基于Intel Real Sense 3D實感技術(shù)的三維腳型測量與重構(gòu)

,,，

(安徽大學(xué) 計算智能與信號處理教育部重點(diǎn)實驗室,合肥 230039)

0 引言

隨著計算機(jī)視覺的發(fā)展，深度圖像中三維點(diǎn)云的配準(zhǔn)[1-2]在三維重構(gòu)中占據(jù)著越來越重要的角色在三維建模與場景復(fù)原應(yīng)用中有著廣泛的應(yīng)用。其中找到各點(diǎn)云之間相對應(yīng)的點(diǎn)在二維、三維空間內(nèi)的對應(yīng)關(guān)系一直都是計算機(jī)視覺中要解決的基本問題[3]。三維重構(gòu)就是依據(jù)獲取的富含深度信息的圖像來對物體進(jìn)行三維信息復(fù)原的過程，可以應(yīng)用各個領(lǐng)域，比如根據(jù)獲取的深度圖可以開發(fā)光探測和測距(激光雷達(dá))傳感器[4-7]，任務(wù)跟蹤，人機(jī)交互性游戲開發(fā)，三維重構(gòu)等。三維重構(gòu)主要包括兩個方面：1)點(diǎn)云配準(zhǔn)；2)點(diǎn)云融合。點(diǎn)云配準(zhǔn)找到空間中兩個點(diǎn)之間的想對應(yīng)關(guān)系。點(diǎn)云融合融合檢測到的所有點(diǎn)集，最終獲得完整的模型。

SR300 視覺傳感器能夠同時采集二維 RGB及深度圖像信息[8-9]。目前，國內(nèi)外在這方面的研究都取 得了一些進(jìn)展，如障礙物的檢測[10]、手關(guān)節(jié)跟蹤[11]、手勢識別[12]、人體復(fù)健[13]等。傳統(tǒng)的果實定位采用雙 目視覺技術(shù)，但需要進(jìn)行相機(jī)標(biāo)定，計算復(fù)雜，且僅能在可見光范圍內(nèi)識別。使用SR300 傳感器無需進(jìn)行參數(shù)標(biāo)定即可獲得深度數(shù)據(jù)實現(xiàn)番茄三維定位,減少了光線的干擾,同時SR300傳感器相對于Kitnect傳感器還具有廉價且購買方便的優(yōu)勢。

腳型三維形狀測量技術(shù)是制鞋業(yè)、足患診療康復(fù)以及足部生物力學(xué)分析研究等領(lǐng)域的基礎(chǔ)技術(shù)。早期往往采用人工測量，存在勞動強(qiáng)度大、效率低、精確差等缺陷，且缺乏對足部形態(tài)的整體特征信息的描述。隨著測量技術(shù)的發(fā)展，出現(xiàn)了利用掃描技術(shù)[14-15]、拍照合成技術(shù)[16]、倒模技術(shù)等技術(shù)手段，提高了測量效率和精度。其中利用光電掃描的非接觸式三維腳型掃描技術(shù)較為常見。Silvia Menato和Giuseppe Landolfi[17]等人開發(fā)的通過3D腳掃描應(yīng)用程序獲取個性化的足部三維模型，精度達(dá)到0.15 mm但耗時長達(dá)15分鐘。

本系統(tǒng)針對Real Sense SR300相機(jī)對足型三維重建進(jìn)行了研究，實現(xiàn)了一種多視角實時三維腳型建模系統(tǒng)，能夠快速、精確并且安全可靠地對足部進(jìn)行三維重構(gòu)以及相關(guān)足部參數(shù)提取。運(yùn)用多個Real Sense SR300在開放空間下無遮擋地掃描腳型通過對足部點(diǎn)云數(shù)據(jù)獲取、去噪、平滑、修復(fù)以及渲染貼圖等步驟，實現(xiàn)了腳型的三維重構(gòu)和足部參數(shù)提取。實驗結(jié)果表明，該系統(tǒng)不僅具有計算精度高、處理速度快的優(yōu)點(diǎn)，而且具有較強(qiáng)的魯棒性。

1 RealSense SR300

本文研究都是由4臺SR300實感攝像機(jī)構(gòu)成的圖像獲取系統(tǒng)，SR300有3個鏡頭，中間是分辨率為1 920*1 080的RGB攝像頭，左右兩側(cè)分別為紅外線發(fā)射器和紅外線攝像機(jī)如圖1所示，獲取深度圖像的核心技術(shù)是光編碼技術(shù)，深度測量原理是三角測距原理。SR300設(shè)備的紅外線發(fā)射器(IR Laser Projector)發(fā)射的“結(jié)構(gòu)光”，經(jīng)物體反射后會被紅外線傳感器(IR Camera Lens)接收。由于紅外線到反射物體表面的距離不同，紅外傳感器捕到的“結(jié)構(gòu)光”圖案的位置和形狀會發(fā)生變化，根據(jù)這些由實感圖像處理芯片就能計算出物體表面的空間信息，再用三角測距原理進(jìn)行“深度”計算，進(jìn)而重現(xiàn)3D場景。

圖1 RealSense SR300

1.1 SR300標(biāo)定

本系統(tǒng)是采用4個SR300構(gòu)成的成像獲取系統(tǒng)如圖2，所以相機(jī)間的內(nèi)、外參數(shù)標(biāo)定是保證系統(tǒng)保證測量準(zhǔn)確度的重要環(huán)節(jié)。

圖2 圖像獲取系統(tǒng)

通過Real Sense 的SDK可以獲得SR300原始紅外圖，但由于紅外發(fā)射器的功率小以及受紅外發(fā)射器點(diǎn)陣圖的干擾,相機(jī)抓取的棋盤圖非常不穩(wěn)定導(dǎo)致標(biāo)定結(jié)果偏差很大。為解決該問題使用以下方案：將SR300相機(jī)紅外發(fā)射器當(dāng)住，使用紅外補(bǔ)光燈照射保定板，這樣就能得到清晰的標(biāo)定板紅外圖像再結(jié)合單個相機(jī)使用Zhang標(biāo)定法[18]標(biāo)定，對相機(jī)進(jìn)行初始化，獲得相機(jī)攝像頭焦距fu、fv,攝像頭u軸與v軸方向的尺度因子f/dx和f/dy以及攝像頭主點(diǎn)坐標(biāo)(tu，tv)。

就單個攝像機(jī)而言,攝像機(jī)外參數(shù)標(biāo)定所要解決的問題就是攝像機(jī)坐標(biāo)系相對于世界坐標(biāo)系的位置參數(shù),對多攝像機(jī)系統(tǒng)外參數(shù)是指各個攝像機(jī)間的相對位置參數(shù)。通常有了各自攝像機(jī)相對于世界坐標(biāo)系的外參數(shù)之后,可利用世界坐標(biāo)系作為中介,將雙攝像機(jī)間的外參數(shù)求出。假設(shè)4個相機(jī)分別為C1、C2、C3、C4。使用一種基于立體標(biāo)定件的雙攝像機(jī)外參數(shù)標(biāo)定法[19]分別獲得4個相機(jī)的外參數(shù)依次為：(R1,T1)、(R2,T2)、(R3,T3)、(R4,T4)以及相對于相機(jī)C1的各個相機(jī)的空間幾何位置分別為(R12,T12)、(R13,T13)、(R14,T14)。

1.2 投影建模

相機(jī)投影模型是將空間內(nèi)一點(diǎn)P(X，Y，Z)根據(jù)相機(jī)內(nèi)參數(shù)矩陣得到與投影像平面內(nèi)點(diǎn)(x,y)之間的關(guān)系，即根據(jù)深度數(shù)據(jù)獲得對應(yīng)的像平面像素：

△:R3(X,Y,Z)→R2(x,y)

(1)

(2)

(3)

根據(jù)相機(jī)獲取的像平面像素點(diǎn)(x,y)從而獲得該點(diǎn)所對應(yīng)的深度值，即T的逆變換：

△-1:R2(x,y,z)→R3(X,Y,Z)

(4)

(5)

(6)

Z=Z

(7)

1.3 姿態(tài)建模

在初始化的世界坐標(biāo)系中相機(jī)的姿態(tài)為：

(8)

式中,Qwtc∈SE(3),Rwtc、twtc分別為世界坐標(biāo)系到相機(jī)坐標(biāo)系下的3*3的旋轉(zhuǎn)矩陣和3*1的平移向量,wtc表示從世界坐標(biāo)系到相機(jī)坐標(biāo)系。

根據(jù)矩陣指數(shù)函數(shù)得到：

Qwtc=exp(G)

(9)

其中：

(10)

式中,μ1、μ2、μ3為世界坐標(biāo)系下的平移量；μ4、μ5、μ6為相機(jī)坐標(biāo)系下的旋轉(zhuǎn)量。

可以得到相機(jī)坐標(biāo)系下的點(diǎn)pc與世界坐標(biāo)系下的點(diǎn)pw的關(guān)系為：

pc=Qwtc*pw

(11)

使用相機(jī)標(biāo)定內(nèi)外參數(shù)將每臺 SR300傳感器的點(diǎn)云數(shù)據(jù)由圖像坐標(biāo)系轉(zhuǎn)換到世界坐標(biāo)系中，即將多組點(diǎn)云數(shù)據(jù)合并到同一個坐標(biāo)系中表示。調(diào)整算法如下：

1)創(chuàng)建點(diǎn)云P1、P2、P3、P4∈R3保存相機(jī)C1、C2、C3、C4抓取的深度點(diǎn)云數(shù)據(jù)；

2)遍歷相機(jī)C2抓取的點(diǎn)云點(diǎn)集，依次對點(diǎn)云頂點(diǎn)P(x,y,z) ∈P2作[R12|T12]變換，得到變換后的點(diǎn)P*(X,Y,Z)，

(12)

然后將P2加入到P1中去。

3)重復(fù)操作相機(jī)C3、C4抓取的點(diǎn)云P3、P4。

2 總體方案設(shè)計

2.1 硬件平臺設(shè)計

系統(tǒng)選用4個Intel RealSense SR300 3D實感攝像頭作為三維腳型測量的立體視覺傳感元件，包括足部待測平臺(100 cm*100 cm)且中心畫有80 cm*80 cm的正方形掃描區(qū)域以及兩個腳型區(qū)域作為目標(biāo)測量區(qū)域，相機(jī)安裝在四根支撐桿頂端、四根相機(jī)支撐桿(15 cm、25 cm各兩根)安裝至平臺4個頂角處如圖3所示。4個視角互補(bǔ)的3D實感攝像頭同步獲取不同視角下被測物體的圖像點(diǎn)云，包括坐標(biāo)、色彩和深度信息，利用深度增強(qiáng)攝影模塊同步記錄照片的3D 深度信息，后期三維腳型測量分析程序利用定點(diǎn)拍攝獲取到的3D增強(qiáng)照片的深度信息完成腳型的三維重構(gòu)和足部關(guān)鍵尺寸和角度信息的提取。

圖3 系統(tǒng)結(jié)構(gòu)示意圖

2.2 系統(tǒng)軟件流程

已有的諸多光學(xué)掃描技術(shù)和三維重構(gòu)算法，多局限在密閉暗箱空間下進(jìn)行測量，受光源精度、標(biāo)定物、背景光和物體表面漫反射等影響，獲取的圖像噪聲難以抑制。本算法運(yùn)用3D實感攝像頭，同時獲取紅外光和可見光圖像，實現(xiàn)在開放空間下的光學(xué)檢測，簡化測量過程，通過圖像點(diǎn)云數(shù)據(jù)的濾波處理、邊緣識別、去噪、光滑以及點(diǎn)云修復(fù)精確重構(gòu)出三維模型。

2.2.1 三維腳型重構(gòu)技術(shù)方案

該系統(tǒng)持續(xù)跟蹤攝像機(jī)的6自由度(DOF)姿態(tài)，并將場景的新視點(diǎn)轉(zhuǎn)換為基于全局的基于表面的表示。當(dāng)傳感器打開時，它會產(chǎn)生許多深度圖像幀。對于每一個深度圖像幀，我們應(yīng)該處理如下:

1)首先我們將SR300中獲取的原始深度幀數(shù)據(jù)轉(zhuǎn)換為以米為單位的浮點(diǎn)數(shù)據(jù)幀，得到第i時刻的圖像Di′(p),包含的像素點(diǎn)表示為p(x,y)T, 然后采用雙邊濾波[20]法對深度浮點(diǎn)圖像進(jìn)行平滑去噪。它是一種用于邊緣保持平滑的簡單的非迭代方案。 為了獲得更好的濾波效果，雙邊濾波結(jié)合了域和范圍濾波。在本文中，我們在高斯情況下使用雙邊濾波，可以描述為：

Nσr(‖Di′(p)-Di′(q)‖)Di′(q)

(13)

2)然后將包含去噪后浮點(diǎn)類型數(shù)據(jù)的平面坐標(biāo)系映射到相機(jī)坐標(biāo)系：

vi(p)=Di(p)K-1[pT,1]T

(14)

最終得到一個點(diǎn)擊映射vi,其中vi(p)是映射后的三維點(diǎn)云集，K是SR300紅外攝像機(jī)的固有校準(zhǔn)矩陣。K-1是其逆矩陣。

每個頂點(diǎn)對應(yīng)的標(biāo)準(zhǔn)化向量是在相鄰的映射頂點(diǎn)之間使用一個叉積計算的:

ni(p)=(vi(x+1,y)-vi(x,y)×vi(x,y+1)-vi(x,y)

(15)

ni(p)表示每個頂點(diǎn)對應(yīng)的標(biāo)準(zhǔn)化向量，該過程在GPU線程中并行計算。

3)最后把相機(jī)坐標(biāo)系點(diǎn)云轉(zhuǎn)化為全局坐標(biāo)系下，Mi為第i時刻相機(jī)的剛體旋轉(zhuǎn)矩陣。

(16)

RI、ti為i時刻時相機(jī)的3×3旋轉(zhuǎn)矩陣和平移向量。相應(yīng)的點(diǎn)云與向量轉(zhuǎn)換如下：

Vi(p)=MIVI(P)

(17)

NI(p) =RIni(p)

(18)

Vi(p),NI(p)均為全局坐標(biāo)系下的點(diǎn)集和相應(yīng)的向量。

本系統(tǒng)的三維重建最重要的一步是根據(jù)深度圖像來解決復(fù)雜自由形態(tài)曲面配準(zhǔn)問題。主要使用了ICP算法，這是一個解決復(fù)雜配準(zhǔn)問題的關(guān)鍵方法算法，主要用于解決基于自由形態(tài)曲面的配準(zhǔn)問題如圖4。

圖4 ICP算法配準(zhǔn)兩條曲線

設(shè)點(diǎn)集P中有Np個數(shù)據(jù)點(diǎn)，有{pi}表示；這些點(diǎn)集來自模型X，X中包含Nx個數(shù)據(jù)點(diǎn)，用{xi}表示。給定一個剛體變換，用矢量表示q=[qR|qT],把該剛體變換應(yīng)用到點(diǎn)集P中，對變換后的P中的任意一點(diǎn)，在X中尋找起最近點(diǎn)，然后由找到的最近點(diǎn)求得起歐氏距離平方和：

(19)

為了最小化f(q)，需要首先得到場景點(diǎn)集與模型點(diǎn)集的重心:

(20)

通過重心來計算來兩個數(shù)據(jù)集間的互協(xié)方差矩陣:

(21)

通過∑px的反對稱矩陣Aij-(∑px-∑pxT)ij構(gòu)造矢量Δ=[A23A33A12]T,由此列矢量，便可獲得一個4*4對稱矩陣，其中I3表示3*3恒等矩陣:

(22)

矩陣Q(∑px)的最大特征值所對應(yīng)的單位特征向量qR=[q0q1q2q3]即為由單位4元數(shù)來表示的最有旋轉(zhuǎn)，qR可以通過一個變換轉(zhuǎn)成3*3的矩陣形式，旋轉(zhuǎn)矩陣得到后，再根據(jù)qT=μx-R(qR)μp便可得到對應(yīng)的平移向量。

重復(fù)以上迭代過程，直到最近點(diǎn)的歐氏距離平方和收斂到指定的閾值。

最終得到完整點(diǎn)云數(shù)據(jù)，如圖5、6所示。

圖5 配準(zhǔn)前 圖6 配準(zhǔn)后

對于合并之后的點(diǎn)云數(shù)據(jù)采用紋理貼圖技術(shù)進(jìn)行渲染得到一個3D立體的場景視圖。紋理貼圖技術(shù)是計算機(jī)圖形學(xué)領(lǐng)域里廣泛使用的一項3D渲染技術(shù)，它的主要作用是簡化三維場景模型，提高場景渲染的真實感。紋理恢復(fù)是將紋理空間中的紋理像素映射到屏幕空間中的像素的過程。在對空間點(diǎn)云進(jìn)行網(wǎng)格化后，紋理的恢復(fù)就變成了尋找紋理圖像坐標(biāo)與網(wǎng)格坐標(biāo)對應(yīng)關(guān)系的映射過程，如圖7。

圖7 渲染后足部模型

2.2.2 足部關(guān)鍵腳型參數(shù)的計算

在測量和計算足部關(guān)鍵腳型參數(shù)時，以足底輪廓中過第二趾前端中心與后跟端點(diǎn)的連線為軸線，將此軸線作為測量足長、足寬的基準(zhǔn)線如圖8。根據(jù)量腳選鞋/量腳制鞋墊的需要，以及國民腳型調(diào)查、足部形態(tài)學(xué)研究的需要，通過三維點(diǎn)云的坐標(biāo)映射和空間維度計算，計算足長、足寬、跖趾圍、跗圍、踵寬、足弓高(內(nèi)踝高)、足背高、足背長、足弓長、外弓角度等足部關(guān)鍵腳型參數(shù)。

圖8 足部關(guān)鍵點(diǎn)示意圖

本文對足部掃描圖像的處理與這些關(guān)鍵點(diǎn)的自動求解[21-23]，實驗結(jié)果如圖9、10所示。

圖9 足長、足寬、足跟寬、足斜寬 圖10 足弓高、足背高、足背長、足弓長

3 實驗結(jié)果

本系統(tǒng)實現(xiàn)了上述圖9、圖10中參數(shù)的自動測量，并選擇了三組人員進(jìn)行了測量，這項研究依據(jù)的客觀參考標(biāo)準(zhǔn)有：1)精度允許在兩個歐盟一半號碼(3.33毫米)之間;2)實驗的可重復(fù)性；3)數(shù)據(jù)采集獨(dú)立于測量方法的個體間和個體內(nèi)變化；4)廣泛采用。精度允許兩個歐半號碼之間指的是精度要滿足在3.33毫米以內(nèi)。可重復(fù)性指的是實驗可以多次(至少三次)的測量。數(shù)據(jù)采集獨(dú)立性是指相同的個體在量時與不同個體在測量時采集到的數(shù)據(jù)不會相互影響廣泛采用是指該系統(tǒng)能夠在不同環(huán)境條件對用戶進(jìn)行測量。我們選擇50位正常足型的人員做為待測者，可以先用測量工具根據(jù)C.Witan和 S.Xiong[24]等人提出的足部參數(shù)標(biāo)準(zhǔn)手工獲取測量數(shù)據(jù)并與該系統(tǒng)獲取的參數(shù)做對比。

首先根據(jù)測得的數(shù)據(jù)計算各個參數(shù)的變異數(shù)分析,變異系數(shù)和極差、標(biāo)準(zhǔn)差和方差一樣,都是反映數(shù)據(jù)離散程度的絕對值。其值越小,離散程度越小,數(shù)據(jù)越集中。表 1的數(shù)據(jù)統(tǒng)計表明,10個腳型參數(shù)的標(biāo)準(zhǔn)差和變異系數(shù)均較小,數(shù)據(jù)集中,離散程度小。

(23)

表2為兩名隨機(jī)被測試人員在傳統(tǒng)手工方式下足 部參數(shù)的測量結(jié)果，以及系統(tǒng) 5 次參數(shù)測量結(jié)果的對比。通過大量重復(fù)性測試，所有參數(shù)計算誤差均小于1 mm，參數(shù)計算結(jié)果滿足測量需求。

表1 參數(shù)分析 cm

表2 被測人員的手工與系統(tǒng)測量結(jié)果

4 總結(jié)

本系統(tǒng)針對Real Sense SR300相機(jī)對足型三維重建進(jìn)行了研究，實現(xiàn)了一種多視角實時三維腳型建模系統(tǒng)，能夠快速、精確并且安全可靠的對足部進(jìn)行三維重構(gòu)以及相關(guān)足部參數(shù)提取。實驗過程中只需自然站立在測量平臺的指定位置，然后開啟掃描功能，該系統(tǒng)就能夠通過4個SR300相機(jī)同時對雙腳進(jìn)行實時的彩色圖像抓拍以及相對應(yīng)的深度數(shù)據(jù)存儲然后進(jìn)行點(diǎn)云的去噪、平滑、配準(zhǔn)、修復(fù)、渲染，最終獲得逼真的3D立體圖像，還可以通過旋轉(zhuǎn)獲得多視角的三維圖像同時完成相關(guān)足部參數(shù)的提取。結(jié)果表明該系統(tǒng)多個相機(jī)同時工作大大縮短了重構(gòu)時間也提高了重構(gòu)精度能夠高效、精確以及具有較高魯棒, 能夠通過較大規(guī)模人群三維腳型建模與個體穿著舒適性的大數(shù)據(jù)學(xué)習(xí)，確定個性化鞋墊的結(jié)構(gòu)參數(shù)和不同負(fù)重區(qū)域的材質(zhì)彈性，據(jù)此建立生物力學(xué)適應(yīng)性好的個性化鞋墊生成模型，作為對接鞋墊設(shè)計軟件的核心模塊，推動鞋業(yè)科技升級。

參考文獻(xiàn)：

[1] He B W, Lin Z M, Li Y F. An automatic registration algorithm for the scattered point clouds based on the curvature feature[J]. Optics & Laser Technology,2013,46: 53-60.

[2] Cai J, Dong L, Sun X P. Parallel soft assign algorithm for 3D human ear point clouds registration[J]. Computer Engineering and Design, 2013, 34 (10): 3629-3634.

[3] Tevs A,Berner A,Wand M,et al. Animation Cartography & Mdash;Intrinsic Reconstruction of Shape and Motion[J]. 2012,31(2) : 1-15.

[4] Mendes E. ICP-based pose-graph SLAM[A]. 2016 IEEE International Symposium on Safety, Security, and Rescue Robotics (SSRR)[C].2016,10(1095): 195-200.

[5] 鐘澤宇, 周海婷, 古煒豪,等. 基于Kinect傳感器的機(jī)械手自主抓取技術(shù)研究[J]. 儀表技術(shù)與傳感器, 2016(7):123-126.

[6] 張 洪, 鄭梓均, 孫春龍. Kinect深度測量的系統(tǒng)誤差補(bǔ)償研究[J]. 儀表技術(shù)與傳感器, 2015(12):120-122.

[7] 藍(lán) 箭, 孫 娟, 楊裕炳,等. 基于Kinect骨骼追蹤的控制方法的研究[J]. 儀表技術(shù), 2014(8):20-22.

[8] 薛彥濤, 呂洪波, 孫啟國. 基于Kinect深度數(shù)據(jù)的移動機(jī)器人障礙檢測方法研究[J]. 計算機(jī)測量與控制, 2017, 25(2):61-63.

[9] Khoshelham K, Elberink S O. Accuracy and Resolution of Kinect Depth Data for Indoor Mapping Applications[J]. Sensors, 2012, 12(2):1437.

[10] 趙美榮,田衛(wèi)萍,熊風(fēng)光,等.基于Kitnect和Unity的虛擬手抓取碰撞檢測算法[J]. 計算機(jī)測量與控制, 2015, 23(6):2076-2078.

[11] 魏 元, 韓 燮, 況立群. 三維人手關(guān)節(jié)點(diǎn)的提取研究[J]. 計算機(jī)測量與控制, 2015, 23(2):561-564.

[12] 周天彤,徐飛林,張旖帆,等. 基于unity與kitnect的交警手勢識別仿真系統(tǒng)的設(shè)計和實現(xiàn)[J]. 計算機(jī)測量與控制, 2016, 5:156 -159.

[13] Chang Y J, Chen S F, Huang J D. A Kinect-based system for physical rehabilitation: a pilot study for young adults with motor disabilities.[J]. Research in Developmental Disabilities, 2011, 32(6):2566-2570.

[14] Shih N J, Kuo H C, Chang C F.3D scan for special urban evening occasion[A] . 2016 International Conference on Applied System Innovation (ICASI)[C]. 2016:1-4.

[15] Stefan P E.3D face and hand scans acquisition system dedicated for Multimodal Biometric identification [A].MIXDES[C]. 2016:389-393.

[16] Jurdjani D, Dany Laksono.Open source stack for Structure from Motion 3D reconstruction: A geometric overview[A].2016 6th International Annual Engineering Seminar (InAES)[C].2016,10:196-201.

[17] Menato S, Landolfi G, Alge M, et al.Empowering widespread shoe personalization via a 3D foot scanning App [A]. ICE[C]. 2014:1-7.

[18] Zhang Z.A flexible new technique for camera calibration[J].Pattern Analysis and Machine Intelligence,2000,22(11):1330-1334.

[19] 周立麗，車仁生.一種基于立體標(biāo)定件的雙攝像機(jī)外參數(shù)標(biāo)定法[J].宇航計測技術(shù)，2005,25 (4):1-4

[20] Tomasi C, Manduchi R. Bilateral filtering for gray and color images[A]. Proceedings of the International Conference on Computer Vision (ICCV)[C].1998:839-846.

[21] 劉國忠,王伯雄,史 輝,等.激光線掃描足部三維測量方法及其應(yīng)用[J].清華大學(xué)學(xué)報(自然科學(xué)版), 2008, 48(5):821-823.

[22] 劉國忠,王伯雄,史 輝,等.三維足型測量系統(tǒng)足部參數(shù)自動提取方法[J]. 中國生物醫(yī)學(xué)工程學(xué)報, 2009,28(1):79-81.

[23] 王俊青, 周 旭, 姚志明,等. 基于計算機(jī)視覺的腳型參數(shù)測量系統(tǒng)的設(shè)計與實現(xiàn)[J]. 儀表技術(shù), 2012(7):40-44.

[24] Witana C, Xiong S, Zhao J,et al. Foot measurements from 3D scans: a comparison and evaluation of different methods [J] . International Journal of Industrial Ergonomics, 2006, 10:708-807.