【技术实现步骤摘要】
一种基于多相机的面部轮廓点云模型重构方法及装置
[0001]本专利技术属于三维点云重构领域，具体涉及一种一种基于多相机的面部轮廓点云模型重构方法及装置。
技术背景
[0002]随着机器人的不断发展，在口腔医疗、面部按摩、美容护理等领域中，对人体面部作业的机器人研究日益增多。这些领域的机器人在进行作业时，需要获取面部较为准确的三维轮廓信息，用于机器人进行准确的位姿控制与操作。
[0003]面部轮廓点云的获取可以通过三维重构技术实现，目前三维重构技术包括接触式方法和非接触式方法。接触式方法主要代表为三坐标测量法，该方法具有较高的精度，但设备昂贵、维护困难，测量仪在扫描过程中由于拍摄死角的存在，需要不断变换扫描头拍摄角度以填补空白，操作繁琐。非接触式方法存在被动测量和主动测量。被动测量是从二维数字图像中获取三维空间人脸信息，分析基于多视角相关特征点的相机空间参数得到三维信息。其中，双目相机通过双目立体视觉原理，能获得图像任意点位置的三维坐标，原理简单、便捷。但由于面部轮廓具有无特定角点、肤色较均匀等特性，增加了立体匹配环节...
【技术保护点】
【技术特征摘要】
1.一种基于多相机的面部轮廓点云模型重构方法，其特征在于，包括以下步骤：(S1)基于Kinect2相机获取面部轮廓的三维点云模型；(S2)对步骤(S1)获得的三维点云模型进行三角化得到三角网格模型，基于边记分函数对所述三角化后得到的三角网格模型进行细化，得到完整面部点云模型；(S3)基于双目相机获取一组面部特征点，并获得面部特征点三维坐标；(S4)基于迭代最近点算法在步骤(S1)中获取的三维点云模型中获取步骤(S3)中所述面部特征点对应的点云，并利用奇异值分解法求出Kinect2和双目相机的点云转换矩阵；(S5)基于点云转换矩阵将完整面部点云模型进行位置配准，获得完整、准确面部点云模型。2.根据权利要求1所述的基于多相机的面部轮廓点云模型重构方法，其特征在于，所述步骤(S1)利用Kinect2相机获取的彩色图像对面部轮廓进行检测，将Kinect2相机进行彩色-深度图像配准，基于彩色图像中面部轮廓检测的结果获取面部轮廓的三维点云模型M
K
，其中三维点云模型M
K
由H个点云组成，三维点云模型M
K
在Kinect2相机坐标系下的坐标如下：其中代表三维点云模型M
K
中任意一点云M
K(i)
的三维坐标。3.根据权利要求2所述的基于多相机的面部轮廓点云模型重构方法，其特征在于，所述步骤(S2)包括以下步骤：a、取三维点云模型M
K
中任意部分点集，相邻两点构成边其中i，j表示三角网格中任一条边上两端点的下标：则边的长度为：b、定义边的记分函数D
ij
符合正态分布：c、定义由三维点云模型M
K
得到的面部三角网格所有边的记分平均值为得到的面部三角网格所有边的记分平均值为式中n为面部三角网格中边总数；对于三角网格的每条边记分函数D
ij
，若则对该边进行分裂操作，即在该边中点处插入新的定点，步骤b在三维点云模型M
K
上迭代，定义细化插补后的完整面部模型为C
K
：
其中为完整面部点云模型中任一点云C
K(i)
的三维坐标。4.根据权利要求3所述的基于多相机的面部轮廓点云模型重构方法，其特征在于，所述步骤(S3)根据面部轮廓的特异性，选取左右眼睛角点、嘴的左右角点、鼻尖点共七个面部特征点组成特征点集P
L
，利用双目相机获取面部轮廓图像，并基于深度学习特征点检测算法及双目立体视觉获取所述面部特征点的三维坐标：其中为面部特征点P
L
中任意一个特征点P
L(i)
的三维坐标。5.根据权利要求4所述的基于多相机的面部轮廓点云模型重构方法，其特征在于，所述步骤(S4)包括以下步骤：1)确定迭代最近点算法损失函数，损失函数如下，其中k为所述7个面部特征点中的任意一个特征点：其中，f(R,t)为迭代最近点算...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。