基于网格模型的三维人体自动化测量方法

于 英，陈继华，卢学良



基于网格模型的三维人体自动化测量方法

于 英1，陈继华2，卢学良3

(1. 解放军信息工程大学，河南 郑州 450001；2. 郑州大学物理工程学院，河南 郑州 450001；3. 西安测绘研究所，陕西 西安 710054)

面对大量的人体精确尺寸测量的客观需求，本文构建了一套完整的基于网格模型的人体自动化测量方法。该方法首先对点云进行自动化建模生成网格模型，然后提出并采用一种切割方向和切割厚度均自适应切片对网格模型进行处理得到一系列二维截面，再采用截面间围堵分析和截面内凹凸性分析的方法自动找到了人体特征界标，最后分别采用真实男性和女性塑料模型进行了精度和重复性试验，结果表明本文方法效果良好。

人体测量；三角网建模；切片；人体边界

三维人体测量通过对人体各部位的尺寸和人体体型进行测量，进而研究人体的形态特征的技术方法[1]。三维人体测量获得的人体尺寸数据是服装个性化设计、电子商务、虚拟试衣、人类学研究以及医学等行业生产和制定行业标准的基本技术依据。传统的半圆仪、卡尺、皮尺等传统手工人体测量方法难以满足快速、准确、大批量的现实人体三维测量需求，并且传统方法会由于测量专家的不同会将人为误差引进测量结果[2]。

与传统的测量方法相比，以现代光学为基础出现的非接触式三维人体测量系统(视觉结构光三维[3]、激光三维扫描[4]、深度相机[5]等)具有测量时间短、数据精确度高且全面等特点，可以短时间内获取人体稠密的点云数据，然后通过对点云数据进行分析得到所需要的尺寸信息。

目前，非接触式三维人体测量系统的点云获取技术已经比较成熟，制约三维人体自动化测量的核心问题是基于点云数据的后处理技术[6]。总结起来主要包括基于点云彩色信息的特征提取方法[7]、人体模板映射的方法[8-9]、基于代数的特征提取方法等。基于点云彩色信息的特征提取方法，受光照影响大且提取结果不稳定。人体模板映射方法可用于处理质量较差的人脸图像，但是模板描述常常难以精确，因此多适用于眼睛、嘴和鼻子轮廓等可变性不大器官的特征提取。基于代数方法的特征提取使用代数变换来提取人脸特征，其中比较经典的方法是特征脸方法[10]，这种方法无需提取眼、嘴和鼻等几何特征，但在单样本时识别率不高，且在人脸模式数较大时计算量大。

此外，近期的一些人体点云测量的研究成果对本文也有很大的借鉴作用。文献[11]采用基于双目立体视觉技术的三维扫描获取了完整的人体点云数据，对颈围、胸围、腰围、臀围和大腿围等进行了测量，结果表明测量误差小于2%，但是需要手动标定特征点位置，自动化程度不高。文献[12]利用Kinect实现扫描、重建以及测量的人体成分分析系统框架，实现了完整的全自动化的人体测量流程，但由于Kinect获取点云的效率很低完整的一次人体三维测量需要若干分钟，测量效率难以令人满意。文献[13]针对扫描人体所得到点云往往存在大量孔洞的问题，提出了一种面向人体尺寸测量系统的点云孔洞修补方法，利用该算法拟合得到的人体点云横截面尺寸与直接对模特手工测量得到的尺寸基本一致，其测量误差小于3%。

在对人体三维自动测量研究现状梳理的基础上，本文构建了一种基于网格模型的三维人体自动化测量方法，该方法主要通过对点云进行自动化建模生成网格模型，采用一种自适应切片技术对网格模型进行处理得到一系列二维截面，再对这些二维截面分析的基础上并结合人体结构学知识实现了人体尺寸数据的全自动化测量。

1 本文方法

1.1 本文方法技术流程

主要技术流程如图1所示，本文方法的前提是通过三维传感器扫描获取完整的人体点云数据，目前这方面技术已经较成熟，点云数据的精度可达到1~2 mm。以原始人体点云数据作为本文方法的输入(图2)，需要4个步骤实现人体数据的自动化测量，具体过程如下：

(1) 点云去噪。原始人体点云数据主要有非人体点云、孤立点、人体点云噪声点3种类型的噪声。由于点云扫描设备安放位置是固定的，本文通过设定人体点云数据的坐标取值范围，基本上可去除非人体点云。然后，再采用基于统计学的方法[14]可以有效去除人体点云的噪声点和孤立点。

(2) 点云三角网建模与模型贴图。经过点云去噪后的人体点云数据存在点云非均匀分布和细小漏洞的问题，这对人体尺寸的测量是极为不利的。本文采用泊松三维重构的方法对点云进行处理生成三角网格模型，这可一定程度上解决上述的两个问题。此外，在获取点云数据的同时通过纹理相机采集了人体多幅纹理图像，采用这些图像对人体三角网模型进行贴图后可显著提高模型的真实感和人机交互的准确度。

(3) 自适应切片。对人体三角网格模型进行切片是人体特征界标分析的基础，解决切片方向和切片厚度如何根据人体的情况进行自适应的问题。

(4) 人体特征界标分析。人体特征界标的确定是三维人体测量过程中极其关键的步骤，其中人体特征界标包括人体特征点和人体特征截面。

图1 本文方法技术流程

图2 人体点云数据

1.2 点云三角网建模与模型贴图

点云的三角网建模按照构网思路的不同，大致可以分为以下3类：隐式曲面的表面构网算法[15]、三维Delaunay三角化的表面构网算法[16]和区域生长的表面构网算法[17]。三维Delaunay三角化的表面构网算法和区域生长的表面构网算法都是基于原始的点云进行构网，要求原始的点云数据不能有毛刺等噪声。隐式曲面的表面构网算法是通过构造隐函数拟合数据点，然后在零等值面上抽取三角形网格曲面的一类方法，对点云的噪声具有一定的抑制能力。泊松表面重建方法是隐式曲面的表面构网算法中的经典的方法，融合了隐式曲面算法中全局和局部方法的优点，非常适合封闭物体点云的高精度三维重建，因此本文选用泊松表面重建方法进行人体点云的三维重建。

1.2.1 泊松表面重建

泊松曲面重建基于泊松方程，得到测量点云数据最合适的等值曲面，然后对其进行插值(最优化的)来逼近原始曲面。泊松表面重建一次性将所有的点都考虑在内，因此对噪声点有很好的弹性。整个算法的步骤包括对具有法向量信息的输入点云信息的预处理，对全局问题离散化，对离散化后的子数据求解，求解泊松问题后的等值面提取以及后期优化处理等，具体计算过程如下：

(1) 定义八叉树。使用八叉树结构存储点集，根据采样点集的位置定义八叉树，然后细分八叉树使每个采样点都落在深度为的叶节点。

(2) 设置函数空间。对八叉树的每个节点设置空间函数，所有节点函数的线性和可表示向量场，基函数采用了盒滤波的维卷积。

(3) 创建向量场。均匀采样的情况下，假设划分的块是常量，通过向量场逼近指示函数的梯度。采用三次条样插值(三线插值)。

(4) 求解泊松方程。方程的解采用拉普拉斯矩阵迭代求出。

(5) 提取等值面。为得到重构表面，需要选择阈值获得等值面；先估计采样点的位置，然后用其平均值进行等值面提取，然后用移动立方体算法得到等值面。

1.2.2 模型贴图

图3为模型贴图的技术流程，具体步骤如下：

图3 模型贴图流程

步骤1.模型与影像精确配准。模型贴图首先将纹理相机拍摄的纹理图像与模型进行精确配准，本文是通过纹理相机对模型坐标系统中的控制点进行拍摄；然后采用摄影测量中的后方交互方法求取纹理相机的外方位元素，进而实现模型与纹理影像的精确配准。

步骤2.遮挡检测。纹理相机拍摄是一个从三维到二维的过程，受自身结构和人体不同部位之间空间关系的影响，在摄影拍摄区域内人体所有部位的纹理信息不可能在一张影像上一次性的记录，难以避免存在着遮挡情况，因此本文通过拍摄多张影像的办法来解决遮挡问题。实际编写程序时，为确定空间三角形在纹理影像上的可见程度，本文通过Z-buffer算法来检测影像上每一个像素上的遮挡情况。Z-buffer算法主要分为两个步骤：①每一张影像分配一个缓冲区，并将所有的空间三角形投影后存储其中；②对每个空间三角形再次投影，计算没被遮挡的像素数与总像素数之间的比例。

步骤3.邻接一致性判断。由于纹理图像的视角或者曝光等原因，不同的纹理影像在亮度、色调和分辨率存在不一致。同时，三维模型本身存在的误差也会导致模型表面三角形的法向出现意外的状况，进而导致在视觉上形成纹理间断。因此，必须处理好相邻三角形在纹理选择上的差异性问题，保证连续区域内的空间三角形最好都能映射于同一影像。

步骤4.纹理坐标生成。依据图像与三维点云之间的映射关系，逐个计算三角形顶点坐标对应的图像纹理坐标，并对纹理坐标进行归一化。

步骤5.纹理漏洞修补。由于遮挡和纹理相机的视场角等原因导致人体三角网模型的个别位置存在纹理缺失的问题，本文通过邻域中带纹理的三角形对纹理缺失的三角形进行插值的方法实现了纹理漏洞的修补(图4~5)。

图4 三角网模型

图5 模型贴图

1.3 自适应切片

自适应切片算法以三角网格为输入，包含切片方向的自动确定和切片厚度自适应等两个基本过程。由于人体网格模型的坐标系的非标准，使得人体站立的铅垂线方向很难与坐标系的轴向完全一致，将导致特征截面的分析出现误差，进而影响测量的精度，因此有必要通过切片方向进行合理的确定(图6)。

图6 三维模型切片

1.4 人体特征界标分析

采用围度变化趋势分析的方法来自动提取人体的胸围、臀围、腰围、小腿围等特征界标，即计算切片方向上该特征界标近似区域内不同高度值对应的围度大小，根据围度变化规律(类比于曲线的曲率)分析深度变化分析目标位置，自动提取步骤如下：

步骤1. 选定特征截面的近似区域，包括搜索起始截面的位置坐标和终止截面的位置坐标。

本文方法可以自动提取的人体特征截面数为12个，其中正中面、胸围、腰围、臀围、大腿围和小腿围为6个基本人体特征截面，其为提取其他特征点和特征截面的基础。

对于颈椎点、乳头点、膝关节点、脚踝点、腰点和颈窝点等表面突出点或关节点，其共同点为所在人体表面的坐标信息突出，本文采用人体轮廓分析法来选取。以水平截面横切三维离散点云，将三维点云数据转换为二维数据进行分析处理，依次分析特征点位置的模糊区域内的水平截面，找该截面内的最凸点或最凹点[18]。

2 实验结果与分析

以一名男性和一名女性塑料模特为例，选取三维人体的几个关键尺寸进行分析，分别对采用本文方法和手工测量方法进行测量得出的结果进行了对比，表1~2分别为男性和女性塑料模特采用两种方法测量结果的偏差比较，表中A为每个尺寸项目的自动测量结果平均值，M为对应的手工测量结果平均值，(A–M)为自动测量结果与手工测量结果差值。

表1 男性模特自动测量与手动测量的结果比较(cm)

表2 女模特自动测量与手动测量的结果比较(cm)

从表1~2可看出人体自动化测量的结果与手工测量的结果非常接近，完全有能力取代手工测量。表3~4对自动化测量的重复性进行了测试，结果表明本文人体自动化测量方法的重复性非常好，均低于0.3 cm。

表3 男性模特本文方法重复测量结果(cm)

表4 女性模特本文方法重复测量结果(cm)

3 总 结

本文提出了一套完整的基于网格模型的人体自动化测量方法，该方法首先对点云进行自动化建模生成网格模型，然后提出采用一种切割方向和切割厚度均自适应切片对网格模型进行处理得到一系列二维截面，再采用截面间围堵分析和截面内凹凸性分析的方法自动找到人体特征界标，最后采用真实男性和女性塑料模特进行了试验，结果表明本文方法无论是精度上还是重复性上均表现良好，未来进一步发展完全有能力替代传统的人体尺寸测量方法。

[1] 彭三城. 三维人体自动测量技术综述[J]. 计算机应用研究, 2005, 4: 1-5.

[2] 郭华婷. 基于激光扫描的三维人体自动测量技术研究[D].天津: 天津大学, 2012.

[3] 安东.基于数字光栅投影的三维表面测量技术研究[D].合肥: 合肥工业大学, 2015.

[4] 杨敏. 激光扫描在头面部软组织三维重建和测量中的应用[J]. 国际口腔医学杂志, 2010, 37(3): 351-354.

[5] 刘星明, 刘晓利, 张平安, 等. 基于计算机视觉的三维重建技术研究[J]. 深圳信息职业技术学院学报, 2013, 11(3): 13-18.

[6] 葛宝臻, 郭华婷, 彭博, 等. 基于人体特征提取的模特体型尺寸自动测量方法[J]. 纺织学报, 2012, 33(4): 129-135.

[7] 徐继红, 张文斌. 非接触式三维人体扫描技术的综述[J]. 扬州职业大学学报, 2006, 10(3): 49-53.

[8] MORI G, MALIK J. Recovering 3D human body configurations using shape contexts [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2006, 28(7): 1052-1062.

[9] HAN H, NAM Y. Automatic body landmark identification for various body figures [J]. International Journal of Industrial Ergonomics, 2011, 41(6): 592-606.

[10] 闫宏, 张兴周. 基于特征脸的人脸识别系统[J]. 应用科技, 2007, 34(4): 20-23.

[11] 王云龙. 基于三维扫描的人体尺寸测量方法研究[J]. 自动化技术与应用, 2015(11): 115-118.

[12] 万燕, 胡桂兰, 董国胜, 等. 基于Kinect的三维人体扫描测量技术[J]. 东华大学学报: 自然科学版, 2015, 41(1): 78-83.

[13] 周亮, 孙志海, 吴以凡, 等. 面向人体尺寸测量系统的点云孔洞修补方法[J]. 杭州电子科技大学学报, 2014, 34(5): 73-77.

[14] 朱俊锋, 胡翔云, 张祖勋, 等. 多尺度点云噪声检测的密度分析法[J]. 测绘学报, 2015, 44(3): 282-291.

[15] 杨军, 诸昌钤. 带噪声的点云数据的隐式曲面重建算法[J]. 西南交通大学学报, 2008, 43(1): 29-34.

[16] 袁方, 唐杰, 武港山. 一种基于三维 Delaunay 三角化的曲面重建算法[J]. 计算机技术与发展, 2011, 21(10): 14-18.

[17] KAZHDAN M, BOLITHO M, HOPPE H. Poisson surface reconstruction [J]. Eurographics Symposium on Geometry Processing, 2006, 32(3): 61-70.

[18] 赵军, 张桂梅, 曲仕茹. 利用极点顺序的多边形顶点凹凸性判别算法[J]. 工程图学学报, 2007, 28(1): 55-59.

The Method of 3D Anthropometry Automatically Extracted Based on Mesh Model

YU Ying1, CHEN Jihua2, LU Xueliang3

(1. Information Engineering University, Zhengzhou Henan 450001, China;2. School of Physics and Engineering, Zhengzhou University, Zhengzhou Henan 450001, China;3. Xi’an Research Institute of Surveying and Mapping, Xi’an Shaanxi 710054, China)

In the face of a large number of accurate measurement of human body, a complete automatic measurement method based on mesh model is constructed in this paper.Firstly, The point cloud is modeled to generate the mesh model.Secondly, a cutting direction and slice thickness adaptive slicing are proposed to deal with the mesh model, and a series of two-dimensional cross sections are obtained. Thirdly, the analysis method of convex analysis and cross section within the containment section automatically find the characteristics of the human body landmarks.Finally, the accuracy and repeatability of real male model and female mode are tested, and the results show that the method is effective.

anthropometry; triangulation mesh; slice; human boundary

TP 391

10.11996/JG.j.2095-302X.2018020352

A

2095-302X(2018)02-0352-05

2017-06-20；

2017-07-29

国家自然科学基金项目(41501482)；地理信息工程国家重点实验室开放研究基金项目(SKLGIE 2015-M-3-6)；城市空间信息工程北京市重点实验室经费项目(2017203)

于 英(1985-)，男，辽宁本溪人，讲师，博士。主要研究方向为计算机视觉、无人机测绘、模型分析。E-mail：yuying5559104@163.com