亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種基于EGI和標(biāo)準(zhǔn)人臉模板的三維人臉點(diǎn)云拼合算法

        2016-12-22 21:37:36張辰陽(yáng)
        軟件導(dǎo)刊 2016年11期

        摘 要:對(duì)重合區(qū)域較少的兩組不同角度獲取的三維人臉點(diǎn)云數(shù)據(jù),直接尋找對(duì)應(yīng)點(diǎn)進(jìn)行點(diǎn)云拼合的難度很大。為解決這一問題,提出一種基于EGI和標(biāo)準(zhǔn)人臉模板全自動(dòng)點(diǎn)云數(shù)配準(zhǔn)拼合算法。針對(duì)待配準(zhǔn)的三維人臉點(diǎn)云以及標(biāo)準(zhǔn)人臉點(diǎn)云模型,首先通過局部最小二乘曲面擬合,估計(jì)每個(gè)點(diǎn)的法向和曲率,其次計(jì)算點(diǎn)云的擴(kuò)展高斯圖(EGI),然后利用EGI上對(duì)應(yīng)的特征點(diǎn)計(jì)算歐拉角,分別使待配準(zhǔn)三維人臉點(diǎn)云旋轉(zhuǎn)至與人臉模型大致相同的位置,完成粗配準(zhǔn),并把粗配準(zhǔn)結(jié)果作為新的初始位置。采用最近點(diǎn)迭代算法(ICP)分別對(duì)三維人臉點(diǎn)云與標(biāo)準(zhǔn)人臉模型進(jìn)行精確配準(zhǔn),從而實(shí)現(xiàn)兩組三維人臉點(diǎn)云的拼接。

        關(guān)鍵詞關(guān)鍵詞:點(diǎn)云拼接;三維人臉;高斯圖;最近點(diǎn)迭代算法;歐拉角

        DOIDOI:10.11907/rjdk.162008

        中圖分類號(hào):TP312

        文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào)文章編號(hào):16727800(2016)011004204

        基金項(xiàng)目基金項(xiàng)目:

        作者簡(jiǎn)介作者簡(jiǎn)介:張辰陽(yáng)(1991-),男,湖北恩施人,四川大學(xué)空天科學(xué)與工程學(xué)院碩士研究生,研究方向?yàn)橛?jì)算機(jī)視覺導(dǎo)航、三維人臉重建。

        0 引言

        隨著三維點(diǎn)云數(shù)據(jù)獲取手段的增多以及對(duì)于三維重建技術(shù)需求的增大,不同角度的三維點(diǎn)云數(shù)據(jù)拼合技術(shù)[1]逐漸成為研究熱點(diǎn)。目前,解決點(diǎn)云配準(zhǔn)拼合的技術(shù)一般分為手動(dòng)配準(zhǔn)以及自動(dòng)配準(zhǔn)兩大類。前者需要在被測(cè)物體的重疊區(qū)域上人為貼上標(biāo)記點(diǎn)[2],從而通過標(biāo)記點(diǎn)計(jì)算坐標(biāo)系的旋轉(zhuǎn)、平移參數(shù)。對(duì)于后者,通常要求兩幅點(diǎn)云具有足夠多的重疊區(qū)域,這樣才能夠通過算法快速、靈活地尋找兩組或者多組數(shù)據(jù)間的對(duì)應(yīng)關(guān)系,最終精確求解出點(diǎn)云數(shù)據(jù)間的旋轉(zhuǎn)、平移關(guān)系。在自動(dòng)配準(zhǔn)中運(yùn)用最為廣泛的是由 Besl等[3]提出的最近點(diǎn)迭代算法(iterative closest point, ICP),該算法以相對(duì)位置經(jīng)過粗略配準(zhǔn)的兩片點(diǎn)云數(shù)據(jù)為基礎(chǔ),迭代求解兩片或者多片點(diǎn)云數(shù)據(jù)間的對(duì)應(yīng)點(diǎn)及對(duì)應(yīng)點(diǎn)之間的剛性變換(旋轉(zhuǎn)、平移)關(guān)系,直到對(duì)應(yīng)點(diǎn)之間的距離誤差評(píng)價(jià)函數(shù)最小。實(shí)際上,一般待配準(zhǔn)的點(diǎn)云數(shù)據(jù)間的相對(duì)位置是未知的,如何利用粗略配準(zhǔn)將點(diǎn)云數(shù)據(jù)間的相對(duì)位置變換到ICP算法的收斂域(即迭代可以收斂)成為解決問題的關(guān)鍵。許多ICP 改進(jìn)算法主要還是針對(duì)某些特征信息建立點(diǎn)云數(shù)據(jù)間的相互關(guān)系。這些特征信息包括法向[4]、曲率[5]、體積分[6]等簡(jiǎn)單的一維特征描述函數(shù),還包括旋轉(zhuǎn)圖像[7]、形狀內(nèi)容[8]等高維特征描述函數(shù),有的甚至還包括顏色、強(qiáng)度值等輔助信息,它們都是不依賴于點(diǎn)云數(shù)據(jù)的三維旋轉(zhuǎn)與平移的。

        在人臉重建領(lǐng)域,需要拼接配準(zhǔn)的兩幅點(diǎn)云沒有足夠大重疊區(qū)域,然而上述算法都必須依賴與兩幅點(diǎn)與數(shù)據(jù)具有足夠大的重疊區(qū)域。因此,針對(duì)重疊區(qū)域很小的兩幅人臉點(diǎn)云數(shù)據(jù)(如兩幅側(cè)臉角度達(dá)到45°的三維人臉數(shù)據(jù)),本文提出了一種擴(kuò)展高斯圖(EGI)和標(biāo)準(zhǔn)人臉模板的點(diǎn)云拼合算法。該方法可以處理空間任意位置的人臉散亂點(diǎn)云,且對(duì)點(diǎn)云的重疊度沒有要求。只需要利用點(diǎn)云自身整體的幾何信息,分別將待配準(zhǔn)的點(diǎn)云以及人臉模板的信息映射到高斯球面,分別完成兩幅點(diǎn)云與人臉模板的粗配準(zhǔn),從而將兩幅待配準(zhǔn)點(diǎn)云的相對(duì)位置轉(zhuǎn)換到ICP算法的收斂域,最后完成精確配準(zhǔn)。

        1 EGI擴(kuò)展高斯圖建立

        1.1 模型建立

        在建立擴(kuò)展高斯圖之前,首先需要計(jì)算點(diǎn)云的法線和曲率。對(duì)于點(diǎn)云中的任一點(diǎn),其法向量等價(jià)于該點(diǎn)及其鄰域的最小二乘擬合平面的法向量。點(diǎn)c為點(diǎn)pi的鄰域Nbhd(pi)的質(zhì)心:

        在建立擴(kuò)展高斯圖之前,首先需要計(jì)算點(diǎn)云的法線和曲率。對(duì)于點(diǎn)云中的任一點(diǎn)pi,其法向量等價(jià)于該點(diǎn)及其鄰域Nbhd(pi)的最小二乘擬合平面的法向量ni。點(diǎn)c為點(diǎn)pi的鄰域三維物體的高斯圖像是將物體上的一點(diǎn)映射到高斯球(單位球面)上的一點(diǎn),并且滿足對(duì)用點(diǎn)具有相同的法線方向。特別地, 如果物體中包含一個(gè)平面,則平面上所有點(diǎn)均被映射至高斯球上的同一點(diǎn)。擴(kuò)展高斯圖(EGI)建立在高斯圖像基礎(chǔ)上, 是一種形狀表示, 主要用于表征三維物體的幾何特征,示例見圖2,其為六面體的高斯映射?;舅枷霝閷⑷S物體的每個(gè)面片映射到一個(gè)單位球面上來獲取球面圖像,向量的方向與物體面片的法向量方向一致,向量的模等于面片的面積,EGI記錄了面片法向落入全空間各個(gè)方向的多邊形面積大小。用函數(shù)表示為:

        1.2 對(duì)應(yīng)點(diǎn)對(duì)確定

        在點(diǎn)云配準(zhǔn)中,確定對(duì)應(yīng)點(diǎn)對(duì)的方法很多。比如馬忠玲等[11]提出的一種基于曲率的點(diǎn)云特征點(diǎn)提取方法,首先利用面(moving least squares surfaces) 快速有效地計(jì)算出散亂點(diǎn)云每一點(diǎn)的高斯曲率、平均曲率和主曲率值,提取局部曲率變化最大的點(diǎn)作為特征點(diǎn),然后利用點(diǎn)的曲率的距離提取初始匹配點(diǎn),再根據(jù)極大極小曲率的相似度函數(shù)最終確定精確匹配點(diǎn)。在人臉特征點(diǎn)檢測(cè)中,還可以先將3維點(diǎn)云投影到2維平面,得到二維圖片,再用人臉landmark檢測(cè)算法[12],得到人臉的68個(gè)landmark特征點(diǎn);或者如劉宇等[13]提出的一種基于法矢的對(duì)應(yīng)點(diǎn)提取方法,定義一種法矢偏差的特征量,利用特征量的歐式距離確定對(duì)應(yīng)點(diǎn)對(duì)。

        1.3 高斯球上旋轉(zhuǎn)群旋轉(zhuǎn)

        在經(jīng)典力學(xué)與幾何中,所有環(huán)繞著三維歐幾里德空間的原點(diǎn)的旋轉(zhuǎn)而組成的群定義為旋轉(zhuǎn)群[1415]。

        點(diǎn)云數(shù)據(jù)(Xi,Yi,Zi)的3維空間的旋轉(zhuǎn)可用g∈SO(3)來表示。由于空間單位向量n由2個(gè)獨(dú)立參數(shù)確定, 所以SO(3)里的元素是由3個(gè)獨(dú)立參數(shù)所確定的。通常對(duì)SO(3)習(xí)慣用Euler角(α,β,γ)來描述一個(gè)轉(zhuǎn)動(dòng),0≤α,γ≤2π,0≤β≤π。用Euler角表示g∈SO(3)為:

        2 算法實(shí)現(xiàn)流程

        本文提出的利用EGI和標(biāo)準(zhǔn)人臉模板的三維人臉點(diǎn)云的拼合算法執(zhí)行流程如圖3所示。

        (1)首先輸入待配準(zhǔn)點(diǎn)云P1、P2以及人臉模板M,由于MLS算法對(duì)于噪聲有較強(qiáng)的魯棒性,所以并不需要對(duì)噪聲進(jìn)行濾波。

        (2)提取特征點(diǎn)、確定對(duì)應(yīng)點(diǎn)集。先利用MLS算法計(jì)算出每一點(diǎn)云數(shù)據(jù)的高斯曲率、平均曲率以及主曲率。認(rèn)為局部曲率值變化最大的為待定點(diǎn),然后根據(jù)距離確定兩點(diǎn)之間的匹配點(diǎn),剔除誤差,最終確定對(duì)應(yīng)點(diǎn)集。

        (3)把3幅點(diǎn)云映射到高斯球面,得到新的點(diǎn)云數(shù)據(jù)。分別遍歷以上對(duì)應(yīng)點(diǎn)集,用四元數(shù)方法,求解顛覆點(diǎn)云相對(duì)于人臉模板的旋轉(zhuǎn)量,即得到兩幅待配準(zhǔn)點(diǎn)云之間的旋轉(zhuǎn)關(guān)系,最后將旋轉(zhuǎn)量轉(zhuǎn)換成旋轉(zhuǎn)矩陣,方便數(shù)據(jù)運(yùn)算。

        (4)分別把P1、P2乘以R1、R2,目的是將待配準(zhǔn)的人臉筆尖法線方向旋轉(zhuǎn)到與模板一致,從而使得人臉的視點(diǎn)方向與模板基本一樣,使得點(diǎn)云與模板配準(zhǔn)時(shí)結(jié)果能夠收斂。

        (5)用ICP方法將與人臉模板進(jìn)行精確配準(zhǔn)得到點(diǎn)云,最后將數(shù)據(jù)融合得到完整人臉。

        3 實(shí)驗(yàn)結(jié)果與分析

        實(shí)驗(yàn)運(yùn)行環(huán)境為Intel Core 2.53,GHz Matlab2015b平臺(tái)。待配準(zhǔn)點(diǎn)云為數(shù)據(jù)庫(kù)中無表情人臉模型。人臉模板為[16]提供的平均人臉模型。

        圖4(a)為人臉向左轉(zhuǎn)動(dòng)45°所得到的點(diǎn)云數(shù)據(jù),共有35 303個(gè)點(diǎn);(b)為向右轉(zhuǎn)動(dòng)45°所得到的數(shù)據(jù),共有33 247個(gè)點(diǎn);(c)為a、b兩幅點(diǎn)云放在同一坐標(biāo)系下的初始位置;(d)為平均人臉模型,共有53 490個(gè)點(diǎn)。由圖4(a)、(b)可以清晰看到,兩幅點(diǎn)云的重疊區(qū)域非常少,所以傳統(tǒng)的ICP方法不能夠適用于這一種情況。

        由圖5(a)可以看出,通過本文算法可以將兩幅半臉點(diǎn)云的法向量調(diào)整到與平均人臉模板大致相同的朝向,為后面與人臉模板的配準(zhǔn)提供了較好的初始位置。圖5(b)是用粗配準(zhǔn)結(jié)果直接運(yùn)用文獻(xiàn)[11]中一種基于曲率的自動(dòng)配準(zhǔn)算法進(jìn)行匹配后顯示在同一坐標(biāo)系中的結(jié)果,由于沒有足夠大的重疊區(qū)域,即沒有足夠多的正確對(duì)應(yīng)點(diǎn)對(duì),導(dǎo)致ICP算法出現(xiàn)局部最佳匹配,并且陷入迭代不收斂的情況。圖5(c)是由粗配準(zhǔn)中的左右兩個(gè)半臉點(diǎn)云分別與平均人臉模板進(jìn)行配準(zhǔn),然后把兩幅點(diǎn)云融合得到的結(jié)果。綜合圖5(b)、(c)以及表1,從拼接效果上來說,傳統(tǒng)的ICP算法并不適用于重疊度很小的人臉點(diǎn)云拼接,而本文提出的方法能夠有效解決這一問題;運(yùn)行時(shí)間上,由于傳統(tǒng)ICP算法迭代不收斂,因此運(yùn)行時(shí)間也多余本算法運(yùn)行時(shí)間。

        4 結(jié)語

        本文提出了一種基于EGI和標(biāo)準(zhǔn)人臉模板的三維人臉點(diǎn)云的拼合算法,利用已有的標(biāo)準(zhǔn)人臉模板作為中介,通過把點(diǎn)云映射到EGI,可以不用任何初始估計(jì)或手動(dòng)操作就能夠自動(dòng)解決只有很少部分重疊區(qū)域甚至沒有重疊區(qū)域的三維人臉點(diǎn)云的拼接問題,而文獻(xiàn)[14]中只能夠配準(zhǔn)不同旋轉(zhuǎn)角度的相同點(diǎn)云,不能對(duì)只有部分重疊的點(diǎn)云進(jìn)行拼接。由于需要通過標(biāo)準(zhǔn)人臉模板作為拼接中介,所以人臉模板是影響本算法的一個(gè)重要因素,使用中國(guó)人的人臉模型會(huì)比本文使用的模型效果更好。在實(shí)際應(yīng)用中,可以通過Realsense或者Kinect等采集運(yùn)動(dòng)中的人臉側(cè)臉點(diǎn)云數(shù)據(jù),然后拼接得到完整人臉,若能過提高算法的準(zhǔn)確度以及實(shí)時(shí)性,可為機(jī)場(chǎng)火車站等地方的三維人臉重建提供初始模型。因此,提高本算法的實(shí)時(shí)性和準(zhǔn)確性將是未來研究的一個(gè)重要方向。

        參考文獻(xiàn):

        [1] PAUL J B,NEIL D M. A method for registration of 3D shapes[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1992,14(2):239256.

        [2] FARIN G,HOSCHEK J, KIM M S. Handbook of computer aided geometric design[M]. Amsterdam:NorthHolland, 2002:651681.

        [3] BESL P J, MCKAY N D. A method for registration of 3D shapes[J].IEEE Transactions on Pattern Analysis and Machine Inteligence,1992,14(2):156239.

        [4] 魏永超, 蘇顯渝. 基于方向角的散亂點(diǎn)云三角剖分算法[J] .四川大學(xué)學(xué)報(bào):工程科學(xué)版, 2009,41(4):202207.

        [5] HT HO.3D Surface matching from range images using multiscale local features[D].PhD dissertation,Depar of Electrical and Electronic Eng.University of Adelaide,2009.

        [6] GELFAND NATASHA.Feature analysis and registration of scanned surface[D].PhD dissertation, Stanford University, September,2006.

        [7] JOHNSON A.Using spin images for efficient object recognition in cluttered 3D scenes[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence.1999,21(5):433449.

        [8] FROME A, HUBER D, KOLLURI R,et al.Recognizing objects in range data using regional point descriptors[J].Lecture Notes in computer science,2004(3023):224237.

        [9] DING ZHONGMING, TAKUMA K, NAOHISA S, et al. Particle based multiple irregular volume rendering on CUDA[J]. Simulation Modelling Practice and Theory,2010,18(8):11721183.

        [10] KOKH,TAKASHI M,NICHOLAS M P, et al.Shape intrinsic properties for freeform object matching[J].Compute. Inf. Sci. Eng, 2003,3(4):325333.

        [11] 馬忠玲, 周明全, 耿國(guó)華,等.一種基于曲率的點(diǎn)云自動(dòng)配準(zhǔn)算法[J].計(jì)算機(jī)應(yīng)用研究, 2015, 32(6):18781880.

        [12] ZHANG Z, LUO P, CHEN C L, et al. Facial landmark detection by deep multitask learning[C].European Conference on Computer Vision: Springer International Publishing, 2014:94108.

        [13] 劉宇,熊有倫.一種基于法矢的部分重疊點(diǎn)云的拼合方法[C].第一屆全國(guó)智能制造學(xué)術(shù)會(huì)議, 2006.

        [14] AMEESH MAKADIA.Fully automatic registration of 3D point clouds[C].IEEE Computer Society Conference on Computer Vision & Pattern Recognition.2006(1):12971304.

        [15] 黃戈,李曉峰.基于 CEGI 和 Fourier 變換的全自動(dòng)點(diǎn)云配準(zhǔn)算法[J],四川大學(xué)學(xué)報(bào):工程科學(xué)版,2014, 46(5):104109.

        [16] University basel:MORPHACE [EB/OL]. http://faces.cs.unibas.ch/bfm/.

        (責(zé)任編輯:陳福時(shí))

        国产老熟女狂叫对白| 美女偷拍一区二区三区| 中文字幕亚洲五月综合婷久狠狠| 放荡的美妇在线播放| 丰满熟女高潮毛茸茸欧洲视频| 亚洲午夜福利在线视频| 久久乐国产精品亚洲综合| h国产视频| 久久与欧美视频| 国产一区精品二区三区四区| 国产亚洲精品精品综合伦理| 中文字幕无码成人片| 国产成人精品a视频| 成人欧美一区二区三区的电影| 黄色成人网站免费无码av| 国产成人啪精品| japanese色国产在线看视频| 久久国产女同一区二区| 少妇性俱乐部纵欲狂欢少妇| 国产欧美一区二区三区在线看| 狠狠噜天天噜日日噜视频麻豆| 国产乱人伦AV在线麻豆A| 日韩av无码午夜福利电影| 中文片内射在线视频播放| 亚洲视频免费一区二区 | 久久综合久中文字幕青草| 本道天堂成在人线av无码免费| 在线精品无码字幕无码av| 亚洲另类激情综合偷自拍图| 国产欧美日韩不卡一区二区三区| 亚洲国产一区二区视频| 日本一区二区三区人妻| 极品av麻豆国产在线观看| 久久久久欧洲AV成人无码国产| 中文无码制服丝袜人妻AV| 青青草手机在线观看视频在线观看 | 亚洲美腿丝袜 欧美另类| 日本精品a在线观看| 国产一区二区精品久久呦| 中文字幕人妻日韩精品| 国产国语亲子伦亲子|