一種人體掃描建模方法
【專利摘要】本發(fā)明公開了一種人體掃描建模方法，該方法包括：從多個視角采集包含被采集者的人體深度數(shù)據(jù)；對每一視角的人體深度數(shù)據(jù)分別進行預處理，去除其中的背景數(shù)據(jù)、地面數(shù)據(jù)及雜點數(shù)據(jù)；將預處理后的所有視角的人體深度數(shù)據(jù)一同進行剛性配準與非剛性配準，獲得完整的人體深度數(shù)據(jù)；利用曲面重建算法對所述完整的人體深度數(shù)據(jù)進行曲面重建，獲得對應的人體三維模型，再利用所述完整的人體深度數(shù)據(jù)的顏色信息對獲得的所述人體三維模型進行紋理映射，獲得包含顏色信息的人體三維模型。通過采用本發(fā)明公開的方法可以高效、準確的獲得一個幾何細節(jié)豐富且?guī)в蓄伾畔⒌娜梭w三維模型。
【專利說明】一種人體掃描建模方法

【技術領域】
[0001] 本發(fā)明涉及三維掃描與建模【技術領域】，尤其涉及一種人體掃描建模方法。

【背景技術】
[0002] 三維掃描技術，即快速的獲取物體表面的空間坐標的技術。其主要是基于掃描儀 來實現(xiàn)的，常用在工業(yè)設計、瑕疵檢測、逆向工程、機器人引導、地貌檢測、醫(yī)學信息、生物信 息、數(shù)字文物典藏、電影制作、游戲創(chuàng)作等領域。目前，三維掃描技術主要分為接觸式三維掃 描技術和非接觸式三維掃描技術，其中非接觸式的又分為光柵式掃描、激光式掃描和紅外 線式掃描。
[0003] 而相對于一般物體，人體的三維信息獲取在動畫、游戲、計算機圖形學、計算機視 覺、虛擬現(xiàn)實等領域是一個更加重要的問題，有著廣泛的應用價值。不同于一般靜態(tài)物體或 場景的掃描，重建三維人體的處理有其獨特性。首先，人體在掃描過程中很難保持靜止，這 給三維掃描的配準算法帶來更高的要求。其次，人們對人體、人臉非常熟悉，為滿足諸如游 戲、動畫等應用要求，僅僅獲取表面的幾何信息是不夠的，因此需要重建出的人體模型帶有 逼真的顏色信息。現(xiàn)有的人體建模辦法主要是利用結構光人體掃描儀，其掃描環(huán)境通常是 在專業(yè)的儀器設備室里面，待掃描者保持一個固定的姿勢一段時間完成掃描后進行數(shù)據(jù)處 理，這就讓普通消費者十分不便，并且不僅掃描、處理效率低而且無法保證后期模型的準確 性。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種人體掃描建模方法，可以高效、準確的獲得一個幾何細 節(jié)豐富且?guī)в蓄伾畔⒌娜梭w三維模型。
[0005] 本發(fā)明的目的是通過以下技術方案實現(xiàn)的：
[0006] -種人體掃描建模方法，該方法包括：
[0007] 從多個視角采集包含被采集者的人體深度數(shù)據(jù)；
[0008] 對每一視角的人體深度數(shù)據(jù)分別進行預處理，去除其中的背景數(shù)據(jù)、地面數(shù)據(jù)及 雜點數(shù)據(jù)；
[0009] 將預處理后的所有視角的人體深度數(shù)據(jù)一同進行剛性配準與非剛性配準，獲得完 整的人體深度數(shù)據(jù)；
[0010] 利用曲面重建算法對所述完整的人體深度數(shù)據(jù)進行曲面重建，獲得對應的人體三 維模型，再利用所述完整的人體深度數(shù)據(jù)的顏色信息對獲得的所述人體三維模型進行紋理 映射，獲得包含顏色信息的人體三維模型。
[0011] 進一步的，所述從多個視角采集包含被采集者的人體深度數(shù)據(jù)包括：
[0012] 利用固定的深度相機采集被采集者在同一姿勢下不同角度的人體深度數(shù)據(jù)，其 中，該人體深度數(shù)據(jù)中包含有顏色信息。
[0013] 進一步的，所述去除其中的背景數(shù)據(jù)、地面數(shù)據(jù)及雜點數(shù)據(jù)包括：
[0014] 利用深度閾值的方法去除背景數(shù)據(jù)；
[0015] 利用人體深度數(shù)據(jù)下方的點擬合一平面，將與該平面的距離小于預定值的點作為 地面數(shù)據(jù)進行去除；
[0016] 將去除背景數(shù)據(jù)與地面數(shù)據(jù)的人體深度數(shù)據(jù)投影到一垂直平面上，獲得每一數(shù)據(jù) 點的相鄰關系；根據(jù)數(shù)據(jù)點的相鄰關系生成對應的網(wǎng)格，將網(wǎng)格中的孤立頂點作為雜點進 行去除。
[0017] 進一步的，所述將預處理后的所有視角的人體深度數(shù)據(jù)一同進行剛性配準與非剛 性配準之前還包括粗配準，其步驟包括：
[0018] 對預處理后的每一視角的人體深度數(shù)據(jù)均基于一旋轉(zhuǎn)軸進行逆時針旋轉(zhuǎn)，其中， 以主成份分析算法PCA計算出的方差最大的主方向為旋轉(zhuǎn)軸，旋轉(zhuǎn)角度為（i-1) · ω°， ω°為相鄰視角的角度差。
[0019] 進一步的，所述將預處理后的所有視角的人體深度數(shù)據(jù)一同進行剛性配準與非剛 性配準，獲得完整的人體深度數(shù)據(jù)包括：
[0020] 利用迭代就近點算法ICP進行剛性配準，其包括：假設采集了 η個視角的人體深度 數(shù)據(jù)，從第一個視角至第η個視角的人體深度數(shù)據(jù)分別記為=S1, S2, S3…，Sn ;利用ICP算法 將粗配準后的S1數(shù)據(jù)與S2數(shù)據(jù)進行配準，再將粗配準后的S 3數(shù)據(jù)與配準后的S1數(shù)據(jù)及S2 數(shù)據(jù)進行配準，直至完成η個視角的數(shù)據(jù)正向配準；再利用ICP算法對所述正向配準后的數(shù) 據(jù)進行從第η個視角至第一個視角的逆向配準，獲得剛性配準后的人體深度數(shù)據(jù)；
[0021] 對剛性配準后的人體深度數(shù)據(jù)進行全局的非剛性配準，其公式如下：

【權利要求】
1. 一種人體掃描建模方法，其特征在于，該方法包括： 從多個視角采集包含被采集者的人體深度數(shù)據(jù)； 對每一視角的人體深度數(shù)據(jù)分別進行預處理，去除其中的背景數(shù)據(jù)、地面數(shù)據(jù)及雜點 數(shù)據(jù)； 將預處理后的所有視角的人體深度數(shù)據(jù)一同進行剛性配準與非剛性配準，獲得完整的 人體深度數(shù)據(jù)； 利用曲面重建算法對所述完整的人體深度數(shù)據(jù)進行曲面重建，獲得對應的人體三維 模型，再利用所述完整的人體深度數(shù)據(jù)的顏色信息對獲得的所述人體三維模型進行紋理映 射，獲得包含顏色信息的人體三維模型。
2. 根據(jù)權利要求1所述的方法，其特征在于，所述從多個視角采集包含被采集者的人 體深度數(shù)據(jù)包括： 利用固定的深度相機采集被采集者在同一姿勢下不同角度的人體深度數(shù)據(jù)，其中，該 人體深度數(shù)據(jù)中包含有顏色信息。
3. 根據(jù)權利要求1所述的方法，其特征在于，所述去除其中的背景數(shù)據(jù)、地面數(shù)據(jù)及雜 點數(shù)據(jù)包括： 利用深度閾值的方法去除背景數(shù)據(jù)； 利用人體深度數(shù)據(jù)下方的點擬合一平面，將與該平面的距離小于預定值的點作為地面 數(shù)據(jù)進行去除； 將去除背景數(shù)據(jù)與地面數(shù)據(jù)的人體深度數(shù)據(jù)投影到一垂直平面上，獲得每一數(shù)據(jù)點的 相鄰關系；根據(jù)數(shù)據(jù)點的相鄰關系生成對應的網(wǎng)格，將網(wǎng)格中的孤立頂點作為雜點進行去 除。
4. 根據(jù)權利要求1所述的方法，其特征在于，所述將預處理后的所有視角的人體深度 數(shù)據(jù)一同進行剛性配準與非剛性配準之前還包括粗配準，其步驟包括： 對預處理后的每一視角的人體深度數(shù)據(jù)均基于一旋轉(zhuǎn)軸進行逆時針旋轉(zhuǎn)，其中，以主 成份分析算法PCA計算出的方差最大的主方向為旋轉(zhuǎn)軸，旋轉(zhuǎn)角度為（i-1) ·ω°，ω°為 相鄰視角的角度差。
5. 根據(jù)權利要求4所述的方法，其特征在于，所述將預處理后的所有視角的人體深度 數(shù)據(jù)一同進行剛性配準與非剛性配準，獲得完整的人體深度數(shù)據(jù)包括： 利用迭代就近點算法ICP進行剛性配準，其包括：假設采集了η個視角的人體深度數(shù) 據(jù)，從第一個視角至第η個視角的人體深度數(shù)據(jù)分別記為=S1,S2,S3…，Sn ;利用ICP算法將 粗配準后的S1數(shù)據(jù)與S2數(shù)據(jù)進行配準，再將粗配準后的S3數(shù)據(jù)與配準后的S1數(shù)據(jù)及S2數(shù) 據(jù)進行配準，直至完成η個視角的數(shù)據(jù)正向配準；再利用ICP算法對所述正向配準后的數(shù)據(jù) 進行從第η個視角至第一個視角的逆向配準，獲得剛性配準后的人體深度數(shù)據(jù)； 對剛性配準后的人體深度數(shù)據(jù)進行全局的非剛性配準，其公式如下：
其中，$/?為剛性配準后的人體深度數(shù)據(jù)，1 =1，2,3，...，11;民@(1為剛性項，〇&1(1為剛性項的權值，Es_th為光滑項，as_th光滑項的權值，Efit為數(shù)據(jù)項，afit為數(shù)據(jù)項的權值； 所述數(shù)據(jù)項Efit用于確保非剛性配準后對應點的距離達到預期值，所述對應點通過下 述步驟確定：在剛性配準后每一視角的人體深度數(shù)據(jù)中均勻采集若干點，對于數(shù)據(jù) 中所采集到的每一個點均從與該數(shù)據(jù)相鄰視角的數(shù)據(jù)Si1;和/或^中查找一個距離 最近的點作為對應點； 利用有限內(nèi)存擬牛頓法L-BFGS來求解上述非剛性配準公式，每求解一次之后均重新 確定對應點，并更新所述數(shù)據(jù)項Efit及按照預定的方式減小權值as_th，重復多次 后完成非剛性配準。
【文檔編號】G06T17/00GK104463952SQ201410628461
【公開日】2015年3月25日 申請日期:2014年11月10日 優(yōu)先權日:2014年11月10日
【發(fā)明者】劉利剛, 熊君君 申請人:中國科學技術大學, 北京三星通信技術研究有限公司