论文部分内容阅读
在计算机视觉领域，获取现实世界物体的精细三维模型是许多学者的研究目标。精细三维模型既能满足科学研究的需要，又能满足一些实际应用的需求，比如计算机辅助几何设计、医学图像处理、虚拟现实应用等。三维模型可以通过建模软件建模，或使用仪器设备测量建模，也可以基于图像或视频建模，建模软件建模需有经验的美工耗费大量时间手工调整模型，高精度的仪器设备价格昂贵。基于图像或视频建模可花费较少成本方便快速建模，因此本文主要研究如何基于深度图像进行三维人手重建。本文具体对基于单张深度图像的三维人手重建进行研究，首先研究高精度人手三维模型数据集的构建，如何得到同拓扑的高精度的人手三维模型，然后研究如何通过单张深度图像重建高精度的三维人手模型。所取得的研究成果如下: (1)构建了首个高精度三维人手模型数据集 人手研究领域目前已有的数据集只是针对手势识别、检测、追踪等问题，使用彩色相机或深度相机记录的二维图像信息的数据集，没有公开的相关的三维人手模型数据集。三维人手重建问题由于缺少高精度的人手三维模型数据集，通常采用简化光滑的三维模型作为模板模型提供形状信息，导致重建的结果与模板模型一样不带褶皱、指甲轮廓等这样的细节。针对这个问题，本文构建了首个有清晰指甲轮廓、关节褶皱等细节的高精度人手三维模型数据集，创新点主要体现在以下三方面: a、本文构建的数据集中三维模型的顶点数达到25080个，面片数49999个，模型包含褶皱、指甲轮廓等这样的细节，能有效解决目前三维人手重建问题中，重建模型粗糙不含细节的问题; b、构建的数据集包含了182个不同胖瘦、不同性别，年龄范围在5-65岁之间的志愿者精细三维人手模型，数据集充分考虑了导致人手外形差异的各种因素; c、提出一种基于人手解剖结构分块注册的方法，对三维人手模型按分块后的结果进行注册，注册结果表明对三维人手模型分块注册的方法能有效解决由于手指距离相近而导致误匹配的问题。 (2)提出一种基于单张深度图像重建三维人手模型的方法 传统基于深度图像重建，一般采用多目相机或利用采集的运动序列实现重建，但多目相机的标定是一个难解问题。基于形变模型或参数化模型的方法在人脸和人体三维重建中广泛使用，并可得到较好的重建效果，但由于人手方面缺少相应的三维模型数据集，因此目前没有使用此方法进行三维人手重建的研究。其创新点在于: 本文提出一种基于单张深度图像重建三维人手模型的方法，对已构建的高精度三维人手数据集进行PCA降维处理，利用PCA模型的线性组合得到个性化三维人手模型的重建结果。