近年来,人体测量技术逐渐摆脱传统的手工测量方法的束缚,逐步与计算机技术相结合,形成了三维人体测量技术。三维人体测量技术拥有测量快速,精准,适合大量人体数据获取,适合商业场景应用等特点,在服装个性化定制,虚拟试衣,人体工学研究中均能提供有效的实用数据。现有的三维人体测量技术中,常使用的测量技术有激光测量,结构光扫描,莫尔条纹测量方法等,这些测量方法使用的仪器复杂、便携性差且价格昂贵,无法适应日常需求。本文研究旨在提出一个高效、低成本且适用于个人使用的人体测量方案,抛弃了繁琐的人体模型的三维重建工作,使用多方向点云数据的拼合,即可提取感兴趣的人体围长数据。本文的主要研究内容有:(1)基于腐蚀算法的三维点云优化。由于Kinect在捕获物体边缘时点云数据精度下降,本文需要将捕获的点云数据进行边缘去除,而现有的算法中并没有针对三维点云的腐蚀算法。因此,本文提出一种基于二维图像腐蚀算法的三维点云腐蚀方案,将点云二维轮廓的腐蚀方式映射至三维点云,完成三维点云的边缘去除,从而优化三维点云。(2)基于网格筛选的点云边缘提取方法。点云边缘是本文进行人体点云拼合的重要依据,而传统的点云边缘点提取方法在面对数量庞大的点云数据时效率下降很快,无法保证本文方案的效率,因此本文对原有边缘提取方案进行了改进,提出了一种基于网格筛选的快速点云模型边缘获取方法。(3)基于点云二维轮廓与骨骼点数据辅助的人体点云分割技术。由于测量对象的微小肢体转动均会对人体点云拼合工作造成影响,因此需要将人体点云进行分割,再对不同部分进行拼合。传统的人体模型分割方案通常仅利用人体的轮廓特征进行分割,本文除了利用人体点云轮廓特征之外,充分利用骨骼点数据将人体切分为多个部分,切分后的各片点云排除了互相干扰,并且完整保留了各部分的三维形态。(4)基于点云二维轮廓与骨骼点数据辅助的人体点云拼合技术。为获取完整的人体围长数据,需要对人体的多片点云进行拼合,传统的点云配准算法涉及大量迭代,导致耗时过长。本文针对人体测量的特性,抛弃了普适性的配准算法,使用人体轮廓的特征以及骨骼点位置特征作为拼合关键点进行拼合,使得拼合过程仅需数秒即可完成。(5)分段式的多项式曲线拟合技术。由于离散点缺乏对人体围长轮廓线的描述,因此需要进行曲线拟合,传统的曲线拟合方案中,往往使用单一方程曲线对围长数据进行拟合,无法应对女性胸围曲线等曲线形状较为复杂的情况。因此本文提出一种先将围长数据拆分为上下两组,再分别进行多项式拟合的曲线拟合技术。多项式可以表达任意形状的函数曲线,因此很好的应对了形状复杂轮廓的曲线拟合问题。最终,本文对不同的测量对象进行测量验证,证实了本文人体测量方案可行有效,且准确率较高。