基征态选择的三维人脸点云模型重建

作者：陈素雅; 何宏^*

来源：计算机应用研究, 2023, 1-7.

DOI：10.19734/j.issn.1001-3695.2023.06.0279

• 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

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，提出的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1.8165mm，相较于其他算法，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。

• 单位
  上海理工大学