使用Azure Kinect Body骨骼构造SMPL三维人体模型

1.SMPL模型简介

SMPL是通过参数控制的人体模型，可控制的参数为Pose和Shape。总共有24个关节点和10个Shape控制参数，模型及关节索引如下图。

1.1.Pose——旋转向量控制关节点旋转

每个关节通过一个旋转向量控制，如下图为手动控制关节点4绕Z轴旋转90度、关节点19绕Y轴旋转90度的结果。

旋转关节点是在关节点的坐标系下操作的旋转，部位会随着父节点旋转而联动位移旋转。例如上述再绕Z轴旋转-90度，结果如下图。

1.2.Shape——10个Shape参数控制体型

Shape参数是通过PCA提取的10个参数。通过Shape可以控制体型，如下为控制第一个参数为-10和10的结果。通过10个参数控制可以逼近真实人体体型，影响高低、胖瘦、关节长短等。


SMPL的骨骼如下图所示

2.Azure Kinect Body

Azure Kinect通过深度图可以检测出稳定的人体关节，关节点及其索引如下图所示。

同样可以获得关节点的旋转，但是每个关节的坐标系独立且方向不全一致，每个关节点的坐标系如下图。

通过Azure Kinect实际采集的骨架绘制结果如下：

3.人体骨骼拟合

3.1.初步对齐

由于SMPL与Azure Kinect坐标系不一致，首先需要将SMPL与Kinect Body移动旋转到同一个位置。未对齐的示意图如下：

根据上述两节的关节对应关系，形成对应的参考点对齐Map。首先将SMPL Joint0与Kinect Body Joint0移动到一起，然后构造 SMPL Joint0->Joint3 向量 $Vs$ 和 Kinect Body Joint0->Joint1 向量 $Vk$。之后构造 $Vs$ 旋转到 $Vk$ 的旋转向量。操作SMPL模型进行旋转平移，即完成初步对齐，示意图如下：

3.2.调节参数进行骨骼对齐

设计能量函数为：
$$E(\beta ,\theta )=\sum _{i=1}^{24}(R_{\theta }(J(\beta {)}_i)-J_{kinect,i})$$
即，让SMPL的关节点与Kinect Body的对应关节点距离最小。最终优化的结果如下图所示：

此时Azure Kinect Body与SMPL的三维人体模型初步对齐。效果并不是特别好，因为Azure Kinect Body与SMPL的关节点不是完全一致的。需要对Azure Kinect Body骨骼进行变形，形成Azure Kinect Body到SMPL骨骼的近似转化关系。从而更加准确的进行人体建模。骨骼变形结果如下：
（蓝色为Azure Kinect Body采集原始骨骼，绿色SMPL骨骼，红色为Azure Kinect Body变形到SMPL之后的骨骼）

此时进行迭代优化，即可得到较好结果。如下图为拟合结果与采集点云的融合：

如上完成了使用Azure Kinect Body构造SMPL模型的过程，后续可以增加与点云的迭代优化本文中不再赘述。