摘要：針對傳統(tǒng)測量方法成本高、操作復雜、圖像特征匹配率準確度不高等問題,提出了一種將Kinecl傳感器與計算機視覺技術相結合的構建人體三維腳型的方法。利用Kinect傳感器搭建測量系統(tǒng)，獲取不同角度的深度信息圖像，通過改進的Harris-SIFT算法對特征點進行提取與匹配，并通過迭代最近點(ICP)算法完成對點云數(shù)據(jù)的拼接。結果表明:所提方法能夠便捷、準確地實現(xiàn)人體三維腳型的構建。

　　關鍵詞：傳感器;計算機視覺;三維腳型;特征點

　　0引言

　　三維重建是在虛擬環(huán)境中處理、分析和操作的基礎E,同時也是人體測量的關鍵技術，人體測量的數(shù)據(jù)為制定鞋、服裝等服飾提供了標注依據(jù)。構建人體三維腳模型,可以用于面向個性化定制鞋、模特腳部的制作以及滿足三維(3D)打印的需求⑵。本文提出將Kinecl傳感器與計算機視覺相結合構建人體獲得所需要的腳型三維模型。

　　1系統(tǒng)總體方案

　　系統(tǒng)的總體方案流程如下:首先Kinect傳感器在每一個標志位置均做短暫停留獲取不同角度的腳型深度數(shù)據(jù)圖像。并根據(jù)在標志位置獲取的深度圖像進行預處理與分割操作，并轉換為三維點云數(shù)據(jù)。在三維重建模塊將獲得的三維點云數(shù)據(jù)進行迭代最近點(iterativeclosestpoint,ICP)精匹配，然后對匹配結果進行拼接、融合。最后，對拼接好的點云進行曲面重建與渲染，得到最終三維重建模型。

　　本文采用采集硬件平臺獲取腳型的圖像。通過在滑軌軌道上部署3臺Kinecl傳感器，每臺傳感器移動120。范圍的形式設置。根據(jù)Kinect的深度數(shù)據(jù)獲取有效范圍，滑軌半徑可設置在0.8~1.5m之間，本實驗采用0.8m作為半徑。為了獲得足夠的腳后跟和腳前掌的點云數(shù)據(jù)和完整的腳型數(shù)據(jù)，拍攝的間隔角度需要比較小⑸，這里間隔角度取30°，即每臺Kinect移動約30。進行一次圖像采集，為了便于控制目標移動的角度，對每個角度位置做上標志，每臺Kinect從起始點繞順時針方向進行數(shù)據(jù)采集，繞目標移動直到移動到下一臺Kinect的起始位置為止。

　　2圖像數(shù)據(jù)的獲取與預處理

　　2.1深度信息的獲取

　　Kinect傳感器獲得真實場景的深度信息，主要是通向物體發(fā)射紅外散斑，隨著物體遠近的不同形成不同的散斑形狀⑹，紅外攝像頭拍攝這些不同的散斑圖案，通過PS1080芯片進行計算，內部解碼分析獲得所拍攝目標較為準確的深度數(shù)據(jù),當Kinect需要獲取深度信息時,紅外攝像頭拍攝到散斑圖案，將此圖案與保存記錄好的散斑圖案進行相關性換算，之后通過三角測量原理進行計算獲取目標的深度信息⑺。

　　2.2深度圖像的預處理

　　在實際應用中，因為Kinect的外紅散斑發(fā)射和采集受到物體表面條件、光照條件、信號傳輸條件、遮擋等問題的影響，其獲取的圖像中,會含有一些噪聲點以及空洞點⑻。而對于三維重建，這些因素會在一定程度上影響三維點云的準確度和完整性，所以需要提前對其進行預處理。雙邊濾波能夠在去噪的同時保護好圖像邊緣和輪廓數(shù)據(jù)的特性較為適合作為深度圖濾波方式。雙邊濾波含有兩個影響因子，分別為像素差值和空間幾何距離⑼。相比較高斯濾波，雙邊濾波改進點在于考慮空間距離關系的同時，增加了對周圍領域點的歐氏距離的考慮。

　　3圖像特征匹配

　　本文在Harris-SIFT算法的基礎上提出了改進HarrisSIFT特征點描述算法,通過匹配實現(xiàn)對大偏差角度圖像上的物體特征的搜索和配對。并應用于腳型三維重建系統(tǒng)中的點云配準模塊。

　　3.1深度圖像的分割

　　由于在本實驗為動態(tài)采集目標信息,對于背景差分法來說，背景的采集和配對十分困難。該系統(tǒng)Kinect分隔角度較大，不易對背景造成干擾,同時Kinect滑軌距離目標距離固定，十分容易設定閾值，故該系統(tǒng)適合采用閾值分割法對目標和背景進行分割。4實驗結果分析為了實驗環(huán)境避免對RGB圖像進行處理和匹配時收到明暗相差過大等因素的干擾，同時采用室內環(huán)境保證Kinect傳感器不會受到強太陽光干擾,采用普通白熾燈光照下的室內進行。

　　由于單純的腳模表面適合用于匹配的特征點較少，在實驗前,為腳模穿穿上具有黑白相間得格子紋理的襪子,這種編織物上具有豐富的角點特征，十分適合于Harris角點檢測。動態(tài)Harris-SIFT算法匹配中，影響匹配結果的因素包括閾值(ratio)的設置、間隔角度、匹配圖數(shù)量等，其中，近鄰/次近鄰的ratio的大小設置對匹配結果有最直接的影響。本文通過多次實驗，從小到大逐漸改變ratio的設置值，得到的匹配點對數(shù)量和準確率變化如圖3所示。由圖可知，匹配點個數(shù)隨著ratio的增大而增大，但是匹配點對的匹配正確率大致隨著匹配點對的增加而減少，可以觀察到在ratio設置為0.75時，匹配點對的數(shù)量和匹配點對的正確率達到一個均衡的值，在獲得豐富的匹配點對的同時,保證足夠的正確率。所以本文選取ralio值為0.75。

　　相同條件下傳統(tǒng)算法與改進算法匹配結果，可以看出，同樣條件下，改進的動態(tài)Harris-SIFT算法匹配的特征點對數(shù)略高于傳統(tǒng)的HarrisSIFT算法匹配結果。算法的平均定位誤差小于最小二乘法和PSO定位算法、FPA定位算法，相較于其他算法擁有更好的收斂性。

　　4結論

　　本文對于在測距誤差存在情況下，RSSI定位算法中采用最小二乘法求解未知節(jié)點位置受測距誤差影響較大這一情況，使用改進FPA算法替代最小二乘法，降低測距誤差影響，獲得更好的定位精度。在測距誤差、錨節(jié)點所占比例、通信半徑、總節(jié)點數(shù)目變化的情況下，本文算法的誤差更小,對測距誤差影響起到一定抑制作用，證明本文算法適用于無線傳感器網(wǎng)絡的定位算法。但在定位求解時間和能量消耗方面，對網(wǎng)絡有一定的要求。

　　參考文獻：

　　[1]譚愛平，陳浩，吳伯橋•基于BADV-Hop的傳感器節(jié)點定位方法[J]•計算機工程與應用,2014,50(17)：125-129.

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

　　[3]李杰，李振波,陳佳品•一種基于遺傳算法與蟻群算法混合算法的無線傳感器網(wǎng)絡定位算法[J]•軟件,201乙38(1):11-15・

　　計算機論文投稿刊物：計算機工程與應用是一本面向計算機全行業(yè)的綜合性學術刊物，覆蓋面寬、信息量大、報道及時是本刊的服務宗旨。多年來，本刊堅持走學術與實踐相結合的道路，在內容上既注重理論的先進性又兼顧實用技術的廣泛性，在促進學術交流的同時，推進了科技成果的轉化。