【技术实现步骤摘要】
一种基于三维点云坐标的头面部号型分类方法
[0001]本专利技术涉及头部型号分类
,具体涉及一种基于三维点云坐标的头面部号型分类方法。
技术介绍
[0002]人体头面部的测量及观察项目可以反映出头面部的形态特征,这些特征是人类群体遗传学研究的重要指标。同时,头面部数据的准确性以及依据头面部数据进行准确的号型分类对头面部用品的设计也至关重要。传统的头面部特征多采用一维或者二维数据进行描述因而只能表现头面部的长度、宽度、围度特征,而头面部的形状和曲线十分复杂,一维或者二维数据均不能充分体现人体头面部表面测量点间的形状信息和曲面信息。依据一维或者二维数据对人体头部进行号型分类具有很大的不准确性。
[0003]目前,国内头部号型分类主要依据GB/T 2428-1998《中国成年人头面部尺寸》和GB/T 23461-2009《成年男性头型三维尺寸》。GB/T 2428-1998《中国成年人头面部尺寸》基于小样本测量数据,对1987-1988年测量的数据进行了回归,提供了一维尺寸数据和少量的二维尺寸数据关系,主要侧重于二维平面设计应用;GB/T 23461-2009《成年男性头型三维尺寸》基于成年男性头宽长和头高长指数的二维分布,仅给出了中国成年男性头型三维尺寸,具有一定的使用局限性。中国专利申请CN102125323A公开了一种基于三维影像特征参数覆盖率的4-12岁未成年人头部号型制定方法,其包括:测量步骤,通过三维人体扫描仪扫描若干4-12岁未成年人的影像,再用三维扫描软件对所该影像进行特征参数的提取;预处理步 ...
【技术保护点】
【技术特征摘要】
1.一种基于三维点云坐标的头面部号型分类方法,包括步骤:步骤1:采集头面部三维点云数据;步骤2:定义关键参数,得到关键点半径;步骤3:数据处理,得到最终的头面部数据模型;步骤4:根据最终的头面部数据模型,利用主成分分析完成头部号型分类;其特征在于:所述步骤3包括:步骤31:对采集的头面部三维点云数据去噪;步骤32:对去噪后的点云数据,进行数据模型各网格顶点坐标调整;步骤33:补洞;步骤34:光顺。2.如权利要求1所述的基于三维点云坐标的头面部号型分类方法,其特征在于:步骤2中包括子步骤:步骤21:对人体头面部进行等间距横截面提取;步骤22:读取每一横截面的每一关键点坐标,得到每一关键点处的半径;步骤22中,针对每一头面部横截面,定义所述关键点的个数为N+1,N+1个关键点围绕横截面的中心点,位于横截面的边缘曲线上,第一个关键点与第N+1个关键点重叠,第i个关键点和该横截面的中心点的连线与第i+1个关键点和该横截面的中心点的连线的夹角为360
°
/N,i≥1且i≤N。3.如权利要求2所述的基于三维点云坐标的头面部号型分类方法,其特征在于:根据步骤2中定义的关键参数,定义对扫描的点云数据进行分层的方式,进而通过匹配合适的数据处理模板,进行步骤3。4.如权利要求1所述的基于三维点云坐标的头面部号型分类方法,其特征在于:所述步骤31包括基于距离计算方法确定第一类噪声点和第二类噪声点。5.如权利要求4所述的基于三维点云坐标的头面部号型分类方法,其特征在于:所述第一类噪声点为与人体头部真实数据点分布不一致、距离较远的点,确定第一类噪声点的方法为:在人体头部的点云数据集中,任意选定一点,寻找该点邻域内距离超出设定阈值的点,将这些阈值外的点设定为第一类噪声点;数据预处理时将第一类噪声点去除。6.如权利要求4所述的基于三维点云坐标的头面部号型分类方法,其特征在于:所述第二类噪声点为点云中部分数据重叠的点;对于配准后的人体头部点云数据,使用Y-Z平面将头部分割为两部分,在点云边缘上寻找距离最小的两个点A0、B0,两点的z坐标分别用z
A
、z
B
表示,如果z
A
≥z
B
,将这两个点设置为新的边缘点;如果z
A
<z
B
,设A1、B1分别表示A0、B0的下一个边缘数据点,计算A1与B0之间的距离d1和B1与A0之间的距离d2,如果d1≥d2,则设定点A0和B1为新的边缘点,否则设定A1和B0为新边缘点;新边缘点确定后,将其与原边缘点之间的数据点设定为第二类噪声点,在数据预处理时将其删除。7.如权利要求1所述的基于三维点云坐标的头面部号型分类方法,其特征在于:步骤32包括步骤:步骤321:根据公式计算出数据模型的几何中心点坐标,其中n为网格顶点总数,V
i
为网格模型顶点在三维空间中的位置坐标;步骤322:计算所述几何中心点到坐标原点的平移变换矩阵M
m
【专利技术属性】
技术研发人员:冉令华,钮建伟,周玉霖,刘静,赵朝义,张欣,呼慧敏,
申请(专利权)人:北京科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。