SMPL源码解读

这是源码的整体结构，先简单说一下各个文件里面是什么。

一、models文件

包含3个模型的.pkl文件，.pkl文件是python提供的可以以字符串的形式记录对象、变量的文件格式。这个模型里面包括了:

1.'J_regressor_prior':关节回归矩阵的先验，保存形式为CSC（用array保存的稀疏矩阵）

2.'f'：面信息（三个顶点为一组表示面片的组成）

（不是全部，有省略）

3.'J_regressor'：关节回归矩阵，保存形式CSC

4. 'kintree_table'：关节树表

5.'J'：关节位置

6.'weights_prior':蒙皮权重先验

7.'weights'：蒙皮权重

8.'vert_sym_idxs' :顶点索引

9.'posedirs':姿势矫正

10.:姿势矫正蒙皮方式

11.'v_template':T pose 顶点信息

12.'':形状矫正

 13.形状矫正蒙皮方式：

以上内容都有省略，但其实只需要知道有什么就行了，具体数字不重要（人眼也看不出意义），感兴趣可以用自己用下面代码写个脚本查看

注释掉的是用来显示全部内容，并写到.txt里面，用的时候记得改文件路径

 

二、smpl_webuser

可以看到里面还有个文件夹hello_world，里面两个脚本hello_smpl.py和render_smpl.py，这是作者提供的示例代码，可用其生成自己设定shape、pose参数的模型，区别是hello_smpl.py是直接生成.obj文件，render_smpl.py是直接渲染在屏幕上；个人觉得用meshlab或者Blender查看.obj比较舒服，所以只介绍hello_smpl.py。

hello_smpl.py

 可以看到很简单，先用写好的load_model方法，读出.pkl文件的内容，然后将里面的m.r（定点信息）和m.f(面信息)写进.obj,meshlab既可以根据这两个信息渲染出最终的模型。

所以重点放在其他几个脚本上，lbs.py, posemapper.py, serialization.py, verts.py,一共四个脚本

我根据正须（整体调用顺序）推一遍各个脚本和里面函数的作用。

1.serialization.py

脚本名可翻译为串行化，前面也提到这个名词，串行化，就是python用来将对象、变量转换成字符进行存储，所以里面是关于模型存储、读取的方法。

（1）存储模型

 （attribute  n.属性）

可以看到，就是检查model里面的内容，再写进新的文件里。

 

（2）命名规范检查

 对模型的参数可能存在的不同的命名进行检查，并规范化，算是提高复用性

（3）模型初始化（更添加顶点信息 &更新 形状修正后的关节点信息）

 在 if want_shapemodel:这一行之前，都是在加载，判断，添加修改 传入的数据，都是直接调用库里的函数。

之后，通过将数据里的'shapedirs'(形状纠正)和'beta'（形状参数）点乘，加上'v_template'(T pose定点信息)，得到形状修正后的定点信息'v_shaped'。

再用'J_regressor'和'v_shaped'计算出形状矫正后的新的关节位置'J'。

 'v_posed'的计算中调用了其他脚本的方法'posemap',等下再看

最终这个方法的作用是根据数据里的'posedirs'&'shapedirs'计算出'v_posed' & 'J',并更新\添加到原来的数据文件中。

（4）模型加载

首先调用方法（3）读取.pkl文件中的'v_posed' & 'J'以及其他信息，然后将.pkl中的参数按照名称建立成字典。verts_core是一个重载函数，主要作用是在蒙皮过程中模型空间和世界空间进行转换，返回值是顶点息和Jtr，具体之后分析。setattr将未进行坐标转换的定点信息作为属性k，添加到result。所以最后返回的加载模型得到的result包含了顶点的模型空间和世界空间内的坐标（疑问：其他信息呢？hello_smpl.py里明明还对。

2.posemapper.py

接下来先看在初始化模型中调用的posemap函数，已知这个是用来计算pose参数的

 

 

 有三个方法，但主要都是为第二个方法lortmin()服务，lortmin是一个很复杂的计算（没看懂），用到了罗德里斯公式，输出的是一个一维向量，这个向量与pose参数相乘后和posedirs矩阵点乘，这个脚本是用来将pose参数（旋转轴角，而且非线性）转换为线性可插值的旋转矩阵。

从纬度的计算看，

的结果是Nx3，从公式里可之'posedirs'也就是P的纬度是3Nx9K,''pose'向量在模型初始化的方法里初始化的3K，可以推导出'lortmin'的纬度是3x9x1，也符合旋转矩阵的表达形式（将3维的周角转换成3x3的旋转矩阵）。

3.verts.py

前面load_model中用到的重载函数verts_core(**args)也在该脚本调用。先看这个。

这个方法我这里只截图了命名，内容上也是根据已知的posedirs和shapedirs算出v_posed和J，其中的J的回归矩阵对是否为系数矩阵进行了判断，可能是为了防止有的模型定义变量名的不同。其他跟模型初始化的内容一样。作者给的注释是

其他地方也没有调用这个方法，应该是个模型定义的备选项

 这里是被调用的重载函数的定义，假定了蒙皮形式为线性蒙皮和参数状态。

整个脚本就是先假定一下smpl的T pose 和 J 和 蒙皮形式。
 

4.lbs.py

（1）将模型从模型空间转变到世界空间

 通过对kintree_table的按列读取，确定每个关节的parent

 从kintree_table按列看，即可得知关节之间的父子关系

 

 lambda 是方法的简写，冒号前为变量，后面为函数体，.vstack()是按列方向排列，result[0]是通过罗德里斯公式，得到0关节在世界坐标系的位置。因为0关节没有parent，其世界坐标和模型坐标是一样的。所以没有运算，只是通过行列排列即可得到。

for循环对每个关节，通过点承消去parent对自身坐标的改变，得到关节在世界坐标中的位置。

排列后得到所有关节世界位置组成的矩阵result_global。

 再将世界坐标逐个点乘parent的坐标得到关节在模型坐标中的位置。返回最终结果

（2）关节在蒙皮中对顶点的影响