单目多视角服装图像三维重建技术研究与实现.pdf

摘 要 随着移动互联网技术和虚拟现实技术的发展，三维服装模型广泛应用于服装设计、 个性化定制、虚拟试衣、影视娱乐、动漫游戏领域，三维服装模型重建的研究吸引越来 越多的服装、图形学等相关领域的研究学者的研究兴趣。由于服装具有材质柔软、易变 形、易褶皱、结构复杂等特点，现有的三维服装模型重建需要花费较高的制作成本，且 效率低下。为克服现有服装建模方法的不足，本文实现了单 目多视角服装图像的三维重 建，对服装模型三维重建过程中的关键技术展开了研究。具体研究内容如下： 1.对多视角服装图像序列进行 目标识别和实例分割。利用普通的图像采集设备获取 的多视角服装图像序列由于分辨率低、噪声多，会降低图像特征点的提取和配准精度， 从而影响重建效果。论文中为解决这些不足，在对图像序列进行降噪等预处理后，利用 Mask R-CNN 对服装图像序列进行了目标识别和实例分割，大幅度降低 目标对象外冗余 噪声的影响。 2.服装图像特征点的提取与匹配。利用 SIFT 算法来提取服装图像的特征点与匹配 点对，在特征点匹配过程中，由于 SIFT 算法忽略了空间向量的相关性，会产生较多的 误匹配点对，针对 Ransac 算法剔除 SIFT 算法中误匹配对时误匹配率高的问题，本文利 用余弦相似度算法对误匹配点对进行筛选，同时针对 Ransac 运算耗时长、效率低做了 一些改进，进一步提高了特征点匹配的精度。 3. SFM , 三维服装模型的重建。本文研究了运动恢复结构算法 （ ）利用本文提出的特 征点匹配算法获得了服装的稀疏点云数据，采用 CMVS/PMVS 方法将服装稀疏点云数 据转为稠密点云数据，最后通过泊松表面重建得到服装三维模型。 实验结果表明，本文提出的余弦相似度计算方法能有效降低点云噪声，从而降低特 征匹配中的误匹配率；在提供相同数量的图像序列情况下，与基于 SFM 的重建方式相 比，重建耗时少，能很好的表现服装三维表面细节。本文采用的单 目视觉装置简单，成 本低，所需场景限制较小，具有较高的鲁棒性，适用于批量化三维服装模型的重建。 关键词：服装模型；三维重建；实例分割；特征提取；特征匹配；单 目图像；多视角； 运动恢复结构 研究类型：应用研究 Abstract With the development of mobile Internet technology and virtual reality technology, 3D clothing model is widely used in the fields of clothing design, personalized customization, virtual fitting, film and television entertainment, animation and game. The research of 3D clothing model reconstruction attracts more and more scholars in related fields such as clothing, graphics and so on. Due to the soft material, easy to deform, easy to fold and complex structure, the existing 3D garment model reconstruction needs high cost and low efficiency. In order to overcome the shortcomings of existing clothing modeling methods, this paper realizes the 3D reconstruction of monocular multi view clothing image, and studies the key technologies in the process of 3D re