三维人脸数据对比二维图像，因其包含皮肤纹理、形状与空间信息，能够更有效地处理光照、遮挡、表情和姿态等变化，具有更高的鲁棒性及精度，因此三维人脸重建技术在虚拟现实、增强现实及医疗美容等领域的应用前景广阔。本项目旨在开展基于双目相机技术的人体面部三维重建研究，围绕双目相机高精度标定、立体匹配、人脸点云重建、人脸点云拼接及深度学习优化进行技术攻关，最终实现一套集成化的三维重建方法体系。通过该体系的开发与优化，提升面部重建精度与效率，为人脸识别、虚拟现实、医疗美容等领域提供技术支持。

1.     完成设备采购和双目相机拍摄平台的搭建；

2.     实现双目相机高精度标定算法设计并进行相机标定，使其重投影误差小于0.1，得到精确的相机内外参矩阵；

3.     研究基于传统方法的立体匹配与点云重建技术，针对双目相机人脸重建场景进行针对化改进，生成高密度、高精度的局部点云数据；

4.     研究基于深度学习的人脸三维重建技术，参考最新的顶会论文，使用WSL本地部署所需要的开源项目，生成高密度、高精度的局部点云数据；

5.     实现人脸点云拼接算法设计并进行相关测试，使其能在较短时间内实现良好的人脸点云拼接效果。

1.     相机标定：实现双目相机的高精度标定算法设计和测试，重投影误差达到0.05，同时完成拍摄图片校正；

2.     深度学习方法实现人脸三维重建：首先使用SegFace人脸语义分割模型精确提取人脸区域，再使用高精度标定参数进行立体校正，然后使用FoundationStereo立体匹配模型生成视差图，最终转为高精度密集点云，并通过点云滤波和重采样算法优化点云质量。

3.     传统三维重建技术改进：改进了多视角重建系统ACMMP，使其适用于双目相机人脸重建场景，并通过算法优化减少背景杂点并提升点云完整性；

4.     点云后处理优化：开发点云后处理算法，后期通过滤波、点云重建、点云平滑化处理等手段进一步提高点云的完整性和平滑性；

5.     点云拼接：实现基于人脸图像特征点提取和PNP算法的人脸点云粗拼接算法设计；实现基于ICP算法的人脸点云精拼接算法设计；最终完成相关的人脸点云拼接效果测试。