基于视觉外壳切片与Slices-Net的轻量化三维足部测量方法

为解决高成本、低效率的传统三维足部建模技术难题，研究人员提出了一种结合视觉外壳(visual hull)与深度学习网络Slices-Net的轻量化重建方法。通过多视角相机采集足部轮廓，利用视觉外壳生成粗切片，再经Slices-Net优化为精细三维模型，最终实现1.5 mm精度的高鲁棒性被动测量，为定制矫形器具与医疗诊断提供低成本解决方案。

　　

足部三维建模技术在定制矫形鞋垫、医疗诊断和电子商务等领域具有重要应用价值，但现有方法面临成本、精度和效率的多重挑战。工业级三维扫描仪精度虽高但价格昂贵，消费级设备需多次扫描且精度不足；传统摄影测量法依赖足部纹理特征，处理耗时且对裸足重建效果不佳；深度学习法虽高效却存在尺寸失真问题。如何平衡精度、成本与操作便捷性，成为该领域亟待突破的瓶颈。

针对这一难题，深圳信息职业技术学院等机构的研究人员创新性地提出融合视觉外壳与深度学习的三维足部重建方法。该方法仅需6台普通相机一次性采集足部轮廓，通过视觉外壳生成初始粗模型后，利用自主研发的Slices-Net神经网络将Z轴切片图像优化为高精度三维模型。相关成果发表于《Optics and Lasers in Engineering》，为低成本足部测量提供了新范式。

研究采用三大关键技术：1) 基于张正友标定法的多相机系统校准，建立空间坐标转换模型X_i^c=R_iX+T_i；2) 视觉外壳技术将多视角二维轮廓反投影为三维粗模型；3) 以Darknet-53为骨干网络的Slices-Net，通过残差模块(ResNet)实现切片图像的稠密化重建。实验使用真实足部扫描数据训练验证。

Camera calibration
通过张正友法标定固定相机阵列，建立世界坐标系与相机坐标系的刚性变换关系，为后续三维重建提供精确的空间参数基础。

Methodology of the 3D foot reconstruction
研究提出两阶段流程：初始化阶段通过视觉外壳生成含空洞的粗模型并沿Z轴切片；优化阶段由Slices-Net处理切片图像，其网络结构包含特征提取、多尺度融合和残差连接模块，最终输出高精度三维点云。

Experiments and results
测试表明Slices-Net重建误差仅1.5 mm，显著优于传统方法。消融实验证实Darknet-53骨干网络与残差模块对训练稳定性的提升作用，且系统对拍摄视角变化具有强鲁棒性。

Conclusions and discussion
该方法突破传统三维扫描设备的硬件限制，仅需普通相机即可实现医疗级精度测量。视觉外壳与深度学习的结合，既保留几何真实性又提升细节还原能力。未来可通过扩大训练数据进一步提升网络泛化性能。

该研究的意义在于：1) 为足部矫形、医疗诊断等领域提供低成本三维测量方案；2) 提出的Slices-Net框架为其他生物力学特征重建提供参考；3) 硬件系统的轻量化设计推动三维技术在临床环境中的普及应用。