点云数据的三维人脸建模(附件)
: 为实现人脸从现实世界到虚拟世界的模型转换，选择最适的点云数据预处理方案与网格模型优化方法，构建出较高精度的三维人脸模型。使用Lytro光场相机拍摄人脸图像，通过提取光场图像的深度信息，获取三维人脸点云数据。对比分析点云数据的除噪、精简、插值算法，选择最适算法得到较高质量的人脸点云数据。对预处理后的人脸点云数据进行网格化建模，对比分析人脸网格模型的优化算法，选择最适算法得到较高精度的人脸网格模型。结果显示，所构建的三维人脸模型能够较好地保留面部特征。
目录
摘要 1
关键词 1
ABSTRACT. 1
KEY WORDS 1
1 绪论 1
1.1 选题意义及背景 1
1.2 国内外研究状况 2
1.3 研究内容 2
2 人脸点云数据的获取 4
2.1 光场相机成像原理 4
2.2 光场图像深度信息提取 5
2.3 人脸点云数据的获取 5
3 点云数据的除噪光顺 6
3.1 基于LAPLACE算子的方法 7
3.2 双边滤波算法 7
3.3 实验分析 8
3.3.1 评估参数 8
3.3.2 实验结果与分析 8
4 点云数据的精简压缩 9
4.1 随机采样法 10
4.2 包围盒法 10
4.3 八叉树网格法 10
4.4 实验分析 11
4.4.1 评估参数 11
4.4.2 实验结果与分析 12
5 点云数据的插值修补 14
5.1 距离反比加权法 14
5.2 最近邻点插值法 15
5.3 实验分析 16
5.3.1 评估参数 16
5.3.2 实验结果与分析 16
6 三维人脸建模 18
6.1 点云数据的网格化建模 18
6.2 网格模型的优化 19
6.2.1 基于Laplace算子的网格光顺 19
6. *好棒文|www.hbsrm.com +Q: ^351916072*
2.2 基于边交换的拓扑优化 20
6.2.3 混合优化算法 20
6.2.4 实验分析 20
6.3 基于点云数据的人脸贴图 23
6.4 可视化界面 24
7 总结 26
致谢 26
参考文献 26
基于点云数据的三维人脸建模
引言
1 绪论
1.1 选题意义及背景
人脸是人与人之间非语言沟通的重要信息渠道。自人类文明形成以来，人们就对人脸的模拟产生了深厚的兴趣，雕刻、绘画等都是早期人类描述人脸的方法。之后，高分辨率相机的出现使得人们对人脸的描述变得更加逼真，图像的细节信息也更加丰富。但是，随着人脸模拟技术应用领域的日益广泛，人脸图像中所描述的二维数据信息越来越不能够满足人们的日益增长的需求。计算机技术的飞速发展推动了数据计算与处理能力的进步，人们开始利用计算机来模拟和演示三维人脸模型，三维人脸建模技术也成为了计算机视觉领域的研究热点。
三维人脸建模具有极大的科研价值和实际应用价值，已经被广泛应用于人机交互、虚拟现实、医疗美容、影视娱乐和安全监测等多个领域。近几年来，虽然人们已经在三维人脸建模方面取得了一定的成就，但是由于人脸的结构与变化都具有高度的复杂性，三维人脸建模仍然是一项比较具有挑战性的研究课题。
点云数据是实体模型表面的三维数据，包括三维空间坐标，在逆向工程中一般由特定的采集设备与方法获取[1]。随着三维数据采集技术的日益成熟，实体表面点云数据的获取也变得更加便捷，对三维点云数据的处理与建模也引起了越来越多专家学者的重视。为实现人脸从现实世界到虚拟世界的模型转换，选择最适的点云数据预处理方案与网格模型优化方法，构建较高精度的三维人脸模型。利用Lytro光场相机拍摄人脸图像，通过提取光场图像的深度信息，获取三维人脸点云数据。对比分析点云数据的除噪、精简、插值算法，选择最适算法得到较高质量的人脸点云数据。对预处理后的人脸点云数据进行网格化建模，对比分析人脸网格模型的优化算法，选择最适算法得到较高精度的人脸网格模型。
1.2 国内外研究状况
20世纪70年代，Parke开创性的提出了一种参数化的三维人脸建模方法[2]，此后，越来越多的专家学者投入到该课题的研究并取得了大量的进步。随着计算机性能的提高，三维人脸建模技术日趋成熟，三维人脸模型已经广泛应用于人机交互、虚拟现实、医疗美容、影视娱乐和安全监测等多个领域。为了提出更加精准和高效的三维人脸建模方法，提高三维人脸模型的质量，很多专家学者仍致力于该方面的研究。现阶段，三维人脸建模技术主要包括基于单幅或多幅二维人脸图像的三维建模和基于三维人脸数据的建模等。
基于单幅或多幅二维人脸图像的三维人脸建模法开始于上世纪90年代，其一般过程如下：首先在二维人脸图像上标注对应的人脸特征点，然后利用相关算法计算人脸特征点的三维空间位置，用于调整标准人脸模型，最终完成三维人脸的建模[3]。该方法所需的设备价格低廉，算法简单、处理速度较快，但是由于缺少人脸结构的先验知识，三维人脸模型的重构准确度不是很高。基于三维人脸数据的人脸建模法一般是先进行人脸点云数据的预处理，然后实现人脸网格建模与网格优化，最终获得适当精度的模型。人脸的三维数据可以利用特定的三维数据采集设备获得，也可以通过相关算法对普通的图像拍摄设备获取的二维人脸图像信息进行运算，从中提取三维数据[4]。周佳立[5]等人提出基于单相机的被动双目视觉采集方法,通过细分曲面拟合实现三维人脸建模。Bakirman [6]等人利用三维扫描仪获取人脸点云数据，通过对点云数据的网格化重构，实现三维人脸建模。国内外的一些高校和科研机构也在该领域作了许多研究工作，在三维人脸数据采集和三维人脸建模等方面都取得了一定的成就。
1.3 研究内容
通过对Lytro相机拍摄的人脸光场图像进行深度信息提取，获取三维人脸点云数据。对比分析人脸点云数据的除噪、精简、插值算法，选择最适算法得到较高质量的人脸点云数据。对人脸点云数据进行网格化建模，对比分析人脸网格模型的优化算法，选择最适算法构建较高精度的三维人脸网格模型，实现人脸从现实世界到虚拟世界的模型转换。
目录
摘要 1
关键词 1
ABSTRACT. 1
KEY WORDS 1
1 绪论 1
1.1 选题意义及背景 1
1.2 国内外研究状况 2
1.3 研究内容 2
2 人脸点云数据的获取 4
2.1 光场相机成像原理 4
2.2 光场图像深度信息提取 5
2.3 人脸点云数据的获取 5
3 点云数据的除噪光顺 6
3.1 基于LAPLACE算子的方法 7
3.2 双边滤波算法 7
3.3 实验分析 8
3.3.1 评估参数 8
3.3.2 实验结果与分析 8
4 点云数据的精简压缩 9
4.1 随机采样法 10
4.2 包围盒法 10
4.3 八叉树网格法 10
4.4 实验分析 11
4.4.1 评估参数 11
4.4.2 实验结果与分析 12
5 点云数据的插值修补 14
5.1 距离反比加权法 14
5.2 最近邻点插值法 15
5.3 实验分析 16
5.3.1 评估参数 16
5.3.2 实验结果与分析 16
6 三维人脸建模 18
6.1 点云数据的网格化建模 18
6.2 网格模型的优化 19
6.2.1 基于Laplace算子的网格光顺 19
6. *好棒文|www.hbsrm.com +Q: ^351916072*
2.2 基于边交换的拓扑优化 20
6.2.3 混合优化算法 20
6.2.4 实验分析 20
6.3 基于点云数据的人脸贴图 23
6.4 可视化界面 24
7 总结 26
致谢 26
参考文献 26
基于点云数据的三维人脸建模
引言
1 绪论
1.1 选题意义及背景
人脸是人与人之间非语言沟通的重要信息渠道。自人类文明形成以来，人们就对人脸的模拟产生了深厚的兴趣，雕刻、绘画等都是早期人类描述人脸的方法。之后，高分辨率相机的出现使得人们对人脸的描述变得更加逼真，图像的细节信息也更加丰富。但是，随着人脸模拟技术应用领域的日益广泛，人脸图像中所描述的二维数据信息越来越不能够满足人们的日益增长的需求。计算机技术的飞速发展推动了数据计算与处理能力的进步，人们开始利用计算机来模拟和演示三维人脸模型，三维人脸建模技术也成为了计算机视觉领域的研究热点。
三维人脸建模具有极大的科研价值和实际应用价值，已经被广泛应用于人机交互、虚拟现实、医疗美容、影视娱乐和安全监测等多个领域。近几年来，虽然人们已经在三维人脸建模方面取得了一定的成就，但是由于人脸的结构与变化都具有高度的复杂性，三维人脸建模仍然是一项比较具有挑战性的研究课题。
点云数据是实体模型表面的三维数据，包括三维空间坐标，在逆向工程中一般由特定的采集设备与方法获取[1]。随着三维数据采集技术的日益成熟，实体表面点云数据的获取也变得更加便捷，对三维点云数据的处理与建模也引起了越来越多专家学者的重视。为实现人脸从现实世界到虚拟世界的模型转换，选择最适的点云数据预处理方案与网格模型优化方法，构建较高精度的三维人脸模型。利用Lytro光场相机拍摄人脸图像，通过提取光场图像的深度信息，获取三维人脸点云数据。对比分析点云数据的除噪、精简、插值算法，选择最适算法得到较高质量的人脸点云数据。对预处理后的人脸点云数据进行网格化建模，对比分析人脸网格模型的优化算法，选择最适算法得到较高精度的人脸网格模型。
1.2 国内外研究状况
20世纪70年代，Parke开创性的提出了一种参数化的三维人脸建模方法[2]，此后，越来越多的专家学者投入到该课题的研究并取得了大量的进步。随着计算机性能的提高，三维人脸建模技术日趋成熟，三维人脸模型已经广泛应用于人机交互、虚拟现实、医疗美容、影视娱乐和安全监测等多个领域。为了提出更加精准和高效的三维人脸建模方法，提高三维人脸模型的质量，很多专家学者仍致力于该方面的研究。现阶段，三维人脸建模技术主要包括基于单幅或多幅二维人脸图像的三维建模和基于三维人脸数据的建模等。
基于单幅或多幅二维人脸图像的三维人脸建模法开始于上世纪90年代，其一般过程如下：首先在二维人脸图像上标注对应的人脸特征点，然后利用相关算法计算人脸特征点的三维空间位置，用于调整标准人脸模型，最终完成三维人脸的建模[3]。该方法所需的设备价格低廉，算法简单、处理速度较快，但是由于缺少人脸结构的先验知识，三维人脸模型的重构准确度不是很高。基于三维人脸数据的人脸建模法一般是先进行人脸点云数据的预处理，然后实现人脸网格建模与网格优化，最终获得适当精度的模型。人脸的三维数据可以利用特定的三维数据采集设备获得，也可以通过相关算法对普通的图像拍摄设备获取的二维人脸图像信息进行运算，从中提取三维数据[4]。周佳立[5]等人提出基于单相机的被动双目视觉采集方法,通过细分曲面拟合实现三维人脸建模。Bakirman [6]等人利用三维扫描仪获取人脸点云数据，通过对点云数据的网格化重构，实现三维人脸建模。国内外的一些高校和科研机构也在该领域作了许多研究工作，在三维人脸数据采集和三维人脸建模等方面都取得了一定的成就。
1.3 研究内容
通过对Lytro相机拍摄的人脸光场图像进行深度信息提取，获取三维人脸点云数据。对比分析人脸点云数据的除噪、精简、插值算法，选择最适算法得到较高质量的人脸点云数据。对人脸点云数据进行网格化建模，对比分析人脸网格模型的优化算法，选择最适算法构建较高精度的三维人脸网格模型，实现人脸从现实世界到虚拟世界的模型转换。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wljs/402.html
