一种基于人体三维扫描数据的特征提取方法技术

本发明专利技术公开了一种基于三维人体扫描数据的特征提取方法，具体步骤如下

【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，本专利技术提供基于人体三维扫描数据的特征提取算法，用于解决传统人体测量技术测量效率低，精度低，难以适应大规模批量提取特征的问题
。
[0005]为了实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：
[0006]基于人体三维扫描数据的特征提取算法，包括以下步骤：
[0007]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，由于人体形态个体差异等影响，采集到的三维数据模型可能会产生一些细小的缺失和干扰，影响人体形态的后续研究，利用三维扫描软件将三维人体模型的干扰进行排除，并填充其空洞，保证三维人体数据的完整性与准确性，将其保存为通用的三维模型数据格式
(.stl
文件
)。
[0008]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
。
使用拉普拉斯平滑算法对网格模型进行平滑后，根据网格模型提取出三维点云数据，使用体素网格下采样算法对点云使用体素网格下采样法进行降采样
。
[0009]进一步地，拉普拉斯平滑算法既能保持网格模型的几何特征，也能避免噪声对网格模型的影响
。
提取出三维点云数据后，使用体素网格下采样算法能够获取到点云数据中的关键点，从而达到降低计算量的目的
。
[0010]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，并以其为配准基准对后续的三维人体点云数据进行粗配准与精配准，使得所有的三维人体数据具有统一的坐标系，便于人体关键特征曲面的提取
。
[0011]步骤四：根据对人体结构的特点，分别截取出人体关键特征点所在曲面的点云数据，并计算出曲面点云上所有点对应的平均曲率，并选择出每个特征曲面上平均曲率最大的点作为该曲面上的关键特征点
。
[0012]步骤五：保存关键特征点的三维坐标值，并参考相关医学文献中人体特征定义，计算出相关的人体特征尺寸，包括直线距离
、
投影等
。
[0013]步骤六：对提取出的人体特征参数进行数据统计分析处理，以保证提取到的人体数据的准确性
。
[0014]进一步地，对提取到的人体特征参数缺失值检验
、
奇异值检验以及采集数据的正态分布检验来确保提取到的数据具有完整性
、
一致性和稳定性
。
[0015]与现有技术相比，本专利技术提出的基于人体三维扫描数据的特征提取算法以下优点：
(1)
相比传统手工人体测量技术，能够快速
、
准确
、
自动化地提取到人耳特征，能够解决部分内部结构无法准确提取的问题，大大降低提取过程中消耗的人力物力
。(2)
本专利技术的提取过程具有可逆性，可以随时根据需求，添加提取项目，为产品设计提供充分的数据支撑
。(3)
本专利技术使用数据统计分析方法，确保提取到的数据具备完整性
、
一致性以及准确性
。
附图说明
[0016]图
1.
基于人体三维扫描数据的特征提取方法的原理图；
[0017]图
2.
点云配准方法原理图；
[0018]图
3.
关键特征曲面与关键特征点的提取效果图；
[0019]图4为本专利技术的流程图
。
具体实施方式
[0020]下面将结合本专利技术中的具体实施例和附图，对专利技术作进一步的详细说明
。
实施本专利技术的过程
、
条件
、
实验方法等，除以下专门提及的内容之外，均为本领域的普遍知识和常识，本专利技术没有特别限制内容
。
[0021]本专利技术提供了一种基于人体三维数据的特征提取方法，由于人体具有复杂性与多样性，而人耳是人体中极为特殊的一部分，同时具备复杂的外耳和耳道结构，具有极高的研究价值与挑战性，本专利技术以人耳为例，结合附图对人体三维扫描数据的特征提取方法的具体实施方式进行进一步的详细说明
。
[0022]如图1所示，包括以下步骤：
[0023]步骤1：获取三维人耳网格模型数据，利用三维扫描仪对被试者的外耳及耳道进行扫描，由于人耳形态差异
、
实验环境以及设备等影响，采集到的三维人耳数据模型可能会产生一些细小的缺失和干扰，影响人耳形态的后续研究，利用三维扫描软件将三维人体模型的干扰进行排除，并填充其空洞，保证三维人体数据的完整性与准确性，将其保存为通用的三维模型数据格式
(.stl
文件
)
，并排除由于扫描操作问题而导致的异常人耳模型，经扫描与排除共获得
592
个人耳模型
。
[0024]步骤2：对三维人体网格数据进行预处理，包括网格模型平滑处理，提取三维点云数据，以及点云数据降采样
。
[0025]首先，本专利技术使用拉普拉斯平滑算法对三维人耳网格模型进行处理，提高曲面的
光滑性，该算法的原理是将网格模型上的每一个顶点调整至与该顶点共面的所有顶点组成的多面体的几何中心的位置上，即所谓的伞状算子：
[0026][0027]其中，
ω
i
为权重因子，这里可以令
ω
i
为
P<本文档来自技高网...

【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
...

【专利技术属性】
技术研发人员：张晋，顾宏，秦攀，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：