本發(fā)明總體上涉及眼科光學(xué)領(lǐng)域。

更具體地，本發(fā)明涉及一種用于在沒有夾箍的情況下進(jìn)行測量的系統(tǒng)，并且在這種背景下本發(fā)明提出了一種用于構(gòu)建個人的面部的模型的方法。

本發(fā)明還涉及一種使用所構(gòu)建的模型來分析姿態(tài)的方法和單元。

背景技術(shù)：

在用于對個人的面部進(jìn)行測量(在適配于該面部的眼科眼鏡的生產(chǎn)中的特定用途)的系統(tǒng)中，夾箍通常用作用于確定測量的尺寸的參考系。

確切地，這樣的夾箍具有經(jīng)校準(zhǔn)且不可變形的具體優(yōu)點，從而使其成為特別穩(wěn)健的參考系。

為了便于進(jìn)行測量，仍然希望能夠取消使用夾箍，這將涉及面部自身用作參考系的可能性。

然而，由于以下兩個問題，這種解決方案似乎難以設(shè)想到：一方面，面部顯然因人而異；另一方面，面部不是固定的，而是可以變形的(特別地取決于面部表情)。

技術(shù)實現(xiàn)要素：

在這種背景下，本發(fā)明提出了一種用于構(gòu)建個人的面部的模型的方法，該方法包括：

-定位步驟，該定位步驟包括借助于采集裝置并且在多個采集時刻中的每個時刻對該個人的所述面部的同樣多個特征點進(jìn)行定位，以便形成該個人的所述面部的相應(yīng)多個具體模型，每個模型包括在與所討論的具體模型相關(guān)聯(lián)的時刻該個人的該面部的所述特征點的位置；

-調(diào)整步驟，該調(diào)整步驟包括針對該個人的所述面部的每個具體模型確定相對于該個人的所述面部的參考模型調(diào)整的模型，該經(jīng)調(diào)整的模型是基于所討論的具體模型獲得的，使得在給定度量意義上該經(jīng)調(diào)整的模型與該參考模型之間的距離是最小的；以及

-構(gòu)建步驟，該構(gòu)建步驟包括根據(jù)在該調(diào)整步驟中獲得的這些經(jīng)調(diào)整的模型來構(gòu)建該個人的該面部的模型。

因此獲得該面部的模型，該模型可以用作計量參考系，盡管面部在不同具體模型中可能變形；所構(gòu)建的模型仍然借助于該調(diào)整步驟與各個局部化的具體模型保持一致。

在實踐中，所述參考模型可以是所述具體模型之一。

為了獲得更精確的模型，可以潛在地設(shè)想到以下步驟：

-第一次執(zhí)行這些定位、調(diào)整和構(gòu)建步驟，以便從在該定位步驟中確定的所述具體模型中確定多個第一經(jīng)調(diào)整的模型并且構(gòu)建該個人的所述面部的第一模型；

-使用該個人的該面部的所述第一模型作為參考模型來第二次執(zhí)行該調(diào)整步驟，以便針對每個具體模型確定相對于所述參考模型調(diào)整的第二模型；以及

-基于在該第二調(diào)整步驟中獲得的這些第二經(jīng)調(diào)整的模型，第二次執(zhí)行該構(gòu)建步驟。

該面部的模型、該參考模型、這些具體模型和這些經(jīng)調(diào)整的模型例如是三維模型；這些特征點的位置則也可以是三維的。

根據(jù)一種可能的實施方式，該采集裝置可以包括至少兩個圖像捕捉裝置，每個圖像捕捉裝置適合于在像素敏感表面上捕捉該個人的所述面部的至少一張二維圖像；該定位步驟則可以包括以下步驟：

-圖像采集步驟，該圖像采集步驟包括借助于所述圖像捕捉裝置在所述多個采集時刻中的這些時刻期間采集分別由所述至少兩個圖像捕捉裝置同時捕捉的一連串至少兩張二維圖像；

-分析步驟，針對所述多個特征點中的每個特征點以及針對該多個采集時刻中的每個采集時刻，該分析步驟包括在與所討論的采集時刻相關(guān)聯(lián)的這一連串圖像中標(biāo)識所討論的特征點以便確定所討論的特征點在這些圖像中的對應(yīng)位置、并且基于所述對應(yīng)位置確定所討論的特征點的三維位置。

該構(gòu)建方法可以此外包括在所述圖像采集步驟之前的校準(zhǔn)步驟，該校準(zhǔn)步驟包括校準(zhǔn)所述至少兩個圖像捕捉裝置以便針對所述至少兩個圖像捕捉裝置之一的敏感表面的多個像素中的每個討論的像素確定：

-所述至少兩個圖像捕捉裝置中的另一者的敏感表面的、與所述討論的像素相對應(yīng)的至少一個像素；

-所述討論的像素與所述至少一個相應(yīng)像素之間的對應(yīng)關(guān)系；

所述對應(yīng)關(guān)系允許根據(jù)所述討論的像素和所述至少一個相應(yīng)像素在所述至少兩個圖像捕捉裝置的對應(yīng)敏感表面上的對應(yīng)位置來確定與所述討論的像素相關(guān)聯(lián)的點在空間中的三維位置。

校準(zhǔn)步驟例如是限定所述至少兩個圖像捕捉裝置的對極幾何的步驟，每個圖像捕捉裝置捕捉該個人的面部的二維圖像，所述對極幾何使所述至少兩個圖像捕捉裝置之一的敏感表面的每個討論的像素與所述至少兩個圖像捕捉裝置中的另一者的敏感表面的至少兩個像素的對應(yīng)集合相匹配，所述至少兩個對應(yīng)像素在對極線上，與在這個限定步驟中限定的對極幾何中的所討論的像素相對應(yīng)定位的。

還可以設(shè)想到，在該分析步驟中，該個人的所述面部的、在所討論的這一連串圖像中的所述至少兩張二維圖像中的每一者中的多個特征點中的每個特征點是通過用于識別該個人的所述面部的面部識別方法來定位的。

作為變體，該采集裝置可以是用于捕捉三維表示的裝置；于是借助于這個裝置可以直接獲得。

此外，可以設(shè)想到，在該調(diào)整步驟中，相對于所述(例如三維)具體模型經(jīng)調(diào)整的每個(例如三維)模型是通過對所述(三維)具體模型以連續(xù)迭代方式執(zhí)行平移和旋轉(zhuǎn)運動來獲得的，以便使所述(三維)參考模型與所述三維經(jīng)調(diào)整的模型之間的距離最小化。

例如，在該構(gòu)建步驟中生成的該個人的面部的模型包括多個位置，每個位置是作為給定特征點在多個經(jīng)調(diào)整的模型中的位置的質(zhì)心獲得的。這樣的質(zhì)心可以是等質(zhì)心、或通過用加權(quán)系數(shù)對多個(潛在為三維的)經(jīng)調(diào)整的模型中的所述(例如三維)位置進(jìn)行加權(quán)而計算出的質(zhì)心。

還可以在構(gòu)建步驟之后設(shè)想從該個人的面部的表示以及從該個人的面部的所述構(gòu)建的模型中提取所述個人的至少一個頭部姿態(tài)參數(shù)的步驟；潛在地，因此提取出多個姿態(tài)，每個頭部姿態(tài)與該個人的面部的二維具體圖像相關(guān)聯(lián)。

還可以從該個人的面部的至少一個(例如三維)表示以及從該個人的面部的所述(例如三維)構(gòu)建的模型推導(dǎo)出關(guān)于該個人的姿態(tài)信息或行為信息中的至少一項，該信息是來自以下各項當(dāng)中：全景角、眼睛的轉(zhuǎn)動中心位置(CRO)、眼睛-頭部系數(shù)、頭帽(head cap)或所述姿態(tài)的動態(tài)擺動。

根據(jù)一個可想到的實施例，表示該個人的面部的所述特征點的位置的數(shù)據(jù)與該個人的標(biāo)識符相結(jié)合地存儲在電子存儲裝置中。

此外，可以設(shè)想到，該定位步驟是由處理單元來實施的，并且該調(diào)整步驟和構(gòu)建步驟是由遠(yuǎn)程計算機(jī)來實施的，該遠(yuǎn)程計算機(jī)被設(shè)計為通過互聯(lián)網(wǎng)與該處理單元交換數(shù)據(jù)并且能夠例如接收表示這些特征點的位置的數(shù)據(jù)，以便基于這些數(shù)據(jù)執(zhí)行該調(diào)整步驟和構(gòu)建步驟。

本發(fā)明還提出了一種用于分析面部姿態(tài)的單元，該單元包括用于采集個人的面部的多個表示的裝置、被設(shè)計為使用該采集裝置來實施如以上提出的用于構(gòu)建面部的模型的方法的裝置、以及被設(shè)計為使用該面部的構(gòu)建的模型從所述表示中的至少一個表示中提取表示該面部的姿態(tài)的至少一個參數(shù)的裝置(例如相同的編程裝置)。

本發(fā)明此外提出了一種用于分析面部的姿態(tài)的方法，該方法包括以下步驟：

-采集個人的面部的多個表示；

-通過如以上提出的方法使用所述表示來構(gòu)建該面部的模型；

-使用該面部的所構(gòu)建的模型在所述表示中的至少一者的基礎(chǔ)上提取表示該面部的姿態(tài)的至少一個參數(shù)。

最后，本發(fā)明提出了一種用于分析面部的姿態(tài)的方法，該方法包括以下步驟：

-采集個人的面部的多個表示；

-借助于處理單元來定位所采集的表示中的特征點；

-將表示這些特征點的數(shù)據(jù)從該處理單元傳輸?shù)竭h(yuǎn)程計算機(jī)；

-基于該表示數(shù)據(jù)，經(jīng)由該遠(yuǎn)程計算機(jī)構(gòu)建該個人的該面部的模型；

-使用所構(gòu)建的模型，基于該表示數(shù)據(jù)，經(jīng)由該遠(yuǎn)程計算機(jī)提取至少一個姿態(tài)參數(shù)。

附圖說明

下面通過非限制性實例方式給出的關(guān)于附圖的描述將清楚地闡明本發(fā)明的實質(zhì)及其可以被執(zhí)行的方式。

在附圖中：

-圖1表示用于進(jìn)行測量的系統(tǒng)；

-圖2示出了根據(jù)本發(fā)明的傳授內(nèi)容的示例性方法的主要步驟；

-圖3示意性地展示了在本發(fā)明的背景下經(jīng)處理的模型。

具體實施方式

圖1示出了用于對個人的面部V進(jìn)行測量的系統(tǒng)。具體地，該系統(tǒng)包括n個攝像機(jī)V_i(在圖1所示的實施例中n＝3)和連接到這n個攝像機(jī)V_i中的每一者的處理單元T。

處理單元T例如是基于微處理器架構(gòu)。在這樣的系統(tǒng)中，微處理器執(zhí)行存儲在與該微處理器相關(guān)聯(lián)的存儲器中的程序的多個指令，以便實施如下面介紹的處理方法。

該處理單元此外例如包括屏幕、用戶接口(諸如鍵盤或鼠標(biāo))和諸如硬盤的電子存儲裝置。這些部件連接到該微處理器并且通過微處理器執(zhí)行專用指令來由該微處理器進(jìn)行控制。

對這些視頻攝像機(jī)V_i使用標(biāo)準(zhǔn)并且相對于彼此進(jìn)行校準(zhǔn)，這意味著在個人將定位他的面部的成像平面中，n個攝像機(jī)V_i采集表示相同區(qū)的圖像。

每個攝像機(jī)V_i采集在時刻t₁、…、t_m分別拍攝的一系列二維圖像I_i(t₁)、…、I_i(t_m)。

現(xiàn)在參照圖2示出根據(jù)本發(fā)明的傳授內(nèi)容的示例性方法。

這樣的方法旨在構(gòu)建個人的面部的三維模型，在本實例中是基于由這些攝像機(jī)V_i拍攝的這一系列二維圖像。

如以上所提及的，在本實例中，下面描述的每個步驟是由處理單元T的微處理器基于存儲在與該微處理器相關(guān)聯(lián)的存儲器中的多個指令來實施的；由該微處理器處理的數(shù)據(jù)(諸如由這些攝像機(jī)拍攝的圖像或這些特征點在不同模型中的坐標(biāo))也被存儲在該存儲器或另一存儲裝置(諸如硬盤)中。

在第一步驟E2中，在每張圖像I_i(t_j)中，確定所討論的圖像中所示的面部的多個(p個)特征點。在圖像I_i(t_j)中確定為與面部的p個特征點相對應(yīng)的p個點由Q_i,j(1)、…、Q_i,j(p)表示。然后，該處理單元例如存儲所討論的圖像中的每個特征點的(二維)坐標(biāo)。

這些特征點例如使用面部識別算法來確定，在本實例中該面部識別算法是“主動外觀模型(Active Appearance Model)”算法(關(guān)于這個主題例如參見TF Cootes、G.J.Edwards、C.J.Taylor在IEEE Transactions on Pattern Analysis and Machine Intelligence 23(6)：681，2011中的的文章“Active Appearance Models(主動外觀模型)”)。

隨后執(zhí)行步驟E4，在該步驟中將在給定時刻t_j由n個攝像機(jī)V_i拍攝的每個圖像系列I₁(t_j)、…、I_n(t_j)(即每組n個圖像)的特征點是相關(guān)聯(lián)的，以便針對每個圖像系列獲得該面部的三維模型、即該面部的這些特征點的一組定位，所述定位是由三維坐標(biāo)定義的。

更精確地，針對該面部的每個特征點k以及針對每個圖像系列I₁(t_j)、…、I_n(t_j)(對應(yīng)于在時刻t_j拍攝的圖像)，使用這些圖像中的點Q_1,j(k)、…、Q_n,j(k)的坐標(biāo)以便例如使用對極幾何(并且借助于這些攝像機(jī)V_i的上述校準(zhǔn))評估點P_k(t_j)的三維坐標(biāo)，該面部的特征點k在時刻t_j被定位在該坐標(biāo)處。

應(yīng)注意，由于該個人的面部是可移動和可變形的，所以所獲得的三維模型(由在時刻t_j的點集P_k(t_j)定義)根據(jù)所討論的時刻t_j而變化。

接下來，執(zhí)行步驟E6，在該步驟中相對于參考模型調(diào)整在前一步驟中獲得的每個三維模型。

在此描述的實施例中，與時刻t₁相關(guān)聯(lián)的三維模型在步驟E6的第一次迭代中被用作參考模型。作為變體，在步驟E4中獲得的另一三維模型可以在步驟E6的第一次迭代中被用作參考模型。

針對每個三維模型(與在時刻t_j的圖像捕捉相關(guān)聯(lián))，在本實例中通過所討論的三維模型的點云在空間中的平移和旋轉(zhuǎn)運動使所討論的三維模型的點云與所述三維模型的點云之間的歐幾里德距離(Euclidean distance)最小化來執(zhí)行該調(diào)整步驟。

因此，如果該參考模型的點用R₁、…、R_p表示(針對如已經(jīng)提到的第一次迭代，使用與時刻t₁相關(guān)聯(lián)的模型，即R_k＝P_k(t₁)，其中k的范圍從1到p)，因此尋求變換F(由平移和旋轉(zhuǎn)運動組成)，以使得該參考模型的點云R_k與在變換之后的所討論的模型的點云之間的歐幾里德距離最小化，即，使得以下項最小化：

其中d是兩點之間的(歐幾里德)距離。

經(jīng)調(diào)整(即在調(diào)整之后)模型的這些點將用P’_k(t_j)表示：

P’_k(t_j)＝F(P_k(t_j))。

經(jīng)調(diào)整的模型(或等效地，變換F)的這些點例如通過迭代最近點(ICP)算法來確定(關(guān)于該主題，例如參見F.Pomerleau、F.Colas、R.Siegwart和S.Magnenat在Autonomous Robots 34(3)中的文章“Comparing ICP Variants on Real-World Data Sets(比較現(xiàn)實世界數(shù)據(jù)集的ICP變異)，第133-148頁，2013年4月”)。

然后，基于這些經(jīng)調(diào)整的模型執(zhí)行構(gòu)建由點集S_k形成的統(tǒng)計模型的步驟E8，每個經(jīng)調(diào)整的模型是由點P’_k(t_j)形成的。更精確地，基于該面部的給定特征點k在不同圖像捕捉時刻t₁、…、t_m所位于的點P’_k(t₁)、…、P’_k(t_m)來構(gòu)建該統(tǒng)計模型的每個點S_k。

對于該面部的每個特征點k，該統(tǒng)計模型的點S_k例如被定義為這些不同的經(jīng)調(diào)整的模型中的對應(yīng)點P’_k(t₁)、…、P’_k(t_m)的等質(zhì)心。

根據(jù)一個可能的實施例，可以拒絕異常點：為了定義S_k，重新確定這些點P’_k(t_j)的等質(zhì)心，但不考慮距離第一經(jīng)計算的等質(zhì)心(基于m個點P’_k(t_j)計算出的等質(zhì)心)太遠(yuǎn)的點，例如被定位成距第一經(jīng)計算等的質(zhì)心的距離超過閾值的那些點。在本實例中，提出了使用平均值加上兩個標(biāo)準(zhǔn)偏差作為在第一經(jīng)計算的等質(zhì)心處的這些不同點的距離的分布中的閾值。

作為變體，該統(tǒng)計模型的點S_k可以被構(gòu)建為由系數(shù)加權(quán)的點P’_k(t₁)、…、P’_k(t_m)的質(zhì)心，該系數(shù)例如涉及：

-調(diào)整后的點的殘余誤差(即，在調(diào)整之后所討論的點P’_k(t_j)與相關(guān)聯(lián)的參考點R_k之間的歐幾里得距離)；

-在步驟E2中識別面部的這些特征點的過程中確定的誤差系數(shù)(某些點的識別可能或多或少是根據(jù)面部的位置確定的)。

而且，在本實例中，提出了在該統(tǒng)計模型中僅使用不確定性低的點S_k。由按照以上指示所確定的點S_k與這些經(jīng)調(diào)整的模型中的不同相應(yīng)點P’_k(t_j)之間的距離形成的分布的平均值和兩倍的標(biāo)準(zhǔn)偏差的總和例如被用作不確定性的測量值(對于k的每個值)。

只有其不確定性測量值低于預(yù)定閾值的點S_k被保留在所述處理的其余部分中。如果該條件不允許保留三個點，則保留具有最小不確定性測量值的三個點。

這允許選擇經(jīng)處理的面部的最穩(wěn)定和最具特征的點，并且因此提高模型的穩(wěn)健性，從而允許該模型提供穩(wěn)定且精確的計量參考系。

作為變體，可以允許用戶(例如眼鏡師)選擇(通過交互式選擇，例如借助于處理單元T的屏幕和用戶接口)最具代表性的點S_k、或者對每個點S_k提供加權(quán)。

根據(jù)另一變體，可以在統(tǒng)計模型中使用所有點S_k，每個點S_k是根據(jù)m個經(jīng)調(diào)整的模型中的m個相應(yīng)點P’_k(t_j)來確定的。

在步驟E8的第一次迭代中獲得的統(tǒng)計模型可以用作計量參考系。然而，還可以使這些調(diào)整誤差最小化，如現(xiàn)在將說明的。

在這種情況下，在步驟E10中確定是否需要步驟E6和E8的新迭代。為此，例如計算出等于針對在步驟E8中保留的點集S_k獲得的不確定性測量值的平均值的優(yōu)值函數(shù)。

如果在步驟E10中確定必須實施步驟E6和E8的新迭代(例如，因為剛剛計算出的優(yōu)值函數(shù)高于預(yù)定閾值并且因為尚未達(dá)到預(yù)定迭代次數(shù))，該方法重復(fù)步驟E6，這次使用在步驟E8的上一次迭代中獲得的統(tǒng)計模型作為參考模型。因此，針對不確定性低的點S_k，使用下式來實施步驟E6：R_k＝S_k。(如上所述，在本實例中提出，在該處理的其余部分中不再使用具有高度不確定性的其他點)。

步驟E8是在步驟E6之后，如以上已經(jīng)說明的。

如果在步驟E10中確定步驟E6和E8的新迭代不是必需的(例如，因為剛剛出計算的優(yōu)值函數(shù)小于或等于預(yù)定閾值或者因為已經(jīng)達(dá)到預(yù)定迭代次數(shù))，可以使用在步驟E8中獲得的上一個統(tǒng)計模型作為計量參考系(步驟E12)。

例如，在剛剛描述的計量參考系中對面部進(jìn)行測量。應(yīng)當(dāng)注意，這樣的測量可以借助于這些攝像機(jī)V_i的校準(zhǔn)來實現(xiàn)。通過進(jìn)行測量所獲得的測量值可以用于眼鏡(例如眼科眼鏡)的生產(chǎn)。

在其中使用計量參考系(或面部的模型)的步驟E12還可以包括提取該個人(姿態(tài)信息或行為信息)在考慮姿態(tài)隨間時的變化時的姿態(tài)參數(shù)或行為參數(shù)的步驟。例如，這些參數(shù)包括全視角、眼睛的轉(zhuǎn)動中心位置(CRO)、眼睛-頭部系數(shù)、頭帽(其對應(yīng)于矢狀平面相對于目光注視的偏移)、或者姿態(tài)的動態(tài)變化(例如擺動)。

這些參數(shù)是從該面部的多個表示(例如二維圖像或三維表示)中提取的，在這些表示中面部可以采取不同姿態(tài)；這些表示可以潛在地是如下所描述的(特別是在步驟E2中)經(jīng)采集和使用而用于構(gòu)建該面部的模型的表示。

表示姿態(tài)的參數(shù)的提取例如是通過將面部的這些表示中的一者或多者與在如上所述的步驟E2至E10中構(gòu)建的模型(或參考系)進(jìn)行比較來執(zhí)行的，這個模型表示參考姿態(tài)(例如“凝視距離”、“面部垂線”，“自然位置”)。

具體地，可以使用在步驟E4中針對不同時刻t_j確定的特征點P_k(t_j)，以便通過與構(gòu)建的模型(或參考系)比較來確定經(jīng)構(gòu)建參考系中的姿態(tài)的動態(tài)變化。

通過這些姿態(tài)參數(shù)來表征姿態(tài)(或姿態(tài)的變化)允許推導(dǎo)出個人的眼睛在環(huán)境內(nèi)的定位；眼睛在環(huán)境內(nèi)的定位本身可以用于限定眼科鏡片(例如旨在用于個人的眼鏡的鏡片)的設(shè)計參數(shù)，從而允許針對所討論的個人優(yōu)化這些眼科鏡片的設(shè)計。

圖3中示意性地示出了通過圖2的方法執(zhí)行的處理。應(yīng)當(dāng)注意，為了本披露內(nèi)容的清楚起見，對象(面部、面部的模型)在圖3中是以二維方式示出的，而在由圖2的方法執(zhí)行的處理中是以三維方式示出的。

如圖3中可以看到，該方法包括在m個分開的時刻t_j對面部的p個特征點P_k(t_j)進(jìn)行定位L。這種定位L是通過圖2的方法的步驟E2和E4來執(zhí)行的。

由此獲得了m個三維模型(每個由這p個特征點形成)。

然后通過使每個三維模型與參考模型(在這種情況下為第一三維模型)盡可能相似來調(diào)整A每個三維模型。這對應(yīng)于上述步驟E6。

于是獲得了m個經(jīng)調(diào)整三維模型(由這些點P’_k(t_j)形成)。

然后可以基于這m個經(jīng)調(diào)整三維模型來構(gòu)建統(tǒng)計模型(由這些點S_k形成)。這對應(yīng)于上述步驟E8。

然后可以將所獲得的統(tǒng)計模型用作計量參考系，或者可以使調(diào)整步驟A和構(gòu)建步驟C重新迭代I，以便精化結(jié)果。

在上述實施例中，圖2所示的方法是由處理單元T實施的。

作為變體，可以設(shè)想到，某些步驟是由另一單元實施的，例如被設(shè)計為通常通過互聯(lián)網(wǎng)與處理單元交換數(shù)據(jù)的遠(yuǎn)程計算機(jī)。

為此，處理單元T例如包括連接到計算機(jī)網(wǎng)絡(luò)的并且允許經(jīng)由互聯(lián)網(wǎng)、特別是與遠(yuǎn)程計算機(jī)交換數(shù)據(jù)的通信模塊。

因此，該定位步驟例如是由該處理單元實施的，并且表示在該定位步驟中獲得的該個人的面部的所述特征點的位置的數(shù)據(jù)潛在地與該個人的標(biāo)識符相結(jié)合地存儲在該處理單元的電子存儲裝置中。

這些數(shù)據(jù)隨后可以通過該通信模塊傳輸?shù)竭h(yuǎn)程計算機(jī)。然后，該遠(yuǎn)程計算機(jī)可以基于由其已經(jīng)接收到的數(shù)據(jù)所表示的個人的面部的特征點的位置來實施調(diào)整和構(gòu)建個人的面部的模型的步驟、以及潛在地使用所構(gòu)建的模型并基于所接收的數(shù)據(jù)提取至少一個姿態(tài)參數(shù)的步驟。