[发明专利]一种三维人体头部点云特征提取方法及其装置

摘要

本发明公开了一种三维人体头部点云特征提取方法及其装置。该方法分五个步骤：1、点云数据预处理，包括下采样、去除离群点、去除噪声；2、训练阶段，计算每个点的法线、FPFH(快速点特征直方图)值，建立K维树；3、从给定模型中分割提取出三个典型特征处的FPFH值；4、在上面建立的K维树中进行搜索，查找候选集；5、计算候选集中每一个点的主曲率及形状响应因子，根据三个典型特征的外形及与鼻尖的位置，最终确定特征点。本发明克服了传统二维特征提取对光照、角度的敏感，且不需要训练大量数据，实现了对人体头部三个典型特征的快速准确提取。利用本发明能对三维人体头部点云数据提取鼻子尖、左侧耳道、右侧耳道等典型特征。

主权项

1.一种三维人体头部点云特征提取方法，其特征在于：其包括：步骤一、点云数据预处理：首先，利用该点云数据的每个体素内所有点的重心来近似代替体素中的其他点进行下采样，从而降低该点云数据的点云密度；其次，设定一定的取值范围，删除该点云数据中颈部以下的噪声数据；最后，通过在给定搜索半径范围内邻近点数量小于给定阈值的方法，将该点云数据中的离群点删除；步骤二、训练阶段：计算预处理后的点云数据中每个点的法线：等同于计算预处理后的点云数据中每点的切平面法线，转换为对式(1)中的协方差矩阵C进行分解，对应协方差矩阵C最小特征值的特征向量作为预处理后的点云数据中每点的法线；通过式(2)使所有法线一致朝向视点方向；其中，P_i是预处理后的点云数据中第i个点的数据，k是P_i邻近点的数目，是P_i所有邻近点的三维质心，v_p为视点，得到法线后，通过以下流程计算FPFH值：一、对于预处理后的点云数据中每一个查询点P_t，通过式(3)、(4)、(5)计算这个查询点P_t和它邻域点P_s之间的uvw坐标系；u＝n_s       式(3)w＝u×v        式(5)其中，n_s为查询点P_t的邻域点P_s的法线，二、通过式(6)、(7)、(8)计算查询点P_t的法线n_t与邻域点P_s的法线n_s之间的一组偏差角度α，θ，此结果称为简化的点特征直方图SPFH；α＝v·n_t    式(6)θ＝arctan(w·n_t，u·n_t)   式(8)其中，d为查询点P_t到邻域点P_s之间的直线距离；三、重新确定每个点的k邻域，使用邻近点P_k的SPFH值，通过式(9)来确定查询点P_t的FPFH值FPFH(P_t)；其中，得到预处理后的点云数据中每个点的FPFH值后，通过使用FLANN建立K维树结构的数据，K为预处理后的点云数据中点的个数；步骤三、从给定模型中手动选择典型特征点，给定模型能选择已知数据的大众脸型，经过设定与步骤二中同样的法线及FPFH值计算参数，计算得到典型特征点的FPFH值；步骤四、查询阶段：统计学中的卡方值表示观测值与理论值的偏差程度，将从给定模型中提取得到的典型特征点作为理论值，将训练好的待提取模型K维树结构中的点作为观测值，逐一计算卡方值后，通过设定一定的阈值，即可得到由若干个相似点构成的候选集；卡方值χ²通过式(10)、(11)计算得到，其中，Q_i为理论值，P_i为训练好的待提取模型K维树结构中的点，E_i是对应P_i的期望值；步骤五、基于形状响应因子确定特征点，计算候选集中每一个点的主曲率，进而计算形状响应因子。