基于特征点动态选择的三维人脸点云模型重建OA北大核心CSTPCD
针对典型的点云配准方法中伪特征点过多导致配准效率低和配准结果不精确的问题,提出一种基于特征点动态选择的三维人脸点云模型重建方法。该方法在粗配准阶段,采用动态特征矩阵求解法获取粗匹配特征变换矩阵以避免伪特征点的干扰。在精配准过程中,采用二次加权法向量垂直距离法在人脸流形表面选择更有效的特征点以减少伪特征点的数量,并采用基于特征融合与局部特征一致性的迭代最近点方法进行精配准。经过对比实验验证了算法的可行性,实验结果表明,该算法能够实现高精度且快速的三维人脸点云模型重建,且均方根误差达到1.8165 mm,相较其他算法,其在模型重建精度和效率方面都有所提升,具有良好的应用前景。
陈素雅;何宏;
上海理工大学健康科学与工程学院,上海200093
计算机与自动化
三维人脸点云模型重建动态特征矩阵二次加权法向量垂直距离特征融合局部特征一致性
《计算机应用研究》 2024 (002)
P.629-634 / 6
国家科技部资助项目(G2021013008);上海市科学技术委员会资助项目(18070503000);上海理工大学医工交叉重点资助项目(1020308405,1022308502)。
评论