三维人体点云配准[49,50]是生成三维人体模型最基本的问题之一,是三维人体重建[51]的关键步骤。三维人体数据可以广泛应用于虚拟现实、游戏制作、线上医疗、服装设计等领域。如果使用扫描设备获取三维人体数据费用很高、操作也很复杂并且不便于携带,所以Kinect[1]等深度相机因为其低成本、便携式、易操作,成为众多计算机视觉领域学者的研究热门。虽然目前存在着很多传统的三维扫描方法和三维点云配准的技术,但这些传统的方法都面临一样的问题:三维扫描过程需要人体保持绝对静止状态,并且计算速度较慢。这都使得它们不能很好地应用于动态人体的配准。基于此,本课题旨在实现动态人体的点云配准和应用,该方法通过构建一个多Kinect的三维扫描环境来同时获取多角度的人体数据,解决相机在旋转和平移的多次扫描过程中人体发生无意识运动的问题。本文提出了一种基于聚类和四元数表示的动态人体点云配准方法,该方法以人体点云作为处理单元,对于动态人体数据进行局部刚体配准。首先,在基于点云聚类算法的基础上提出了用人体骨骼点进行聚类的方法,对人体骨骼点进行聚类还要考虑骨骼点的正确性,我们需要对遮挡的骨骼点进行矫正。然后,对於聚类后的动态人体点云进行局部配准。在配准过程中,本文利用四元数表达的旋转矩阵降低配准计算的复杂度,提高配准速度。利用分布式网络,我们录制了多角度连续帧的动态人体序列,并做了大量实验证明本文算法的高效性和准确性。实验结果表明本文算法精度超过了其他方法。本文的主要工作和创新点如下:1.为了提高动态点云配准的精度,本文利用人体骨骼点数据对每片人体点云进行聚类。为确保聚类标准的一致性,对于被遮挡的骨骼点数据,利用奇异值分解原理进行旋转和平移的校正操作。对于聚类后的人体点云,在空间(同一时刻的相邻帧)和时间(相邻时刻的同一帧)上分别进行局部配准。2.在点云的粗配准过程中,本文综合利用了生成的人体点云数据中的颜色信息和空间信息。通过3D SIFT[2]和K-D树计算得到相邻帧的对应关系后,本文首先利用点云聚类得到的结果作为先验信息,作为对应关系的聚类约束。之后再将点云颜色信息和空间信息结合作为另一约束条件,去掉明显错误的对应关系,得到相对正确粗配准结果。3.为了提高动态点云配准的计算效率,本文提出了改进的ICP精配准方法。在动态人体的配准步骤中,本文利用四元数代替旋转矩阵进行计算,这样操作结果耗时更少。对于人体动态数据,可以将前一时刻对应帧的聚类结果和旋转矩阵作为后一帧的初始输入,这样可以减少迭代次数,提高配准速度。