CN105046746A - 一种数字散斑人体三维快速扫描方法 - Google Patents

Abstract

本发明公开了一种数字散斑人体三维快速扫描方法，所述方法通过向人体表面投影随机散斑图案，采用多相机拍摄人体图像并对其进行相关分析来实现人体三维数据的快速扫描。所述方法包括：第一步，多相机全局标定；第二步，人体图像快速采集；第三步，人体三维点云重建；第四步，多幅点云配准；第五步，人体三维建模；通过上述操作步骤，本发明提供了一种人体三维数据的快速扫描方法，具有操作方便、扫描快速、彩色扫描等优点。

Description

一种数字散斑人体三维快速扫描方法

技术领域

本发明涉及三维测量领域中人体三维数据测量的问题，特别涉及一种数字散斑人体三维快速扫描方法。

背景技术

人体三维测量通过获得人体各部位的尺寸和模型，研究人体的形态特征，广泛用于3D打印、医学治疗、服装定制、运动分析等领域。例如，在进行真人模型3D打印时，首先要获得人体的三维数据；而在医学治疗方面，快速获得人体面部三维数据是制定更好的整形、矫形手术方案的前提；另外，随着人们对生活质量的要求越来越高，所设计的日用产品必须与人体尺寸更加匹配，才能满足消费需求。因此，如何快速、精确得获取人体全身或者局部的三维数据，在实际应用中至关重要。

国内外目前已出现商业化的人体扫描系统，这些系统一般基于光栅、红外或激光扫描原理，主要用于人体三维的静态扫描，存在的共同缺陷是：由于一次扫描需要多次投影光栅或激光条纹，使得整体扫描速度较慢，且难以避免人体晃动造成的误差。

发明内容

基于此，本发明公开了一种数字散斑人体三维快速扫描方法；

所述方法包括下述步骤：

S100、多相机全局标定：在测量视场中布置标定板来标定多个测量头中相机的内部参数和外部参数；

S200、人体图像快速采集：利用多个测量头向人体表面的不同位置处投影随机的散斑图案，并利用多个测量头从不同角度同步采集人体图像；

S300、人体三维点云重建：基于步骤S100、S200，对每个测量头采集的人体图像进行立体匹配和三维坐标重建，得到多幅人体表面三维点云数据；

S400、多幅点云动态配准：对步骤S300获得的多幅三维点云数据进行动态配准，得到人体完整的三维点云数据；

S500、人体三维建模：根据步骤S400得到的人体完整的三维点云数据，建立人体完整的三维彩色模型。

本发明方法具有以下优点：

(1)本发明方法通过向人体表面一次投射散斑图像即可实现人体三维扫描，克服了传统多次投射结构光栅的缺陷，消除了人体扫描时晃动造成的误差，实现了人体三维数据的快速扫描。

(2)由于本发明方法能够在2毫秒内完成人体图像数据的采集，可用于捕捉人体运动的三维数据。

(3)本发明方法能够同时获得人体三维几何坐标数据和彩色纹理数据。

本发明为克服现有人体扫描技术的缺陷和不足，通过向人体表面投影随机散斑图案，采用多相机多角度拍摄人体图像并对其进行相关分析和三维计算来实现人体三维数据的快速扫描，并能够避免人体三维扫描过程中由于身体晃动造成的误差。

附图说明

图1本发明人体三维扫描流程图；

图2本发明测量头的三维设计图；

图3本发明测量框架布置示意图；

图4本发明投影的散斑图案；

图5本发明采集的人体表面散斑图像；

图6本发明人体三维点云重建示意图；

图7本发明多幅点云配准流程图。

具体实施方式

以下结合附图和具体的实施例对本发明作进一步的详细说明。

在一个实施例中，如图1的流程图所述：本发明公开了一种数字散斑人体三维快速扫描方法；

所述方法包括以下步骤：

S100、多相机全局标定：在测量视场中布置标定板来标定多个测量头中相机的内部参数和外部参数；

S200、人体图像快速采集：利用多个测量头向人体表面的不同位置处投影随机的散斑图案，并利用多个测量头从不同角度同步采集人体图像；

S300、人体三维点云重建：基于步骤S100、S200，对每个测量头采集的人体图像进行立体匹配和三维坐标重建，得到多幅人体表面三维点云数据；

S400、多幅点云动态配准：对步骤S300获得的多幅三维点云数据进行动态配准，得到人体完整的三维点云数据；

S500、人体三维建模：根据步骤S400得到的人体完整的三维点云数据，建立人体完整的三维彩色模型。

在本实施例中，多相机标定属于现有技术，作为示例，本实施例中采用文献“大视场多像机视频测量系统的全局标定”(胡浩，梁晋，唐正宗等.光学精密工程，2012)所提出的多相机标定方法。

本发明采用测量头的数量和布置位置的原则是：每个测量头分别测量人体的一部分，保证所有测量头一起测量能够实现人体整体的三维扫描。

本实施例克服了现有人体扫描技术的缺陷和不足，通过向人体表面投影随机散斑图案，采用多相机多角度拍摄人体图像并对其进行相关分析和三维计算来实现人体三维数据的快速扫描，并能够避免人体三维扫描过程中由于身体晃动造成的误差。

在一个实施例中，如图2所示：所述测量头包括：两个黑白相机、一个散斑投影仪、一个彩色相机和一个闪光灯；

所述两个黑白相机和彩色相机布置于一个平面，且两个黑白相机分布在彩色相机两边；

所述散斑投影仪和闪光灯同样分布在彩色相机两边，且位于彩色相机和黑白相机之间；

所述黑白相机和彩色相机用于拍摄人体图像；所述散斑投影仪用于向人体表面投影随机的散斑图案。

在本实施例中，图2所示的测量头只是测量头各组成部分的一种放置方式，所述测量头中的相机、散斑投影仪和闪光灯也可以为按其他合适的方式进行放置，这里不做限定。

在本实施例中，所述散斑投影仪在投影时应该注意：(1)投影的散斑图案灰度要均匀，并根据现场环境调节闪光灯的亮度，不宜过亮或过暗；(2)散斑投影和图像采集应保持同步；(3)所采集的人体表面散斑图像应清晰、灰度对比明显。

在一个实施例中，在步骤S100中：

所述标定板正反面都均匀粘贴有环形的编码标志点和圆形的非编码标志点，所有标志点的三维坐标已知；

所述标定板在多测量头视场内具有不同位姿；

所述多测量头具备同步拍摄标定板不同姿态的标定图像的能力；

对所述标定图像，利用工业摄影测量原理进行计算，得到所有黑白相机和彩色相机的内部参数和外部参数。

在一个实施例中，所述步骤S200中的人体图像包括每个测量头采集的三张人体图像，所述三张人体图像包括：两个黑白相机拍摄的两张灰度人体图像，和彩色相机拍摄的一张彩色人体图像。

在本实施例中，所述的人体图像是通过计算机控制所有测量头中的两个黑白相机和一个彩色相机同步进行拍摄的。所述测量头能在0.002秒内完成人体图像采集。

在本实施例中，采用10个测量头的布置如图3所示，通过5个扫描柱构成人体全身扫描的框架，每个扫描柱的上下两个位置各安装一个测量头；另外，专门在人脸正前方布置一个扫描柱，以用于人脸三维精细扫描。

在一个实施例中，所述步骤S300包括以下步骤：

S3001、利用数字图像相关法对所述的两张灰度人体图像进行立体匹配；

S3002、利用S100中得到的测量头中相机的内部参数和外部参数以及S3001中立体匹配得到的结果，基于三角测量原理计算人体表面的三维坐标，进而得到一幅代表该测量头的人体不同部位的三维点云数据；

S3003、重复S3002，直到每个测量头都得到一幅代表所述测量头的人体不同部位的三维点云数据。

在本实施例中，数字图像相关法和三角测量原理均属于现有技术，作为示例，采用文献“用于三维变形测量的数字图像相关系统”(唐正宗，梁晋，郭成等.光学精密工程，2010)所提出的散斑图像立体匹配和三维坐标重建方法，当然，也可以选择其他适用于本发明的其他散斑图像立体匹配和三维坐标重建方法，这里不再赘述。

在一个实施例中，所述步骤S400包括以下步骤：

S4001、对步骤S3003得到的所有人体不同部位的三维点云数据进行降噪处理；

S4002、局部配准：根据公式(1)配准优化目标函数，利用迭代最近点算法通过刚性变换对降噪处理后的所有人体不同部位的三维点云数据(P₁，...，P_n)依次进行两两配准，得到相邻两幅点云数据P_i和P_i+1的相对转换矩阵为R_i，i+1，T_i，i+1，i＝1，...，n，当i＝n，转换矩阵为R_n，1，T_n，1；

其中，R为旋转矩阵，T为平移矩阵，M、P为待配准的两幅点云数据的三维坐标集合，dist(，)表示两幅点云数据两两配准后对应点的距离，n表示总的点云数；表示对M点进行旋转和平移后的新点云，min()为求最小值函数；

S4003、全局配准：根据局部两两配准的累积误差进行全局误差扩散，找到一幅新的以均匀分配点云数据配准的累积误差，在满足这一约束的同时使得所有点云数据配准后的均方根误差最小；即：

其中，为待配准的两幅点云数据，pow(，)表示点云两两配准后对应点的距离平方；式(3)求解后的结果又作为步骤S4002局部配准的初值，重复步骤S4002、S4003直到完全收敛；对于式(3)求解，可用现有合适的各种计算方法，例如可通过拉格朗日乘子法；

S4004剔除无效点：利用公式(4)剔除配准偏差大于σ的点，进一步优化点云数据；

σ＝λ*D_ave(4)

其中，λ＝1.5～2.5，D_ave为点云全局配准后的平均偏差。

在本实施例之前，每个测量头均获得了一幅人体不同部位的三维点云数据，为获得人体完整的三维几何外形信息，必须对不同方位测得的点云数据进行配准，在本实施例中提出了一种多幅点云数据的两步配准方法，减小人体扫描过程中难以保持静止引入的测量误差。

在本实施例中，两幅点云数据配准就是通过刚性旋转变换使得两幅点云数据的重叠区域能够最优的对齐在一起，所述重叠区域是指相邻两幅或多幅点云数据的重叠部分，重叠区域可通过点云处理通用的最邻近点搜索方法得到。

在本实施例中，相邻两幅点云数据具体是指相邻两个测量头得到的两幅点云数据。

在一个实施例中，步骤S500包括以下步骤：

S5001、利用K-Means聚类与Mean-Shift聚类相结合的算法，对步骤S4004中优化后的点云数据进行融合，同时删除重叠区域；

S5002、对步骤S5001中融合后的点云数据进行采样，去除冗余点；

S5003、对步骤S5002处理后的点云数据，利用Delaunay三角化算法进行三角化处理，从而建立人体三维模型，并对人体三维模型存在的数据空缺进行补洞处理；

S5004、将步骤S5003中得到的人体三维模型投影到所述彩色人体图像上，获得人体三维模型的彩色信息，从而得到人体三维模型的彩色纹理。

本实施例针对经过步骤S400配准后的多幅点云数据仍然可能存在数据空缺、噪声及量大等问题，本实施例首先将广泛应用于机器视觉的K-Means聚类与Mean-Shift聚类算法相结合来实现密集点云数据的融合，同时删除重叠区域；然后对融合后的点云数据进行采样处理，在保持点云模型特征的基础上，去除尽量多的冗余点；再利用Delaunay三角化算法对点云数据进行三角化处理从而建立人体的三维模型，并对模型存在的数据空缺进行补洞处理。最后，将三维模型上的每一个三维点重投影到二维的彩色图像上，获得该点的颜色信息后，再对三维数据进行渲染，最终得到人体三维模型的彩色纹理。

本实施例中的补洞处理可以采用现有技术中对于空缺数据的修补手段，例如采用文献《基于径向基函数的三角网格曲面孔洞修补算法》，(杜佶，张丽艳，王宏涛等，计算机辅助设计与图形学学报，2005)中所述的方法，容易理解的，也可以是其它适当的手段。

在一个实施例中，本发明提出一种数字散斑人体三维快速扫描方法，基本测量流程如图1所示。以人体全身三维扫描为例，共采用10个测量头，每个测量头由2个黑白相机，1个散斑投影器，1个彩色相机和1个闪光灯组成，如图2所示，3个相机被布置在同一平面，彩色相机在中间，2个黑白相机分布在左右两边，投影器和闪光灯均匀分布在彩色相机两边。10个测量头的布置如图3所示，通过5个扫描柱构成人体全身扫描的框架，每个扫描柱的上下两个位置各安装一个测量头；另外，专门在人脸正前方布置一个扫描柱，以用于人脸三维精细扫描。

人体三维扫描的步骤为：

第一步，多相机全局标定。通过在测量视场中布置双面型标定板进行多测头相机内、外参数的全局标定。所用标定板正反面都均匀粘贴有环形的编码标志点和圆点型的非编码标志点，所有标志点的三维空间数据已知。标定时，将标定板在多测头公共视场内将摆放不同位姿，并控制所有相机同步拍摄标定板不同位姿的图像；然后对采集的标定图像进行处理，利用工业摄影测量原理进行整体一次性解算，得到所有相机的内部参数和外部参数。多相机标定属于现有技术，作为示例，本实施例中可以采用文献“大视场多像机视频测量系统的全局标定”(胡浩，梁晋，唐正宗等.光学精密工程，2012)所提出的多相机标定方法。

第二步，人体图像快速采集。被测人体位于在测量框架中心，开启所有测量头通过散斑投射器向人体表面投影如图4所示的随机散斑图案，同时通过计算机控制多个测量头从不同角度同步拍摄人体表面图像，在0.002秒内完成人体图像采集。每个测量头采集三张图像，包括左右相机拍摄的如图5所示的2张灰度人体图象和中间彩色相机拍摄的彩色人体图像。图像采集时注意：(1)投影的散斑图案灰度要均匀，并根据现场环境调节闪光灯的亮度，不宜过亮或过暗；(2)散斑投影和图像采集应保持同步；(3)所采集的人体表面散斑图像应清晰、灰度对比明显。

第三步，人体三维点云数据重建。如图6所示，首先利用数字图像相关法(DigitalImageCorrelation，DIC)对第二步中每个测量头两黑白相机采集的灰度人体图像进行立体匹配，然后根据第一步中标定得到的相机内外参数，基于三角测量原理即可计算得到人体表面密集点的三维坐标，重复这一过程，直到完成所有测量头图像的三维解析计算，最终实现人体三维点云数据的重建。数字图像相关法和三角测量原理均属于现有技术，作为示例，本实施例中可以采用文献“用于三维变形测量的数字图像相关系统”(唐正宗，梁晋，郭成等.光学精密工程，2010)所提出的散斑图像立体匹配和三维坐标重建方法。

第四步，多幅点云配准。经过第三步重建，每个测量头均获得了一幅人体不同部位的三维点云数据，为获得人体完整的三维几何外形人体不同部位的三维点云数据，必须对不同方位测得的点云数据进行配准。本发明提出一种多幅点云数据的两步配准方法，减小人体扫描过程中难以保持静止引入的测量误差。

两个模型配准就是通过刚性旋转变换使得两个模型的重叠区域能够最优地对齐在一起。对于有部分重叠区域的任意两幅三维点云，配准优化的目标函数为：

其中，R为旋转矩阵，T为平移矩阵，M、P为待配准两幅点云，dist(，)表示点云两两配准后对应点的距离，表示对M点进行旋转和平移后的新点云，min()为求最小值函数。

多幅点云配准的基本流程如图7所示，包括以下4个步骤：

(1)点云降噪：对扫描获得的所有人体不同部位的三维点云数据进行降噪处理；

(2)局部配准：根据公式(1)配准优化的目标函数，利用迭代最近点算法(IterativeClosestPoint，ICP)通过刚性变换对获得的所有人体点云数据数据(P₁，...，P_n)依次进行两两配准，得到的相邻两幅点云数据P_i和P_i+1的相对转换矩阵为R_i，i+1，T_i，i+1(i＝1，...，n，当i＝n，转换矩阵为R_n，1，T_n，1)。

(3)全局配准：根据局部两两配准的累积偏差进行全局误差扩散，找到一组新的以均匀分配点云配准的累积误差，在满足这一约束的同时使得所有点云数据配准后的均方根误差最小。即：

其中，为待配准的两幅点云数据，pow(，)表示点云两两配准后对应点的距离平方。式(3)可通过拉格朗日乘子法进行求解，计算结果又可作为第(2)步局部配准的初值，重复第(2)、(3)两步直到完全收敛(迭代误差不再减小)。

(4)剔除无效点：利用公式(4)剔除配准偏差大于σ的点，进一步优化点云数据。

σ＝λ*D_ave(4)

其中，λ＝1.5～2.5，为一常系数；D_ave为点云全局配准后的平均偏差。

第五步，人体三维建模。经过第四步配准后的多幅点云数据仍然可能存在数据空缺、噪声及量大等问题，本发明首先将广泛应用于机器视觉的K-Means聚类与Mean-Shift聚类算法相结合来实现密集点云数据的融合，同时删除重叠区域；然后对融合后的点云数据进行采样处理，在保持点云模型特征的基础上，去除尽量多的冗余点；再利用Delaunay三角化算法对点云数据进行三角化处理从而建立人体的三维模型，并对模型存在的数据空缺进行补洞处理。最后，将三维模型上的每一个三维点重投影到彩色人体图像上，获得该点的颜色信息后，再对三维数据进行渲染，最终得到人体三维模型的彩色纹理。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定的专利保护范围。

Claims (7)

1.一种数字散斑人体三维快速扫描方法，其特征在于，所述方法包括以下步骤：

S100、多相机全局标定：在测量视场中布置标定板来标定多个测量头中相机的内部参数和外部参数；

S200、人体图像快速采集：利用多个测量头向人体表面的不同位置处投影随机的散斑图案，并利用多个测量头从不同角度同步采集人体图像；

S300、人体三维点云重建：基于步骤S100、S200，对每个测量头采集的人体图像进行立体匹配和三维坐标重建，得到多幅人体表面三维点云数据；

S400、多幅点云动态配准：对步骤S300获得的多幅三维点云数据进行动态配准，得到人体完整的三维点云数据；

S500、人体三维建模：根据步骤S400得到的人体完整的三维点云数据，建立人体完整的三维彩色模型。

2.根据权利要求1所述的方法，其特征在于，

优选的，所述测量头包括：两个黑白相机、一个散斑投影仪、一个彩色相机和一个闪光灯；

所述两个黑白相机和彩色相机布置于一个平面，且两个黑白相机分布在彩色相机两边；

所述散斑投影仪和闪光灯同样分布在彩色相机两边，且位于彩色相机和黑白相机之间；

所述黑白相机和彩色相机用于拍摄人体图像；所述散斑投影仪用于向人体表面投影随机的散斑图案。

3.根据权利要求2所述的方法，其特征在于，在步骤S100中：

所述标定板正反面都均匀粘贴有环形的编码标志点和圆形的非编码标志点，所有标志点的三维坐标已知；

所述标定板在多测量头视场内具有不同位姿；

所述多测量头具备同步拍摄标定板不同姿态的标定图像的能力；

对所述标定图像，利用工业摄影测量原理进行计算，得到所有黑白相机和彩色相机的内部参数和外部参数。

4.根据权利要求3所述的方法，其特征在于：

所述步骤S200中的人体图像包括每个测量头采集的三张人体图像；

所述三张人体图像包括：两个黑白相机拍摄的两张灰度人体图像，和彩色相机拍摄的一张彩色人体图像。

5.根据权利要求4所述的方法，其特征在于，所述步骤S300包括以下步骤：

S3001、利用数字图像相关法对所述的两张灰度人体图像进行立体匹配；

S3002、利用S100中得到的测量头中相机的内部参数和外部参数以及S3001中立体匹配得到的结果，基于三角测量原理计算人体表面的三维坐标，进而得到一幅代表该测量头的人体不同部位的三维点云数据；

S3003、重复S3002，直到每个测量头都得到一幅代表所述测量头的人体不同部位的三维点云数据。

6.根据权利要求5所述的方法，其特征在于，所述步骤S400包括以下步骤：

S4001、对步骤S3003得到的所有人体不同部位的三维点云数据进行降噪处理；

S4002、局部配准：根据公式(1)配准优化目标函数，利用迭代最近点算法通过刚性变换对降噪处理后的所有人体不同部位的三维点云数据(P₁，...，P_n)依次进行两两配准，得到相邻两幅点云数据P_i和P_i+1的相对转换矩阵为R_i，i+1，T_i，i+1，i＝1，...，n，当i＝n，转换矩阵为R_n，1，T_n，1；

其中，R为3D旋转矩阵，T为平移矩阵，M、P为待配准的两幅点云数据的三维坐标集合，dist(，)表示两幅点云数据两两配准后对应点的距离，n表示总的点云数；表示对M点进行旋转和平移后的新点云，min()为求最小值函数；

S4003、全局配准：根据局部两两配准的累积误差进行全局误差扩散，找到一幅新的以均匀分配点云配准的累积误差，在满足这一约束的同时使得所有点云数据配准后的均方根误差最小；即：

其中，为待配准的两幅点云数据，pow(，)表示点云两两配准后对应点的距离平方；式(3)求解后的结果又作为步骤S4002局部配准的初值，重复步骤S4002、S4003直到完全收敛；

S4004剔除无效点：利用公式(4)剔除配准偏差大于σ的点，进一步优化点云数据；

σ＝λ*D_ave(4)

其中，λ＝1.5～2.5，D_ave为点云全局配准后的平均偏差。

7.根据权利要求6所述的方法，其特征在于，步骤S500包括以下步骤：

S5001、利用K-Means聚类与Mean-Shift聚类相结合的算法，对步骤S4004中优化后的点云数据进行融合，同时删除重叠区域；

S5002、对步骤S5001中融合后的点云数据进行采样，去除冗余点；

S5003、对步骤S5002处理后的点云数据，利用Delaunay三角化算法进行三角化处理，从而建立人体三维模型，并对人体三维模型存在的数据空缺进行补洞处理；

S5004、将步骤S5003中得到的人体三维模型投影到所述彩色人体图像上，获得人体三维模型的彩色信息，从而得到人体三维模型的彩色纹理。