基于点云配准的人脸三维尺寸测量

接触式人脸三维尺寸测量易损坏表面特征,依赖于特征点标定,常含冗余信息。针对该问题,提出一种基于结构光与多视图图像点云配准的非接触式人脸三维尺寸测量方法。首先利用改进的迭代最近点算法建立转换函数,求出尺度因子、旋转矩阵和平移向量;然后基于模糊C均值算法对人脸面部进行聚类分割以获得候选区域;针对人脸表面离散点云不平整问题,利用贪婪投影三角化建立网格模型;再结合拉普拉斯算法优化网格,以去除网格噪声,同时保持网格模型几何特征和拓扑信息;最后,在点云精确配准及三角网格优化基础上,按坐标轴方向对三维点云网格进行切片,计算每层切片中相邻两点间的距离求取切片曲线,展开切片曲线后建立数学模型,最终获得人脸的三维尺寸参数。通过实验验证可知,该方法可获得人脸三维测量参数,同时降低了尺寸测量误差。

基于边折叠的实景三维模型简化算法

三维模型轻量化是实景三维中国建设的当务之急,对三维模型进行一定简化是较为合适的途径。在模型简化算法中,二次误差测度QEM(Quadric Error Metrics)算法是较为经典的算法。但传统的QEM算法在简化过程中没有专门的机制来保护重要细节,并且简化后模型网格质量有待进一步优化。为此,本文提出了一种基于边折叠的实景三维模型简化与优化方法,该方法中的简化算法引入了顶点近似曲率及体积误差作为约束条件,以改变边折叠代价从而使三维模型在简化的同时能够保持模型的重要细节,达到较好的简化效果。在改变边折叠代价的同时加入边界保护条件,有效保护了模型边界。最后针对简化后的网格进行了拉普拉斯网格优化处理,用于三角形形状优化和特征保持。本文使用的数据源是采用倾斜摄影测量方式采集影像并使smart3D三维重建得到的格式为OSGB的实景三维网格模型数据,使用这一数据源进行实验研究,并和经典的QEM算法进行对比。研究结果表明,本文算法很好地保留了三维模型的细节特征,同时提高了简化模型的网格质量。该算法适用于实景三维模型的轻量化。