CN111862315A - 一种基于深度相机的人体多尺寸测量方法及系统 - Google Patents
一种基于深度相机的人体多尺寸测量方法及系统 Download PDFInfo
- Publication number
- CN111862315A CN111862315A CN202010726202.XA CN202010726202A CN111862315A CN 111862315 A CN111862315 A CN 111862315A CN 202010726202 A CN202010726202 A CN 202010726202A CN 111862315 A CN111862315 A CN 111862315A
- Authority
- CN
- China
- Prior art keywords
- human body
- point cloud
- dimensional
- circumference
- depth camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000013519 translation Methods 0.000 claims abstract description 27
- 238000005259 measurement Methods 0.000 claims abstract description 24
- 239000000284 extract Substances 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 101000911772 Homo sapiens Hsc70-interacting protein Proteins 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- A—HUMAN NECESSITIES
- A41—WEARING APPAREL
- A41H—APPLIANCES OR METHODS FOR MAKING CLOTHES, e.g. FOR DRESS-MAKING OR FOR TAILORING, NOT OTHERWISE PROVIDED FOR
- A41H1/00—Measuring aids or methods
- A41H1/02—Devices for taking measurements on the human body
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Textile Engineering (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于深度相机的人体多尺寸测量方法及系统,涉及三维重建技术领域,包括采用深度相机采集包含场景在内的人体360度的点云数据的步骤、针对采集的数据进行预处理,获取完整人体三维模型的步骤、在场景点云中提取地面信息,通过在人体三维模型中自下而上平移地平面,求取与人体模型的交点,分别根据交点的数量和交点横向距离大小获得人体身高和肩宽。再设置地平面在人体三维模型中的平移范围,求取交点轨迹拟合曲线的周长得到人体围度测量值。本发明仅采用一个深度相机采集人体点云数据,从场景中提取并重建出完成的人体三维模型,在不依靠测量工具的前提下,通过算法可实时得到包含身高、腰围和肩宽等多个人体尺寸。
Description
技术领域
本发明涉及到三维重建技术领域,是一种通过深度相机搭建的系统实现人体三维重建,来获取人体的多尺寸数值。
背景技术
基于深度相机的三维重建技术可以快速重构出某些三维物体或场景的三维模型,方便计算机表示和处理,是对三维物体或者场景描述的一种逆过程。早期基于深度相机的三维重建技术侧重于以刚体为探测目标,现如今,非刚体三维重建技术成为计算机视觉领域研究的热点之一,尤其是三维人体重建技术,在现代医学、虚拟/增强现实、游戏制作等众多领域有很大的发展前景。在此基础上,为满足消费者的购物需求,基于人体三维点云模型的尺寸测量方法受到越来越多的研究和重视,是未来智能化、定制化服装生产方式的主流发展目标之一。
目前,人体三维重建获取主要手段有手工建模与三维扫描技术,手工建模主要依靠人工软件设计制作,建模准确性与自身专业水平有关,速度较慢。正相反,基于三维扫描技术进行人体三维重建精准度高,建模速度快,因此,国内外多家企业已研发许多种人体扫描系统,这种三维扫描仪以光电和激光技术为基础,一般有三到四个立柱,立柱上固定测量深度的传感器,设备整体成本高、体积庞大、复杂且不易操作,而基于深度相机人体三维重建技术结构简单,准确度高,更便捷。目前,网上试衣的快速发展,表明服装市场中的尺码只适用于固定的标准体型,消费者更希望获取更贴合自身尺寸的服装,将三维人体测量技术在未来的购物模式中得到应用,这种大规模定制的前提是消费者身体尺寸数据的获取。传统的人体尺寸测量方法是通过测量工具接触式测量,耗费时间和精力,手工测量误差大,而基于深度相机的人体尺寸测量技术中,多采用kinect深度相机提取人体三维数据,进行特征维度的测量,但其需要多台相机同时对人体四周进行点云数据提取,且对人体穿着和位姿都具有严格的要求,只能测量少数简单的尺寸,无法实现人体多尺寸的精确测量,因此,限制了现实的生产应用。
发明内容
为了解决上述测量手段的不足,本发明旨在仅通过一个深度相机对人体进行三维重建,在此基础上获取人体多个尺寸测量值,实现人体非接触式多尺寸信息的智能化、精准化获取。
本发明解决其技术问题所采用的技术方案是:
一种基于深度相机的人体多尺寸测量方法,包含如下步骤:
1)人体三维重建
利用深度相机获取不同视角的人体点云,获取平面模型系数和圆柱体模型系数,从原始点云中分别分割出地面平面点云和人体点云,将人体点云计算特征描述子,结合粗匹配算法融合每帧点云生成完整三维人体模型;
2)人体身高、肩宽等直线距离测量
从三维角度出发,将步骤1)中分割出的地面平面点云从三维人体模型中自脚至头方向平移,此平移过程中,求取平面与人体模型的相交点,当相交点数量处于0和1的临界处,则平面平移的距离为人体身高值;将平面平移范围固定于人体肩宽大致范围处,得到交点横向距离最大值即为肩宽值;
从二维角度出发,将步骤1)中生成的三维人体模型和地面点云投影到与地平面垂直的二维平面上,得到人体和地面的二维投影平面点云,将地面点云投影得到的线点云,平移直线可计算人体投影点云的身高;将直线平移范围固定于人体肩宽设定范围处,得到与直线交点的横向距离最大值为肩宽值;
3)人体腰围、臀围和头围等曲面围度测量
将步骤1)中分割出的地面平面点云从三维人体模型中在固定人体腰部、臀部和头部设定范围平移,此平移过程中,求取平面与人体模型腰部、臀部和头部的相交点,将交点轨迹进行拟合,计算得到曲线周长,则所得腰部曲线周长最小值,即为人体腰围值;计算所得臀部曲面周长最大值为人体臀围值;将头围拟合成圆轨迹,计算圆周长即为人体头围值。
进一步的,步骤1)中包括:
(1)点云获取:首先,将标定好的深度相机对待测者进行拍摄,待测者每旋转一定角度,深度相机拍摄一次人体点云,待测者在转动过程中尽量保持姿态固定,将采集到的多帧点云作为原始点云集;
(2)点云预处理:由于原始点云采集过程中较为密集,为避免点云冗余所带来的计算时间增大的问题,对原始点云进行滤波处理;其中滤波处理采用体素滤波方法,保证点云宏观结构不变。
(3)去除地面点云及提取人体点云:提高匹配精度和后期尺寸测量处理,首先,需要对滤波后的点云提取地面点云,并去掉场景中除人体外其他无关点云,将人体在简易场景中近似为圆柱体形状,分别提取出平面类型和圆柱类型点云,即获取地面点云和人体点云;
(4)人体点云配准:采用RANSAC粗匹配算法,计算每两帧点云中点的特征描述子,通过匹配两帧之间的描述子鲁棒估计变换矩阵,再将得到的两帧间变换矩阵变换到世界坐标系下,得到最终完整的人体点云模型。
进一步的,步骤2)中人体肩宽设定范围为人体身高的0.82,在其范围外拓宽±2cm,作为地平面点云平移区域。
进一步的,步骤3)中人体腰部、臀部和头部设定范围为人体身高的0.61、0.53和0.95,在其范围外拓宽±2cm,作为地平面点云平移区域。
一种实现本发明方法的基于深度相机的人体多尺寸测量系统,包括:
1)数据采集模块,通过标定好的深度相机对待测者进行拍摄,待测者每旋转一定角度,深度相机拍摄一次人体点云,将采集到的多帧点云作为原始点云集;
2)数据处理模块,用于对数据采集模块采集的数据进行处理,并形成完整的人体点云模型;
3)人体多尺寸测量模块,用于求取人体身高、肩宽和腰围、臀围、头围数值。
进一步的,数据处理模块包括:
a.点云预处理模块,用于对原始点云进行滤波处理消除点云冗余;
b.去除地面点云及提取人体点云模块,用于消除采集到的场景信息,获取地面点云和人体点云;
c.人体点云配准模块,用于得到最终完整的人体点云模型。
进一步的,人体多尺寸测量模块包括:
a.三维人体直线距离计算模块,通过在场景点云中提取地面信息,通过在人体三维模型中自下而上平移地平面,求取与人体模型的交点,分别根据交点的数量和交点横向距离大小获得人体身高和肩宽;
b.三维人体围度值计算模块,设置地平面在人体三维模型中的平移范围,求取交点轨迹拟合曲线的周长得到人体腰围、臀围和头围的围度测量值。
本发明的技术效果是:本发明公开的基于深度相机的人体多尺寸测量方法及系统可实现非接触多尺寸测量,相比较现有的测量方法,极大提高测量效率和数量,在未来实际应用中,依托于移动端深度相机的发展,节省测量成本和时间,方便快捷获取人体多个尺寸的数值。
附图说明
下面将结合附图及实施例对本发明做进一步说明,附图中:
图1是本发明基于深度相机的人体多尺寸测量方法的流程图。
图2是本发明的基于深度相机人体点云粗匹配的算法路程图;
图3是本发明提供的人体三维信息测量的直线距离测量方法示意图;
图4是本发明提供的人体三维信息测量的围度计算方法示意图;
具体实施方式
为了更清楚地阐述本发明的技术特征、研究内容和目的,现结合附图详细说明本发明的具体实施方式。
参见附图1,在本发明中,整体算法流程主要包括:点云获取、点云预处理、去除地面点云及提取人体点云、人体点云配准、三维人体直线距离计算和围度值计算步骤。下面对每一个步骤进行详细说明。
(1)点云获取:参考图2,其为本发明的基于深度相机人体点云粗匹配的算法路程图,首先,将标定好的深度相机对待测者进行拍摄,待测者每旋转一定角度,深度相机拍摄一次人体点云,待测者在转动过程中尽量保持姿态固定,将采集到的多帧点云作为原始点云集。
(2)点云预处理:由于原始点云采集过程中较为密集,为避免点云冗余所带来的计算时间增大的问题,对原始点云进行滤波处理,本发明采用体素滤波方法,可以保证点云宏观结构不变。但不仅限于此滤波方法,只需完成点云降采样即可。
(3)去除地面点云及提取人体点云:由于深度相机探测角度较大、距离较长,待测者拍摄时不可避免会采集到部分场景信息。为提高匹配精度和后期尺寸测量处理,首先,需要对滤波后的点云提取地面点云,并去掉场景中除人体外其他无关点云,将人体在简易场景中近似为圆柱体形状,可使用随机抽样一致性(RANSAC)算法,分别提取出平面类型和圆柱类型点云,即获取地面点云和人体点云。
(4)人体点云配准:多数点云配准过程利用最近迭代点优化(ICP)算法,而此算法对初始值依赖很大,如若选取不好很容易收敛到一个局部最优解,因此,本发明采用RANSAC粗匹配算法,但不限于此方法,计算每两帧点云中点的特征描述子,通过匹配两帧之间的描述子鲁棒估计变换矩阵,再将得到的两帧间变换矩阵变换到世界坐标系下,得到最终完整的人体点云模型。本发明不限于随机抽样一致(RANSAC)算法,也可采用实现获取平面模型系数和圆柱体模型系数的其他算法,从原始点云中分别分割出地面平面点云和人体点云,将人体点云计算特征描述子,例如:点特征直方图(PFH)、视角特征直方图(VFH)、快速点特征直方图(FPFH)等,结合粗匹配算法融合每帧点云生成完整三维人体模型。
(5)三维人体直线距离计算:由于步骤(1)中采集到的原始点云中,人体站立于地面上,因此,地面与人体点云存在垂直关系,根据步骤(4)中得到的人体点云模型及步骤(3)中的地面点云,自人体双脚至头顶方向平移三维平面点云,平移过程中,计算平面与三维人体的交点数量,参考图3所示,当平移至头顶,即地面平面与三维人体点云交点数量处于0和1的状态,实际应用中,交点状态与点云密度和平移步长有关,此状态时,平面平移距离,即为人体身高值H。同理,根据普通人体特征点比例得知,肩宽位置大致为人体身高的0.82,可在其范围外拓宽±2cm,作为地平面点云平移区域,求取交点横向坐标距离,则最大距离值,为人体肩宽值W。本发明也可从二维角度出发,将步骤(1)中生成的三维人体模型和地面点云投影到与地平面垂直的二维平面上,得到人体和地面的二维投影平面点云,将地面点云投影得到的线点云,同前述三维角度出发中操作,平移直线可计算人体投影点云的身高;将直线平移范围固定于人体肩宽大致范围处,得到与直线交点的横向距离最大值为肩宽值。
(6)三维人体围度值计算:围度测量与直线测量不同,因为人体腰围、臀围和头围受穿衣和采集到的点云密度等有关,并不是正规化曲线,根据普通人体特征点比例得知,人体腰部、臀部及头部位置大致为人体身高的0.61,0.53和0.95,可在其范围外拓宽±2cm,分别作为求取腰围、臀围和头围时,地平面移动范围。参考图4所示,同时,获取地平面与人体点云的交点轨迹,对其进行相似曲线拟合,计算拟合曲线周长,期间考虑人体衣服和手部的交点影响。则在上述确定的腰围、臀围和头围各自范围内,计算所得腰围周长最小值为人体腰围值C2,计算所得臀围周长最大值为人体臀围值C3,将人体头围可近似取做圆曲线,计算圆周长值作为人体头围值C1。
需要说明的是,本发明公开的基于深度相机的人体多尺寸测量方法及系统,仅通过一个深度相机对人体进行三维重建,可实现非接触多尺寸测量,相比较现有的测量方法,极大提高测量效率和数量。本发明背景技术中描述的网上试衣的快速发展,使消费者希望获取更贴合自身尺寸的服装,以及将三维人体测量技术在未来的购物模式中得到应用,只是为了更通俗的理解本发明所做的表述,并非仅仅将本发明的技术方案限定在网上试衣购物应用上。对本发明的技术方案的应用,应做更加宽泛的理解,如银行、车站、码头、机场,甚至医疗、物流等行业中,只要涉及到人体的三维重建,均可适用。需要进一步说明的是,对属于本发明整体技术构思的技术方案,而仅仅是显而易见的改动,均应属于本发明保护范围之内。
Claims (8)
1.一种基于深度相机的人体多尺寸测量方法,其特征是包括如下步骤:
1)人体三维重建
利用深度相机获取不同视角的人体点云,获取平面模型系数和圆柱体模型系数,从原始点云中分别分割出地面平面点云和人体点云,将人体点云计算特征描述子,结合粗匹配算法融合每帧点云生成完整三维人体模型;
2)人体身高、肩宽等直线距离测量
从三维角度出发,将步骤1)中分割出的地面平面点云从三维人体模型中自脚至头方向平移,此平移过程中,求取平面与人体模型的相交点,当相交点数量处于0和1的临界处,则平面平移的距离为人体身高值;将平面平移范围固定于人体肩宽大致范围处,得到交点横向距离最大值即为肩宽值;
从二维角度出发,将步骤1)中生成的三维人体模型和地面点云投影到与地平面垂直的二维平面上,得到人体和地面的二维投影平面点云,将地面点云投影得到的线点云,平移直线可计算人体投影点云的身高;将直线平移范围固定于人体肩宽设定范围处,得到与直线交点的横向距离最大值为肩宽值;
3)人体腰围、臀围和头围等曲面围度测量
将步骤1)中分割出的地面平面点云从三维人体模型中在固定人体腰部、臀部和头部设定范围平移,此平移过程中,求取平面与人体模型腰部、臀部和头部的相交点,将交点轨迹进行拟合,计算得到曲线周长,则所得腰部曲线周长最小值,即为人体腰围值;计算所得臀部曲面周长最大值为人体臀围值;将头围拟合成圆轨迹,计算圆周长即为人体头围值。
2.根据权利要求1所述的基于深度相机的人体多尺寸测量方法,其特征是:步骤1)中包括:
(1)点云获取:首先,将标定好的深度相机对待测者进行拍摄,待测者每旋转一定角度,深度相机拍摄一次人体点云,待测者在转动过程中尽量保持姿态固定,将采集到的多帧点云作为原始点云集;
(2)点云预处理:由于原始点云采集过程中较为密集,为避免点云冗余所带来的计算时间增大的问题,对原始点云进行滤波处理;
(3)去除地面点云及提取人体点云:提高匹配精度和后期尺寸测量处理,首先,需要对滤波后的点云提取地面点云,并去掉场景中除人体外其他无关点云,将人体在简易场景中近似为圆柱体形状,分别提取出平面类型和圆柱类型点云,即获取地面点云和人体点云;
(4)人体点云配准:采用RANSAC粗匹配算法,计算每两帧点云中点的特征描述子,通过匹配两帧之间的描述子鲁棒估计变换矩阵,再将得到的两帧间变换矩阵变换到世界坐标系下,得到最终完整的人体点云模型。
3.根据权利要求1所述的基于深度相机的人体多尺寸测量方法,其特征是:步骤2)中人体肩宽设定范围为人体身高的0.82,在其范围外拓宽±2cm,作为地平面点云平移区域。
4.根据权利要求1所述的基于深度相机的人体多尺寸测量方法,其特征是:步骤3)中人体腰部、臀部和头部设定范围为人体身高的0.61、0.53和0.95,在其范围外拓宽±2cm,作为地平面点云平移区域。
5.根据权利要求2所述的基于深度相机的人体多尺寸测量方法,其特征是:步骤(2)中滤波处理采用体素滤波方法,保证点云宏观结构不变。
6.一种实现权利要求1-5任一项所述方法的基于深度相机的人体多尺寸测量系统,其特征是包括:
1)数据采集模块,通过标定好的深度相机对待测者进行拍摄,待测者每旋转一定角度,深度相机拍摄一次人体点云,将采集到的多帧点云作为原始点云集;
2)数据处理模块,用于对数据采集模块采集的数据进行处理,并形成完整的人体点云模型;
3)人体多尺寸测量模块,用于求取人体身高、肩宽和腰围、臀围、头围数值。
7.根据权利要6所述的基于深度相机的人体多尺寸测量系统,其特征是:数据处理模块包括:
a.点云预处理模块,用于对原始点云进行滤波处理消除点云冗余;
b.去除地面点云及提取人体点云模块,用于消除采集到的场景信息,获取地面点云和人体点云;
c.人体点云配准模块,用于得到最终完整的人体点云模型。
8.根据权利要6所述的基于深度相机的人体多尺寸测量系统,其特征是:人体多尺寸测量模块包括:
a.三维人体直线距离计算模块,通过在场景点云中提取地面信息,通过在人体三维模型中自下而上平移地平面,求取与人体模型的交点,分别根据交点的数量和交点横向距离大小获得人体身高和肩宽;
b.三维人体围度值计算模块,设置地平面在人体三维模型中的平移范围,求取交点轨迹拟合曲线的周长得到人体腰围、臀围和头围的围度测量值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010726202.XA CN111862315A (zh) | 2020-07-25 | 2020-07-25 | 一种基于深度相机的人体多尺寸测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010726202.XA CN111862315A (zh) | 2020-07-25 | 2020-07-25 | 一种基于深度相机的人体多尺寸测量方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111862315A true CN111862315A (zh) | 2020-10-30 |
Family
ID=72950533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010726202.XA Pending CN111862315A (zh) | 2020-07-25 | 2020-07-25 | 一种基于深度相机的人体多尺寸测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111862315A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907546A (zh) * | 2021-02-25 | 2021-06-04 | 北京农业信息技术研究中心 | 肉牛体尺非接触测量装置及方法 |
CN113240603A (zh) * | 2020-12-28 | 2021-08-10 | 武汉纺织大学 | 基于点云数据的三维人体测量系统和测量方法 |
CN113362385A (zh) * | 2021-06-21 | 2021-09-07 | 山东产研信息与人工智能融合研究院有限公司 | 一种基于深度图像的货物体积测量方法及设备 |
CN116883599A (zh) * | 2023-07-21 | 2023-10-13 | 深圳市十二篮服饰有限公司 | 一种基于三维建模技术的服装试穿系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175182A (zh) * | 2011-01-27 | 2011-09-07 | 浙江大学宁波理工学院 | 结构光三维测量装置及其完整点云数据的获取方法 |
CN102178530A (zh) * | 2011-01-24 | 2011-09-14 | 天津大学 | 基于三维点云数据的人体尺寸自动测量方法 |
CN103440648A (zh) * | 2013-08-22 | 2013-12-11 | 北京农业信息技术研究中心 | 农作物冠层整齐度的自动测量方法及装置 |
CN103744086A (zh) * | 2013-12-23 | 2014-04-23 | 北京建筑大学 | 一种地面激光雷达与近景摄影测量数据的高精度配准方法 |
CN104915986A (zh) * | 2015-06-26 | 2015-09-16 | 北京航空航天大学 | 一种实体三维模型自动建模方法 |
CN106361345A (zh) * | 2016-11-29 | 2017-02-01 | 公安部第三研究所 | 基于摄像头标定的视频图像中人体身高测量的系统及方法 |
CN106441150A (zh) * | 2016-09-22 | 2017-02-22 | 深圳市速腾聚创科技有限公司 | 车辆三维参数测量方法及装置 |
CN106780619A (zh) * | 2016-11-25 | 2017-05-31 | 青岛大学 | 一种基于Kinect深度相机的人体尺寸测量方法 |
CN109272547A (zh) * | 2018-09-17 | 2019-01-25 | 南京阿凡达机器人科技有限公司 | 一种包裹外接体积测量方法、系统、存储介质及移动终端 |
CN109934855A (zh) * | 2018-12-28 | 2019-06-25 | 南京理工大学 | 一种基于点云的带电作业场景电力部件三维重建方法 |
CN210299676U (zh) * | 2019-04-01 | 2020-04-14 | 上海市服装研究所有限公司 | 一种高精度三维人体测量装置 |
CN111412842A (zh) * | 2020-04-09 | 2020-07-14 | 广东博智林机器人有限公司 | 墙面的截面尺寸的测量方法及装置、系统 |
CN111429490A (zh) * | 2020-02-18 | 2020-07-17 | 北京林业大学 | 一种基于标定球的农林作物三维点云配准方法 |
-
2020
- 2020-07-25 CN CN202010726202.XA patent/CN111862315A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102178530A (zh) * | 2011-01-24 | 2011-09-14 | 天津大学 | 基于三维点云数据的人体尺寸自动测量方法 |
CN102175182A (zh) * | 2011-01-27 | 2011-09-07 | 浙江大学宁波理工学院 | 结构光三维测量装置及其完整点云数据的获取方法 |
CN103440648A (zh) * | 2013-08-22 | 2013-12-11 | 北京农业信息技术研究中心 | 农作物冠层整齐度的自动测量方法及装置 |
CN103744086A (zh) * | 2013-12-23 | 2014-04-23 | 北京建筑大学 | 一种地面激光雷达与近景摄影测量数据的高精度配准方法 |
CN104915986A (zh) * | 2015-06-26 | 2015-09-16 | 北京航空航天大学 | 一种实体三维模型自动建模方法 |
CN106441150A (zh) * | 2016-09-22 | 2017-02-22 | 深圳市速腾聚创科技有限公司 | 车辆三维参数测量方法及装置 |
CN106780619A (zh) * | 2016-11-25 | 2017-05-31 | 青岛大学 | 一种基于Kinect深度相机的人体尺寸测量方法 |
CN106361345A (zh) * | 2016-11-29 | 2017-02-01 | 公安部第三研究所 | 基于摄像头标定的视频图像中人体身高测量的系统及方法 |
CN109272547A (zh) * | 2018-09-17 | 2019-01-25 | 南京阿凡达机器人科技有限公司 | 一种包裹外接体积测量方法、系统、存储介质及移动终端 |
CN109934855A (zh) * | 2018-12-28 | 2019-06-25 | 南京理工大学 | 一种基于点云的带电作业场景电力部件三维重建方法 |
CN210299676U (zh) * | 2019-04-01 | 2020-04-14 | 上海市服装研究所有限公司 | 一种高精度三维人体测量装置 |
CN111429490A (zh) * | 2020-02-18 | 2020-07-17 | 北京林业大学 | 一种基于标定球的农林作物三维点云配准方法 |
CN111412842A (zh) * | 2020-04-09 | 2020-07-14 | 广东博智林机器人有限公司 | 墙面的截面尺寸的测量方法及装置、系统 |
Non-Patent Citations (2)
Title |
---|
王巍 等: "旋压模具制造精度测量方法研究", 《制作技术与机床》 * |
王巍;金文瀚;沙菲尤;海拉尔;: "旋压模具制造精度测量方法研究" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240603A (zh) * | 2020-12-28 | 2021-08-10 | 武汉纺织大学 | 基于点云数据的三维人体测量系统和测量方法 |
CN112907546A (zh) * | 2021-02-25 | 2021-06-04 | 北京农业信息技术研究中心 | 肉牛体尺非接触测量装置及方法 |
CN112907546B (zh) * | 2021-02-25 | 2024-04-05 | 北京农业信息技术研究中心 | 肉牛体尺非接触测量装置及方法 |
CN113362385A (zh) * | 2021-06-21 | 2021-09-07 | 山东产研信息与人工智能融合研究院有限公司 | 一种基于深度图像的货物体积测量方法及设备 |
CN116883599A (zh) * | 2023-07-21 | 2023-10-13 | 深圳市十二篮服饰有限公司 | 一种基于三维建模技术的服装试穿系统 |
CN116883599B (zh) * | 2023-07-21 | 2024-02-06 | 深圳市十二篮服饰有限公司 | 一种基于三维建模技术的服装试穿系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111862315A (zh) | 一种基于深度相机的人体多尺寸测量方法及系统 | |
CN104463108B (zh) | 一种单目实时目标识别及位姿测量方法 | |
CN105701820B (zh) | 一种基于匹配区域的点云配准方法 | |
CN112001926B (zh) | 基于多维语义映射rgbd多相机标定方法、系统及应用 | |
CN107392086B (zh) | 人体姿态的评估装置、系统及存储装置 | |
WO2022213612A1 (zh) | 一种非接触式三维人体尺寸的测量方法 | |
Tang et al. | Vision‐based three‐dimensional reconstruction and monitoring of large‐scale steel tubular structures | |
CN109949375A (zh) | 一种基于深度图感兴趣区域的移动机器人目标跟踪方法 | |
CN108717531A (zh) | 基于Faster R-CNN的人体姿态估计方法 | |
CN102697508A (zh) | 采用单目视觉的三维重建来进行步态识别的方法 | |
CN110047131A (zh) | 一种人体三维重建的点云融合方法 | |
CN109448045A (zh) | 基于slam的平面多边形物体测量方法及机器可读存储介质 | |
CN113077519B (zh) | 一种基于人体骨架提取的多相机外参自动标定方法 | |
CN111402330B (zh) | 一种基于平面靶标的激光线关键点提取方法 | |
Kwok et al. | Volumetric template fitting for human body reconstruction from incomplete data | |
CN113449570A (zh) | 图像处理方法和装置 | |
CN107607053A (zh) | 一种基于机器视觉和三维重建技术的立木胸径测量方法 | |
CN112330813A (zh) | 一种基于单目深度摄像头的着装下三维人体模型重建方法 | |
Zhang et al. | Data-driven flower petal modeling with botany priors | |
CN113256789A (zh) | 一种三维实时人体姿态重建方法 | |
Cao et al. | A tracking registration method for augmented reality based on multi-modal template matching and point clouds | |
CN110852335B (zh) | 一种基于多颜色特征融合与深度网络的目标跟踪系统 | |
CN109801326A (zh) | 一种用于获取人体体型数据的图像测量方法 | |
CN114627250A (zh) | 一种基于Kinect的人体站姿三维重建与测量的方法 | |
Liu et al. | Multi-view ear shape feature extraction and reconstruction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201030 |