[发明专利]基于空间图像的三维服装重建方法

权利要求书

1.基于空间图像的三维服装重建方法，其特征在于，步骤包括：

步骤1、通过半球式获取多角度不同空间系列视图的图像，增广式SFM算法获取初始稀疏点云；

步骤2，对稀疏点云采用多视角立体视觉技术重构稠密点云；

步骤3，对稠密点云通过基于圆柱分割的方法分离背景得到3D服装点云；

步骤4，对3D服装点云去除异常值和噪声；

步骤5，通过滚球算法合成3D服装曲面；

步骤6，将3D服装曲面在虚拟模型上进行试穿。

2.如权利要求1所述的基于空间图像的三维服装重建方法，其特征在于，所述步骤1包括：

步骤1.1，沿一个方向均匀的围绕服装表面拍摄一系列图片，且相邻两张图片的角度不超过15°，拍摄的每张图片须包含主体在该角度的全部信息；

步骤1.2，采用SIFT算法在不同的尺度空间上查找特征点；

步骤1.3，当特征点被选定，通过滤波来拟合附近的数据点，并找出数据点的位置，主曲率和缩放尺度，筛选出对于边缘响应不稳定和低对比度的特征点；

步骤1.4，特征匹配，将坐标轴旋转到关键点的方向上，获得梯度信息，并进行归一化处理，通过计算不同图像中特征点的描述符间的欧式距离实现特征匹配，当欧式距离小于特征匹配的阈值时，则匹配成功；

步骤1.5，几何变换，采用对极几何用于同一空间点，不同相机位置和相机图像平面上投影之间存在的几何关系；

步骤1.6，图像配准：

首先，通过分解矩阵来获得相机的位置和方向、分解基础矩阵来获得相机的投影矩阵，计算图像的反投影射线在至少两个图片之间的交点来实现3D点的三角测量来添加配准图像，每添加一幅配准图片都需要进行一次光术平差法优化；

其次，通过增广式SFM将获取的一系列图片依次注册合并，且每次增加一个视图，每一张图片的位置和方向的变化和前一图片都要联系起来，然后计算在同一参考系的3D数据点，最终获得稀疏点云。

3.如权利要求1所述的基于空间图像的三维服装重建方法，其特征在于，所述步骤2具体的为：首先，计算多张图像的Harris角点，并利用差分金字塔的特征点检测得到图像显著区域的稀疏面片，以这些匹配好的初始特征点作为初始面片；其次，对稀疏点云面片附近的像素进行扩展获取对应关系，得到稠密点云；最后，利用SFM获取的相机内外参数得到极线几何约束，过滤掉错误的匹配对；

迭代以上过程，最终得到高质量的3D稠密点云，将获取稠密3D点云数据使用体素栅格下采样算法进行下采样，优化数据。

4.如权利要求1所述的基于空间图像的三维服装重建方法，其特征在于，所述步骤3具体的为：对稠密点云通过基于圆柱分割的方法分离背景得到3D服装点云；对于上装或者连体服装，采用圆柱分割算法进行分割后，利用欧几里德聚类算法将上身衣物区域和地板分开得到3D服装点云；对于下半身服装，也不能将下装与背景点完全分开，为此，利用圆柱分割算法和直通滤波器算法相结合的方法进行分割。