序列图像三维建模方法
【专利摘要】一种序列图像三维建模方法，包括：将套有具有纹理的袜子的被测量脚部置于测量垫上，所述测量垫上设有阵列排布的标记单元；将摄影设备环绕被测量脚部外围一周并获取被测量脚部的360度的图像；将图像传输至计算机进行三维建模，得到脚部三维模型。本发明只需通过普通的摄像设备，例如手机即可完成三维建模过程，而不需要专门的相机或三维相机等专业设备进行标定，因此操作方便，并且成本低；采用密集匹配的思路进行三维建模，缩短了整个建模过程的时间，效率高，节约了时间成本。
【专利说明】
序列图像三维建模方法
技术领域
[0001 ]本发明涉及一种序列图像三维建模方法。
【背景技术】
[0002] 购买鞋子的方式大致分为两种，一种是线下方式，另一种是线上方式。但无论采用 哪一种方式都存在缺陷，具体是：线下方式主要表现为顾客到实体店去挑选款式并试穿鞋 子，在试穿的过程中通常会花费很长时间，十分不方便;线上方式主要表现为顾客在网店挑 选款式后根据自己测量的尺码去选择码数，但是每个厂家生产的鞋子码数标准不一样，往 往造成标出的码数与顾客测量的码数不一致，顾客收货后试穿鞋子，若不合适还需进入退 货或换货的程序，给顾客带来不便。同时，不管是线上还是线下购买，鞋子的码数大小只由 鞋子长度来决定，忽略了其他如弓型等重要的数据，这就造成顾客无法仅仅根据鞋子码数 就能正确选择适合自己脚型的鞋子。
[0003] 对此，市面上出现一些改进的产品比如公开号为1544883的中国专利文献公开了 一种基于特定网格图案的三维脚型测量和建模的方法。它用印有网格的袜子穿在人的脚 上，然后通过多个数码摄像设备或者摄像机同时拍摄，确保每个网格的角点被至少两个数 码摄像设备或者摄像机拍到，然后基于立体视觉和光学成像的原理，恢复出所有网格角点 的三维位置;在此基础上，利用这些恢复出的角点的三维位置，重新拟合出覆盖在人脚上的 三维网格，最后根据三维网格对标准脚的空间位置约束，通过变形建模方法，建立特定的三 维脚型的模型，并计算出脚型的参数。虽然该方案可操作性强，而且实现成本低，利于推广 使用。但是需要使用两部或两部以上的摄像设备或摄像机，且计算机系统需要恢复出所有 网格角点的三维位置，算法复杂，数据处理量较大，所花费的时间较长，增加了时间成本。
【发明内容】
[0004] 为了克服上述问题，本发明提供一种具有测量过程简单、方便和测量效率高的优 点的序列图像三维建模方法。
[0005] 本发明的技术方案是:提供一种序列图像三维建模方法，包括： 套有具有纹理的袜子的被测量脚部置于测量垫上，所述测量垫上设有阵列排布的标记 单元;将摄像设备环绕被测量脚部外围一周并获取被测量脚部的360度的图像;将图像传输 至计算机进行三维建模，得到脚部三维模型。
[0006] 进一步地，所述三维建模包括以下步骤： 51、 对每一幅图像进行处理，定位并检测图像中的标记单元，获取标记单元中心点的图 像位置信息，获取到的第i幅图像中标记单元中心点点集记为Pi; 52、 对相邻两幅图像中获取到的点集Pi与Pi+Ι进行匹配，找到同名点对，并建立一一对 应关系，利用同名点对间的对应关系，解算摄像设备的内参，和摄像设备在拍摄两相邻图像 时的相对位置参数旋转矩阵R与平移矩阵T，所述内参包括像主点位置(c X，cy)以及摄像设 备焦距(fx，fy)，解算公式为
(X，Y，Z是点集P i与P i+1中找出的同名点对在三维空间中的坐标;U，V是相应同名点在 各自图像上对应点的像素坐标为所需求解的旋转矩阵R的九个分量，_^_为 平移矩阵T的三个分量，S表示图像中一个图像像素对应三维空间中的实际长度）； 53、 利用所述内参与相邻图像获取时摄像设备的相对位置参数R，T矩阵，对两幅相邻图 像进行校正，并将第i+Ι副图像经过旋转，平移转换至同第i幅图像在同一个坐标系下； 54、 采用局域匹配算法进行相邻图像间的密集匹配，对第i幅图像中的任意一点，以该 点为中心设定一个n*n(n为奇数)像素大小的窗口，在第i + Ι幅图像中同一行通过移动窗口 进行逐像素扫描，获取点对，同时计算两窗口内像素间的相似程度，计算公式为
{I(u，v)表示图像上坐标为(u，V)的像素的灰度值，d表示窗口移动的像素个数}，当差 异值Diff满足预设定的阈值T时，认为第i幅图像中像素点(u，v)同第i+Ι幅图中像素点(u+ d，v)完成匹配，此时记录该匹配点对间的像素坐标差d; 55、 对每一个获取到的所述点对，通过像素坐标差可计算出该点在三维空间中的深度 Z，计算公式：
(f为摄像设爸焦跑，T为第i+Ι幅图像经旋转至第i幅图像拍摄时以摄像设备镜头中心 点为原点的坐标系下时，第i+Ι幅图像位置的摄像设备的中心到原点的距离，d=x i-X i+1); 56、 根据相似性原理，计算出每个点的X，Y坐标，得到图像上各点的三维空间坐标(X，Y， Ζ)，完成相邻两幅图像的局部三维点云重建； 57、 将所有相邻图像进行S1-S6操作，将各局部点云集合起来获得目标的完整点集，利 用delaunay三角化方法将无序点集生成规则几何面片，完成三维模型建模。
[0007] 进一步地，所述摄像设备获取脚部的图像至少30张，且相邻时间获取的两张图像 具有至少40%的重叠区域。
[0008] 进一步地，所述标记单元上设有指定记号。
[0009] 进一步地，所述指定记号是二维码或条形码。
[0010] 进一步地，所述摄像设备是普通相机或立体相机或手机。
[0011] 进一步地，所述测量垫是纸片或塑料片或木片。
[0012] 本发明只需通过普通的摄像设备，例如手机即可完成三维建模过程，而不需要专 门的相机或三维相机等专业设备进行标定，因此操作方便，并且成本低;采用密集匹配的思 路进行三维建模，缩短了整个建模过程的时间，效率高，节约了时间成本。
【附图说明】
[0013] 图1为本发明的方法流程示意图。
[0014] 图2为图1中三维建模的方法流程示意图。
[0015] 图3为本发明的使用过程状态示意图。
[0016] 图4为本发明中S5的算法示意图。
【具体实施方式】
[0017] 下面结合附图对本发明的【具体实施方式】作进一步详细的描述。
[0018] 请参见图1和图2,图1和图2揭示了一种序列图像三维建模方法，具体步骤包括： 步骤101、套有具有纹理的袜子的被测量脚部置于测量垫上（如图3)，所述测量垫上设 有阵列排布的标记单元，将摄像设备环绕被测量脚部外围一周并获取被测量脚部的360度 的图像。所述摄像设备获取脚部的图像至少30张，且相邻时间获取的两张图像具有至少40% 的重叠区域，以确保数据处理的精确性。
[0019] 其中，所述标记单元上设有指定记号。所述指定记号可以是二维码或条形码。也可 以标上数字或图案的记号，还可以使整张所述测量垫呈棋盘图像，只要使标记单元具有特 征，能够通过检测得到标记单元的位置即可，此时所述标记单元的中心点可作为特征点，每 个所述标记单元对应一个特征点信息。
[0020] 所述摄像设备是普通相机或立体相机或手机。所述摄像设备只需要一部，而且对 摄像设备的要求不高，不需要特制的设备，平时使用的手机也可以使用，方便测量者在任何 场地测量。
[0021] 所述测量垫是纸片或塑料片或木片，优选地为纸片，通过打印机可将阵列排布的 标记单元打印出来，可供一次性使用，也可长期使用，可根据需要灵活选择。采用所述测量 垫可节约大型测量设备的采购费用，节约存储空间，使用时也不需要人工调整参数、预热等 步骤，方便使用。由于测量垫轻巧、使用方便和成本低的优点，不仅可供商店内使用，人们在 日常生活中也可以自行测量，通用性较强。
[0022]所述具有纹理的袜子不要求指定的纹理，只要具有纹理即可，目的是提供灰度特 征，以区别被测量脚部和测量垫上的标记单元。
[0023]步骤102、将图像传输至计算机进行三维建模(如图2): 51、 对每一幅图像进行处理，定位并检测图像中的标记单元，获取标记单元中心点的图 像位置信息，获取到的第i幅图像中标记单元中心点点集记为Pi; 52、 对相邻两幅图像中获取到的点集Pi与Pi+Ι进行匹配，找到同名点对，并建立一一对 应关系，利用同名点对间的对应关系，解算摄像设备的内参，和摄像设备在拍摄两相邻图像 时的相对位置参数旋转矩阵R与平移矩阵T，所述内参包括像主点位置(c X，cy)以及摄像设 备焦距(fx，fy)，解算公式为
(X，Y，Z是点集P i与P i+1中找出的同名点对在三维空间中的坐标;u，V是相应同名点在 各自图像上对应点的像素坐标，为所需求解的旋转矩阵R的九个分量，_~箱为 平移矩阵T的三个分量，S表示图像中一个图像像素对应三维空间中的实际长度）； 53、 利用所述内参与相邻图像获取时摄像设备的相对位置参数R，T矩阵，对两幅相邻图 像进行校正，并将第i+Ι副图像经过旋转，平移转换至同第i幅图像在同一个坐标系下； 54、 采用局域匹配算法进行相邻图像间的密集匹配，对第i幅图像中的任意一点，以该 点为中心设定一个n*n(n为奇数)像素大小的窗口，在第i + Ι幅图像中同一行通过移动窗口 进行逐像素扫描，获取点对，同时计算两窗口内像素间的相似程度，计算公式为
{I(u，v)表示图像上坐标为(u，V)的像素的灰度值，d表示窗口移动的像素个数}，当差 异值Diff满足预设定的阈值T时，认为第i幅图像中像素点(u，v)同第i+Ι幅图中像素点(u+ d，v)完成匹配，此时记录该匹配点对间的像素坐标差d; 55、 请参见图4,对每一个获取到的所述点对，通过像素坐标差可计算出该点在三维空 间中的深度Z，计算公式：
(f为摄像设备焦距，T为第i+Ι幅图像经旋转至第i幅图像拍摄时以摄像设备镜头中心 点为原点的坐标系下时，第i+Ι幅图像位置的摄像设备的中心到原点的距离，d=X i-X i+1); 56、 根据相似性原理，计算出每个点的X，Y坐标，得到图像上各点的三维空间坐标(X，Y， Ζ)，完成相邻两幅图像的局部三维点云重建； 57、 将所有相邻图像进行S1-S6操作，将各局部点云集合起来获得目标的完整点集，利 用delaunay三角化方法将无序点集生成规则几何面片，完成三维模型建模。
[0024] 步骤103、得到脚部三维模型。
[0025]本发明只需通过普通的摄像设备，例如手机即可完成三维建模过程，而不需要专 门的相机或三维相机等专业设备进行标定，因此操作方便，并且成本低;采用密集匹配的思 路进行三维建模，缩短了整个建模过程的时间，效率高，节约了时间成本 显然，本领域内技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和 范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内， 则本发明也意图包括这些改动和变型在内。
【主权项】
1. 一种序列图像Ξ维建模方法，其特征在于，包括： 将套有具有纹理的袜子的被测量脚部置于测量垫上，所述测量垫上设有阵列排布的标 记单元； 将摄像设备环绕被测量脚部外围一周并获取被测量脚部的360度的图像； 将图像传输至计算机进行Ξ维建模，得到脚部Ξ维模型。2. 根据权利要求1所述的序列图像Ξ维建模方法，其特征在于，所述Ξ维建模包括W下 步骤： 对每一幅图像进行处理，定位并检测图像中的标记单元，获取标记单元中屯、点的图像 位置信息，获取到第i幅图像中标记单元的中屯、点的点集Pi; 对相邻两幅图像中获取到的点集Pi与点集Pi+1进行匹配，找到同名点对，并建立一一 对应关系，利用同名点对间的对应关系，解算摄像设备的内参，和摄像设备在拍摄两相邻图 像时的相对位置参数旋转矩阵R与平移矩阵T，所述内参包括像主点位置(cx，cy)W及摄像 设备焦距(fx，fy)，解算公式为α，Υ，Ζ是点集Pi与Pi+1中找出的同名点对在Ξ维空间中的坐标;u，v是相应同名点在 各自图像上对应点的像素坐标，勸終％3为所需求解的旋转矩阵R的九个分量，羁卸1为 平移矩阵T的Ξ个分量，S表示图像中一个图像像素对应Ξ维空间中的实际长度）； 利用所述内参与相邻图像获取时摄像设备的相对位置参数R，T矩阵，对两幅相邻图像 进行校正，并将第i+1幅图像经过旋转，平移转换至同第i幅图像在同一个坐标系下； 采用局域匹配算法进行相邻图像间的密集匹配，对第i幅图像中的任意一点，W该点为 中屯、设定一个n*n(n为奇数)像素大小的窗口，在第i+1幅图像中同一行通过移动窗口进行 逐个像素扫描，获取点对，同时计算两窗口内像素间的相似程度，计算公式为(I(u，v)表示图像上坐标为(U, V)的像素的灰度值，d表示窗口移动的像素个数}，当差 异值Diff满足预设定的阔值T时，认为第i幅图像中像素点(u，v)同第i+1幅图中像素点(U+ d，v)完成匹配，此时记录该匹配点对间的像素坐标差d; 对每一个获取到的所述点对，通过像素坐标差可计算出该点在Ξ维空间中的深度Z，计 算公式戈(f为摄像设备焦距，T为第i + 1幅图像经旋转至第i幅图像拍摄时W摄像设备镜头中屯、 点为原点的坐标系下时，第i+1幅图像位置的摄像设备的中屯、到原点的距离，d=X 1-X 1+1); 根据相似性原理，计算出每个点的χ，γ坐标，得到图像上各点的Ξ维空间坐标α，γ，ζ)， 完成相邻两幅图像的局部Ξ维点云重建； 将所有相邻图像进行S1-S6操作，将各局部点云集合起来获得目标的完整点集，利用 delaunayS角化方法将无序点集生成规则几何面片，完成Ξ维模型建模。3. 根据权利要求1所述的序列图像Ξ维建模方法，其特征在于，所述摄像设备获取脚部 的图像至少30张。4. 根据权利要求1或3所述的序列图像Ξ维建模方法，其特征在于，相邻时间获取的两 张脚部的图像具有至少40%的重叠区域。5. 根据权利要求1所述的序列图像Ξ维建模方法，其特征在于，所述标记单元上设有指 定记号。6. 根据权利要求5所述的序列图像Ξ维建模方法，其特征在于，所述指定记号是二维码 或条形码。7. 根据权利要求1所述的序列图像Ξ维建模方法，其特征在于，所述摄像设备是普通相 机或立体相机或手机。8. 根据权利要求1所述的序列图像Ξ维建模方法，其特征在于，所述测量垫是纸片或塑 料片或木片。
【文档编号】G06T17/00GK105844701SQ201610155575
【公开日】2016年8月10日
【申请日】2016年3月18日
【发明人】吴志龙
【申请人】吴志龙