基于特征点动态选择的三维人脸点云模型重建

针对典型的点云配准方法中伪特征点过多导致配准效率低和配准结果不精确的问题,提出一种基于特征点动态选择的三维人脸点云模型重建方法。该方法在粗配准阶段,采用动态特征矩阵求解法获取粗匹配特征变换矩阵以避免伪特征点的干扰。在精配准过程中,采用二次加权法向量垂直距离法在人脸流形表面选择更有效的特征点以减少伪特征点的数量,并采用基于特征融合与局部特征一致性的迭代最近点方法进行精配准。经过对比实验验证了算法的可行性,实验结果表明,该算法能够实现高精度且快速的三维人脸点云模型重建,且均方根误差达到1.8165 mm,相较其他算法,其在模型重建精度和效率方面都有所提升,具有良好的应用前景。

基于表情人脸图像的三维人脸模型重建

阐述对于带有表情的二维人脸图像的三维人脸模型重建算法。选取向左、中间、向右三种不同朝向的同一表情人脸图像,以基于颜色的K均值聚类进行人脸分割,获得富含特征信息的人脸轮廓,接着,对三种朝向的人脸图像进行投影变换实现立体校正,并基于特征信息完成立体匹配,获得带有深度信息的稀疏视差图,继而形成平滑的点云形式,并基于三角剖分算法完成三维人脸模型的建立。实验结果表明,该算法对实现表情图像的三维人脸模型重建具有较好的效果。

全局ICP与改进泊松相结合的三维人脸重建

为快速精确地实现人脸三维数字化,本文提出一种高精度全流程自动化的稳健三维人脸重建方法。针对基于结构光相机采集到的左右两组人脸点云和RGB图像数据,本文首先提出一种自适应下采样的全局优化ICP配准方法融合左右点云,其次提出基于法向量优化的泊松重建方法来将配准后的点云进行表面重建,生成网格化模型,该泊松重建方法针对非封闭性人脸点云有良好的重建效果和重建精度,然后将RGB图像贴图到网格化模型上,最终重建出了一个带有细节纹理的三维人脸模型。经过大量的人脸重建试验验证,本文方法具有高精度、高稳健性,能够快速、准确且稳定地重建出人脸。

单张图片自动重建带几何细节的人脸形状

为了从单张图片中自动快速重建高细节人脸表情模型,提出一种从粗到细逐步优化的方法.首先从单张照片检测到的特征点中,通过多初值迭代方法优化求解对应的三维头部姿态和大尺度的人脸表情;其次以检测到的人脸特征点为依据对不准确的人脸表情进行矫正,并使用非刚性的迭代最近点方法对齐模型上的特征点和图像特征点,使用拉普拉斯坐标影响其余非特征点位置;最后使用带有常量假设的明暗重建形状方法为人脸模型重建细尺度的几何细节,以增加重建模型的逼真度.实验结果表明,文中方法能够在头部大幅度摆动的情况下生成更准确的带有几何细节的人脸模型;该方法不需要对图片的摄像机进行标定,也不需要预先训练或预设用户的特征模型和混合形状,同时不强制约束室内光照以及单调的背景环境.

单照片三维头像建模及个性化打印方法

随着模型重建、3D打印技术的快速发展,其已经在动画电影、游戏设计、虚拟现实、航空航天、医疗诊断等领域得到了广泛的普及和应用。本文详细地分析了三维人脸建模、打印的国内外研究现状,归纳了前人的研究成果及存在的不足,提出基于ASM算法实现人脸特征点和三维人脸模型重建,使用数据库中已经设计的完整头像采用用户和系统交互,个性化编辑三维头像模型,生成一个完整的头像的模型。基于3D打印技术进行交互式、个性化编辑和打印,具有重要的作用和意义。