具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请中出现的术语“和/或”，可以是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本申请中字符“/”，一般表示前后关联对象是一种“或”的关系。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。

光学动作捕捉系统，通过布局在场景周围的群控相机发射红外光，然后接收多个刚体对象上若干红外光球反射的红外光，完成刚体对象2D像素数据的捕捉。然后使用捕捉到的2D数据通过三角测量等方法进行三维重建，从而还原出刚体点在场景中的3D点位置。但是，在一个动作捕捉场景中，可能存在不止一个刚体对象。通常经过三角测量得到的初步刚体点的3D数据，其对应于哪个刚体对象上的刚体点是不得而知的，这样就无法计算对应的刚体姿态。

在光学动作捕捉场景中，3D点的计算通常是不精准，存在误差的，在不同环境下误差可能不一样，比如在光线变化很大的环境中，偏移量将会比较大，因此不能通过精确比较距离，来决定3D点与基准刚体间的匹配。

所以，本发明提供了一种光学动作捕捉场景中3D点选择方法。为便于理解，下面对本发明实施例提供的一种光学动作捕捉场景中3D点选择方法的具体流程进行描述，请参阅图1，本发明实施例中光学动作捕捉场景中3D点选择方法包括：

S101、获取目标时刻光学动作捕捉场景中刚体对象的实时3D点。

获取目标时刻光学动作捕捉场景中刚体对象的实时3D点。该目标时刻可以为该刚体对象在动作捕捉场景中的任意一个时刻。示例性的，请参见图2，该实时3D点可以包括3D1至3D7，7个3D点。

需要说明的是，在获取该刚体对象在动作捕捉场景中刚体对象的实时3D点之前，可以先获取刚体对象在基准形态下各点中任意两点之间的距离。示例性的，请参见图3。基准刚体包括Base1_1至Base1_5，5个刚体点。

需要指出的是，刚体匹配就是把目标时刻中出现的实时3D点匹配到刚体对象在基准形态下相应的点上，并且要求每个实时3D点仅能匹配一次，也可以未匹配。该刚体对象在基准形态下的点也只允许被匹配一次，可以未匹配。

示例性的，比如图2中3D1匹配图3中的Basel_1，图2中的3D2匹配图3中的Basel_2、图2中的3D3匹配图3中的Basel_5，图2中的3D4匹配图3中的Basel_4。该图2中的3D5至3D7未能匹配该刚体对象在基准形态下相应的点，并且该基准刚体上的Basel_3也没有匹配到3D点。

S102、计算实时3D点中任意两者之间的距离。

计算实时3D点中任意两者之间的距离。具体的，请参见图3，可以计算Basel_1与Base1_2的距离、Basel_1与Base1_3的距离、Basel_1与Basel_4的距离，Basel_l与Basel_5的距离等。

S103、将实时3D点中任意两者之间的距离与刚体对象在基准形态下各点中任意两点之间的距离进行对比，以获取对应关系。

将实时3D点中任意两者之间的距离与刚体对象在基准形态下各点中任意两点之间的距离进行对比，以获取对应关系。具体的，可以将刚体对象在基准形态下各点中任意两点之间的距离一个一个作为目标距离，与该实体3D点中任意两者之间的距离作比较。看两者之间的差距是否在预先设置的误差范围之内。若在误差范围之内，则将该在误差范围之内的两个3D点的距离加入目标距离的候选列表中。并根据误差大小确定该误差范围之内的两个3D点的距离的得分。在完成一个目标距离的候选列表之后，在遍历该刚体对象在基准形态下的其他两点之间的距离作为目标距离，依次可以获得该刚体对象中任意两点之间距离的候选列表。

具体的，可以将目标距离记为Dist，将任意两个3D点的距离记为dist，则误差范围设置为[Dist-MaxDiff，Dist+MaxDiff]。其中，若dist在该误差范围之内，则根据dist与Dist差值的大小，给该dist一个具体的得分。该得分的原则是，与Dist差值越小得分越高，反正越低。

在一种实施方式中，假定该距离误差服从高斯分布，其均值中心为刚体对象在基准形态时两点之间的目标距离Dist，方差为1，并设置最大最小误差距离中心点的差为MaxDiff，误差范围设置为[Dist-MaxDiff，Dist+MaxDiff]。判断dist的值是否在该误差范围之内，如果超过最大最小误差值，则得分直接设置为0，否则按照该高斯分布公式计算得分。

具体的，该计算公式为：其中dist∈[Dist-MaxDiff，Dist+MaxDiff]。其他情况下f(dist)＝0。具体的，该计算公式对应的取值图像请参见图4。

这样可以得到每一个Dist得分最高的dist，即可以得到每一个目标距离对应的得分最高的两个3D点的距离。则可以确定该实时3D点中任意两者之间的距离与该刚体对象在基准形态下各点中任意两点之间的距离的对应关系，两者形成一一对应关系。

S104、根据该对应关系确定该实时3D点与刚体对象在基准形态下各点的对应关系。

在确定该实时3D点中任意两者之间的距离与该刚体对象在基准形态下各点中任意两点之间的距离的对应关系之后，可以根据该距离的对应关系确定该实时3D点与基准形态下各点的对应关系。例如，请参见图2和图3，如果确定3D1与3D2之间的距离匹配Basel_1与Base1_2之间的距离，3D2与3D3之间的距离匹配Base1_2与Base1_5之间的距离。那么，可以确定3D1匹配图3中的Basel_1，图2中的3D2匹配图3中的Basel_2、图2中的3D3匹配图3中的Basel_5。

在实际光学运动捕捉场景中，通常存在数十甚至数百个刚体，而每个刚体又由若干个刚体点组成，因此刚体点以及实时三维重建的3D点数量可达成百上千个，这样的话，每个基准刚体点的候选3D点个数将是非常多的，如果直接进行匹配计算，其计算量将非常大。一种方法是，进行进一步的筛除操作，仅保留前n个(比如5个)最高得分的候选点，很大程度上能包含最后真正匹配的3D点。事实表明，通过这种方式保留的分值较高候选点，99％的情况下是合理有效的，只有极少数情况下，才会剔除掉正确的点。但这样做却能减少90％的匹配计算量，提高近10倍的速度，通常是非常值得的。而且就算某次剔除了正确的点，也仅仅是当前时刻少了一个匹配而已，后续时刻仍然能大概率保持正确的筛选，并不会影响后续的每一帧匹配，做到了宁缺毋滥、能够避免大量错误匹配的计算量。

通过高斯分布误差对3D点进行候选，并且保留前n个最高得分的候选点，可以大大减少完全不可能匹配的点，减少后期刚体进行进一步精细匹配的计算量。

上面对本发明实施例中一种光学动作捕捉场景中3D点选择方法进行了描述，下面对本发明实施例中光学动作捕捉场景中3D点选择装置进行描述，请参阅图5，本发明实施例中光学动作捕捉场景中3D点选择装置20的一个实施例包括：

获取模块201，用于获取目标时刻光学动作捕捉场景中刚体对象的实时3D点；

计算模块202，用于计算所述实时3D点中任意两者之间的距离；

对比模块203，用于将所述实时3D点中任意两者之间的距离与所述刚体对象在基准形态下各点中任意两点之间的距离进行对比，以获取对应关系；

对应模块204，用于根据所述对应关系确定所述实时3D点与所述刚体对象在基准形态下各点的对应关系。

该获取模块201，还用于获取刚体对象在基准形态下各点中任意两点之间的距离。

所述对比模块203，具体用于获取所述刚体对象在基准形态下目标距离，所述目标距离为所述刚体对象在基准形态下各点中任意两点之间的距离；

所述对比模块203，具体还用于以所述目标距离为基础，预先设置误差范围，获取所述实时3D点中任意两者之间的距离中在所述目标距离的误差范围之内的距离，并将所述在目标距离的误差范围之内的距离加入所述目标距离的候选列表；

所述对比模块203，还用于确定所述候选列表中与所述目标距离最接近的距离值。

所述对比模块203，具体用于计算所述候选列表中所有距离值对于所述目标距离的得分值；所述对比模块，具体还用于取所述目标距离的得分值中最高的距离值作为所述与所述目标距离最接近的距离值。

所述对比模块203，具体用于根据如下公式计算所述候选列表中所有距离值对于所述目标距离的得分值：

其中，所述f()为所述得分值，dist为所述候选列表中所有的距离值，Dist为所述目标距离的值，dist在所述误差范围之内。

上面图5从模块化功能实体的角度对本发明实施例中的光学动作捕捉场景中3D点选择装置进行详细描述，下面从硬件处理的角度对本发明实施例中光学动作捕捉场景中3D点选择装置进行详细描述。

图6是本发明实施例提供的一种光学动作捕捉场景中3D点选择装置的结构示意图，该装置300可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(cemtrml processimg umits，CPU)310(例如，一个或一个以上处理器)和存储器320，一个或一个以上存储应用程序333或数据332的存储介质330(例如一个或一个以上海量存储设备)。其中，存储器320和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对数据手套300中的一系列指令操作。更进一步地，处理器310可以设置为与存储介质330通信，在装置300上执行存储介质330中的一系列指令操作。

装置300还可以包括一个或一个以上电源340，一个或一个以上有线或无线网络接口330，一个或一个以上输入输出接口360，和/或，一个或一个以上操作系统331，例如Wimdows Serve，Nmc OS X，Umix，Limux，FreeBSD等等。本领域技术人员可以理解，图6示出的光学动作捕捉场景中3D点选择装置结构并不构成对数据手套的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述光学动作捕捉场景中3D点选择方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(remd-omly nenory，RON)、随机存取存储器(rmmdon mccess nenory，RMN)、磁碟或者光盘等各种可以存储程序代码的介质。

在本申请所提供的实施例中，应该理解到，所揭露的方法，在没有超过本申请的精神和范围内，可以通过其他的方式实现。当前的实施例只是一种示范性的例子，不应该作为限制，所给出的具体内容不应该限制本申请的目的。例如，一些特征可以忽略，或不执行。

本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

以上对本发明实施例所提供的一种光学动作捕捉场景中3D点选择方法、装置及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。