基于Kinect人体脚型三维构建

　　摘要：针对传统测量方法成本高、操作复杂、图像特征匹配率准确度不高等问题,提出了一种将Kinecl传感器与计算机视觉技术相结合的构建人体三维脚型的方法。利用Kinect传感器搭建测量系统，获取不同角度的深度信息图像，通过改进的Harris-SIFT算法对特征点进行提取与匹配，并通过迭代最近点(ICP)算法完成对点云数据的拼接。结果表明:所提方法能够便捷、准确地实现人体三维脚型的构建。

　　关键词：传感器;计算机视觉;三维脚型;特征点

　　0引言

　　三维重建是在虚拟环境中处理、分析和操作的基础E,同时也是人体测量的关键技术，人体测量的数据为制定鞋、服装等服饰提供了标注依据。构建人体三维脚模型,可以用于面向个性化定制鞋、模特脚部的制作以及满足三维(3D)打印的需求⑵。本文提出将Kinecl传感器与计算机视觉相结合构建人体获得所需要的脚型三维模型。

　　1系统总体方案

　　系统的总体方案流程如下:首先Kinect传感器在每一个标志位置均做短暂停留获取不同角度的脚型深度数据图像。并根据在标志位置获取的深度图像进行预处理与分割操作，并转换为三维点云数据。在三维重建模块将获得的三维点云数据进行迭代最近点(iterativeclosestpoint,ICP)精匹配，然后对匹配结果进行拼接、融合。最后，对拼接好的点云进行曲面重建与渲染，得到最终三维重建模型。

　　本文采用采集硬件平台获取脚型的图像。通过在滑轨轨道上部署3台Kinecl传感器，每台传感器移动120。范围的形式设置。根据Kinect的深度数据获取有效范围，滑轨半径可设置在0.8~1.5m之间，本实验采用0.8m作为半径。为了获得足够的脚后跟和脚前掌的点云数据和完整的脚型数据，拍摄的间隔角度需要比较小⑸，这里间隔角度取30°，即每台Kinect移动约30。进行一次图像采集，为了便于控制目标移动的角度，对每个角度位置做上标志，每台Kinect从起始点绕顺时针方向进行数据采集，绕目标移动直到移动到下一台Kinect的起始位置为止。

　　2图像数据的获取与预处理

　　2.1深度信息的获取

　　Kinect传感器获得真实场景的深度信息，主要是通向物体发射红外散斑，随着物体远近的不同形成不同的散斑形状⑹，红外摄像头拍摄这些不同的散斑图案，通过PS1080芯片进行计算，内部解码分析获得所拍摄目标较为准确的深度数据,当Kinect需要获取深度信息时,红外摄像头拍摄到散斑图案，将此图案与保存记录好的散斑图案进行相关性换算，之后通过三角测量原理进行计算获取目标的深度信息⑺。

　　2.2深度图像的预处理

　　在实际应用中，因为Kinect的外红散斑发射和采集受到物体表面条件、光照条件、信号传输条件、遮挡等问题的影响，其获取的图像中,会含有一些噪声点以及空洞点⑻。而对于三维重建，这些因素会在一定程度上影响三维点云的准确度和完整性，所以需要提前对其进行预处理。双边滤波能够在去噪的同时保护好图像边缘和轮廓数据的特性较为适合作为深度图滤波方式。双边滤波含有两个影响因子，分别为像素差值和空间几何距离⑼。相比较高斯滤波，双边滤波改进点在于考虑空间距离关系的同时，增加了对周围领域点的欧氏距离的考虑。

　　3图像特征匹配

　　本文在Harris-SIFT算法的基础上提出了改进HarrisSIFT特征点描述算法,通过匹配实现对大偏差角度图像上的物体特征的搜索和配对。并应用于脚型三维重建系统中的点云配准模块。

　　3.1深度图像的分割

　　由于在本实验为动态采集目标信息,对于背景差分法来说，背景的采集和配对十分困难。该系统Kinect分隔角度较大，不易对背景造成干扰,同时Kinect滑轨距离目标距离固定，十分容易设定阈值，故该系统适合采用阈值分割法对目标和背景进行分割。4实验结果分析为了实验环境避免对RGB图像进行处理和匹配时收到明暗相差过大等因素的干扰，同时采用室内环境保证Kinect传感器不会受到强太阳光干扰,采用普通白炽灯光照下的室内进行。

　　由于单纯的脚模表面适合用于匹配的特征点较少，在实验前,为脚模穿穿上具有黑白相间得格子纹理的袜子,这种编织物上具有丰富的角点特征，十分适合于Harris角点检测。动态Harris-SIFT算法匹配中，影响匹配结果的因素包括阈值(ratio)的设置、间隔角度、匹配图数量等，其中，近邻/次近邻的ratio的大小设置对匹配结果有最直接的影响。本文通过多次实验，从小到大逐渐改变ratio的设置值，得到的匹配点对数量和准确率变化如图3所示。由图可知，匹配点个数随着ratio的增大而增大，但是匹配点对的匹配正确率大致随着匹配点对的增加而减少，可以观察到在ratio设置为0.75时，匹配点对的数量和匹配点对的正确率达到一个均衡的值，在获得丰富的匹配点对的同时,保证足够的正确率。所以本文选取ralio值为0.75。

　　相同条件下传统算法与改进算法匹配结果，可以看出，同样条件下，改进的动态Harris-SIFT算法匹配的特征点对数略高于传统的HarrisSIFT算法匹配结果。算法的平均定位误差小于最小二乘法和PSO定位算法、FPA定位算法，相较于其他算法拥有更好的收敛性。

　　4结论

　　本文对于在测距误差存在情况下，RSSI定位算法中采用最小二乘法求解未知节点位置受测距误差影响较大这一情况，使用改进FPA算法替代最小二乘法，降低测距误差影响，获得更好的定位精度。在测距误差、锚节点所占比例、通信半径、总节点数目变化的情况下，本文算法的误差更小,对测距误差影响起到一定抑制作用，证明本文算法适用于无线传感器网络的定位算法。但在定位求解时间和能量消耗方面，对网络有一定的要求。

　　参考文献：

　　[1]谭爱平，陈浩，吴伯桥•基于BADV-Hop的传感器节点定位方法[J]•计算机工程与应用,2014,50(17)：125-129.

　　[2]LOWKS,NGUYENHA,GUOH.Optimizationofsensornodelocationsinawirelesssensornetworks[C]

　　[3]李杰，李振波,陈佳品•一种基于遗传算法与蚁群算法混合算法的无线传感器网络定位算法[J]•软件,201乙38(1):11-15・

　　计算机论文投稿刊物：计算机工程与应用是一本面向计算机全行业的综合性学术刊物，覆盖面宽、信息量大、报道及时是本刊的服务宗旨。多年来，本刊坚持走学术与实践相结合的道路，在内容上既注重理论的先进性又兼顾实用技术的广泛性，在促进学术交流的同时，推进了科技成果的转化。