[发明专利]一种脸部实时三维重建方法

说明书

本发明涉及一种脸部实时三维重建方法，包括：通过深度感知设备获取点云数据帧；对点云数据进行背景滤除、精简和去噪预处理形成前景点云；从前景点云中提取脸部点云，并将脸部点云与躯干点云进行分割；采用ICP算法对本帧脸部点云与上一帧预处理过的脸部点云进行配准，通过快速网格化构建脸部三维模型，并对脸部三维模型进行拉普拉斯平滑，生成当前帧点云的三维模型；重复执行上述步骤，实时生成脸部三维模型。本发明能够不借助RGB信息快速识别脸部位置，通过配准算法将两幅不同坐标系下的脸部点云旋转、平移到同一坐标系，再通过两幅点云融合、网格化后得到三维模型并实时输出。

技术领域

本发明属于图像处理和三维重建技术领域，具体涉及一种脸部实时三维重建方法。

背景技术

实时三维重建技术是计算机视觉领域和计算机图像处理领域的一个重要研究方向，人脸三维模型更是一个研究热点。随着三维技术的发展，三维模型广泛应用于工业自动化、数字医疗、自动驾驶辅助系统和机器人应用等场景中。获取三维信息主要依靠结构光散斑编码技术和双目立体视觉技术，其中，结构光散斑编码技术是红外投射器向物体表面投射特定的编码图案，经由漫反射形成散斑点，由图像传感器采集编码信息并解码，以恢复物体的深度信息；双目立体视觉技术是通过从不同角度拍摄多幅图像，然后通过特征匹配算法寻找特征点，结合摄像机内外参数并加以极线约束，以此来获取物体的空间三维坐标。结构光散斑编码技术速度快、精度高、鲁棒性高、不受物体表面形状和自然光照条件的影响，相对双目立体视觉技术具有更广的应用范围。

相对于一般物体的三维重建方法，脸部三维重建要求点云精度高、噪声小、实时输出三维模型。已有的三维重建方法计算量大、运算时间长、精度不足。点云三角网格化的算法有Delaunay三角网格重构法、贪婪三角投影算法、泊松重建、MC重建等方法，但是这些方法运算量大，在点云较大时无法实时生成三维模型。

发明内容

针对现有技术中存在的运算量大、精度不足的问题，本发明提供一种脸部实时三维重建方法，通过在点云预处理时构建良好的点云拓扑结构，能够有效提高三维重建的精度和实时性，获得准确的脸部三维模型。

一种脸部实时三维重建方法，包括如下步骤：

S100：通过深度感知设备获取点云数据；

S200：对点云数据进行预处理形成前景点云，所述预处理包括点云背景滤除、精简和去噪；

S300：从前景点云中提取脸部点云，并将脸部点云与躯干点云进行分割；

S400：采用ICP算法对本帧脸部点云与上一帧预处理过的脸部点云进行配准，将不同坐标系下的脸部点云旋转、平移到同一坐标系，通过快速网格化和拉普拉斯平滑，重建当前帧点云的三维模型；

S500：重复执行步骤S100-步骤S400，实时生成脸部三维模型。

可选的，在步骤S200中，所述点云背景滤除指通过选取深度值即点云z坐标的范围以去除点云中的冗余背景信息。

可选的，在步骤S200中，所述点云精简采用包围盒法、均匀网格法、三角网格法和曲率采样法中任意一种。

可选的，所述包围盒法包括：

1)将点云所在区域按照实际物理区间等距离划分为若干立方体；

2)每个立方体中保留一个数据点，将所述数据点作为该立方体中所有点云的中心。

可选的，在步骤S200中，所述点云去噪指将立方体中具有相似性质的点划归到同一个集合中。

可选的，所述点云z坐标的范围为200mm-600mm。

可选的，所述立方体体积设为1mm×1mm×1mm或2mm×2mm×2mm。