专利汇可以提供一种基于Kinect深度相机的人体尺寸测量方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于Kinect 深度相机 的人体尺寸的测量方法,属于 机器视觉 技术领域;它包含以下步骤:(1)、深度相机标定;对原始 深度图 像 进行上 采样 ,可通过OpenCV实现自动提取 角 点信息完成标定;(2)、深度 图像处理 ;采用联合双边滤波 算法 ,利用高 分辨率 的彩色图像对深度图像 质量 进行提升,减少深度图像中的噪声干扰;(3)、点 云 融合及骨骼点信息获取;(4)、人体尺寸计算。降低了系统成本的同时,保证了服装定制的 精度 要求,使用人体骨骼点信息使人体特征识别算法更加简单,有效提高了 软件 系统的运行效率。,下面是一种基于Kinect深度相机的人体尺寸测量方法专利的具体信息内容。
1.一种基于Kinect深度相机的人体尺寸的测量方法,其特征在于它包含以下步骤:
(1)、深度相机标定
采用张氏标定法标定,使用Kinect深度相机获取多张不同角度的深度图像,对原始深度图像进行上采样,提高图像分辨率,以便于高精度提取角点;通过标定板上每个特征点和其像平面的像点间的对应关系,即通过每张图像的单应矩阵来完成标定,可通过OpenCV实现自动提取角点信息完成标定;
(2)、深度图像处理
采用联合双边滤波算法,利用高分辨率的彩色图像对深度图像质量进行提升,减少深度图像中的噪声干扰;
(3)、点云融合及骨骼点信息获取
利用ICP算法将相邻点云图像进行配准,计算某一幅点云图像所处坐标系相对于前一幅相邻点云图像所处坐标系的旋转矩阵和平移向量,以获得拍摄每一幅点云图像的相机的相对姿态,并以第一幅点云图像所处坐标系作为融合后人体点云模型的坐标系,进行点云融合,在获取点云图像的同时,获取人体初始姿态的关键骨骼点点云信息,以快速寻找到人体关键特征;
(4)、人体尺寸计算:
1)预处理
去除脚部以下噪点:寻找x坐标值约等于头顶点的x值的点云,进行y值从大到小的排序,计算前后两个点的y值差,其中最大间隔对应的两个点中较小的那个点的y值便是地面的y值,以此为依据去除脚部以下点云;
2)三维人体点云的刚体变换
以人体左侧为X轴正向,上方为Y轴正向,正面朝向为Z轴正向,脚底为XOZ平面,进行点云的刚体变换;
Q=RS+T
Q为刚体变换后的人体点云矩阵,S为原始的的人体点云矩阵,R为3*3的旋转矩阵,T为
3*1的平移向量;
基于骨骼点平移旋转人体的方法
因kinect与人体的相对位置的不确定,会导致融合产生的人体点云数据在坐标系中的位置不确定;
以从kinect获取的骨骼点的数据为依据,对点云数据和骨骼点的数据进行刚体变换,将坐标系中的某个位置的人体点云变换到一种标准的位置,以便于后续的人体尺寸测量;
变换的过程是依据骨骼点,计算骨骼点与坐标轴的夹角,以及所有骨骼点与坐标原点的相对位置,并以此作为刚体变换的参数,将人体模型及所有骨骼点变换到坐标系中的确定位置;
3)人体分层
(1)人体点云集合Q={(x,y,z)|x∈(xl,xu),y∈(yl,yu),z∈(zl,zu)};
(2)人体点云的分层集合的数组QX,QY三维体的点云;
其中,QXi={(x,y,z)|x∈[dx*i,dx*(i+1)],y∈(yl,yu),z∈(zl,zu)}
平行YOZ截面的点云;
QYi={(x,y,z)|x∈(xl,xu),y∈[dy*i,dy*(i+1)],z∈(zl,zu)}
平行YOZ截面的点云;
i表示第i个二维截面;
dx,dy表示层间距,l表示下界,u表示上界;
至此,三维点集转化成多个二维截面集的数组QX,QY;
4)人体分割
对于经过上述处理的人体点云图,需要提取以下第一类特征点用于人体分割;
第一类特征点:P1会阴点,P2左腋窝点,P3右腋窝点,P4左肩峰点,P5右肩峰点,P6左颈侧点,P7右颈侧点;
第一类特征点获取方法
利用骨骼点确定会阴点和腋窝点大体位置和x坐标取值上下限后,根据多个人体纵截面QXi,对每个截交面进行降维操作,将运算结果合成一个点集,再次对点集进行降维操作便可以得到会阴点和腋窝点,而肩峰点和颈侧点同样可以根据人体点云截交面和该点特征利用相应的降维操作获得;
降维操作如下,
一维线的点集到零维点的运算:
将点集P的x或y或z的最大最小值找到并返回该点;
二维面的点集到零维点的运算:
在二维面的点集P中取出距参考线L距离最近最远的点并返回该点;
其中各点取值上下限及搜索基准点由kinect获取的骨骼点和人体比例确定;人体分割方法:
首先分割双臂,找腋窝点;
遍历所有的点,找出在人体高度比例上0.68及之上的所有点,之后的操作基于这些点,相当于只在胸部位置以上查找;
在x轴正方向,每隔很小x值范围遍历在此范围内的点,记录y坐标最小的点YminN,即相当于做竖直截面,找出截面上的最低点;
找出[Ymin1,Ymin2…YminN]中的最大值Ymax=Max{Ymin1,Ymin2…YminN},Ymax即为左腋窝点的y坐标值,由此可以找到左腋窝点;
根据左腋窝点的x坐标值做竖直截面分割左臂,同理在x负半轴分割右臂,
然后分割双腿,找会阴点;
遍历所有的点,找到y值最大的点即头部最高点,记录其x值;
找出人体高度比例在0.5处的点的y值,筛除所有在此x值左右10cm范围之外、在y值上下10cm范围之外的点;
对于所有筛选出来的点,每隔很小x值范围遍历在此范围内的点,记录y值最小的点Y1minN;
找出[Y1min1,Y1min2…Y1minN]中的最大值Y1max=Max{Y1min1,Y1min2…Y1minN},Y1max即为会阴点的y坐标值,由此可以找到会阴点;
按会阴点的y坐标值做水平截面分割双腿;左右臂可根据肩峰点和腋窝点来进行分割,左右腿可根据会阴点来进行分割;
至此完成人体分割,生成左腿,右腿,左臂,右臂和无左右臂的身体的点云;
5)特征定位和尺寸计算
参考国标GB1610-2008和实际服装定制需求对于人体尺寸的定义,选取以下37项尺寸进行计算;
高度:身高,颈椎点高,左右肩高,胸高,腰高,臀高,会阴点高,左右膝高,左右踝高;
宽度:肩宽,胸宽,腰宽,臀宽;
厚度:胸厚,腰厚,臀厚;
围度:颈围,胸围,腰围,臀围,左右大腿根围,左右肘围,左右腕围,左右臂围,左右臂根围,左右膝围,左右踝围;
角度:肩斜角
首先,计算第二类特征点;
第二类特征点:头顶点,脚底点,颈椎点,腰点,臀点,左右腕点,左右肘点,左右膝点,左右踝点
第二类特征点计算方法
头顶点,脚底点,颈椎点,腰点,臀点均可由降维操作获取;
腕点,肘点,膝点,踝点可由骨骼点获取;
高度计算方法
高度计算结果为其特征点所对应高度,y坐标值;
宽度计算方法
肩宽 其中L(pjx,pjz)<0,
Pj是由SPL,SPR,CerP三点所决定的特征面经过G凸包运算后的有序点,其中,SPL为左肩峰点,SPR为右肩峰点,CerP为颈椎点,L表示SPL,SPR两点所决定的平面直线方程,pjx,pjz表示Pj的x坐标和z坐标;
其余宽度计算结果为其特征点所在特征面的宽度x方向最大最小值差;
厚度计算方法
厚度计算结果为其特征点所在特征面的厚度z方向最大最小值差;
围度计算方法
围度计算结果为其特征点所在特征面的G凸包运算结果,其中G运算如下:
由特征面计算围度的方法:
(I)根据所求位置决定对所求结果进行中值滤波或均值滤波或不滤波
(II)利用凸包算法求取一维轮廓线
首先利用凸包算法对所求截交面的点进行处理,从而去除内部点,只保留外围点的点云集合,排除内部噪点干扰,模拟真正测量时的软尺紧绷的状态,减小测量误差,至此,由二维面得到一维轮廓线;
(III)对结果进行三次样条插值拟合以使轮廓线更加平滑
(IV)求取围长
当点云轮廓线内为无序点时围长的求取方式是从特征点处的点云集合中任取一个点作为当前点,将结果初始化为0,然后贪心选择离当前点最近的点,并求取两点之间的距离加到结果中,将贪心选择得到的点作为下一次贪心选择的当前点,迭代该方法,直到计算完所有的点,最后要计算最后一个点到第一个点的距离,并将该距离加到结果中;
当步骤(II)凸包算法使用Garham’s Scan算法进行凸包时,所得点云为有序点云,可直接计算Garham’s Scan所得点云的当前点和下一个点的距离,将下一个点作为当前点,迭代此步骤,最后计算最后一个点到第一个点的距离,并将该距离加到结果中,这样可以利用Garham’s Scan算法特性避免对点云再次求序从而提高运算速度;
角度计算方法
左肩斜角
其中NRPLx是左颈侧点x坐标值,NRPLy是左颈侧点y坐标值,SPLx是左肩峰点x坐标值,SPLy是左肩峰点y坐标值。
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。