CN106327536A - 一种基于切面点云的领围测量方法 - Google Patents

Abstract

本发明涉及服装定制领域，公开了一种基于切面点云的领围测量方法，包括步骤一、根据体感采集设备采集人体三维的RGB‑D格式的点云集，将上半身的点云集投影至YOZ面，确定领围的后颈点P和前颈点Q，进而得到基准领围切面PQ；步骤二、对离所述的基准领围切面PQ有一定距离阈值的点云集进行平滑滤波，去除噪声点；步骤三、利用极坐标统计方法对平面滤波后的点云集进行计算，得到最终领围的围度值L；步骤四、利用区域最小搜索法搜索围度值L，得到最优领围的围度值L_obj。本发明操作方便，易于实现，可实现快速精确测量，重复性好。

Description

一种基于切面点云的领围测量方法

技术领域

本发明涉及服装定制领域，尤其涉及一种基于切面点云的领围测量方法。

背景技术

在服装制衣领域，目前人体测量方法主要分为手工式和非接触式，手工式是指利用皮尺等丈量工具，按照一定的丈量规则对人体的各部分参数进行测量，这是使用比较广泛的一种方法，该方法操作简单，工具简易，但测量时间长，效率低下，并且测量双方会有身体接触的尴尬。非接触式测量是指利用光学扫描，摄像机成像的方法来获得被测量人体的数据，具有速度快，自动化程度高等优点，但测量设备造价高，目前使用并未普及。主要有莫尔条纹法、激光测量法、白光相位法、红外线测量法和立体摄像测量法。

现在人体尺寸和形体测量中的挑战性问题是三维人体点云数据的处理，尤其人体特征界标的确定、体型分析与比较等技术。关于人体特征界标的找取算法，最早出现的是1998年由Clemson大学的Roy P.Parges提出了半自动提取人体特征点的算法，扫描前手动标出特征点,然后再自动提取这些突出点；之后，提出了改进的半自动提取算法，利用彩色CCD采取RGB信息，人体特征点可利用三维点云数据的彩色信息得到，该算法准确度高重复性差，但不适合大型测量，可作为校验用；2000年Buxton提出利用人体轮廓的几何信息，如进行人体表面和曲线拟合等算法后再根据人体体型进行找取特征点，国内也于2005年也是根据曲线拟合找取人体特征点，但该算法复杂、费时；Allen,Curless于2003年提出了模板映射方法，该算法实用性差，需要有复杂的三维人体数据库。相比较而言，国内对人体特征点找取算法的研究较少。东华大学、中科院、重庆大学、浙江大学等因为其他研究需要对人体特征点的找取算法进行了不同的研究，基本是基于三维重建后的人体模型，测得值存在较大误差。

发明内容

为了解决现有问题，本发明提供了一种基于切面点云的领围测量方法，借助体感采集设备采集需要测量的人体三维RGB-D格式的点云集，利用平滑滤波、极坐标统计、凸包计算及最小围度搜索法，来获得最优领围的围度值。

本发明可通过以下技术方案实现：

一种基于切面点云的领围测量方法，其特征在于，包括：

步骤一、根据体感采集设备采集人体三维的RGB-D格式的点云集，将上半身的点云集投影至YOZ面，确定领围的后颈点P和前颈点Q，进而得到基准领围切面PQ；

步骤二、对离所述基准领围切面PQ有一定距离阈值的点云集进行平滑滤波，去除噪声点；

步骤三、利用极坐标统计方法对平面滤波后的点云集进行计算，得到最终领围的围度值L；

步骤四、利用区域最小L搜索法，得到最优领围的围度值L_obj

进一步，所述步骤一中确定领围的后颈点P和前颈点Q的方法包括：

步骤Ⅰ，在YOZ平面上，搜索最大Y点位置Y_max、最小Y点位置Y_min；

步骤Ⅱ，将平面点云集沿Y方向分割成N个切面位置，针对每个切片点y_k,k∈[1,N]位置，分别搜索Z最大值和最小值，分别得到两条曲线z_min＝f₁(y_k),k∈[1,N],z_max＝f₂(y_k),k∈[1,N]；

步骤Ⅲ、在有向夹角θ的矢量长度不小于0.05的前提下，沿着z_min曲线向下搜索，计算各点的所述有向夹角θ，当所述有向夹角θ为全局极小值时，该点即为后颈点P；

步骤Ⅳ，计算z_max曲线中各点与z_min曲线中后颈点P的距离，距离最小的点为前颈点Q。

进一步，所述步骤二中的平滑滤波的方法包括：

步骤ⅰ、计算任一空间点到基准领围切面PQ的距离阈值D，在一定距离阈值D范围内的切面点云集表示为：

R＝{r_s＝(x_s,y_s,z_s)|D≤D_thr,s∈[1,M]}，

其中M为所述切面点云集的个数，D_thr为点云至所述基准领围切面PQ的距离阈值；

步骤ⅱ、对于所述切面点云集中任一点r_s＝(x_s,y_s,z_s)，相邻点云个数的统计为：

d为领域距离阈值；

步骤ⅲ、在相邻点云集中，先计算任意两个点的距离，再计算平均距离L_s，则所述平均距离L_s表示为，

$L_s=\underset{i=1}{\overset{M}{\Σ}}|r_i-r_s|\{\left(\right|r_i-r_s|\≤d)?1:0\}/N_s$

滤波后的点云集表示为：

R_f1＝{r_s＝(x_s,y_s,z_s),s∈[1,N_f]|N_s＞N_thr,L_s＞L_thr}，其中N_f为滤波后的点云个数，N_thr表示相邻点云个数阈值，L_thr表示平均距离阈值。

进一步，所述步骤三中极坐标统计的方法包括：

Step1：先对R_f1点云集中的所有点的X坐标值、Y坐标值和Z坐标值分别求和，再取平均值，得到R_f1点云集中心点r_c＝(x_c,y_c,z_c)，

$x_c=\underset{s=1}{\overset{N_f}{\Σ}}{x}_s/N_f,y_c=\underset{s=1}{\overset{N_f}{\Σ}}{y}_s/N_f,z_c=\underset{s=1}{\overset{N_f}{\Σ}}{z}_s/N_f$

Step2：沿所述中心点做一圈共360个径向分格，每个栅格为1°，计算每个所述栅格内离所述中心点r_c的最远点、点总数和平均距离，则最远点点集、点总数函数及平均距离点点集分别表示为L_max(t)、L_n(t)和L_mean(t)，其中t∈[1,360]，则最优切面点云集表示为：

L_o(t)＝L_mean(t)+coef*(L_max(t)-L_mean(t))，其中coef为加权系数，

对L_o(t)先进行平滑滤波，再进行凸包计算，进而最终领围的围度值L表示为：

其中N_null为凸包点总数。

进一步，所述步骤四中区域最小搜索法包括：

Stepⅰ：定义所述的基准领围切面为(Y_b,θ_b)，则搜索切面为(Y_b±ΔY,θ_b±Δθ)；

Stepⅱ：利用如权利要求4所述的极坐标统计方法，对每个所述的搜索切面重新计算所述的最终领围的围度值，比较得到最小值即为最优围度值L_obj，其中，

本发明有益的技术效果在于：

利用计算机程序自动找取后颈点和前颈点，无需事先标记特征点，利用平滑滤波和极坐标统计，得到最终领围的围度值，再结合最小搜索法对其进行优化，进而获得最优围度值，可实现快速精确测量，重复性好的效果。

附图说明

图1为本发明的流程图；

图2为颈部特征点提取示意图。

具体实施方式

下面结合附图，对本发明的具体实施例做进一步阐述。

图1为本发明的流程图，如图所示，一种基于切面点云的领围测量方法，包括如下步骤：

1.基准领围切面的基本定位：

步骤Ⅰ，根据体感采集设备采集人体三维的RGB-D格式的点云集，将上半身的点云集投影至YOZ面，如图2所示；

步骤Ⅱ，在YOZ平面上，搜索最大Y点位置Y_max、最小Y点位置Y_min；

步骤Ⅲ，将平面点云集沿Y方向分割成N个切面位置，针对每个切片点y_k,k∈[1,N]位置，分别搜索Z最大值和最小值，分别得到两条曲线z_min＝f₁(y_k),k∈[1,N],z_max＝f₂(y_k),k∈[1,N]；

步骤Ⅳ、在有向夹角θ的矢量长度不小于0.05的前提下，沿着z_min曲线向下搜索，计算各点的所述有向夹角θ，当所述有向夹角θ为全局极小值时，该点即为后颈点P；

步骤Ⅴ，计算z_max曲线中各点与z_min曲线中后颈点P的距离，距离最小的点为前颈点Q。

2.单切面领围的计算

由于体感采集设备采集点云时存在很多噪声，本发明采用基于统计分析的极坐标圆采用法进行围度计算。

⑴平滑滤波：先统计各点一定领域内的点云数，如果数目大约设定数且领域内点云平均距离小于设定值，则保留该点云，否则滤除。

假设将每个点云定义为q_w＝(x_w,y_w,z_w)，表示第w个空间点坐标。

切面点云定义：

任一平面可定义为(x-q_w)·n_w＝0，n_w＝(n_x,n_y,n_z)为q_w点处的法线矢量，则该平面方程可表示为xn_x+yn_y+zn_z+a＝0，a＝-(x_wn_x+y_wn_y+z_wn_z)。D为点(x,y,z)至该平面距离：

$D=\left|\frac{{\mathrm{xn}}_x+{\mathrm{yn}}_y+{\mathrm{zn}}_z+a}{\sqrt{n_x{n}_x+n_y{n}_y+n_z{n}_z}}\right|$

步骤ⅰ、计算点云集中任一空间点到基准领围切面PQ的距离D，在一定距离D范围内的切面点云集表示为：

R＝{r_s＝(x_s,y_s,z_s)|D≤D_thr,s∈[1,M]}，

其中M为该切面点云集的个数，D_thr为点云至该平面投影距离阈值；

步骤ⅱ、对于所述切面点云集中任一点r_s＝(x_s,y_s,z_s)，一定领域范围内的相邻点云个数的统计为：

d为领域距离阈值；

步骤ⅲ、利用如下方程式，计算平均距离L_s，

$L_s=\underset{i=1}{\overset{M}{\Σ}}|r_i-r_s|\{\left(\right|r_i-r_s|\≤d)?1:0\}/N_s$

则滤波后的点云集表示为：

R_f1＝{r_s＝(x_s,y_s,z_s),s∈[1,N_f]|N_s＞N_thr,L_s＞L_thr}，其中N_f为滤波后的点云个数，N_thr表示相邻点云个数阈值，L_thr表示平均距离阈值。

⑵极坐标统计的方法如下：

Step1：利用以下方程式，计算R_f1的中心点r_c＝(x_c,y_c,z_c)，

$x_c=\underset{s=1}{\overset{N_f}{\Σ}}{x}_s/N_f,y_c=\underset{s=1}{\overset{N_f}{\Σ}}{y}_s/N_f,z_c=\underset{s=1}{\overset{N_f}{\Σ}}{z}_s/N_f$

Step2：沿所述中心点做一圈共360个径向分格，每个栅格为1°，计算每个所述栅格内离所述中心点r_c的最远点、点总数和平均距离，则最远点点集、点总数函数及平均距离点点集分别表示为L_max(t)、L_n(t)和L_mean(t)，其中t∈[1,360]，则最优切面点云集表示为：

Lo(t)＝L_mean(t)+coef*(L_max(t)-L_mean(t))，其中coef为加权系数，0≤coef≤1，优选coef＝0.5。

对Lo(t)先进行一定长度的平滑滤波，得到L_of(t)，再对之进行凸包计算，得到凸包点云集L_null(t):{p_j＝(x_j,y_j,z_j),j∈[1,N_null]}，N_null为凸包点数，作为最终围度计算曲线。

进而利用以下方程式，得到最终领围的围度值L。

$L=\underset{j=1}{\overset{N_{null}}{\Σ}}|p_j-p_{(j-1+N_{null}){\mathrm{\%N}}_{null}}|$

3.最优领围的定位与计算

考虑到个体差异，最优领围的计算采取领围区域最小搜索法，具体方法为：

在基准领围切面PQ位置，进行垂直方向±ΔY及±Δθ的切面搜索；

假设基准领围切面PQ的位置为(Y_b,θ_b)，则搜索切面为(Y_b±ΔY,θ_b±Δθ)，按照上文所述的极坐标统计方法重新计算每个搜索切面的围度值，得到最小的围度值即为最优领围值：

$L_{obj}=\underset{(Y_b+\mathrm{\Δ}Y,{\mathrm{\θ}}_b+\mathrm{\Δ}\mathrm{\θ})}{min}L$

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，因此，本发明的保护范围由所附权利要求书限定。

Claims (5)

1.一种基于切面点云的领围测量方法，其特征在于，包括：

步骤一、根据体感采集设备采集人体三维的RGB-D格式的点云集，将人体上半身侧向的点云集投影至YOZ平面，确定领围的后颈点P和前颈点Q，进而得到基准领围切面PQ；

步骤二、对离所述的基准领围切面PQ有一定距离阈值的点云集进行平滑滤波，去除噪声点；

步骤三、利用极坐标统计方法对平面滤波后的点云集进行计算，得到最终领围的围度值L；

步骤四、利用区域最小搜索法搜索围度值L，得到最优领围的围度值L_obj。

2.如权利要求1所述的领围测量方法，其特征在于，所述步骤一中确定领围的后颈点P和前颈点Q的方法包括：

步骤Ⅰ，在YOZ平面上，搜索最大Y点位置Y_max、最小Y点位置Y_min；

步骤Ⅱ，将平面点云集沿Y方向分割成N个切面位置，针对每个切片点的y_k,k∈[1,N]位置，分别搜索对应位置的Z最大值和最小值，分别得到两条曲线z_min＝f₁(y_k),k∈[1,N],z_max＝f₂(y_k),k∈[1,N]；

步骤Ⅲ、在有向夹角θ的矢量长度不小于0.05的前提下，沿着z_min曲线向下搜索，计算各点的所述有向夹角θ，当所述有向夹角θ为全局极小值时，该点即为后颈点P；

步骤Ⅳ，计算z_max曲线中各点与z_min曲线中后颈点P的距离，距离最小的点为前颈点Q。

3.如权利要求1或2所述的领围测量方法，其特征在于，所述步骤二中的平滑滤波的方法包括：

步骤ⅰ、计算人体三维的点云集中任一空间点到所述基准领围切面PQ的距离D，在一定距离D范围内的切面点云集表示为：

R＝{r_s＝(x_s,y_s,z_s)|D≤D_thr,s∈[1,M]}，

其中M为所述切面点云集的个数，D_thr为点云至所述基准领围切面PQ的距离阈值；

步骤ⅱ、对于所述切面点云集中任一点r_s＝(x_s,y_s,z_s)，在一定领域距离阈值d内，相邻点云个数的统计表示为：

d为领域距离阈值；

步骤ⅲ、在相邻点云集中，先计算任意两个点的距离，再计算平均距离L_s，则所述平均距离L_s表示为：

$L_s=\underset{i=1}{\overset{M}{\Σ}}|r_i-r_s|\{\left(\right|r_i-r_s|\≤d)?1:0\}/N_s$

滤波后的点云集表示为：

R_f1＝{r_s＝(x_s,y_s,z_s),s∈[1,N_f]|N_s＞N_thr,L_s＞L_thr}，其中N_f为滤波后的点云个数，N_thr表示相邻点云个数阈值，L_thr表示平均距离阈值。

4.如权利要求3所述的领围测量方法，其特征在于，所述步骤三中极坐标统计的方法包括：

Step1：先对R_f1点云集中的所有点的X坐标值、Y坐标值和Z坐标值分别求和，再取平均值，得到R_f1点云集的中心点r_c＝(x_c,y_c,z_c)，

$x_c=\underset{s=1}{\overset{N_f}{\Σ}}{x}_s/N_f,y_c=\underset{s=1}{\overset{N_f}{\Σ}}{y}_s/N_f,z_c=\underset{s=1}{\overset{N_f}{\Σ}}{z}_s/N_f$

Step2：沿所述中心点做一圈共360个径向分格，每个栅格为1°，计算每个所述栅格内离所述中心点r_c的最远点、点总数和平均距离，则最远点点集、点总数函数及平均距离点点集分别表示为L_max(t)、L_n(t)和L_mean(t)，其中t∈[1,360]，则最优切面点云集表示为：

L_o(t)＝L_mean(t)+coef*(L_max(t)-L_mean(t))，其中coef为加权系数，

对L_o(t)先进行平滑滤波，再进行凸包计算，进而最终领围的围度值L表示为：

其中N_null为凸包点总数。

5.如权利要求4所述的领围测量方法，其特征在于，所述步骤四中区域最小搜索法包括：

Stepⅰ：定义所述的基准领围切面为(Y_b,θ_b)，则搜索切面为(Y_b±ΔY,θ_b±Δθ)；

Stepⅱ：利用如权利要求4所述的极坐标统计方法，对每个所述的搜索切面重新计算所述的最终领围的围度值，比较得到最小值即为最优围度值L_obj，其中，