本发明属于口罩设计领域，具体涉及了一种基于头面建模的3d儿童防护口罩构成方法。
背景技术：
由于儿童身体特征差异性较大，呼吸阻力对儿童成长影响的医学数据和实验数据积累还有待于完善，所以该标准并没有对于儿童用口罩作出专门规定，而是明确指出“不适用于儿童用口罩”。2020年3月13日浙江市场监督管理局在国内率先发布了儿童口罩团体标准，用标准化的手段规范儿童口罩的生产供应。但该标准中仅将口罩类型按小童(3-6岁)、中童(7-12岁)、大童(13-14岁)和构成形状即平面和立体进行了分类，仍缺少解决口罩贴合性的具体方法。
但如何精确找出代表人体头部特征的指标和脸型面部的参数是头面部位分类研究的关键。国内外学者和机构为提高服装的合体性和舒适性对人体体型分类进行了大量的研究，分别运用了人体尺寸信息、人体表面角度大小、人体横纵截面特征、不同年龄段等不同方法展开量化的体型分类的实验研究。陈守榕等通过对中国15个少数民族3182例成年人头面部27个标志点进行测量及形态特征观察，与汉族男女成年人进行比较和研宄发现不同民族面部标志点的测量值和面部形态特征存在差异，提出了各民族的眼部特征、鼻部特征和面部特征。栗淑媛等对中国30个人群的头面部尺寸进行聚类分析从而分析各民族头型特点以及差异。以许彪为代表的少数民族体质研究小组对云南省傣族、彝族、傈僳族等15个少数民族头面部器官进行了微机测量和形态观察研究。张雪艳等利用定量适合性检验和人体头面部尺寸测量的方法，对4种颗粒物防护口罩的ff进行检测，探讨头面部尺寸(测量口罩佩戴者的形态面长、面宽、两耳屏间宽、两下颌角间宽、鼻高、鼻长、鼻宽和两耳屏点间颌下弧长等头面部尺寸数据)、bmi、性别及口罩型号对ff的影响。
综上所述，这些研究大都依据头面部的横矢径比值或结合单一角度值得到头面部的分类，未充分结合人体正、侧面的轮廓形态特征和特征截面的曲线形态进行分析，考虑的影响因素不够全面。
技术实现要素：
本发明的目的在于提供一种基于头面建模的3d儿童防护口罩构成方法，针对现有技术中的缺陷，提出了一种“正面 侧面”特征相结合的儿童头面部特征分类方法，通过对头面部正、侧视角下的形态特征及截面角度分析，能够为防护口罩设计提供更加完整的控制部位信息，将更有利于口罩的立体贴合性的提高。
为了解决上述技术问题，采用如下技术方案：
一种基于头面建模的3d儿童防护口罩构成方法，其特征在于包括如下步骤：
步骤1：选取实验对象，获取实验数据；
步骤2：进行头面部特征数据的聚类分析，获取标准头面部的特征数据；
步骤3：进行头面部特征数据的判别分析，验证头面部聚类分析的准确性及分类规则的可行性与准确性；
步骤4：进行头面部的逆向建模，处理数据及建立数据库，获取均值特征曲线；
步骤5：根据特征曲线进行口罩造型设计。
优选后，所述步骤1中，将实验对象样本按照年龄规格分为6-9岁、9-12岁、12-15岁、15-18岁四个实验组，分别记做s、m、l、xl，每组样本容量为100人；用光学三维扫描仪对每个实验样本进行人脸三维扫描，获得点云数据，共得到四组实验样本数据；
实验数据包括在人体面部正面视角下选取了形态面长、形态面宽、两耳屏间宽、两下颌角间宽、鼻长、鼻宽、鼻深7个头面部形态特征；在人体面部侧面图上选取了鼻高、两耳屏点间颌下弧长、侧面鼻尖和鼻小柱截面角度、鼻背与面中截面夹角4个部位形态特征，并结合人体头面部横矢量径比，最终通过直接测量或计算方式提取12个与口罩贴合度相关的形态参数。
优选后，在获取侧面鼻尖和鼻小柱间截面角度、鼻背与面中截面夹角及人体头面部横矢量径比时，使用geomagicstudio软件对人体三维点云数据进行二次测量计算。
优选后，对于点云数据进行处理，将“多边形对象”转为“精确曲面”，并激活精确曲面选项的其余部分，产生与创建的对象完全匹配的曲面，具体操作包括：
轮廓线处理，在曲率区内放置轮廓线，探测曲率后观察若自测的轮廓线交叉混乱，通过降级所有轮廓线将所有橙色轮廓线降级为黑色补丁线并将高曲率处的黑线进行升级，变为轮廓线；
曲面片处理，通过轮廓线和边界线生成的较为规则的曲面片结构构造曲面片，整理面板内的曲面片并使用曲面片填充空白面板；定义曲面片顶点及路径，保证曲面片能均地进行划分；同样的方法对另一侧的曲面片进行处理和“自由探测”重新排列曲面片；
栅格处理，构造栅格，对曲面自动参数化，将每个曲面片划分为20*20个小网格，可根据需要手动调整分辨率，若存在不完善的曲面片对相交的格栅并进行修复；
nurbs曲面处理，通过拟合曲面、合并曲面后得到的nurbs曲面能作为iges/step文件输出，并输入任何cad/cam系统中；构建辅助线与面通过测量工具获取鼻高、两耳屏点间颌下弧长、侧面鼻尖和鼻小柱截面角度、鼻背与面中截面夹角。
优选后，所述步骤2中头面部特征数据的聚类分析的具体步骤包括：
(1)选取聚类变量：为了减少高维数据对后续处理的不便，有必要在聚类分析之前先进行降维处理；首先对12个变量进行主成分分析，得到因子分析初始解；然后采用相关指数最大值法从正面、侧面头面部两类因子中选取包含本类信息量最丰富的代表性指标，其中相关指数计算公式如下：
由式(1)计算出每个指标对同因子其他指标的相关指数，然后选取相关指数结果最高的指标作为代表性聚类指标；
(2)确定最佳分类数:在确定最佳分类数时需采用混合f统计量，记作fmixed；fmixed综合体现了所有变量的类内紧密程度与类间分散程度，其值越大，则所有变量的类内联系越紧密，反之则类间联系越分散；当fmixed值最大时所对应的分类数即为最佳分类数，其计算公式如下：
其中，式(2)中p为聚类的变量数；f(k)为第k个聚类变量的f值，可由以下式(3)计算得到:
(3)各类别头面部特征因子的对比分析：根据对实验样本脸型的分类、聚类指标的聚类中心值和相应频数对各脸型的特征指标进行统计，并根据主成分因子旋转后的因子载荷对比分析，从正面和侧面的类别分析中获取s、m、l、xl这4个实验组的标准头面部的特征数据。
优选后，所述步骤3中为验证头面部聚类分析的准确性及分类规则的可行性和精确度，对初始的400个头面部数据和新增的50个头面部特征数据进行判别分析；通过百分比判别分析结果及新样本的划分情况的准确性来验证以上分类规则的可行性和精确度，百分比判别指标包括未分组的观察值、预估类别和判别类别。
优选后，所述步骤4中，进行头面部的逆向建模，处理数据及建立数据库的步骤包括：
(1)将点云数据转换成网格数据：对点云数据进行拼接、拟合、降噪的预处理，转化成网格数据，并将网格数据模型以stl格式导出；
(2)将头面部数据特征化：将网格数据导入rhino软件，在正视图中使用曲线工具画出口罩上边缘，侧视图上画出口罩侧边缘，仰视图上画出口罩底部边缘，并分别投影在头面部的网格模型上，从而得到特征多重直线；
(3)将多重直线转换成nurbs曲线：将得到的多段直线通过重建转化成nurbs曲线，同时保证重建曲线的最大误差值控制在0.1以内。最终得到6阶7点的nurbs曲线，记作s(cv1,cv2,…,cv7)；重复以上步骤分别得到四组特征曲线，每组100个(s1,s2,…,s100)，从而得到四组不同型号的脸型数据库，然后将每组曲线的对应控制点坐标进行均值计算最终得到四组s、m、l、xl的均值特征曲线。
优选后，所述步骤5中根据特征曲线进行口罩造型设计：
(1)搭建口罩结构模型所需的结构中线:根据均值特征曲线与人体头面部模型设计出口罩中线，经过调整得到6阶7点的光顺曲线；
(2)建立罩面主体曲面：建立口罩曲面，将口罩主体中部的衔接面进行混接重建并且调整曲面的uvn坐标；在头面部的实体模型上，通过截面线创建罩面；由三维的x、y、z坐标轴形角度旋转变形为截面，截面与实体产生的截面线串需要在设定的公差范围内相交，且互相垂直；口罩基于面部曲线，属于复杂曲面，需要先完成主要面或大面，然后光顺连接曲面，最后进行编辑修改；
(3)完善口罩三维模型：根据耳朵位置与脸颊形状，构建口罩结构三维模型，提出3d防护口罩最终的结构模型；
(4)提取平面纸样：利用正向工程设计软件，将3d防护口罩模型从三维模型展开为二维平面；选择需要展开的层片面，在确定展开点和主次方位后，以四个角作为起点展开，将通过ug软件计算得到的展开后的模型尺寸与原始的头面部测量尺寸进行对比，并以错误点最少、尺寸误差最小的二维展开图作为最终的3d防护口罩纸样；
重复以上步骤从而得到四种不同规格s、m、l、xl的3d儿童防护口罩纸样。
由于采用上述技术方案，具有以下有益效果：
本发明提出了一种“正面 侧面”特征相结合的儿童头面部特征分类方法，通过对头面部正、侧视角下的形态特征及截面角度分析，能够为防护口罩设计提供更加完整的控制部位信息，将更有利于防护口罩的立体贴合性的提高。通过对人体头面部相关指标进行聚类和多曲面建模分析，为解决面罩密合性问题提供依据，也为解决服装人体矛盾问题提供新思路。同时为丰富儿童防护口罩的产品类型，改善产品的功能性和舒适性，头面部防护产品的正向设计生产及开发提供理论指导，从而有助于推动整个行业的健康快速发展。
附图说明
下面结合附图对本发明作进一步说明：
图1为本发明中3d扫描脸型网格数据图；
图2为本发明中正、侧、底面曲线投影图；
图3为本发明中轮廓特征曲线图；
图4为本发明中口罩模型三视图；
具体实施方式
如图1至图4所示，结合具体的实施例对本发明作进一步说明：
一种基于头面建模的3d儿童防护口罩构成方法，包括如下步骤：
步骤1：选择实验对象获取实验数据
首先确立研究对象并采集样本数据，确定脸型数据采集范围。本发明以杭州地区为例，进行脸型特征数据采集。根据国际标准iso15535:2012《建立人体测量数据库的一般要求》选取6-18岁儿童为数据采集对象，为排除皮肤因素的影响，选取皮肤张紧度较好，与骨骼平行，皮肤表面三维形态可以体现地区颅骨形态特征的实验样本，按随机抽样的方法选取400名样本，并将对象样本按照年龄规格分为s(6-9岁)、m(9-12岁)、l(12-15岁)、xl(15-18岁)四个规格组，每一类别样本容量为100人。用光学三维扫描仪对每个实验样本进行人脸三维扫描，获取点云数据，共得到四组实验样本数据。在进行手工接触式面部测量时，主要使用的工具是马丁测量仪中的游标卡尺(slidingcaliper)和弯脚规(spreadingcaliper)。根据国内外学者的相关测量研究，手工测量时要求受试者在测量之前平静3min，被测者需端坐并平视前方，测量者按照国家标准gb/t5703—2010《用于技术设计的人体测量基础项目》中的相关规定用记号笔在被测者的头面部标出测量点位置，然后进行3次测量后取均值，测量结果要求稳定误差不超过指定范围。
实验数据包括在人体面部正面视角下选取了形态面长、形态面宽、两耳屏间宽、两下颌角间宽、鼻长、鼻宽、鼻深7个头面部形态特征；在人体面部侧面图上选取了鼻高、两耳屏点间颌下弧长、侧面鼻尖和鼻小柱截面角度、鼻背与面中截面夹角4个部位形态特征，并结合人体头面部横矢量径比，最终通过直接测量或计算方式提取12个与口罩贴合度相关的形态参数。其中人体头面部横矢量径比是正视视角下形态面宽(宽度)与侧视视角下形态面宽(厚度)的比值。
在获取正侧面鼻尖和鼻小柱间截面角度、鼻背与面中截面夹角及人体头面部横矢量径比时，使用geomagicstudio软件对人体三维点云数据进行二次测量计算。
因为扫描点云(stl)的表面质量较差且面过多，表面质量较差无法应用，所以需要经过形状阶段处理得到质量较好且面较少的nurbs曲面。需要从多边形阶段转化后经过一系列的技术处理，得到理想的曲面模型。
首先精确曲面将“多边形对象”转为“精确曲面”并激活精确曲面选项的其余部分，产生与创建的对象完全匹配的曲面，具体操作包括：
轮廓线处理，在曲率区内放置轮廓线，探测曲率后观察若自测的轮廓线交叉混乱，通过降级所有轮廓线将所有橙色轮廓线降级为黑色补丁线并将高曲率处的黑线进行升级，变为轮廓线；
曲面片处理，通过轮廓线和边界线生成的较为规则的曲面片结构构造曲面片，整理面板内的曲面片并使用曲面片填充空白面板；定义曲面片顶点及路径，保证曲面片能均地进行划分；同样的方法对另一侧的曲面片进行处理和“自由探测”重新排列曲面片；
栅格处理，构造栅格，对曲面自动参数化，将每个曲面片划分为20*20个小网格，可根据需要手动调整分辨率，若存在不完善的曲面片对相交的格栅并进行修复；
nurbs曲面处理，通过拟合曲面、合并曲面后得到的nurbs曲面能作为iges/step文件输出，并输入任何cad/cam系统中；构建辅助线与面通过测量工具获取鼻高、两耳屏点间颌下弧长、侧面鼻尖和鼻小柱截面角度、鼻背与面中截面夹角。
步骤2：进行头面部特征数据的聚类分析
(1)选取聚类变量：为了减少高维数据对后续处理的不便，有必要在聚类分析之前先进行降维处理；首先对12个变量进行主成分分析，得到因子分析初始解；然后采用相关指数最大值法从正面、侧面头面部两类因子中选取包含本类信息量最丰富的代表性指标，其中相关指数计算公式如下：
由式(1)计算出每个指标对同因子其他指标的相关指数，然后选取相关指数结果最高的指标作为代表性聚类指标；
(2)确定最佳分类数:在确定最佳分类数时需采用混合f统计量，记作fmixed；fmixed综合体现了所有变量的类内紧密程度与类间分散程度，其值越大，则所有变量的类内联系越紧密，反之则类间联系越分散；当fmixed值最大时所对应的分类数即为最佳分类数，其计算公式如下：
其中，式(2)中p为聚类的变量数；f(k)为第k个聚类变量的f值，可由以下式(3)计算得到:
(3)各类别头面部特征因子的对比分析：根据对实验样本脸型的分类、聚类指标的聚类中心值和相应频数对各脸型的特征指标进行统计，并根据主成分因子旋转后的因子载荷对比分析，从正面和侧面的类别分析中获取s(6-9岁)、m(9-12岁)、l(12-15岁)、xl(15-18岁)4个实验组的标准头面部的特征数据。
步骤3：进行头面部特征数据的判别分析，验证头面部聚类分析的准确性及分类规则的可行性与准确性
为验证头面部聚类分析的准确性及分类规则的可行性和精确度，对初始的400个头面部数据和新增的50个头面部特征数据进行判别分析。通过百分比判别分析结果及新样本的划分情况的准确性来验证以上分类规则的可行性和精确度，百分比判别指标包括未分组的观察值、预估类别和判别类别。
步骤4：进行头面部的逆向建模，处理数据及建立数据库
(1)将点云数据转换成网格数据：对点云数据进行拼接、拟合、降噪的预处理，转化成网格数据，并将网格数据模型以stl格式导出；
(2)将头面部数据特征化：将网格数据导入rhino软件，在正视图中使用曲线工具画出口罩上边缘，侧视图上画出口罩侧边缘，仰视图上画出口罩底部边缘，并分别投影在头面部的网格模型上，从而得到特征多重直线；
(3)将多重直线转换成nurbs曲线：将得到的多段直线通过重建转化成nurbs曲线，同时保证重建曲线的最大误差值控制在0.1以内。最终得到6阶7点的nurbs曲线，记作s(cv1,cv2,…,cv7)；重复以上步骤分别得到四组特征曲线，每组100个(s1,s2,…,s100)，从而得到四组不同型号的脸型数据库，然后将每组曲线的对应控制点坐标进行均值计算最终得到四组s(6-9岁)、m(9-12岁)、l(12-15岁)、xl(15-18岁)的均值特征曲线。
步骤5：根据特征曲线进行口罩造型设计
(1)搭建口罩结构模型所需的结构中线：根据均值曲线与人体头面部模型设计出口罩中线，经过调整得到6阶7点的光顺曲线。
(2)建立罩面主体曲面：建立口罩曲面，为确保美观度与贴合度将口罩主体中部的衔接面进行混接重建并且调整曲面的uvn坐标。在头面部的实体模型上，通过截面线创建罩面。由三维的x、y、z坐标轴形角度旋转变形为截面，截面与实体产生的截面线串(主线串和交叉线串)需要在设定的公差范围内相交，且互相垂直。口罩基于面部曲线，属于复杂曲面，需要先完成主要面或大面，然后光顺连接曲面，最后进行编辑修改。
(3)完善口罩三维模型：根据耳朵位置与脸颊形状，构建口罩结构三维模型，提出3d防护口罩最终的结构模型。
(4)提取平面纸样：利用正向工程设计软件，将3d防护口罩模型从三维模型展开为二维平面。选择需要展开的层片面，在确定展开点和主次方位后，以四个角作为起点展开，将通过ug软件计算得到的展开后的模型尺寸与原始的头面部测量尺寸进行对比，并以错误点最少、尺寸误差最小的二维展开图作为最终的3d防护口罩纸样。
重复以上步骤从而得到四种不同规格s(6-9岁)、m(9-12岁)、l(12-15岁)、xl(15-18岁)的3d儿童防护口罩纸样。
以上仅为本发明的具体实施例，但本发明的技术特征并不局限于此。任何以本发明为基础，为解决基本相同的技术问题，实现基本相同的技术效果，所作出地简单变化、等同替换或者修饰等，皆涵盖于本发明的保护范围之中。
1.一种基于头面建模的3d儿童防护口罩构成方法，其特征在于包括如下步骤：
步骤1：选取实验对象，获取实验数据；
步骤2：进行头面部特征数据的聚类分析，获取标准头面部的特征数据；
步骤3：进行头面部特征数据的判别分析，验证头面部聚类分析的准确性及分类规则的可行性与准确性；
步骤4：进行头面部的逆向建模，处理数据及建立数据库，获取均值特征曲线；
步骤5：根据特征曲线进行口罩造型设计。
2.根据权利要求1所述的一种基于头面建模的3d儿童防护口罩构成方法，其特征在于：所述步骤1中，将实验对象样本按照年龄规格分为6-9岁、9-12岁、12-15岁、15-18岁四个实验组，分别记做s、m、l、xl，每组样本容量为100人；用光学三维扫描仪对每个实验样本进行人脸三维扫描，获得点云数据，共得到四组实验样本数据；
实验数据包括在人体面部正面视角下选取了形态面长、形态面宽、两耳屏间宽、两下颌角间宽、鼻长、鼻宽、鼻深7个头面部形态特征；在人体面部侧面图上选取了鼻高、两耳屏点间颌下弧长、侧面鼻尖和鼻小柱截面角度、鼻背与面中截面夹角4个部位形态特征，并结合人体头面部横矢量径比，最终通过直接测量或计算方式提取12个与口罩贴合度相关的形态参数。
3.根据权利要求2所述的一种基于头面建模的3d儿童防护口罩构成方法，其特征在于：在获取侧面鼻尖和鼻小柱间截面角度、鼻背与面中截面夹角及人体头面部横矢量径比时，使用geomagicstudio软件对人体三维点云数据进行二次测量计算。
4.根据权利要求1或2任意一项所述的一种基于头面建模的3d儿童防护口罩构成方法，其特征在于：对于点云数据进行处理，将“多边形对象”转为“精确曲面”，并激活精确曲面选项的其余部分，产生与创建的对象完全匹配的曲面，具体操作包括：
轮廓线处理，在曲率区内放置轮廓线，探测曲率后观察若自测的轮廓线交叉混乱，通过降级所有轮廓线将所有橙色轮廓线降级为黑色补丁线并将高曲率处的黑线进行升级，变为轮廓线；
曲面片处理，通过轮廓线和边界线生成的较为规则的曲面片结构构造曲面片，整理面板内的曲面片并使用曲面片填充空白面板；定义曲面片顶点及路径，保证曲面片能均地进行划分；同样的方法对另一侧的曲面片进行处理和“自由探测”重新排列曲面片；
栅格处理，构造栅格，对曲面自动参数化，将每个曲面片划分为20*20个小网格，可根据需要手动调整分辨率，若存在不完善的曲面片对相交的格栅并进行修复；
nurbs曲面处理，通过拟合曲面、合并曲面后得到的nurbs曲面能作为iges/step文件输出，并输入任何cad/cam系统中；构建辅助线与面通过测量工具获取鼻高、两耳屏点间颌下弧长、侧面鼻尖和鼻小柱截面角度、鼻背与面中截面夹角。
5.根据权利要求2所述的一种基于头面建模的3d儿童防护口罩构成方法，其特征在于：所述步骤2中头面部特征数据的聚类分析的具体步骤包括：
(1)选取聚类变量：为了减少高维数据对后续处理的不便，有必要在聚类分析之前先进行降维处理；首先对12个变量进行主成分分析，得到因子分析初始解；然后采用相关指数最大值法从正面、侧面头面部两类因子中选取包含本类信息量最丰富的代表性指标，其中相关指数计算公式如下：
由式(1)计算出每个指标对同因子其他指标的相关指数，然后选取相关指数结果最高的指标作为代表性聚类指标；
(2)确定最佳分类数:在确定最佳分类数时需采用混合f统计量，记作fmixed；fmixed综合体现了所有变量的类内紧密程度与类间分散程度，其值越大，则所有变量的类内联系越紧密，反之则类间联系越分散；当fmixed值最大时所对应的分类数即为最佳分类数，其计算公式如下：
其中，式(2)中p为聚类的变量数；f(k)为第k个聚类变量的f值，可由以下式(3)计算得到:
(3)各类别头面部特征因子的对比分析：根据对实验样本脸型的分类、聚类指标的聚类中心值和相应频数对各脸型的特征指标进行统计，并根据主成分因子旋转后的因子载荷对比分析，从正面和侧面的类别分析中获取s、m、l、xl这4个实验组的标准头面部的特征数据。
6.根据权利要求2所述的一种基于头面建模的3d儿童防护口罩构成方法，其特征在于：所述步骤3中为验证头面部聚类分析的准确性及分类规则的可行性和精确度，对初始的400个头面部数据和新增的50个头面部特征数据进行判别分析；通过百分比判别分析结果及新样本的划分情况的准确性来验证以上分类规则的可行性和精确度，百分比判别指标包括未分组的观察值、预估类别和判别类别。
7.根据权利要求2所述的一种基于头面建模的3d儿童防护口罩构成方法，其特征在于：所述步骤4中，进行头面部的逆向建模，处理数据及建立数据库的步骤包括：
(1)将点云数据转换成网格数据：对点云数据进行拼接、拟合、降噪的预处理，转化成网格数据，并将网格数据模型以stl格式导出；
(2)将头面部数据特征化：将网格数据导入rhino软件，在正视图中使用曲线工具画出口罩上边缘，侧视图上画出口罩侧边缘，仰视图上画出口罩底部边缘，并分别投影在头面部的网格模型上，从而得到特征多重直线；
(3)将多重直线转换成nurbs曲线：将得到的多段直线通过重建转化成nurbs曲线，同时保证重建曲线的最大误差值控制在0.1以内。最终得到6阶7点的nurbs曲线，记作s(cv1,cv2,…,cv7)；重复以上步骤分别得到四组特征曲线，每组100个(s1,s2,…,s100)，从而得到四组不同型号的脸型数据库，然后将每组曲线的对应控制点坐标进行均值计算最终得到四组s、m、l、xl的均值特征曲线。
8.根据权利要求2或7任意一项所述的一种基于头面建模的3d儿童防护口罩构成方法，其特征在于：所述步骤5中根据特征曲线进行口罩造型设计：
(1)搭建口罩结构模型所需的结构中线:根据均值特征曲线与人体头面部模型设计出口罩中线，经过调整得到6阶7点的光顺曲线；
(2)建立罩面主体曲面：建立口罩曲面，将口罩主体中部的衔接面进行混接重建并且调整曲面的uvn坐标；在头面部的实体模型上，通过截面线创建罩面；由三维的x、y、z坐标轴形角度旋转变形为截面，截面与实体产生的截面线串需要在设定的公差范围内相交，且互相垂直；口罩基于面部曲线，属于复杂曲面，需要先完成主要面或大面，然后光顺连接曲面，最后进行编辑修改；
(3)完善口罩三维模型：根据耳朵位置与脸颊形状，构建口罩结构三维模型，提出3d防护口罩最终的结构模型；
(4)提取平面纸样：利用正向工程设计软件，将3d防护口罩模型从三维模型展开为二维平面；选择需要展开的层片面，在确定展开点和主次方位后，以四个角作为起点展开，将通过ug软件计算得到的展开后的模型尺寸与原始的头面部测量尺寸进行对比，并以错误点最少、尺寸误差最小的二维展开图作为最终的3d防护口罩纸样；
重复以上步骤从而得到四种不同规格s、m、l、xl的3d儿童防护口罩纸样。
技术总结