基于三维点云模型的人体头部尺寸测量系统

基于三维点云模型的人体头部尺寸测量系统

【摘要】提出了一种基于三维点云模型的人体头部尺寸自动测量方法，并设计与实现了人体头部尺寸测量系统。该系统采用基于几何特征分析的方法来识别头部测点，并根据测点计算头部的各项尺寸。实验证表明，系统具有测量速度快、精度高的特点。目前已成功应用于头盔和面罩等产品的设计中。

【关键词】人体测量学；点云模型；测点识别；头部尺寸

1.引言

人体测量学[1]是人机工程学的一个重要分支领域，通过测量人体各部位的尺寸，运用统计学的方法，对人体形态特征进行研究。头部测量是人体测量学的重要组成部分，对头盔、防毒面具、防护目镜、通讯耳机等头部相关装备的制造具有重要意义。传统的头面部装备设计主要参考头宽、头长两项分离的一维指标，由于这两项一维指标仅反映了头颅的一维尺寸大小，而无法反映三维曲面形状，所以据此设计的头面部装备往往只能按大小分号而不能按形状分型，而且与头颅的贴合度较差。随着三维扫描技术的发展，通过扫描仪获取头部三维模型，运用头面部的整个形态信息进行头面部装备的设计已获得广泛关注。

从点云模型中提取头部尺寸的难点在于如何鲁棒准确地提供识别头部测点。国内外学者已经提出了多种在头部点云模型中提取测点的方法，主要分为如下两类：

（1）基于几何特征分析的方法[2-4]：此类方法根据测点附近的几何特征（如高斯曲率、平均曲率、局部极值、最值等）和测点之间的结构关系等来提取测点。对无明显特征的测点，则借助统计规律和人体比例特征获得其大致位置，再由用户交互式编辑得到其精确位置；

（2）基于模板网格变形的方法：基于模板网格的形状处理技术近年来得到了计算机图形学领域的重视[5-6]，此方法的核心步骤是：对于待处理的头部模型，将一个已经标注测点的头部模板网格变形到待处理模型，生成一个几何上与待处理模型在允许误差范围内、拓扑上和模板网格一致的网格，变形后的模板网格上的测点即为待识别的测点。基于几何特征的识别方法实现比较复杂，但算法效率高，而且识别结果比较准确；而基于模板网格变形的识别方法则鲁棒性好，但算法效率不高，而且部分测点识别精度低。

本文以头盔和面罩等产品的设计为背景，针对三维头部点云模型数据，采用基于几何特征的测点识别方法，设计和实现了一个头部尺寸自动测量系统。

2.技术要求

本文以头盔和面罩设计为背景，依据《GJB 4856-2003 中国男性飞行员人体

尺寸》[7]，共提取人体头部50尺寸测量项目，完成三维头部尺寸测量。

2.1 测点和测量项目

测量项目是指在相应的测量姿势上，根据测点给出的人体水平尺寸（包括围度尺寸）、垂直尺寸或其他尺寸，例如头最大长、头最大宽、头围等。测点是用于表示测量位置的界点，它通常为肌肉下方的骨骼突出部位或者关节连接处[7]，例如耳屏点、眶下点、枕后点等。测量项目一般由一个或多个测点进行定义，例如“头围”的相关测点为“眉间点”和“枕后点”。测点和测量项目的定义参见《GJB 4856-2003》[7]，图1给出了测量项目“头围”的示意图及相关测点。

图1 “头围”及相关测点示意图

2.2 头部解剖学坐标系

本文中的三维头部模型采用头部解剖学坐标系[8]，如图2所示。该坐标以左耳屏点、右耳屏点和左眶下点定义的平面为水平面（XOY平面），左、右耳屏点的中点为坐标原点O，垂直此平面的轴为Z轴（向上为正向），Y轴为右耳屏点与左耳屏点的连线（向左为正向），X、Y、Z轴满足右手关系（向前为正向）。

图2 头部解剖学坐标

图3 系统测量流程图

3.尺寸测量流程与关键技术

3.1 尺寸测量流程

系统测量流程如图3所示。首先读入人体点云数据，对其进行预处理，去除噪声点并建立头部解剖学坐标系；其次，采用基于几何特征分析的方法自动识别头部的35个测点，并经过人工确认。如果不满意，则通过交互式调整测点位置；最后计算人体头部50个测量项目并输出测量结果。

3.2 预处理

首先，由于遮挡等原因，目标模型中往往含有噪声、空洞，同时模型的边界也不规整，需要用Geomagic等软件中对模型进行去噪、补洞、边界修补等规则化处理。

其次，由于头部模型往往处在不同的坐标系下，这不利于后续的数据处理，因此需要将所有的头部点云模型转换到头部解剖学坐标系下。该坐标系根据左耳屏点、右耳屏点和左眶下点来定义，如果此三点已知，通过三维平移和旋转变换即可完成坐标变换。可通过贴标记点并进行识别得到此三点；或者通过交互拾取的方法，让用户在头部模型上拾取此三点。

3.3 测点识别

测点自动识别问题是头部尺寸自动测量中的一个经典问题，也是尺寸自动测量的难点。本系统采用基于几何特征分析的识别方法，并结合人体各部分的比例关系和测点之间的约束关系来进行测点自动识别。

根据《GJB 4856-2003》，50个测量项目共涉及35个测点。根据测点在人体头部上的位置和相关特征，可以将测点分为四类：

（1）第一类为最值点。

这类测点又可以分为局部最值点和全局最值点两类，局部最值点具有局部区域内的沿某一坐标轴方向的最值。而全局最值点在整个头部模型上具有沿某一坐标方向上的最大值或者最小值，例如头顶点、枕后点、耳外点、鼻尖点等；

（2）第二类是局部极值点。

这类测点或者位于轮廓线上，属于轮廓线上的凸点、凹点或者突变点，如鼻梁点、颏下点等；

（3）第三类为约束测点。

此类测点由其它测点定义，可以根据其它测点计算出来，例如，枕后点即可根据眉间点进行计算（枕后点为在正中矢状面上，枕部离眉间点最远的点）。（4）第四类为一般测点。

这类测点在其附近区域无明显几何特征，只能通过头部比例关系等来进行估算。

在进行测点识别时，最值点是最容易识别的，其次是轮廓线上的局部极限点，接着是位于区域上的局部极值点和约束测点，最后是一般测点。因而在测点自动提取时，也遵循这样一个顺序：首先根据测点的定义提取位于头部上的最值点；然后借助轮廓提取和分析的方法，对人体头部有价值的轮廓线上的测点进行识别；之后，根据区域上待识别测点与已识别的测点的关系，识别区域上的局部极值点；最后对无明显特征的一般测点，借助统计学和人体比例学特征获得其大致位置，或者根据其与已经识别出来的测点的关系获得其初始位置，再由用户交互式编辑得到其精确位置。

（1）最值点识别：

测点识别在预处理后的模型上进行，预处理后的模型已经位于解剖学坐标系下。在此坐标系下最值点在局部范围上或者全局范围上具有沿某一坐标方向上的最大值或者最小值。例如，头顶点是铅垂轴方向上具有最大值的点，枕后点和鼻