起始点，采用椭圆傅里叶方法描述为：

[0058]

[0059] 式中，A0、C0分别为悬垂特征轮廓线中心点的x、y坐标，t为悬垂特征轮廓线的起点到点P之间的弧长，T为轮廓曲线周长，x(t)为t与x坐标之间的函数关系，y(t)为t与y坐标之间的函数关系；

[0060] An、Bn为悬垂特征轮廓线在投影平面YDOoYD的X轴方向的第n次谐波的椭圆系数，计算方法为：

[0061]

[0062]

[0063] Cn、Dn分别为悬垂特征轮廓线在投影平面XDOoYD的Y轴方向的第n次谐波的椭圆系数，计算方法为：

[0064]

[0065] 式中，K为悬垂特征轮廓线采样点的总数，ΔxP为悬垂特征轮廓线上的点P到点P+1的距离在XD轴方向的位移，ΔyP为悬垂特征轮廓线上的点P到点P+1的距离在YD轴方向的位移，ΔtP为悬垂特征轮廓线上的点P到点P+1的距
离，即

[0066] A0、C0分别为悬垂特征轮廓线中心点的x、y坐标，计算方法为：

[0067]

[0068] 式中：

[0069]

[0070] 且ε1＝σ1＝0。

[0071] 步骤3、对扫描织物悬垂数据库中M个样本的三维悬垂形态的悬垂特征轮廓线进行椭圆傅里叶描述，得到矩阵EFDs：

[0072] 式中，AMN，BMN，CMN，DMN表示第M个样本的三维悬垂形态的悬垂特征轮廓线的第N次谐波的椭圆系数，计算EEFDs的协方差矩阵的
特征值与特征相邻，EEFDs椭圆傅里叶描述子，将前k个最大特征值构成投影矩阵T4N×k，则得到矩阵EFDs的k个主成分PCs＝EEFDs×T4N×k，k≤4N；

[0073] 步骤4、依据步骤3得到的主成分，采用无需给定聚类个数的层次聚类方法对三维织物悬垂轮廓线进行自动分类。步骤4包括以下步骤：

[0074] 步骤4.1、把每个样本归为一类，计算每两个类之间的距离，也就是样本与样本之间的相似度，其中第r类与第s类之间的距离为d(r，s)，则有：

[0075] 式中，Trs是第r类与第s类中所有样本两两之间的欧式距离之和，Nr和Ns分别是第r类与第s类的中的样本个数；

[0076] 步骤4.2、寻找各个类之间最近的两个类，把他们归为一类；

[0077] 步骤4.3、重新计算新生成的这个类与各旧类之间的相似度；

[0078] 步骤4.4、重复步骤4.2和步骤4.3直到所有样本点都归为一类，结束。

[0079] 本发明用四种不同材质的样本进行实例说明，织物样本的基本性能如表1所示。测试之前，所有的样本都静止展平放置在相对湿度65±2％，温度20±2℃的环境下24个小时。

[0080] 表1织物样本的基本性能

[0081]

[0082]

[0083] 棉、亚麻、丝绸、样毛织物悬垂形态自动分类结果如图2和表2所示。

[0084] 表2三维织物悬垂的聚类统计结果

[0085]

[0086] 通过图2可以看出聚类结果可以分为明显的5大类，各类分别占样本总量的25.0％、31.8％、11.4％、27.3％和4.5％。通过表2可以看出类1主要由低悬垂系数和低波节个数的悬垂组成；类2主要由低悬垂系数和高波节个数的悬垂组成；类3主要由高悬垂系数
和高波节个数的悬垂组成；类4主要由高悬垂系数和低波节个数的悬垂组成；类5只有两个
样本，较其他样本而言，他们具有最大的悬垂系数和最小的波节个数。此外，我们还可以看出丝绸主要属于第2类，而亚麻主要属于第4类。图3至7分别给出各类中最靠近分类中心的
悬垂轮廓。

标题	发布/更新时间	阅读量
一种楼宇安全管控系统	2020-05-08	758
核电站汽轮机转子划痕测量信号处理方法和装置	2020-05-11	116
一种5G系统下行帧定时同步方法	2020-05-08	784
缓解显示器残影的显示器驱动方法及其系统	2020-05-08	429
信号采样电路、探测装置及成像系统	2020-05-11	756
一种反激式转换器恒流控制电路	2020-05-08	758
一种智能组合式大功率电子负载	2020-05-11	2
一种检测肠道菌群代谢气体的呼气试验方法	2020-05-11	58
基于哈希学习的轻量级社会化推荐方法	2020-05-08	624
PID控制器的参数整定方法、装置、存储介质、终端及系统	2020-05-08	908

一种织物三维悬垂形态的自动分类方法

一种织物三维悬垂形态的自动分类方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：