【传统骨架提取方法综述2800字】

传统骨架提取方法综述 1 1 3 41)使用三维建模软件的进行建模。常用的3DMAX、Maya等软件的建模周2)是利用三维扫描设备对目标进行扫描，然后进行重建三维模型。例如，描得到的模型避免不了会有噪声的存在，这样就会导致3)是基于图像的三维重建技术。多视角图像中含有重建对象的位置、亮度、于多视角图像三维重建的技术成本低廉，操作上手容易，自动化程度较高，所以具有广泛的应用前景。基于多视角图像的三维重建主要有稀疏点云重建和稠密点云重建两种。如图2-1所示，得到最后的人体点云模型需要四步。首先，第一列是输入需要重建目标的50个多视角图像。其次，第二列是运用稀疏点云重建方法对多视角图像进行稀疏点云重建。然后，第三列是对上一步骤的稀疏点云进行稠密点云的重建。第四列是从上一步骤得到的密集点云中提取人体模型得到的结果。最后，按照连续帧的顺序排列人体点云模型，就生成了最终的人体点云模型序列。下面详细介绍每一步的实现原理。稀疏点云重建分为两步实现，第一，进行特征点检测与匹配；第二，使用相构。SIFT是目前最常用的特征点检测与匹配的算法，1999年Lowe错误!未找到引用源。提是因为提取到的骨架点准确率较高而且该算法受光的亮度和噪声的影响较小。具体实现步骤如下：Step1:构建尺度空间。该步骤是初始化操作；Step2:提取特征点。主要是构建的尺度空间中的极值点；Step3:筛选特征点。主要用来去除一些异常特征点；Step4:特征点表示。用一组128维的向量来描述特征点；Step5:特征点的匹配。用特征向量的欧式距离来判断两张图像的特征点是否进行SFM重构最常使用的是Bundler这个工具包，该工具包的特点是可以忽略输入图像集合的顺序。利用上一步提取出来的图像特征点以及图像特征点匹配信息，可以将场景与目标物的三维稀疏点云重建出来。效果如图2-1第二列所示，从图中可以看出引入的稀疏重建方法可以重建出比较完整、准确的点云模型。由于通过SFM方法重建出来的点比较稀疏，重建的场景和目标都看不清楚，能看清楚它们的轮廓，所以还需要进行稠密点云重建(MVS)。MVS的原理是将多视角图像上的同一个点进行匹配通过使用最佳方法来实现，依次来增强重建目标的稠密性。(3)构建连续帧三维人体点云模型序列由于本文研究的目标为三维人体结构，重建以后会有拍摄的球笼场景，需要手动删除多余的球笼点云，得到目标人体三维模型，将所单帧的人体点云模型按照连续帧的先后顺序排列，最终得到连续帧的三维人体点云模型序列。1.2三维人体泊松表面重建利用上一节可以获得密集的点云模型，如果想要把点云模型替换为对应的网格模型，需要对点云进行表面重建。泊松表面重建是Kazhdan等人错误!未找到引用源。在2006年提出的网格重建方法。该方法为了解决点云模型表面的隐性方程问题，使用求解泊松方程这一思路，并且还提取了等值面，最终将点云模型对应的网格模型重建了出来。该方法的核心思路是点云代表的是物体表面的位置，点云的法向量代表了内外的方向。然后通过隐式地拟合一个由物体派生的指示函数，可以给出一个平滑的物体表面的估计。公式(2-1)等号左边代表指示函数的散度，右边代表输入采样点构成的向量场梯度。从而，问题就转变成了找到一个与向量场所对应的最小的指示函数梯度。通过求解上面的泊松方程，就可以求出等值面。利用上面的原理，可以将点云模型进行表面重建的得到对应的网格模型。如图2-2所示，是设置八叉树的深度这个参数为10得到了网格模型，虽然看起来表面模型包含了较多的噪声，但是能较为完整的还原出人体的整体细节动作。1.3三维人体模型骨架提取通过1.1和1.2小节的内容，可以得到多视角图像所对应的三维点云模型和三维网格模型，接下来就是从点云模型和网格模型中提取对应的人体骨架。目前，传统提取骨架的方法有两大类：第一类是从具有表面水密性的网格模型中提取骨架的方法。第二类是用于从点云模型中提取骨架的方法。并且提取出来的骨架形式大多数是曲线骨架。曲线骨架的优点是可以维持模型的原始拓扑结构，而且它可以直观的表达人体动作，所以曲线骨架应用在很多领域，例如在基于骨架的三维重建方向、虚拟现实等领域。(1)基于点云模型的骨架提取2013年，Huang等人错误!未找到引用源将L₁中间骨架引入到点云模型中来表示曲线骨架。该方法对输入点云的质量和点云的形状没有很严格的要求，可以噪声较大的从点云模型中提取骨架，但是会出现得到的骨架有错误分支，或者不完整的情况。如图2-3所示，第一行为点云模型，第二行是点云模型对应的三维骨架，可以从图中明显地看出提取的骨架存在不完整和错误分支的情况。(2)基于网格模型的骨架提取例如，2019年，Zhang等人错误!未找到引用源。利用基于模型分割的方法错误!未找到引用源。提取三维人体具有20个点的标