一种人体肢体围度测量方法、装置、智能终端及存储介质

技术领域

本发明涉及人体测量技术领域，尤其涉及的是一种人体肢体围度测量方法、装置、智能终端及存储介质。

背景技术

三维人体尺寸测量根据测量方式的不同，可分为接触式测量和非接触式测量两种。随着三维激光扫描技术的发展，非接触式人体体型参数测量得到越来越广泛的应用。

目前，大部分围度测量方法都是在待测肢体竖直向下时进行水平围长测量，而实际测量过程中，非接触式扫描获取的人体三维模型各个肢体的朝向可能是任意的。现有技术中，通常通过点云主轴分析结合平面投影的方法测量人体肢体围度。但这种方法需要考虑各个肢体的朝向，使得计算过程复杂，且需要先较为准确地分割出待测肢体点云，而平面投影虽然能保证在一个平面内算围度，但被投影的点并不一定来自于同一个平面，这样就会引入投影误差，从而影响围度测量的准确性。

发明内容

本发明的主要目的在于提供一种人体肢体围度测量方法、装置、智能终端及存储介质，旨在解决现有技术中测量人体肢体围度时需要考虑各个肢体的朝向，计算过程复杂，且存在投影误差，影响围度测量的准确性的问题。

为了实现上述目的，本发明第一方面提供一种人体肢体围度测量方法，其中，上述方法包括：

构建人体表面网格化模型；

基于上述人体表面网格化模型获取待测肢体对应的测量点；

获取上述测量点对应的测量平面方程；

基于上述测量平面方程和上述人体表面网格化模型获取上述测量点对应的最小围长，作为上述待测肢体的围度。

可选地，上述构建人体表面网格化模型，包括：

获取目标对象的人体点云数据；

基于上述人体点云数据构建上述目标对象的人体表面网格化模型。

可选地，上述基于上述人体表面网格化模型获取待测肢体对应的测量点，包括：

获取目标对象的待测肢体；

获取上述人体表面网格化模型中与上述待测肢体对应的一个点，作为上述待测肢体对应的测量点。

可选地，上述获取上述测量点对应的测量平面方程，包括：

基于上述测量点对应的邻域曲面构建测量平面；

基于上述测量平面计算获取上述测量点对应的法线；

基于上述测量点对应的法线获取上述测量点对应的测量平面方程。

可选地，上述基于上述测量平面方程和上述人体表面网格化模型获取上述测量点对应的最小围长，作为上述待测肢体的围度，包括：

基于上述测量平面方程和上述人体表面网格化模型获取上述测量点对应的围长方程；

计算获取上述围长方程的最小值，作为上述待测肢体的围度。

可选地，上述基于上述测量平面方程和上述人体表面网格化模型获取上述测量点对应的围长方程，包括：

获取上述测量平面方程对应的测量平面与上述人体表面网格化模型的交点；

基于所有上述交点进行聚类，获取与上述测量点最近的目标聚类簇；

对上述目标聚类簇中的所有交点进行排序，并基于排序后的上述交点获取上述测量点对应的围长方程。

可选地，上述方法还包括：采用启发式搜索方法获取最小围长，所述启发式搜索方法包括：

限定所述测量点的搜索空间范围，其中，上述搜索空间范围由所述测量点的各测量平面与上述人体表面网格化模型相交构成；

利用上述各测量平面的法向量及由粗到细的迭代搜索方法在上述搜索空间范围内搜索最小围长。

本发明第二方面提供一种人体肢体围度测量装置，其中，上述装置包括：

扫描模块，用于扫描人体并获取人体点云数据；

模型构建模块，用于基于上述人体点云数据构建人体表面网格化模型；

测量点获取模块，用于基于上述人体表面网格化模型获取待测肢体对应的测量点；

测量平面方程获取模块，用于获取上述测量点对应的测量平面方程；

围度获取模块，用于基于上述测量平面方程和上述人体表面网格化模型获取上述测量点对应的最小围长，作为上述待测肢体的围度。

本发明第三方面提供一种智能终端，上述智能终端包括扫描设备、存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的人体肢体围度测量程序，上述人体肢体围度测量程序被上述处理器执行时利用上述扫描设备扫描人体并获取的人体点云数据实现任意一项上述人体肢体围度测量方法的步骤。

本发明第四方面提供一种计算机可读存储介质，上述计算机可读存储介质上存储有人体肢体围度测量程序，上述人体肢体围度测量程序被处理器执行时实现任意一项上述人体肢体围度测量方法的步骤。

由上可见，本发明方案中，构建人体表面网格化模型；基于上述人体表面网格化模型获取待测肢体对应的测量点；获取上述测量点对应的测量平面方程；基于上述测量平面方程和上述人体表面网格化模型获取上述测量点对应的最小围长，作为上述待测肢体的围度。与现有技术中通过点云主轴分析结合平面投影的方法测量人体肢体围度的方法相比，本发明方案获取测量点对应的测量平面方程后，根据测量平面方程和人体表面网格化模型获取测量点对应的最小围长，并将最小围长直接作为待测肢体的围度，无需考虑肢体朝向，有利于使得计算过程更简单，且不需要进行平面投影，可避免投影误差，有利于提高围度测量的准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例提供的一种人体肢体围度测量方法的流程示意图；

图2是本发明实施图1中步骤S100的具体流程示意图；

图3是本发明实施图1中步骤S200的具体流程示意图；

图4是本发明实施图1中步骤S300的具体流程示意图；

图5是本发明实施图1中步骤S400的具体流程示意图；

图6是本发明实施图5中步骤S401的具体流程示意图；

图7是本发明实施例提供的一种启发式搜索方法的具体流程示意图；

图8是本发明实施例提供的一种搜索空间的范围示意图；

图9是本发明实施例提供的一种人体肢体围度测量装置的结构示意图；

图10是本发明实施例提供的一种智能终端的内部结构原理框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。

下面结合本发明实施例的附图，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的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

为了解决现有技术中存在的问题，本实施例中，提出一种人体肢体围度测量方法、装置、智能终端及存储介质，用于使得肢体围度测量过程更简单方便，并提高围度测量的准确性。

如图1所示，本发明实施例提供一种人体肢体围度测量方法，具体的，上述方法包括如下步骤：

步骤S100，构建人体表面网格化模型。

其中，上述人体表面网格化模型是需要进行肢体围度测量的用户对应的人体表面网格化模型。具体地，本方法用于非接触式测量的场景中，可以利用深度相机或者3D扫描仪对用户进行扫描生成对应的人体点云数据，进一步利用人体点云数据构建人体表面网格化模型，从而通过用户对应的人体表面网格化模型测量用户的肢体围度。

步骤S200，基于上述人体表面网格化模型获取待测肢体对应的测量点。

其中，上述待测肢体是用户需要进行围度测量的肢体，例如，用户的手腕、小腿、脖子等肢体。上述测量点是用户的待测肢体上的一点，本实施例中，过测量点对用户的待测肢体进行围度测量，即最后测得的围长是过该测量点的围长。具体的，可以由用户指定或选取上述测量点。

步骤S300，获取上述测量点对应的测量平面方程。

其中，上述测量平面方程是过上述测量点的各个朝向的测量平面对应的方程。本实施例中，因为测量平面的大小只需要满足能够大于待测肢体在对应位置的横截面积即可，所以可以将经过测量点的各个平面对应的朝向角度作为变量，从而获得一个基于朝向角度的测量平面方程，该测量平面方程可以作为所有测量平面对应的通式，当对应的朝向角度取不同的值时，测量平面方程与不同角度(或方向)的测量平面对应。如此，以一个测量平面方程通式表示各个角度(或方向)的测量平面，只需要将对应变量(朝向角度)进行不同取值的调整即可计算各个测量平面对应的测量围长，有利于降低计算复杂度，提高测量效率。

步骤S400，基于上述测量平面方程和上述人体表面网格化模型获取上述测量点对应的最小围长，作为上述待测肢体的围度。

本实施例中，基于上述测量平面方程与上述人体表面网格化模型，获取各个角度的测量平面中，与人体表面网格化模型相交的获得的围长的最小值(即最小围长)，作为过测量点的围度，即待测肢体对应的围度。其中，上述待测肢体的围度即需要测量获取的用户对应的肢体的周径。例如，在对用户的手腕围度进行测量时，将各个角度的测量平面中，与手腕处人体表面网格化模型相交获得的圆(或椭圆)的最小周长作为手腕的围度，从而简单快速地获得对应的待测肢体的围度，且不需进行平面投影，不会带来投影误差，有利于提高测量结果的准确性。

由上可见，本发明实施例提供的人体肢体围度测量方法中，构建人体表面网格化模型；基于上述人体表面网格化模型获取待测肢体对应的测量点；获取上述测量点对应的测量平面方程；基于上述测量平面方程和上述人体表面网格化模型获取上述测量点对应的最小围长，作为上述待测肢体的围度。与现有技术中通过点云主轴分析结合平面投影的方法测量人体肢体围度的方法相比，本发明方案获取测量点对应的测量平面方程后，根据测量平面方程和人体表面网格化模型获取测量点对应的最小围长，并将最小围长直接作为待测肢体的围度，无需考虑肢体朝向，有利于使得计算过程更简单，且不需要进行平面投影，可避免投影误差，有利于提高围度测量的准确性。

需要说明的是，本实施例公开的人体肢体围度测量方法中采用了一个近似策略：将过任一点的最小围长作为过该点的围度。在被测位置附近曲率不大的情况下，该近似策略造成的围度误差是非常小的。而人体肢体表面的曲率是很小的，因此使得该近似策略的误差很小(比平面投影误差的影响更小)，因此采用本实施例的方法不仅可以使得测量计算过程更简便，还有利于提升测量结果的准确性。基于本方法测量围度时，并不需要知道测量点来自于身体的哪个部分，无需进行肢体点云分割，且无需考虑或调整肢体的朝向，可以使得测量过程更简便。进一步地，本申请中计算过任一点最小围长并作为对应的测量围度的方法还可以用于其它不限于人体肢体的测量过程中，例如动物肢体或物品围度测量，本申请中，以对人体肢体进行测量为例进行说明，但在此不做具体限定。

在一个实施例中，上述步骤S100更具体地包括如图2所示的步骤：

步骤S101，获取目标对象的人体点云数据。

步骤S102，基于上述人体点云数据构建上述目标对象的人体表面网格化模型。

其中，上述目标对象是需要进行肢体围度测量的用户，目标对象的人体点云数据可以通过点云测量等方式获得，在此不作具体限定。上述人体表面网关化模型是基于目标对象的人体点云数据构建的网格化模型。具体地，通过测量获取用户的人体点云数据并构建对应的人体表面网格化模型，可以实现对用户进行非接触式三维人体尺寸测量。

本实施例中，上述步骤S200更具体地包括如图3所示的步骤：

步骤S201，获取目标对象的待测肢体。

步骤S202，获取上述人体表面网格化模型中与上述待测肢体对应的一个点，作为上述待测肢体对应的测量点。

具体地，上述目标对象的待测肢体是需要进行围度测量的肢体，可以由测量人员输入、在人体表面网格化模型上选择或指定。例如，测量人员可以在人体表面网格化模型上圈选一部分作为待测肢体。进一步地，上述待测肢体对应的测量点是人体表面网格化模型中与待测肢体对应区域的一个网格顶点。例如，需要对手腕进行肢体围度测量时，可以选取人体表面网格化模型中手腕区域对应的一个表面网格顶点作为测量点。测量点可以是随机选择的，也可以是由测量人员指定的，在此不作具体限定。

需要说明的是，本实施例中，基于一个测量点进行肢体围度测量，实际使用过程中，还可以同时获取不同待测肢体对应的不同测量点，同时基于各个测量点对各个不同待测肢体进行测量，以更快地获取多个肢体围度。具体方式可以参照本实施例中的测量方式。

本实施例中，建立对应的坐标系，以方便建立对应的测量平面方程和围长方程。需要说明的是，具体的坐标系建立方式对围度测量的结果没有影响，可以根据实际需求建立对应的坐标系。本实施例中，采用y轴向上的右手坐标系为例进行说明，但不作为具体限定。

在一个实施例中，上述步骤S300更具体地包括如图4所示的步骤：

步骤S301，基于上述测量点及其对应的邻域曲面构建测量平面。

步骤S302，基于上述测量平面计算获取上述测量点对应的法线。

步骤S303，基于上述测量点对应的法线获取上述测量点对应的测量平面方程。

其中，上述邻域曲面是测量点的邻域内的点构成的曲面。本实施例中，计算上述邻域曲面的法线，并作为上述测量点对应的法线，使得测量点更好地符合待测肢体(或待测部位)表面的整体情况，且方便进一步根据测量点的法线获取不同角度对应的测量平面对应的测量平面方程的通式。

具体地，本实施例中，由人体点云计算得到表面三角网格化模型，在网格化模型中确定测量点P，点P是围度测量中的必经点。获取邻域范围，并用点P附近一定范围(即邻域范围，记为R

在一个实施例中，根据以下方法具体计算目标对象(或其待测肢体)对应的曲率。具体地，计算三角网格化的模型中每一个顶点的曲率，优选地，包括主曲率、高斯曲率和平均曲率中的至少一种。在一种应用场景中，为了分析曲率，定义点P与邻域构成的邻域曲面为S，S是由二次可微的函数f定义的，令f：

S＝{(x,y,z)|(x,y)∈U，z∈R，f(x，y)＝z} (1)

其中，x、y、z分别是邻域曲面上的点在上述y轴向上的右手坐标系中的横坐标、纵坐标和竖坐标。对于曲面S上的每一点(x，y，f(x，y))，其沿x和y两个坐标轴方向的一阶导数分别为f

f

f

其中，f

f

f

f

根据上述离散曲面的二阶导数可知，f

基于微分几何，通过如下公式分别计算三维曲面上各点(x，y，f(x，y))处的平均曲率(H)和高斯曲率(K)：

其中，K代表高斯曲率，H代表平均曲率，f

获取上述高斯曲率和平均曲率后，基于上述高斯曲率和平均曲率获取对应的邻域范围，使得点P及其邻域构成的曲面更符合待测部位表面的整体情况。

在一个实施例中，将人体点云数据(或人体表面网格模型的所有顶点)以P点为基准进行旋转，使得法线n与y轴平行，并将法线n从欧式坐标(即是建立在“欧几里德几何”上的坐标系的坐标，即直角坐标系对应的坐标)转化为球坐标n＝(r，θ，φ)，其中θ是法线与y轴正半轴的夹角，φ是法线在水平面的投影与z轴正半轴的夹角。具体地，由于进行围度测量时的搜索过程(即确定最小围长的过程)只与方向有关，与尺度无关，搜索的过程就是查找最优的θ和φ，其变化范围已被点P的法线方向限定了，因此是在一个闭合区间求解最优值。需要说明的是，这里球坐标的半径r对搜索过程来说是不关心的，如果直接用欧式坐标来构建方程，变量是x、y、z，难以在一个闭合区间求解。

进一步地，基于法线n的球坐标获取其对应的测量平面方程。具体地，对于人体表面网格化模型，将网格面表示为F＝{F

其中，

在一个实施例中，上述步骤S400更具体地包括如图5所示的步骤：

步骤S401，基于上述测量平面方程和上述人体表面网格化模型获取上述测量点对应的围长方程。

步骤S402，计算获取上述围长方程的最小值，作为上述待测肢体的围度。

其中，上述测量点对应的围长方程是过测量点P的各个测量平面与人体表面网格化模型相交的点分别构成的圆或椭圆的周长对应的方程。例如，仅考虑一个测量平面时，该测量平面与人体表面网格化模型相交获得的交点对应的周长即为对应的围长，但对于不同的方向，存在多个不同的过点P的测量平面，因而可以将过点P的平面与人体表面网格化模型相交构成的围长表示为θ、φ的二元变量G(θ,φ)，这样求最小围长的问题可以转换为在θ和φ的可行域内求G(θ,φ)的最小值。

在一个实施例中，上述步骤S401更具体地包括如图6所示的步骤：

步骤S4011，获取上述测量平面方程对应的测量平面与上述人体表面网格化模型的交点。

步骤S4012，基于所有上述交点进行聚类，获取与上述测量点最近的目标聚类簇。

步骤S4013，对上述目标聚类簇中的所有交点进行排序，并基于排序后的上述交点获取上述测量点对应的围长方程。

具体地，求网格面F和测量平面

其中，

聚类后，找出与测量点P距离最近的聚类簇(即点集)作为目标聚类簇，并按照依次相接的顺序排好序：

其中，Q(θ,φ)是目标聚类簇，

即最小围长是目标聚类簇中各个交点按连接顺序的距离之和。但由于人体表面网格化模型并没有简单的解析式，无法简单地通过求导等解析方法求得精确解，因此，在另一实施例中，步骤S400还可采用启发式搜索方法来获取最小围长，其中，启发式搜索方法更具体包括如图7所示的步骤：

步骤S501，限定测量点的搜索空间范围，其中，上述搜索空间范围由所述测量点的各测量平面与上述人体表面网格化模型相交构成。具体地，本实施例中，限定过点P的最小围长搜索空间的范围，图8是本发明实施例提供的一种搜索空间的范围示意图，如图8所示，灰色阴影区是由各个切面(即测量平面)与人体表面网格化模型相交构成的搜索空间，切面法线的θ范围限定在[45°，90°]，φ范围是[0，180°)。需要说明的是，θ最大范围是[0°，180°]，但由于切面是在一个球形范围内移动，具有对称性，实际有效范围是[0°，90°]，本实施例中进一步缩小为[45°，90°]；φ最大范围是[0°，360°)，由于球形搜索的对称性，实际有效范围是[0，180°)；切面法线的θ与φ范围与实际应用场景有关，可根据实际情况进行设计以减小计算量，此处不作限制。

步骤S502，利用上述各测量平面的法向量及由粗到细的迭代搜索方法在上述搜索空间范围内搜索最小围长。

更具体地，在上述θ、φ的取值范围内，采用由粗到细的迭代搜索方法在搜索空间范围搜索最小围长，其中，由粗到细的迭代搜索方法即先按较大的步长进行调整，在达到一定条件后，按较小的步长继续进行调整，以减小计算量且调高测量精度。具体地，对于θ和φ，可以在对应的取值范围内设定若干个离散划分点，将取值范围划分为一些离散化的区间，对于每一个离散区间分别求其围长。

在一个实施例中，以AngStep

需要说明的是，根据(θ，φ)的不同取值，可以对应更新测量平面方程。更具体地，基于表面网格模型，因为平面上下平移了1cm，此时带状区域可能有多个环，而每个环可能来自于不同的身体部位，为了剔除非待测部位的网格化数据，以点P为中心，对带状区域中的多个环进行聚类以形成多个簇，计算每个簇与点P之间的距离，选取距离最近的簇，即获取该簇与对应的测量平面的环。也即先对带状区域进行聚类，然后选取距点P最近的环。

计算(θ，φ)确定的测量平面与环的交点(可将环每一点的球面坐标代入确定的平面方程进行验证，亦可直接获取环的每一点坐标)，然后将这一圈交点按照逆时针方向顺序存储，再依次计算相邻交点的距离并累加即可得到该(θ，φ)下的围长。按照这样的方法求出θ、φ离散取值范围内的所有围长，筛选出最小围长记为G

在获得G

获得G

在一个实施例中，上述人体肢体围度测量方法还包括，输出测量获得的上述待测肢体的围度。具体地，可以通过语音播报、打印输出、文字显示、预先发送到预设的邮箱或终端设备的方式进行输出，还可以有其它输出方式，在此不作具体限定。

如图9中所示，对应于上述人体肢体围度测量方法，本发明实施例还提供一种人体肢体围度测量装置，上述人体肢体围度测量装置包括：

扫描模块510，用于扫描人体并获取人体点云数据。

在一个实施例中，采集模块510可为深度相机或3D扫描仪，分别用于对人体进行图像采集以获取人体的深度信息并进一步生成人体点云数据或对人体进行扫描直接生成人体点云数据。其中，深度相机可为但不限于基于诸如间接飞行时间(indirect time-of-flight，iToF)或直接飞行时间(direct time-of-flight，dToF)等光飞行时间法(time-of-flight，TOF)、基于双目视觉、或基于结构光等的一个或多个相机组成，此处不作限制。

模型获取模块520，用于基于人体点云数据创建人体表面网格化模型。

其中，上述人体表面网格化模型是需要进行肢体围度测量的用户对应的人体表面网格化模型。具体的，本方法用于非接触式测量的场景中，在非接触式测量的场景中，可以对用户进行扫描生成对应的人体表面网格化模型，从而通过用户对应的人体表面网格化模型测量用户的肢体围度。

测量点获取模块530，用于基于上述人体表面网格化模型获取待测肢体对应的测量点。

其中，上述待测肢体是用户需要进行围度测量的肢体，例如，用户的手腕、小腿、脖子等肢体。上述测量点是用户的待测肢体上的一点，本实施例中，过测量点对用户的待测肢体进行围度测量，即最后测得的围长是过该测量点的围长。具体的，可以由用户指定或选取上述测量点。

测量平面方程获取模块540，用于获取上述测量点对应的测量平面方程。

其中，上述测量平面方程是过上述测量点的各个朝向的测量平面对应的方程。本实施例中，因为测量平面的大小只需要满足能够大于待测肢体在对应位置的横截面积即可，所以可以将经过测量点的各个平面对应的朝向角度作为变量，从而获得一个基于朝向角度的测量平面方程，该测量平面方程可以作为所有测量平面对应的通式，当对应的朝向角度取不同的值时，测量平面方程与不同角度(或方向)的测量平面对应。如此，以一个测量平面方程通式表示各个角度(或方向)的测量平面，只需要将对应变量(朝向角度)进行不同取值的调整即可计算各个测量平面对应的测量围长，有利于降低计算复杂度，提高测量效率。

围度获取模块550，用于基于上述测量平面方程和上述人体表面网格化模型获取上述测量点对应的最小围长，作为上述待测肢体的围度。

本实施例中，基于上述测量平面方程与上述人体表面网格化模型，获取各个角度的测量平面中，与人体表面网格化模型相交的获得的围长的最小值(即最小围长)，作为过测量点的围度，即待测肢体对应的围度。其中，上述待测肢体的围度即需要测量获取的用户对应的肢体的周径。例如，在对用户的手腕围度进行测量时，将各个角度的测量平面中，与手腕处人体表面网格化模型相交获得的圆(或椭圆)的最小周长作为手腕的围度，从而简单快速地获得对应的待测肢体的围度，且不需进行平面投影，不会带来投影误差，有利于提高测量结果的准确性。

具体地，本实施例中，上述人体肢体围度测量装置及其各个模块的具体功能还可以参照上述人体肢体围度测量方法中的对应描述，在此不再赘述。

基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图10所示。上述智能终端包括通过扫描设备、系统总线连接的处理器、存储器、网络接口以及显示屏。其中，扫描设备包括深度相机或3D扫描仪，用于扫描人体并生成人体点云数据；该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和人体肢体围度测量程序。该内存储器为非易失性存储介质中的操作系统和人体肢体围度测量程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该人体肢体围度测量程序被处理器执行时利用上述人体点云数据实现上述任意一种人体肢体围度测量方法的步骤。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏。需要说明的是，扫描设备与处理器的连接方式可为无线和/或有线连接，亦可通过云端关联，此处不作限制。

本领域技术人员可以理解，图10中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的人体肢体围度测量程序，上述人体肢体围度测量程序被上述处理器执行时进行以下操作指令：

构建人体表面网格化模型；

基于上述人体表面网格化模型获取待测肢体对应的测量点；

获取上述测量点对应的测量平面方程；

基于上述测量平面方程和上述人体表面网格化模型获取上述测量点对应的最小围长，作为上述待测肢体的围度。

本发明实施例还提供一种计算机可读存储介质，上述计算机可读存储介质上存储有人体肢体围度测量程序，上述人体肢体围度测量程序被处理器执行时实现本发明实施例提供的任意一种人体肢体围度测量方法的步骤。

应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以由另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

上述集成的模块/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存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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，并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。