【技术实现步骤摘要】
一种基于人体三维扫描数据的特征提取方法
[0001]本专利技术属于人体测量
,特别是涉及一种基于人体三维扫描数据的特征提取方法
。
技术介绍
[0002]人体测量技术通过测量人体各个部位尺寸,研究人体器官的形态特征,为供工业设计
、
人体工程学
、
工程设计
、
人类学研究和医学等领域提供基础数据
。
人体测量技术随着科学技术的进步,正在由传统手工向自动化,由直接测量
(
接触式
)
向间接测量
(
非接触式
)
,由二维摄影图像向三维模型不断发展
。
传统手工测量方式需要测量人员具备一定的经验,且存在主观性和不稳定的问题,人工难以获取部分处于人体内部的特征,整体效率不高,若要为可穿戴产品设计提供大量数据,需要付出大量的人力物力成本
。
[0003]由于个体生理特征的差异性
、
独特性,现有的针对三维人体数据的测量技术往往无法满足批量化自动化提取出人体特征,以满足可穿戴产品设计的数据需求
。
而且,三维人体数据的处理难度较大,现有技术中还没有能够快速准确地实现基于三维人体扫描数据的自动化提取方法
。
因此,建立一种能够基于三维人体扫描数据批量化
、
自动化提取出人体特征的方法,对于可穿戴产品的设计至关重要
。
技术实现思路
[0004]为了解决上述存在的问题, ...
【技术保护点】
【技术特征摘要】
1.
一种基于人体扫描数据的特征提取方法,其特征在于,步骤如下:步骤一:获取人体点云数据集,通过三维扫描仪对人体进行扫描,对三维人体数据进行调整与处理,将其保存为通用的三维模型数据格式;步骤二:对扫描得到的三维人体网格模型进行预处理,预处理包括平滑处理,提取三维点云数据以及点云数据降采样;步骤三:对首个三维人体数据进行三维点云旋转以确定其坐标系,并以其为基准对后续的三维人体点云数据进行配准,使得所有的三维人体数据具有统一的坐标系;所述的配准采用的是
RANSAC
粗配准算法与
ICP
精配准算法;
RANSAC
算法是一种点云粗匹配算法,它的基本思想是通过多次迭代,选出一个最优的空间变换矩阵作为近似最优解,从而实现点云匹配;
RANSAC
算法的具体流程如下:
3.1
选取采样点;从源点云和目标点云中随机选取出三个点,并使它们组成三组点对,因为求解变换矩阵时最少需要三组点对才能够唯一地确定一个空间变换;
3.2
进行坐标变换;使用这三组点对计算出空间变换矩阵和,并对目标点云应用空间变换,得到临时变换点云;
3.3
获得评价结果;使用评价函数计算临时变换点云与目标点云之间的评价结果,一般使用点与点之间的欧式距离的方差作为评价函数;
3.4
循环
3.1
~
3.3
若干次将评价结果最好的空间变换矩阵作为最终的变换矩阵;经过
RANSAC
算法进行粗配准后,目标点云与源点云在空间中大致处于同一个位置,为后续的
ICP
精配准提供了一个良好的初始位置;所述的
ICP
算法的具体实现流程如下:
3.5
构建点对集;对于目标点云中的每一个点,在源点云中寻找与该点欧式距离最近的一点,形成对应点对,得到目标点云与源点云之间的初始点对集;
3.6
计算变换矩阵;通过点对关系求解空间变换矩阵
R
和
T
,并计算误差函数公式:
3.7
使用空间变换矩阵
R
和
T
对源点云进行空间变换,不断进行迭代,并重新计算对应点对集;
3.8
迭代到误差函数值达到预先设定的阈值或者迭代次数达到最大值时,算法收敛,停止迭代,输出最终的空间变换矩阵;经过
RANSAC
算法的粗配准与
...
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。