[發明專利]一種基于多視角深度信息的三維體掃描儀

有效

• 申請號: 201810342620.1
• 申請日: 2018-04-17
• 公開（公告）號: CN109059798B
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 楊少毅;褚智威;駱必爭
• 申請（專利權）人: 西安維塑智能科技有限公司
• 主分類號: G01B11/24
• 分類號: G01B11/24;G01G19/50
• 代理公司: 西安智萃知識產權代理有限公司 61221
• 代理人: 李炳輝

1.一種基于多視角深度信息的三維體掃描儀，包括：掃描儀本體(1)，其特征在于，還包括：人體電子秤(2)，該人體電子秤(2)位于掃描儀本體(1)的任一側；所述掃描儀本體(1)包括立柱(11)、設置在立柱(11)內部的主機和掃描部件(12)，所述掃描部件(12)嵌設在立柱(11)上；

所述人體電子秤(2)用于測量被測者的體重信息，并將該體重信息發送至主機；

所述掃描部件(12)為深度攝像機，用于采集被測者按動作要求自主旋轉時的深度圖像序列，并將該深度圖像序列傳輸至主機；

所述主機接收、處理深度圖像序列和體重信息，通過運算去除被測試者動作變化的影響，并生成三維模型；

所述人體電子秤與主機通過第一通信模塊通訊，所述主機與深度攝像機交互式連接，所述人體電子秤放置在第一通信模塊通訊范圍內的任意位置；

還包括嵌設在立柱(11)上的激光投射單元，所述激光投射單元與主機連接，所述激光投射單元用于在主機控制下打開/關閉投射在地面上的光斑帶，以定位被測者的站立位置；

所述人體電子秤包括稱重模塊、控制模塊、第一通信模塊，所述稱重模塊的輸出端與控制模塊連接，所述控制模塊的輸出端與第一通信模塊連接；

所述主機至少包括處理器、第一通信模塊和第二通信模塊，所述第一通信模塊的輸出端與處理器連接，所述處理器與第二通信模塊交互式連接，所述處理器還與深度攝像機交互式連接；

所述主機還根據三維模型對被測者體態進行評估；

所述三維體掃描儀使用和數據處理過程是：

1).準備測量：三維體掃描儀開機后會生成一個二維碼顯示在顯示屏左下角，被測者打開APP掃描設備上面的二維碼，并向云端服務器發送消息綁定此設備和APP 關聯關系以及上送性別到云端通過云端服務器下發到三維體掃描儀；

2).被測者站在人體電子秤上，稱重模塊檢測到體重發生變化，上送消息到主機，主機通過喇叭向被測者播放注意事項；同時，人體電子秤完成體重測量，并通過藍牙上送數據到主機；

3).深度圖像收集：

3.1正面姿勢識別：主機控制打開激光投影在地面行程一個標記物，同時播放提示音，被測者雙腳和激光投影對齊，雙臂展開，并調整手臂姿態；深度攝像機實時獲取深度圖并分析出被測者姿勢，并實時解析骨骼點信息，當手臂姿勢達到合適位置，播放提示音提示被測者靜止；

3.2正面數據采集：主機觸發深度相機采集深度圖并存儲，并播放轉身提示音；被測者順時針旋轉九十度；

3.3左側面姿勢識別：被測者雙腳和激光投影對齊，雙臂自然下垂，實時獲取深度圖并分析出被測者姿勢，并實時解析骨骼點信息，當手臂姿勢達到合適位置，播放提示音提示被測者靜止；

3.4左側面數據采集：主機觸發深度相機采集深度圖并存儲，并播放提示音；被測者順時針旋轉九十度面朝后，背對攝像頭；

3.5背面數據識別：被測者雙腳和激光投影對齊，雙臂自然下垂，實時獲取深度圖并分析出被測者姿勢，并實時解析骨骼點信息，當手臂姿勢達到合適位置，播放提示音提示被測者靜止；

3.6背面數據采集：主機觸發深度相機采集深度圖并存儲，并播放提示音；被測者順時針旋轉九十度面朝后，右側對攝像頭；

3.7右側面數據識別：被測者雙腳和激光投影對齊，雙臂自然下垂，實時獲取深度圖并分析出被測者姿勢，并實時解析骨骼點信息，當手臂姿勢達到合適位置，播放提示音提示被測者靜止；

3.8右側面數據采集：主機觸發深度相機采集深度圖并存儲，并播放提示音，測量完畢；

4).模型生成：

4.1特征點提取：對每一張深度圖中的骨骼特征進行提取并進一步對骨骼點進行識別；

4.2特征點匹配：所有深度圖骨骼點進行匯總分析，對同一位置在不同方向的成像，進行匹配；

4.3拼接點生成：對所有深度圖中的匹配點進行標記并映射到深度圖的三維空間，生成拼接點標記；

4.4模型拼接：根據深度圖中的拼接標記點進行模型拼接，生成一個可用的三維模型；

4.5模型優化：對拼接生成的模型進行平滑以及缺失點進行修復、優化，并輸出最終三維模型；

5).人體成分結果運算：

第4步獲取到的被測者3D模型作為輸出，首先預處理計算出頭圍、頸圍、胸圍、腰圍、臀圍、左右上下臂圍、左右上下腿圍；再次預處理計算頭部體積、頸部體積、軀干體積、臀部體積、左右手臂體積、左右腿腳體積；以上21組數據以及測者性別、年齡、體重共23個輸入因子作為算法輸入參數；計算出人體水分、體脂率、基礎代謝、BMI、肌肉含量、腰臀比；

6).體態分析運算：

首先對輸入的被測者3D模型進行預處理，使得被測者模型和標準體模型建立相關性；

再次基于標準體對身體各處虛擬骨骼進行分割、提取；之后對各個部位的身體參數和標準模型進行對比，超過閾值則判定為問題點輸出。