一种基于三维点云的人体围度参数测量方法.pdf

本发明公开了一种基于三维点云的人体围度参数测量方法，现有的方法由于人体自身遮挡、采集信息不完备及扫描死角等原因使得一些位于人体两侧的点云数据缺失。本发明首先将所有人体三维点云数据拼合至同一个三维坐标系下，将指定高度的三维人体剖面点云数据转化为二维平面点集，通过对二维平面点集上的剖面点云数据进行水平投影分析，自动完成剖面点云数据的分类。其次分析各类数据缺失部分点所在位置，获取待拟合点云数据。然后选择二次曲线参数方程，并采用最小二乘法拟合点云数据，利用获得的拟合曲线完成缺口补点的工作。最后计算各个分类数据所对应身体部位的围度。本发明能够使人体身体围度的测量结果更加接近真实值。

1.一种基于三维点云的人体围度参数测量方法，其特征在于该方法包括如下步骤：步骤(1)将所有人体三维点云数据拼合至同一个三维坐标系下，结合指定的纵向高度，通过在二维平面上的投影，将指定高度的三维人体剖面点云数据转化为二维平面点集，即获得剖面点云数据，具体是：1-1)将不同采集设备获取的点云数据拼合至同一个三维坐标系x-y-z，其中y轴为人体的纵向，x-z为人体水平面；1-2)根据指定的Y值，将三维人体剖面点云数据转化为二维平面点集；步骤(2)结合三维人体点云数据获取的几何约束条件，通过对二维平面点集上的剖面点云数据进行水平投影分析，自动完成剖面点云数据的分类，具体是：2-1)首先把剖面点云数据沿横轴方向由小到大进行排序；2-2)以一个阈值T作为标准值，对相邻两点的横轴坐标分量的差值超过阈值T的数量进行统计，设数量个数记为C，即可以将样本分为C+1类；步骤(3)对分类后的数据，分析各类数据缺失部分点所在位置，利用缺失部分周围的点，获取待拟合点云数据，具体是：3-1)沿顺时针方向对剖面点云数据进行排序；3-2)确定缺失部分所在位置；3-3)在缺口位置沿顺时针及逆时针方向各采样30个样本点；步骤(4)对各个类的数据，经过步骤(3)后，选择二次曲线参数方程，并采用最小二乘法拟合点云数据，利用获得的拟合曲线完成缺口补点的工作，具体是：4-1)选择拟合函数                                                ，A=是一系列待定参数；4-2)结合步骤(3)获取的点云数据，利用最小二乘法计算待定参数；4-3)利用所获得的拟合曲线与垂直于x轴直线的交点完成对剖面点云数据缺口补点的工作；步骤(5)在步骤(4)的基础上，采用凸包算法计算各个分类数据所对应身体部位的围度，具体是：5-1)在步骤(4)的基础上，获得经过补点后的人体各个部位剖面的点云数据；5-2)采用葛立恒凸包算法计算各类点云数据所对应身体部位的围度。

技术领域

本发明涉及人体工程学技术领域，具体来说是一种基于三维点云的人体围 度参数测量方法。

背景技术

三维人体尺寸测量根据测量方式的不同，可分为接触式测量和非接触式测 量两种。而利用光学与视觉技术的非接触式三维测量方式因高响应和高分辨率 而备受青睐。其中基于结构光的非接触式人体三维测量以其大量程、大视场、 高精度、实时性强及主动受控等优势，日益受到重视并在人体尺寸测量中得到 广泛应用。然而在有限结构光采集设备扫描并重建人体三维点云时，往往由于 人体自身遮挡、采集信息不完备及扫描死角等原因使得一些位于人体两侧的点 云数据缺失，直接导致人体剖面尺寸测量环节剖面点云数据拟合的失败。

发明内容

本发明针对现有技术的不足，提供了一种基于三维点云的人体围度参数测 量方法。本发明方法具体是：

步骤(1)将所有人体三维点云数据拼合至同一个三维坐标系下，结合指定的 纵向高度，通过在二维平面上的投影，将指定高度的三维人体剖面点云数据转 化为二维平面点集，即获得剖面点云数据。

步骤(2)结合三维人体点云数据获取的几何约束条件，通过对二维平面点集 上的剖面点云数据进行水平投影分析，自动完成剖面点云数据的分类。

步骤(3)对分类后的数据，分析各类数据缺失部分点所在位置，利用缺失部 分周围的点，获取待拟合点云数据。

步骤(4)对各个类的数据，经过步骤(3)后，选择二次曲线参数方程，并采 用最小二乘法拟合点云数据，利用获得的拟合曲线完成缺口补点的工作。

步骤(5)在步骤(4)的基础上，采用凸包算法计算各个分类数据所对应身体 部位的围度。

本发明提供了一种基于三维点云的人体围度参数测量方法，能够使人体身 体围度的测量结果更加接近真实值，有着广泛的应用前景。

附图说明

图1为本发明的方法流程图；

图2三维人体剖面点云自动聚类及比较，其中：

(a)分类方法示意，(b)k均值聚类方法结果，(c)本发明投影方法；

图3最小二乘拟合前的预处理过程示意图；其中：

(a)顺时针采样，(b)点云局部放大图，(c)缺口示意图，(d)全局采样；

图4为本发明对人体剖面点云的拟合结果图，其中：

(a)原始剖面点云，(b)本发明拟合结果。

具体实施方式

以下结合附图对本发明作进一步说明。

如图1所示，一种基于三维点云的人体围度参数测量方法，包括：

(1)将所有人体三维点云数据拼合至同一个三维坐标系下，结合指定的纵向 高度，通过在二维平面上的投影，将指定高度的三维人体剖面点云数据转化为 二维平面点集。

(2)结合三维人体点云数据获取的几何约束条件，通过对二维平面点集上的 点云数据进行水平投影分析，自动完成剖面点云数据的分类。

(3)对分类后的数据，分析各类数据缺失部分点所在位置，利用缺失部分周 围的点，获取待拟合点云数据。

(4)对各个类的数据，经过步骤(3)后，选择二次曲线参数方程，并采用最 小二乘法拟合点云数据。利用获得的拟合曲线完成缺口补点的工作。

(5)在步骤(4)的基础上，采用凸包算法计算各个分类数据所对应身体部位 的围度。

将所有人体三维点云数据拼合至同一个三维坐标系下，结合指定的纵向高 度，通过在二维平面上的投影，将指定高度的三维人体剖面点云数据转化为二 维平面点集的具体过程包括以下步骤：

1.将不同采集设备获取的点云数据拼合至同一个三维坐标系x-y-z，其中y 轴为人体的纵向，x-z为人体水平面；

2.根据指定的z值，将三维人体剖面点云数据转化为二维平面点集。

结合三维人体点云数据获取的几何约束条件，通过对二维平面点集上的点 云数据进行水平投影分析，自动完成剖面点云数据的分类的具体过程包括以下 步骤：

1.首先把剖面点云数据沿横轴方向由小到大进行排序；

如图2(a)为分类方法示意，图2(b)为k均值聚类方法结果。图2(c)所示， 由于对三维人体进行切面前，须旋转人体点云方向，使人体朝向与z轴平行。 因此可以把剖面点云沿x轴进行水平投影，即由二维图形变成一维图形进行分 类。首先把各个点沿x轴由小到大进行排序。

2.以一个阈值T作为标准值，对相邻两点的横轴坐标分量的差值超过阈值 T的数量进行统计，如果数量个数记为C，即认为可以将样本分为C+1类。

计算相邻两点的x的差值。从第一个点开始计算相邻两点的距离，凡是遇 到距离大于阈值的两个点时，把从样本的第一个点到这两个点中前一点划为一 类。若该类点的数目小于阈值T=10，则视为噪点去除，余下的点作为一个新的 样本重复当前操作，直到最后一个点为止。

3.最后通过统计的类个数确定样本剖面来源，如为三类，必来自于两个手 臂和身体，两类则来自于双腿等。

对分类后的数据，分析各类数据缺失部分点所在位置，利用缺失部分周围 的点，获取待拟合点云数据的具体过程包括以下步骤：

1.首先，沿顺时针方向对剖面点云数据进行排序；

在分类结束后，求出各个类的中心点，利用中心点对该类通过角度以顺时 针方向进行排序。中心点即为该类的重心，设中心点O的坐标为(xo,yo)，求解 公式如式(1)所示，其中f(xi,yi)＝1。排序是根据OA沿顺时针到OB的夹角θ由小 到大进行，如图3(a)所示，θ角的求解如式(2)所示。

x o = Σ i = 1 n ( x i · f ( x i , y i ) ) n , ]]> y o = Σ i = 1 n ( y i · f ( x i , y i ) ) n - - - ( 1 ) ]]>

θ = ( arcsin ( z a - z o ( x a - x o ) 2 + ( z a - z o ) 2 ) + 2 π ) mod 2 , x a - x o < 0 ( - arcsin ( z a - z o ( x a - x o ) 2 + ( z a - z o ) 2 ) + π ) , x a - x o ≥ 0 - - - ( 2 ) ]]>

2.其次，确定缺失部分所在位置；

求取相邻两点之间的距离。如图3(b)所示，L即为相邻两点的距离，然后 设置阈值，如果相邻的两点的距离大于阈值，则说明该两点的位置即为缺失部 分所在位置。如图3(c)所示，比如CD之间的距离大于阈值，则说明C点和D 点之间那段为缺失部分所在位置。

3.最后，在缺口位置沿顺时针及逆时针方向各采样30个样本点。

如图3(d)，从D点开始沿顺时针方向取30个点，假设至E点为止，再从C 点沿逆时针方向取30个点，假设到F点为止，最后利用该部位两边这些点进行 拟合。

对各个类的数据，经过步骤(3)后，选择二次曲线参数方程，并采用最小二 乘法拟合点云数据。利用获得的拟合曲线完成缺口补点的工作的具体过程包括 以下步骤：

1.选择拟合函数f(x,A)，A=(a0,a1,…,an)是一系列待定参数；

f(x,A)称为拟合模型，A=(a0,a1,…,an)是一系列待定参数。做法是选择参数 A使得拟合模型与实际观测值在各点的差值ei＝zi-f(xi,A)的加权平方和最小。 即求f*(x)，使得：

Σ i = 0 m { w ( x i ) ( f * ( x i ) - z i ) 2 } ← min Σ i = 0 m { w ( x i ) ( f ( x i ) - z i ) 2 - - - ( 3 ) ]]>

其中w(xi)≥0，称为权，它反映数据(xi,zi)在实验中所占数据的比重。应用 此法拟合的曲线称为最小二乘拟合曲线。用最小二乘法求拟合曲线首先要确定 二次曲线的拟合模型f(x,z)=a0x2+a1z2+a2xz+a3x+a4z+a5，其中a0=0， a1=1，w(xi,zi)＝1。

2.结合步骤(3)获取的样本，利用最小二乘法计算待定参数；

根据极值定理，令 G ( a 0 , a 2 , a 3 , a 4 , a 5 ) = Σ i = 0 m ( f ( x i , z i ) - Y ) 2 , ]]>则由 ∂ G ∂ a 0 = 0 , ]]> ∂ G ∂ a 2 = 0 , ]]> ∂ G ∂ a 3 = 0 , ]]> ∂ G ∂ a 4 = 0 , ]]> ∂ G ∂ a 5 = 0 . ]]>得到：

Σ i = 0 m x i 4 Σ i = 0 m ( x i 3 z i ) Σ i = 0 m x i 3 Σ i = 0 m ( x i 2 z i ) Σ i = 0 m x i 2 Σ i = 0 m ( x i 3 z i ) Σ i = 0 m ( x i 2 z i 2 ) Σ i = 0 m ( x i 2 z i ) Σ i = 0 m ( x i z i 2 ) Σ i = 0 m ( x i y i ) Σ i = 0 m x i 3 Σ i = 0 m ( x i z i 2 ) Σ i = 0 m x i 2 Σ i = 0 m ( x i z i ) Σ i = 0 m x i Σ i = 0 m ( x i 2 z i ) Σ i = 0 m ( x i z i 2 ) Σ i = 0 m ( x i z i ) Σ i = 0 m z i 2 Σ i = 0 m z i Σ i = 0 m x i 2 Σ i = 0 m ( x i z i ) Σ i = 0 m x i Σ i = 0 m z i Σ i = 0 m 1 · a 0 a 2 a 3 a 4 a 5 = - Σ i = 0 m ( x i 2 z i 2 ) - Σ i = 0 m ( x i z i 3 ) - Σ i = 0 m ( x i z i 2 ) - Σ i = 0 m z i 3 - Σ i = 0 m z i 2 - - - ( 4 ) ]]>

因为在上文中提到顺时针方向和逆时针方向各取30个点，因此m的值取 60，再通过式(4)解得a0，a2，a3，a4，a5的值。

3.利用所获得的拟合曲线与垂直于x轴直线的交点完成缺口补点的工作。

利用一系列垂直于x轴的直线与该拟合曲线的交点完成补点工作。

在步骤(4)的基础上，采用凸包算法计算各个分类数据所对应身体部位的围 度工作的具体过程包括以下步骤：

1.在步骤(4)的基础上，获得经过补点后的人体各个部位的剖面点云数据；

2.采用凸包算法计算各类点云数据所对应身体部位的围度。

为了验证本发明的准确性和实用性，对同一三维人体点云进行了实验，如 图4(a)和(b)所示，从左到右依次为拟合前的剖面图及本发明提出的先预处理 再拟合的剖面图，从上到下依次为来自胸部、肘部、腰部和大腿的样本剖面。 对剖面点云拟合后人体围度的测量参数结果如表1所示。从表1所得数据可以 看出，本发明得到的结果较接近实际值。

表1