CN101288105A - 用于物体重现的方法和系统 - Google Patents

Abstract

提出一种用于物体重现的系统和方法。所述系统包括照明单元和成像单元(参见图1)。照明单元包括相干光源，和放置在从光源向物体传播的照明光的光路中从而在物体上投影出相干随机散斑图案的随机散斑图案生成器。成像单元被构建成用于对被照明区域的光响应进行检测并且生成图像数据。图像数据指示具有被投影的散斑图案的物体，并且因此指示了物体图像中的图案相对于所述图案的参考图像的位移。这样就能够对物体的三维映像进行实时重现。

Description

用于物体重现的方法和系统

本申请要求2005年3月30日提交的美国临时专利申请No.60/666,184和2005年10月11日提交的美国临时专利申请No.60/724,903的优先权，它们通过引用被并入本文。

技术领域

本发明涉及用于物体重现的方法和系统，其能够提取高度解析的并且实时的3D(三维)信息。

参考文献

以下参考文献被认为是与本发明相关的能有助于理解本发明的技术背景的一些文献：

1.S.Avidan and A.Shashua，″Trajectory triangulation：3D reconstruction of moving points from amonocular imagesequence，″PAMI，22，348-357(2000).

2.Y.G.Leclerc and A.F.Bobick，″The direct computationof height from shading，″CVPR，552-558(1991).

3.R.Zhang and M.Shah，″Shape from intensity gradient，″SMC-A，29，318(1999).

4.R.Zhang and M.Shah，″Height recovery from intensitygradients，″CVPR，508-513(1994).

5.B.K.P.Horn，″Height and gradient from shading，″IJCV，5，37-76(1990).

6.A.M.Bmckstein，″On shape from shading，″CVGIP，44，139-154(1988).

7.L.Zhang，B.Curless and S.M.Seitz，″Rapid shapeacquisition using color structured light and multi pass dynamicprogramming，″1st International Symposium on 3D dataprocessing visualization and transmission(3DPVT)，July 2002，Padova，Italy.

8.P.Besl，″Active optical range imaging sensors，″Machine vision and applications，1，127-152(1988).

9.E.Horn and N.Kiryati，″Toward optimal structured lightpatterns，″Proc.Int.Conf.On Recent advances in 3-D DigitalImaging and Modeling，28-37，Ottawa Canada，May 1997.

10.M.Asada，H.Ichikawa，S.Tjuji，″Determining ofSurface Properties by Projecting a Stripe Pattern，″IEEE Proc.of ICPR，86(1986).

11.M.Asada，H.Ichikawa，S.Tsuji″Determining SurfaceOrientation by Projecting a Stripe Pattern，″IEEE Transact，onPAMI，vol.10，no.5(1988).

12.S.Winkelbach and F.M.Wahl″Shape from Single StripePattern Illumination，″Luc Van Gool(Editor)，(DAGM 2002)Pattern Recognition，Lecture Notes in Computer Science 2449，Springer 2002，page 240-247.

13.T.P.Koninckx and L.Van Gool″Efficient.Active 3DAcquisition，Based on a Pattern-Specific Snake，″Luc Van Gool(Editor)，(DAGM 2002)Pattern Recognition，Lecture Notes inComputer Science 2449，Springer2002，page 557-565.

14.R.Kimmel，N.Kiryati，and A.M.Bruckstein，″Analyzingand synthesizing images by evolving curves with theOsher-Sethian method，″International Journal of ComputerVision，24(1)，37-56(1997)；G.Zigelman，R.Kimmel，and N.Kiryati，″Texure mapping using surface flattening viamultidimensional scaling，″IEEE Trans，on Visualization andComputer Graphics，8(2)，198-207(2002).

15.J.C.Dainty，Laser Speckle and Related Phenomena，2^nded.(Springer-Verlag，Berlin，1989).

16.D.Mendlovic，Z.Zalevsky，I.Kiryuschev and G.Lebreton，″Composite harmonic filters for scale，projectionand shift invariant pattern recognition，″Appl.Opt.34，310-316(1995).

背景技术

物体重现通常基于对物体的3D纹理(即3D映像)的估计。该领域已经开发出了各种技术。

其中一种方法利用对同一物体进行观察的两个相机来处理三角测量[1]。相机分别获取的图像中的相同物体的相对位移(shift)与相机同这些物体的距离有关。该技术类似于人类视觉系统中的3D估计。该方法的主要缺点在于其较低的3D分辨率，而这很大程度上取决于两个相机的像素数、出现在场景中的细节(例如纹理)、和相机的相对定位(它们之间的角度和距离)。此外，该方法并不提供物体的实时制图，这是因为3D信息的提供需要诸如分类和登记之类的高级处理操作。该方法的其它问题在于获取的3D信息通常仅仅包括目标深度相对稀疏的样本。

另一种已知的此类技术根据捕捉到的单个图像中的边缘的阴影利用数值算法来计算物体的3D映像[2-6]。然而，该技术需要高级处理操作，并且由于边缘的阴影是图像中噪声最多的区域，所以该技术是不精确的。此外，由于第一阴影在整个图像的计算中被用作参照物，所以该方法会累积误差。

用于3D估计的另一种方法基于图案的投影。一些基于该方法的技术利用物体上线条的投影并且利用该线条对物体进行扫描。线影成像(line image)中产生的曲线指示了物体3D的映像。但是，该技术并不提供对物体重现的实时处理；利用线条对物体进行扫描会花费大量时间；并且在物体移动的情况下估计会变得更加扭曲。

其它一些该类型的技术采用特定码投影[7-9]。获取的图像中的代码变化被用于物体的3D映像的计算。由于需要多个投影，所以这些技术也不是实时的。此外，为了获取良好的3D分辨率，需要大量复杂的代码；这就使得投影系统变得非常昂贵并且不实用。

基于图案投影的其它技术包括2D周期图案的单个投影[10-14]。在这种情况下，物体的3D细节将获取的图像中的周期图案的线条进行移动。这些线条的相对移动与物体的3D信息有关。虽然这些技术中没有要求扫描并且3D信息可被实时获取，但是这些技术具有这样的缺点：由于大于投影图案的周期的相对运动不能被区分，所以3D信息被卷曲，因此我们不能识别获取的位移是否就是其位移还是应该加上整数个周期大小。该方法的另一个缺点与被投影的图案的焦深有关。一定距离之后，图案散焦，于是很难将周期的相对位移以数字方式提取出来。

发明内容

于是，本领域存在通过新颖的技术来使得物体重现变得容易的需求，该技术可以进行实时的并且非常精确的3D物体制图，并且它可以利用非常简单和便宜的光学设备实现。

本发明提供了这样的制图技术，其能方便地用于提供被输入至人机界面(例如用于博弈和健身等方面的人机界面)的数据、用于生物医学应用(例如内窥镜检查)的3D能力、蜂窝装置中的照相机、车辆之间的范围估计和接近报警、入侵警报、等。

在此，术语“物体重现”指的是对物体外表面的任何部分或整体的3D信息的获取，其很可能包括通过图像、范围或者其它检测到的数据来对3D物体模型(包括物体形状模型)进行构建；术语“实时”指的是这样的操作，考虑到操作以外的环境，任务的相关反应-操作时间短于允许的最小延迟。

术语相机、成像单元、和成像装置是可以互换的，它们指的都是相同的功能，即对光进行检测并且产生对其进行指示的图像数据。术语投影器、投影系统和照明单元同样可以互换。

本发明的主要思想在于，利用激光散斑图案在其3D表面数据将被重现的物体上的投影。激光散斑是随机自生图案[15]。优选地，该图案是恒定的，但是通常可能是分隔开的或者沿着Z轴(即，沿着散斑传播的轴)变化的其它类型。此处使用的术语“恒定散斑图案”指的是，在进行3D测量的范围内，该图案基本不会沿着Z轴变化。此外，该图案的焦距相对较大(例如，在米的数量级上)，或者视特定应用而定，这是通过改变漫射器上的激光斑点大小和激光波长来控制的。因此，激光随机图案的使用提供了较大的可制图的径向范围，并且能够大大地降低设计投影系统时的光学复杂度和后续处理的光学复杂度，因此可以进行实时物体重现。

通常，在光学系统中，散斑图案是通过部分相干光束的相互局部干扰而产生的场强图案。

根据发明的方案，物体的3D映像是通过检查激光随机图案(代码)的相对位移来被估计的。这个图案不是周期性的，因此卷曲问题并不存在，从而不仅可以确定距离参考平面的范围而且可以进行物体的3D制图。由于激光图案不怎么取决于散焦，所以可在较大容量范围内获取3D信息。

光学设备(投影模块)可以是很简单并且便宜的：它可仅仅包括小型相干光源(激光器)和图案生成器，图案生成器可以是散光器(例如，通过添加随机相位来将照射在其上的光进行散射的一片毛玻璃)形式的，或者例如是全息记录、随机表面浮雕结构的形式，其被放置在激光的光路中并且将光以恒定和随机散斑图案的形式发散至物体上。重要的是要注意到，本发明可以仅仅获取具有投影的随机图案的物体的单个图像(所谓的单快照方案)并且可以使用简单的图像匹配算法，例如基于关联的图像处理算法，因此具有较低的计算复杂度。而且，重要的是要注意到，即使使用多于一个的图像，本发明还是允许以单个固定安装的相机(通常具有单个视野)来操作。这些特性使得3D制图可以实时实现。

应该理解的是，根据本发明，所谓的“主要散斑”被认为是那些投影在要被制图的物体上的散斑，它不是“次要散斑”，“次要散斑”典型地是与物体表面粗糙度和/或成像透镜的孔径相关的散斑。于是，成像透镜可以较小。

因此，根据本发明的一个较宽的方面，提供了一种用于物体重现的系统，所述系统包括：照明单元，其包括相干光源和随机散斑图案生成器(例如，散光器单元)，所述随机散斑图案生成器被放置在从所述光源向物体传播的照明光的光路中从而在所述物体上投影出相干随机散斑图案；和成像单元，其用于对被照明的区域的光响应进行检测并且生成图像数据，所述图像数据指示了具有所述被投影的散斑图案的所述物体，并且因此指示了所述物体图像中的图案相对于所述图案的参考图像的位移，于是系统就能够对所述物体的三维映像进行实时重现。

优选地，系统包括被构建成用于存储参考数据的控制单元，所述参考数据指示了散斑图案的参考图像。优选地，参考数据指示了散斑图案的图像，所述散斑图案是在与所述照明光传播光路基本垂直的参考平面上并且在与散光器和成像单元距离基本相等处获取的。控制单元被预编程用于利用参考数据来处理和分析图像数据，以确定图像和参考图像之间的关联。控制单元可被预编程用于将指示了图像的数据分解成Mellin和/或对数分解，从而获取不会随着所述散斑图案的缩放和投影扭曲而变化的关联。

系统被构建成对测量到的体积进行定义，该体积是通过照明光传播和成像单元的光收集之间的交叉形成的，从而使得与散光器的距离大于Rayleigh距离的物体成像。所述测量到的体积中的每个点都定义了照明和收集到的光传播通路之间的交叉角度。考虑三角测量技术，这是被选来为三角测量提供适当精度的非零角度。

优选地，系统结构是这样的，成像单元的像素平面上的平均散斑特征大小Δx_cam至少是两个像素。

优选地，散光器单元和成像单元被定位以使得从散光器和成像单元到物体具有基本相等的距离。在这种情况下，成像单元的像素平面上的平均散斑特征大小Δx_cam被确定为：

$\mathrm{\Δ}{x}_{\mathrm{cam}}=\frac{F}{{\mathrm{\φ}}_D}\mathrm{\λ}$

其中F是成像透镜的焦距，φ_D是散光器上的照明斑大小，λ是照明光的波长。

该匹配算法使得平均散斑特征大小Δx_cam可以进行预定变化，即，当Δx_cam在某个预定限制之内时，控制单元被预编程用于对不同平均散斑特征大小Δx_cam的图像部分/图像进行处理和分析。由于针对从物体的不同部分反射过来的散斑图案部分，Δx_cam是不同的(Δx_cam的大小由式(9a)至(9D)给出)，所以能够确定这样的范围，其中物体的成像能产生有意义的结果。

优选地，散光器单元和成像单元被布置成彼此靠近，处于Rayleigh距离的小部分ε(例如20％)范围内。

优选地，系统包括调节器，其被构建成用于减少成像单元的视野中的不同区域之间的照明亮度变化。该调节器可包括衍射光学元件。衍射光学元件可并入或者附于散光器，或者被布置在向散光器传播的照明光光路中。衍射光学元件与散光器一起操作以调节照明光传播光路横截面平面内的亮度。

在一些结构中，调节器可被控制用来调节照明强度，从而部分地使得在成像单元接收到的亮度水平上制图出来的物体的效果被取消/变平滑，例如，该效果是由于反射系数(albedo)、距离、和表面特性的不同造成的。该调节器可接收来自成像/控制单元的输入，以及将要投影在照明光传播的光路横截平面上的强度分布。

根据另一个示例，衍射光学元件可被构建成能够减小沿着与照明光传播基本平行的轴的亮度变化。衍射光学元件可为唯相(phaseonly)元件，其被布置在散光器的相对于照明光传播的下游。

照明单元可被构建成4-F傅立叶变换器。在这种情况下，远场中的光场将成为初始投影的图案的远场分布和布置在两个聚光透镜之间的衍射光学元件的傅立叶变换之间的卷积。例如，使用衍射光学元件，其被构成为唯相元件，使其傅立叶变换产生强度的椭圆截面的，并且它被布置在两个聚光透镜之间。

优选地，成像单元包括单个光检测器，其定义了静态视野。

根据本发明另一个基本方面，提供了一种用于物体的实时重现的方法，所述方法包括：将随机散斑图案投影在所述物体上，所述随机散斑图案是通过照射相干光而形成的；对来自所述物体的光响应进行检测，并且产生具有所述投影图案的物体的图像数据；处理所述图像数据从而确定所述物体图像中的图案相对于所述图案的参考图像的位移，从而确定所述物体的三维映像。

附图说明

为了理解本发明并且了解本发明实际上是如何实现的，现在将参见附图并且仅仅通过非限制性示例的方式对优选实施进行描述，其中：

图1是用于重现3D物体的本发明的光学系统的示例的示意图；

图2是本发明的方法的主要步骤的流程图；

图3A和3B示出了实验结果：图3A示出了参考图像(例如被投影的散斑图案)，以及图3B示出了3D重现；

图4A至4J示出了更多的一些实验结果：图4A至4B示出了手的投影和制图，图4C至4D示出了倾斜平面的投影和制图，图4E至4G示出了篮球的投影和制图，以及图4H至4J示出了玩具大象的投影和制图；

图5、图6A至6B、和图7示意性地示出了利用了亮度调节器的本发明的系统的各种示例。

具体实施方式

参见图1，其示意性地示出了用于物体3D制图的本发明的系统10的示例。系统10是一种光学制图系统，其包括被构建成在物体13上进行随机散斑图案(优选地为恒定图案)投影的照明单元12和成像装置14。

照明单元12包括相干光源12A和放置在照明光的光路中的恒定随机散斑图案的生成器12B，生成器12B优选地十分靠近光源输出(例如与其物理接触)。光源12A可由光发射组件(激光器)和/或与远程光发射组件相结合的光导装置(例如光纤)组成。图案生成器12B是一种散光器，例如一个毛玻璃。

成像装置14包括配备有成像透镜装置14B的光检测器14A(像素矩阵，例如CCD)。成像透镜装置14B可以是光检测器整体中的一部分或者是检测器前端的一个分立单元。优选地，对来自物体的光反射进行检测。

布置了可(经由有线或无线信号传输)连接至成像装置的输出端的控制系统16，其可以是系统10结构中的一部分也可以不是。典型地，控制系统16是具有存储器装置16A、数据处理和分析装置16B、和输入/输出装置16C(例如，诸如显示器之类的数据显示装置)的计算机系统。

本发明的装置可与移动电话装置相结合或者包含在移动电话装置之中。例如，成像单元可被并入移动电话或者其输出端可被连接至移动电话或者其它便携式计算机装置。而且，本发明提供利用3D性能来进行的车辆之间的距离估计和接近警报以及入侵警报。

如上所述，散斑是由于散射光的局部干涉而产生的随机图案。比较亮的点位于光被同相散射的位置，而暗点则位于其中光的相位相反的位置。根据本发明的实施例，被投影的散斑图案在Z方向(通过物体的轴向轴)上为恒定的，也就是说，图案不会沿着Z轴改变。但是，应该理解的是，图案的尺寸是会沿着Z轴变化的，即在不同图像平面获得的图案的图像可能是尺寸不同的。被照亮的3D物体在横截平面(检测平面)中进行随机图案特征的位移。由于图案是相当随机的，所以不会存在卷曲问题。

现在参见图2，其示出了本发明的方法的主要步骤。

指示了散斑图案的图像(即没有物体的图案的图像)的参考数据被提供并存储在控制系统16的存储器装置中(步骤I)。至此，散斑图案可被投影至某个区域上(其上随后会放置要被制图的物体)并且散斑图案的参考图像被获取。该参考图像可仅被获取一次。

当物体置于所述区域中时，物体的图像(单个图像)被获取(步骤II)并且指示该图像的测量数据被生成(步骤III)。至此，物体被携带散斑图案的光照亮，并且来自物体的光响应(反射)被成像透镜收集并被光检测器检测。应该注意的是，本发明用于对单个图像数据的操作，因此能显著地降低用于物体3D映像重现的图像处理的复杂度。

利用参考数据对测量到的数据进行处理(步骤IV)从而确定物体图像中的随机图案的特征相对于参考图像中的图案的相对位移(步骤V)。这可以利用合适的匹配(例如关联)算法来实现。后者可基于对获取的图像进行扫描并将其关联至参考图像的移动窗口。关联峰值指示了与3D信息有关的相对位移。

关联计算具有相对低的复杂度并且例如可以基于快速傅立叶变换(FFT)。此外，由于被投影的图案的尺寸与投影器(激光器)与物体之间的距离成正比，所以关联关系应该不是尺寸和投影的变量。这可以通过在开始关联之前对整个参考图像进行谐波分解和/或适当的坐标变换来实现[16]。

一个重要参数是横截散斑尺寸(即横截面中的平均散斑尺寸)：

$\mathrm{\Δx}=\frac{L}{{\mathrm{\φ}}_D}\mathrm{\λ}---\left(1\right)$

其中L是散光器12B和物体13之间的距离，λ是照明波长，φ_D是散光器12B的照明尺寸。平均散斑特征尺寸是确定3D分辨率的一个因素。根据式(1)，可以通过改变散光器处的激光器光斑的直径φ_D和/或激光器波长λ来控制该尺寸。

散斑图案的轴向尺寸Δz为：

$\mathrm{\Δz}={\left(\frac{L}{{\mathrm{\φ}}_D}\right)}^2\mathrm{\λ}---\left(2\right)$

对于面部接近于与散斑图案投影的横截面平行(接近于垂直于光传播通道)的物体，相对于参考平面对散斑横截位移进行匹配比较容易。因此，在优选结构中，散斑图案传播的横截面被投影在物体上。换言之，入射在物体上的光优选地接近与(大部分)照明区域垂直。

通常，在CCD上会出现两种散斑图案：一种是来自散光器的主要散斑(即投影在物体上的散斑)，而另一个是在成像期间由于透镜孔径和/或物体材料粗糙而形成的次要散斑。为了仅仅聚集在一个主要散斑图案内，可以考虑以下条件：φ_L□φ_D，其中φ_L是成像透镜的尺寸。

控制系统16通过对测量到的数据应用数值算法来处理它们从而提取3D信息。应该理解的是，在此描述的根据本发明的算法包括已知数学处理的新颖结合。本发明将该算法与独特的光学设备一起应用从而能够进行实时3D制图。

所使用的算法可具有较低的计算复杂度并且可以允许实时操作。下面是适合在本发明中用作数据处理步骤的一部分的算法丛(algorithmic constellation)的示例。

为了一个获取特定深度点，需要找出其附近区域距离参考图案的横向位移。该匹配的一种可能实现是对关联峰值进行搜索，而这又可以这样实现，从图像获取代表了检测点的统计信息/邻近区域的一个或多个窗口，并且对匹配进行计算，例如这些窗口和参考图像的关联性。这些窗口可具有任意大小的重叠量。因此，可获取针对每个相机像素的深度样本。可到达的深度(3D)分辨率(沿着Z轴的δZ)随着Z的变化而变化并且其仅仅取决于光学设备(即激光器和相机的相对位置)、散斑特性(散斑图案的特征)、和相机分辨率(相机的物理参数)。

3D重现可基于图像匹配算法的算法方案包括从非常基本的穷尽栅格搜索(exhaustive raster search)到更复杂的基于预测的区域生长方法一直到更高级的最大概似或其它复杂的图像匹配算法。各种方案在多个因素上彼此不同：方案越是复杂，那么计算越是复杂并且会比简单方案产生更高的精度和更少的噪声数据。

基于预测的区域生长方法表现出了复杂度和性能之间很好的折中，它基于以下观察：物体上的两个靠近点通常以它们之间(沿Z轴的)较小高度差为特征，也就是所谓的“物体连续假设(objectcontinuity assumption)”。因此，可以大致预测出一个点距同一区域(物体)上其附近点的Z值(深度)。该预测被测试并改进，并且在发现足够的情况下可将该点连接至给定区域。如果预测/改进显示了与参考之间的不足够匹配，那么这就暗示了Z差值不可忽略，因此检测中的点与其邻近(“父”)点处在不同的区域。

还应该注意的是，用于关联的窗口可以是恒定的(例如16×16像素窗口)或者是根据局部散斑/边缘/物体特性而流动。

下面是具有恒定窗口尺寸的基于预测的区域生长算法的可能实施方式。该算法包括以下步骤：

1)关联性/阴影准备步骤。在整个图片(物体的图像)上运行分辨率步骤(采样点等于M和N乘以分辨率，其中M和N为整数)并且确定采样点是要被标上SHADOW的“阴影”还是要被标上UNKNOWN的关联的散斑窗口。在进一步的阶段，每个输出点的状态都被保持，同时在这个第一阶段，一些点具有UNKNOWN状态而另外一些点具有SHADOW状态。

2)“获取新范围锚(new region anchor)”步骤。当UNKNOWN点的数目大于全部输出点的预定比例，那么选择当前具有状态UNKNOWN的随机点，并且执行对参考图像的匹配处理，例如，通过将所选点周围的窗口W_x×W_y个像素与参考图像进行关联来执行。

应该注意的是，窗口尺寸W_x×W_y被优化，折中的一方面是“足够的统计”/区分而另一方面是复杂度和小的物体模糊。还应该注意的是，由于几何限制，随着适当的成像单元/投影器系统校准(即，当成像单元的X轴平行于成像透镜的光学中心和散光器上的激光光斑的中心之间的连线时)，散斑图案可能的横向位移可被限制为覆盖一些像素的一个矩形，该矩形处于当前点的上下范围并且是从当前点到图像左右的宽度的一个已知部分(在图1所示的实验设备中，相机在激光器的右边，因此如果被制图的物体比参考物更靠近，那么散斑位移向右，否则向左)。

此外，在上面的几何限制中，搜索是针对具有大于某个阈值的归一化关联值的点执行的。如果没有检测出达到该阈值的关联，那么最佳关联的数值被选来检查其是否通过一个较低的阈值：如果回答是肯定的，那么就假设这就是散斑的位移了；如果回答是否定的，那么就理解为需要其它勘测并且下述步骤2a)被执行来决定启动新区域。如果发现关联高于较低阈值的点，那么该点被称为区域锚，并且区域生长会围绕它进行。为了使区域生长，执行下面的步骤3)。

2a)决定使区域生长。如果匹配失败，那么该区域被进一步勘测以找出在该点可生长区域存在/不存在的足够证据。为了搜集足够的证据，区域生长步骤(3)被执行，并且如果在区域中发现了锚(足够强的点)或者在该区域发现了大量一致的点，那么生长的部分被确定为代表了有效区域。这样，多数表决被执行以离开该区域。在未获取足够证据的情况下，该区域被移除并且锚(第一)点被标为BAD，并且步骤2)被重复以找到一个有效的锚点来使得新区域生长。

3)区域生长。区域生长是利用4连通性(左/右/上/下)完成的。在当前示例中，区域生长的实现很简单。FIFO(先进先出)的多个ACTIVE点被使用，其中每个这种点(活动点)都已经与参考关联起来并且关联被证明是成功的。每次，来自FIFO组的一个点被获取并且其四个邻近点被检查。对于被标为UNKNOWN的每个邻近点，W_x×W_y(例如16×16)窗口与参考的关联关系被确定，其中仅对围绕散斑的预测位移的小矩形(例如偏移为(0，0)(-1，0)(1，0)(0，-1)和(0，1)的5个点)范围内的一些可能性进行检查。预测位移是初始ACTIVE点(称为“父”类点)的位移。如果存在很好的关联性，那么该点被标为ACTIVE并且被加入FIFO组；并且如果没有很好的关联性，那么该点被标为EDGE(其高度被当前地设置为等于父点的高度)。当FIFO为“空“时，区域边缘被标识，并且处理返回至步骤2)以使得新区域生长。

4)区域竞争。区域竞争可被实现来大大提高区域边缘的质量。能给出很好的结果并且计算起来较便宜的一种可能的方式是试图不仅在UNKNOWN点空间中生成区域并且在任何具有深度不连续性的点空间(例如属于不同区域的点)生成区域。竞争标准是关联值，每点的“赢家通吃”(winner takes all)策略被证明很产生很好的结果。

基于预测和一旦检测到坏点就快速停止关联程序，区域生长算法提供了用于深度恢复的实时可靠的工具，其具有复杂度和质量之间极好的折中。

很重要的是应该注意到，投影装置(照明单元)和投影平面(物体平面)之间的距离越大，那么投影平面上获取到的散斑越大。另一方面，成像装置的像素尺寸根据规则的不同设置而改变。此外，散斑图案通过在倾斜的物体表面投影而扭曲。用于获取不随散斑图案的缩放和投影扭曲而变化的关联关系的(算法)方法包括对参考散斑图案进行Mellin和对数分解[16]。

Mellin分解提供尺度不变性(scale invariance)：

$f(r,\mathrm{\θ};x_0,y_0)=\underset{N=-\∞}{\overset{N=\∞}{\mathrm{\Σ}}}{f}_N(\mathrm{\θ};x_0,y_0)r^{i2\mathrm{\πN}-1}$

$f_N(\mathrm{\θ};x_0,y_0)=\frac{1}{T}\underset{r_0}{\overset{R}{\∫}}f(r,\mathrm{\θ}:x_0,y_0)r^{-i2\mathrm{\πN}-1}\mathrm{rdr}---\left(3\right)$

在此，f(r，θ；x₀，y₀)是围绕x₀，y₀坐标分解的物体，f_N是Mellin谐波，N是谐波次数，r₀是分解的物体的最小半径；R是最大半径，并且T＝exp(r₀/R)。如果一个谐波被选择，那么结果将是尺度不变的。

对数分解被描述如下：

$f(x,y)=\frac{1}{2T}\underset{N=-\∞}{\overset{N=\∞}{\mathrm{\Σ}}}{f}_N\left(y\right){\left|x\right|}^{i2\mathrm{\πN}-1/2}$

$f_N\left(y\right)=\underset{-x}{\overset{-x_0}{\∫}}f(x,y){(-x)}^{-i2\mathrm{\πN}-1/2}\mathrm{dx}+\underset{x_0}{\overset{X}{\∫}}f(x,y)x^{-i2\mathrm{\πN}-1/2}\mathrm{dx}---\left(4\right)$

在|x|＞x₀和|x|＜X的范围内物体不为零，并且T＝exp(x₀/X)。选择一个谐波提供关联时的投影扭曲不变性。

散斑大小由于投影系统而改变并且成像系统也通过光学设备而相互补偿。为了理解实现它的方法，现在详细阐述散斑图案的缩放。

当照明光束被建模成高斯光束时，衍射公式给出光束半径W(z)和Z之间的以下关系：

$W\left(z\right)=W_0\sqrt{1+\frac{Z^2}{Z_R^2}}\≈W_0\frac{Z}{Z_R},Z_R=\frac{\mathrm{\π}{W}_0^2}{\mathrm{\λ}}---\left(5\right)$

在式(5)中，λ是光束波长，W₀是光束腰半径(等于φ_D/2-光束对散光器进行照明的直径的一半)，并且Z_R是Rayleigh距离。在式(5)的近似中假设Z□Z_R。

应该注意的是，远场近似在Rayleigh距离是有效的，由此，对应的费涅耳(fresnel)积分中的二次相位因子小于1。

还应该注意的是，根据本发明的技术，物体优选地被定位在距离高于Rayleigh距离的散光器L远的地方。应该注意的是，在与光束腰距离Rayleigh距离每个地方，光束面积翻倍(针对受衍射限制的光束，该距离是由腰半径、折射率、以及材料中的波长确定的，对于空气中的成像，折射率与自由空间近似，即1.0)。

相机14处的光强I取决于L(投影器(照明器)12和物体13之间的距离)和d(物体13和相机14之间的距离)，也就是1/L²d²。

关系式(6)中的1/L²部分的原因在于载有散斑图案的投影光束的发散。

应该注意的是，高斯光束模型指的是作为整体的光束。光束半径W(z)与Z成比例地增大，并且强度密度以1/Z²减小。于是，照射在物体上的光强正比于1/L²。关系式(6)中的1/d²部分的原因在于从物体向相机反射的相干光束的发散。

另一方面，当物体进一步远离光源单元时，散斑图案的更小的部分被投影在物体(或物体部分)上。落入由物体大小限定的间隔内的散斑暗斑和光斑(散斑图案特征)的数目由物体大小s与式(1)中平均散斑大小Δx的比值确定：

当来自物体的光线被反射至光检测器时，它在那形成大小为s_LD的点s_LD(即，s_LD是投影在光电检测器上的物体投影的大小)：

$s_{\mathrm{LD}}=\frac{F}{d}s---\left(8\right)$

在此，F是聚光(成像)透镜的焦距。

投影在光电检测器上的平均特征大小由(8)与(7)的比值确定：

在优选结构中，对散光器平面和检测平面(更确切的说是成像透镜14B的平面)进行布置以提供基本相等的L和d(散光器和物体之间以及相机和物体之间的距离)。

另一方面，光学设备被构建成能确保照明光入射至主物体平面上的传播轴与从那返回至光检测器的光传播轴之间存在非零角度α，从而启动基于三角测量的算法。3D重现的精度将为 $\mathrm{\δZ}=\mathrm{\δ}{x}_{\mathrm{LD}}\frac{d}{F}\frac{1}{\tan \mathrm{\α}}$ (δZ是3D分辨率，δx_LD是关联算法在像素平面中可获得的位移的分辨率，例如相机的像素)。角度α大约等于L′/L，其中L′是投影器与相机之间的距离。

在发明人所使用的实验设备中，制图系统具有以下参数：L′＝20cm，L≈2cm，δx_LD＝6微米，并且F＝8mm；因此，δZ＝15mm。由上可以看出，投影器与相机之间的距离L′可被预选成使得制图系统以希望的分辨率操作，例如几毫米。

如上所述，实际上，散光器平面和透镜14B的平面被定位成能够提供基本相等的L和d(散光器和物体之间以及相机和物体之间的距离)。为了同时考虑L＝d和投影器距成像单元之间的最小距离L′两个要求，随着L和d改变而产生的成像单元(相机)上散斑大小的改变应该被予以考虑。

L不等于d的情况下相机平面上的散斑大小为：

$\mathrm{\Δ}{x}_{\mathrm{cam}}=\frac{\mathrm{\λF}}{{\mathrm{\φ}}_D}\·\frac{L}{d}---\left(9a\right)$

在优选结构中，相机平面上的散斑大小与从物体各个部分反射过来的散斑一样。如果L＝d，那么可见散斑维度(即，相机平面)的缩放被抑制。对于几乎整个3D空间，后一条件可通过将散光器和相机透镜彼此放置得很近来确保，但是实际上，相机和投影器之间还是存在一定距离L′。

考虑L和d在Rayleigh距离Z_R的小部分上不同：

|L-d|≤εZ_R    (9b)

散斑大小随着d改变：

$\mathrm{\Δ}{x}_{\mathrm{cam}}\left(d\right)\≈\frac{\mathrm{\λF}}{{\mathrm{\φ}}_D}(1+\mathrm{\ϵ}\·\frac{Z_R}{d})\≈\frac{\mathrm{\λF}}{{\mathrm{\φ}}_D}+\mathrm{\ϵ}\·\frac{{\mathrm{\φ}}_{D}F}{d}---\left(9c\right)$

所使用的匹配算法允许与最大允许可视散斑大小Δx_cam ^max相连接的一些最大缩放因子γ：

$\mathrm{\Δ}{x}_{\mathrm{cam}}^{\max }=\frac{\mathrm{\λF}}{{\mathrm{\φ}}_D}(1+\mathrm{\γ}).$

因此，L和d之间的差值以及ε和L′被限制为：

$\mathrm{\ϵ}\≤\frac{d}{{\mathrm{\φ}}_D}\·\mathrm{\γ}\⇒L^{\′}\≤\mathrm{\ϵ}\·Z_R\≤\frac{d}{{\mathrm{\φ}}_D}\·\mathrm{\γ}\·Z_R---\left(9d\right)$

从(9a)至(9d)可知，L接近d，或者针对给定的γ，L′由式(9d)限制，这一事实将为记录在成像装置上的散斑的不同部分提供以最大因子1+γ相区别的比例(平均特征大小)。这些散斑图案部分可从位于相对于成像装置的不同位置的物体反射，投影在3D物体表面的不同区域上或者在距离不同的物体上；在任何情况中，当在光电检测器的像素中测量时，这些部分的图像都将具有基本相同的特征大小(上至因子1+γ)。这个平均特征大小将因此基本等于参考图像的特征大小。

因此，利用在物体图像和参考图像中使用相同大小的窗口来将这些图像关联起来是合理的，这是因为取决于散斑特征大小、包含在该鲁棒性中的某些缩放量，取任何匹配算法的关联都固有地能对某些扭曲表现出鲁棒性。给定特定设置参数和图案特性，那么允许的特定参数γ可由一般技术人员通过在整个以(1+γ)缩放后的和未缩放的图案版本上考虑匹配标准来很容易地确定。

关联允许确定由于物体3D拓扑和(产生散斑参考图案的)(平坦的)参考平面的3D拓扑的不同而产生的散斑图案部分的位移。

可通过将系统的散光器单元和成像单元放置成彼此相距距离等于照明光的Rayleigh距离的小部分ε(例如0.5)来实现所要求的L和d的近似相等。

光学设备的上述匹配能够在不需要其它方式例如Mellin变换的情况下获得尺度不变性。应该注意的是，出现在倾斜表面的散斑经历了大部分为投影形式的变形。由于在光学设备的优选结构中的散斑投影要确保最大限度地靠近主物体平面上的垂直光入射，并且由于散斑图案固有地能够防止某些量的变形，所以在优选结构中不需要进行其它措施，例如对数变换。

在另一个优选结构中，散光器12B、透镜14B、和光检测器14A被构建成提供与要求的分辨率匹配的成像散斑图案的平均特征大小。不需要特殊措施，平均散斑特征大小优选地为大约2个像素。应该理解的是，相机上的平均散斑特征大小Δx_cam由等式(1)和(8)确定，其中等式(8)中的s可能是等式(1)中的Δx：

$\mathrm{\Δ}{x}_{\mathrm{cam}}=\frac{F}{d}\·\frac{L}{{\mathrm{\φ}}_D}\mathrm{\λ}$ 或者考虑L≈d， $\mathrm{\Δ}{x}_{\mathrm{cam}}=\frac{F}{{\mathrm{\φ}}_D}\mathrm{\λ}---\left(10\right)$

这种成像设备能够获取最高分辨率，这是因为最大信息被包含在每个像素信号内。

还应该注意到，本发明的光学设备允许与物体距离更大范围。最小可能距离是Rayleigh距离(例如，在特定但非限制性的示例中发明人采用了0.5m)，并且最大距离可由物体大小和物体上的散斑大小确定。投影在物体上的散斑数目不应该小于关联窗口除以像素中平均散斑特征大小的值。

激光散斑所固有的一种特性就是其在物体上的投影产生了具有高对比度的图像。这是因为激光散斑图案被创造成具有高对比度，并且由于激光散斑图案是通过自再生的方式传播的，所以高对比度在激光散斑图案的焦深上一直保持。高对比度图像可由每像素数值为0或1的光的强度代表，或者这个高对比度可以其它方式利用。因此，激光散斑图案的高对比度特性使得处理过的数据减少并且使得图像重现更快。

还应该注意的是，从等式(2)可看出，最终，散斑图案会沿着Z方向(纵轴)变化。因此，对于恒定的随机参考图案(散光器)，可在投影平面相对于投影装置的不同位置获取参考图像组(因此这些图像会根据散斑图案的纵向变化而不同)，并且随后3D关联可被执行。在这种情况下，获取的方案允许无限的3D制图范围。

现在参见图3A至3B和图4A至4J，它们示出了一些实验结果，这些实验结果验证了本发明的有益特征。在这些实验中，图像重现是利用图1中的设备以视频码率在实时中执行的。

图3A至3B示出了咖啡杯的图像重现。照明单元(图1中的12)采用绿色Nd:YAG激光作为光源12A并且采用一片毛玻璃(散光器)12B来对恒定的随机散斑图案进行投影。利用采用了16×16像素的滑动窗口的关联算法对控制系统进行预编程。图3A示出了参考图像(例如没有物体的被投影的散斑图案)，而图3B示出了获取的3D重现的网格。

图4A至4B示出了手的3D制图。图4A示出了具有被投影的散斑图案的手，而图3B示出了3D重现。

图4C至4D示出了倾斜平面的投影和制图：图4C是具有被投影的散斑图案的平面图像，而图4D是3D重现。图4E至4G示出了篮球的3D制图，其中图4E是球的图像，图4F是具有被投影的散斑图案的球，而图3G是3D重现。图4H至4J示出了玩具大象的投影和制图，其中图4H是玩具大象的图像，图4I是具有被投影的散斑图案的玩具大象，而图4J是3D重现。应该注意的是，显示的重现的不同颜色表示获取到的3D信息。

因此，本发明提供了用于3D制图的新颖的方法和系统，其中随机散斑图案被用来对物体的3D信息进行制图并且对到某个参考平面的范围进行估计。该技术允许提取高度解析的并且实时的3D信息。3D信息是通过在获取的图像中提取随机图案相对于参考图像的局部相对横向位移来获取的。该技术具有较低的计算复杂度，并且没有使用了周期图案投影的其它技术中存在的卷曲问题。所使用的光学系统很简单。

应该注意到，本发明能够改进光检测的亮度。为此，以下方面应该被注意到。

对于距光源和/或光检测器不同距离的物体和/或物体的部分，亮度水平是不同的。光检测器阵列的每个像素从直径为Δx_Z的点获取光：

$\mathrm{\Δ}{x}_Z=\frac{d}{F}\mathrm{\δx}---\left(11\right)$

其中δx是像素大小。

检测到的散斑图案的亮度水平是由到达光检测器的单个像素的信号的强度确定的：

其中D是成像透镜的直径，并且它与照射从物体反射的Str中的球面角相关。

从等式(12)可以看出，在检测器接收到的亮度水平与1/L²成比例，因此其近物体区域和远物体区域在检测器看来将根据距离而具有不同的亮度水平，因此影响了3D重现的性能。其它因素就是物体不同区域的反射率(albedo)的不同。

控制系统可以通过将其亮度水平与预定阈值比较来识别散斑图案中的光斑。但是，这种算法会针对置于更靠近光源的物体(或物体的部分)会识别出更多的光斑。而且，所述光斑将会具有更大的区域，而且针对离光源较近的物体具有不同的形状。一方面，这个效果可被3D重现和范围确定所利用。另一方面，该效果优选地在关联程序期间或者之前被考虑。

参见图5，其中以框图的方式示出了本发明制图系统60的另一个示例。为了便于理解，本发明的所有示例中，相同的标号被用于识别共同使用的组件。系统60包括被构建成将激光随机散斑图案投影在物体13上的照明单元12、成像装置14、和亮度控制器(调节器)25。后者被构建成用于控制相机视野中亮度的变化或者系统对该变化的感知。调节器25构成了增大可制图范围的机制。应该理解的是，该制图系统中可采用多于一个的调节器。

在图5所示的示例中，调节器25被实现成控制单元的数据处理和分析装置16B的子装置。这种子装置可执行上述Mellin变换。

在一些实施例中，亮度调节器25被构建成用于减少相机视野中不同区域之间的照明亮度变化，并且它可被实现成布置在光传播通路的任何位置的光学单元。例如，调节器可被实现成光学单元并且可与光源单元12A或散光器12B集成在一起，或者可以是布置在照明通路中散光器12B下游的分立单元，或者被布置在光源单元12A和散光器12B之间。

同样地，调节器25可被实现成布置在光检测器和控制单元之间的模拟处理单元，或作为光检测器14A的一部分或者作为控制系统16的一部分。在一个示例中，亮度水平是由自动增益控制(AGC)的局部调节控制的，即通过对在每个像素或每组像素的模拟读出的放大进行控制来控制。这允许接收具有更均匀的亮度水平的数字图像；因此能够利用具有某种固定动态范围的光检测器来扩展可制图范围。

调节器25被构建成用于控制亮度水平(作为光学处理器或者数字处理器)或者控制亮度水平的表示(与检测器输出相结合)。例如，被构建成光学处理器的调节器25能够在数字采样之前执行光学坐标变换。这种光学坐标变化可包括利用鞍点积分(Saddle pointintegration)或者多面方法(multi facet approach)将卡迪尔坐标(x，y)转换成极坐标(logr，θ)的步骤[例如，Zeev Zalevsky，David Mendlovic的“Optical implementation of the Bodetransform”，Applied Optics，Vol.34，Issue 5，pp.828-(February1995)]。

以下是根据本发明构建并且可操作的光学制图系统的一些特定但非限制性的示例。

图6A示出了制图系统80，其中衍射元件12D被放置在向物体传播的散斑图案光路中。衍射光学元件可被构建成调节器25，其针对与光源距离不同的平面，将对比度(相对亮度)降低。在本示例中，调节器25被并入散光器或者附在散光器上。调节器25被构建成产生光束发散减少的(纵向范围上的)非衍射光束。这可以通过将沿着径向轴具有随机分布而沿着角度轴对称(具有环形结构)的特殊半随机衍射光学元件，和附于其上的为随机图案生成器提供扩展的焦深的锥形元件Axicon(轴棱镜，未示出)，结合起来来实现。应该注意的是，即使没有Axicon，这种基于环的散光器还是可以伸展至焦深。

图6B示意性地示出了这种锥形衍射元件25的可操作原理。元件25被放置在靠近散光器12B的位置(例如附于散光器)，并且元件25被构建并且可操作用来在允许散斑出现在斑点内的同时产生用于光束斑的非衍射光束。光通过元件25之后，产生了三个不同的连续区域：作为规则衍射区域的光传播区域R₁、作为目标可能出现的感兴趣区域的光传播区域R₂、和获得了正常衍射的区域的光传播区域R₃。考虑典型的Axicon操作，由于物体被放置在区域R₂中，所以反射光将如区域R₃所出现的那样完成正常衍射规律。可以像背靠背的两个棱镜一样地考虑截面；因此，对截面区域进行照明的光束重新指向干扰发生的中心，并且非衍射光束形成。衍射元件25在区域R₂中提供激光散斑图案负载光束的更少发散。因此，光强将随着距离光源的距离L的变化而比上式(12)更慢地变化。这使得亮度水平不是很依赖与光源的距离，并且因此变得更均匀。

应该注意的是，在图6A所示的示例中，衍射光学元件12D可被构建成执行各种功能，其中包括也可以不包括亮度调节。如果衍射光学元件(DOE)被放置靠近散光器(直至物理接触)，那么在散光器后的激光束光路中，远场中的光场将成为散斑远场分布和DOE的傅立叶变换之间的卷积。因此，可以利用图6A所示的设备实现各种功能(例如散斑成形)。另一种方案提供了允许沿着Z轴的各段Δz分离的3D制图分辨率。在观察到的物体沿着z轴具有大于制图分辨率Δz的变化的情况下，扭曲发生(例如针对作为物体的倾斜平面)。这些扭曲的发生主要是由于用于参考搜索的区域被显著地转移至旁边。扭曲可通过对物体的扭曲进行剪切来识别。为此，可使散斑成形。如果例如散斑具有椭圆形，那么可根据初始散斑形状的变化来检测剪切扭曲。在该设备中使用的衍射光学元件12D为唯相元件，其傅立叶变换产生例如强度的椭圆截面(例如倾斜线)。例如，可基于以下出版物所公开的技术：Z.Zalevsky，D.Mendlovic and R.G.Dorsch，″TheGerchberg-Saxton Algorithm Applied in the Fractional Fourieror the Fresnel Domains，″Opt.Let.21，842-844(1996)来设计这种DOE；或者可以使用其它已知技术。

现在参见图7，其示出了适合被用于本发明的制图系统的投影模块90的另一示例。设备90包括激光光源12A、散光器12B、第一凸透镜12C、衍射光学元件12D、和第二凸透镜12E。这些元件被布置成所谓的“4-F傅立叶变换器”：散光器12B在透镜12C的后焦平面内，衍射元件12D在透镜12C的前焦平面内并在透镜12E的后焦平面内，并且这些透镜的焦距相等。透镜12C对由散光器12B产生的散斑图案进行傅立叶变换；在衍射元件处，其传递函数与散斑图案的傅立叶变换相乘；并且透镜12E产生由乘法等到的乘积函数的逆傅立叶。因此，在放置了物体的远程近似中(Z大于Rayleigh距离)，散斑随机分布与元件12D相乘。

在一个示例中，元件12D可被实现成强度均衡罩(mask)：幅度罩，对其透明功能进行选择以在远场提供预定光强。例如，元件12D可以是周边透明度高于中心透明度的罩。投影的光将由罩的透明度和散斑图案确定。这样，光强分布可在横截面上变得显著地更加一致。总的说来，该元件可有助于被投影的散斑图案的能量分布的均衡。

因此，本发明利用基于三角测量原理的简单并且便宜的光学设备提供了有效的3D物体重现技术。本发明可仅仅使用单个图像；可以采用单个固定装配的相机；并且支持与物体距离大范围的可能距离。

Claims (45)

1.一种用于物体重现的系统，所述系统包括：

(a)照明单元，包括相干光源和随机散斑图案生成器，所述随机散斑图案生成器被放置在从所述光源向物体传播的照明光的光路中从而在所述物体上投影出相干随机散斑图案；和

(b)成像单元，其用于对被照明的区域的光响应进行检测并且生成图像数据，

所述图像数据指示了具有被投影的散斑图案的所述物体，并且因此指示了所述物体图像中的图案相对于所述图案的参考图像的位移，于是该系统就能够对所述物体的三维映像进行实时重现。

2.如权利要求1所述的系统，其中所述图案生成器包括散光器，其通过添加随机相位将照射在其上的光进行散射。

3.如权利要求2所述的系统，其中所述散光器包括一片毛玻璃。

4.如权利要求1所述的系统，其中所述图像数据指示了其上投影有散斑图案的所述物体的图像，所述散斑图案是利用与主物体平面基本垂直的照明光光路并且在所述图案生成器和所述成像单元距所述主物体平面距离基本相等处获取的。

5.如权利要求1所述的系统，包括被构建成用于存储参考数据的控制单元，所述参考数据指示了所述相干随机散斑图案的参考图像。

6.如权利要求5所述的系统，其中所述参考数据指示了所述散斑图案的图像，所述散斑图案是在与所述照明光传播光路基本垂直的参考平面上并且在与所述图案生成器和所述成像单元距离基本相等处获取的。

7.如权利要求5所述的系统，其中所述控制单元被预编程为用于利用数据来处理和分析图像数据，所述数据指示了用于确定图像之间的关联的参考图像。

8.如权利要求6所述的系统，其中所述控制单元被预编程为用于利用数据来处理和分析图像数据，所述数据指示了用于确定图像之间的关联的参考图像。

9.如权利要求1所述的系统，  其被构建成对测量到的体积进行定义，该体积是通过照明光传播和成像单元的光收集之间的交叉形成的，从而使得距图案生成器的距离大于Rayleigh距离的物体成像，所述测量到的体积中的每个点都定义了照明和收集到的光传播通路之间的交叉角度。

10.如权利要求1所述的系统，其中所述图案生成器和所述成像单元被定位以使得从所述图案生成器和所述成像单元到所述物体具有基本相等的距离。

11.如权利要求9所述的系统，其中所述图案生成器和所述成像单元被定位以使得从所述图案生成器和所述成像单元到所述物体具有基本相等的距离。

12.如权利要求10所述的系统，其中所述图案生成器和所述成像单元被定位成彼此相距所述照明光的Rayleigh距离的小部分。

13.如权利要求8所述的系统，其中所述控制单元被预编程用于将指示了图像的所述数据分解成Mellin和对数分解，从而获取不会随着所述散斑图案的缩放和投影扭曲而变化的关联。

14.如权利要求10所述的系统，其被构建成使得所述成像单元的像素平面上的平均散斑特征大小的最小值Δx_cam被定义为：

$\mathrm{\Δ}{x}_{\mathrm{cam}}=\frac{F}{{\mathrm{\φ}}_D}\mathrm{\λ}$

其中F是成像透镜的焦距，φ_D是所述图案生成器上的照明斑大小，λ是照明光的波长。

15.如权利要求1所述的系统，包括调节器，其被构建成用于减少所述成像单元的视野中的不同区域之间的照明亮度变化。

16.如权利要求15所述的系统，其中所述调节器包括衍射光学元件。

17.如权利要求16所述的系统，其中所述衍射光学元件被构建成与所述图案生成器一起操作以调节照明光传播光路横截面平面内的亮度。

18.如权利要求16所述的系统，其中所述衍射光学元件被构建成能够降低沿着与照明光传播基本平行的轴的亮度变化。

19.如权利要求16所述的系统，其中所述衍射光学元件为唯相元件，其被布置在散斑生成器的相对于照明光传播的下游，并且被构建成调节照明光传播光路横截面平面内的亮度。

20.如权利要求19所述的系统，其中所述照明单元被构建成4-F傅立叶变换器。

21.如权利要求1所述的系统，其中所述照明单元被构建成4-F傅立叶变换器，其包括被构建成唯相元件的衍射光学元件，所述照明单元的傅立叶变换产生了强度的椭圆截面，并且所述照明单元被布置在两个凸透镜之间。

22.如权利要求1所述的系统，其中所述成像单元包括单个光检测器，其定义了静态视野。

23.一种用于物体重现的系统，所述系统包括：

(a)照明单元，包括相干光源和散光器单元，所述散光器单元被放置在从所述光源向物体传播的照明光的光路中从而在所述物体上投影出相干随机散斑图案；和

(b)成像单元，其包括定义了静态视野的单个光检测器，所述单个光检测器用于对被照明的区域的光响应进行检测并且生成图像数据，

所述图像数据指示了具有被投影的散斑图案的所述物体，并且因此指示了所述物体图像中的图案相对于所述图案的参考图像的位移，于是该系统就能够对所述物体的三维映像进行实时重现。

24.一种用于物体重现的系统，所述系统包括：

(a)照明单元，包括相干光源和散光器单元，所述散光器单元被放置在从所述光源向物体传播的照明光的光路中从而在所述物体上投影出相干随机散斑图案；以及成像单元，其用于对被照明的区域的光响应进行检测并且生成图像数据，所述成像单元和所述散光器被定位成使得从所述散光器和所述成像单元到所述物体具有基本相等的距离，

所述图像数据指示了具有被投影的散斑图案的所述物体，并且因此指示了所述物体图像中的图案相对于所述图案的参考图像的位移，于是该系统就能够对所述物体的三维映像进行实时重现。

25.一种用于物体重现的系统，所述系统包括：

(a)照明单元，包括相干光源和散光器单元，所述散光器单元被放置在从所述光源向物体传播的照明光的光路中从而在所述物体上投影出相干随机散斑图案；和

(b)成像单元，其用于对被照明的区域的光响应进行检测并且生成图像数据，所述图像数据指示了具有所述被投影的散斑图案的所述物体，并且因此指示了所述物体图像中的图案相对于所述图案的参考图像的位移，

(c)控制单元，其被构建成用于存储参考数据，所述参考数据指示了所述相干随机散斑图案的参考图像。

26.一种用于物体重现系统中的投影模块，所述投影模块包括相干光源和散光器，所述散光器被构建成通过添加随机相位来使得照射在其上的光散射，从而产生随机散斑图案以便将其投影在物体上，从而使得具有所述投影图案的物体成像，并且对图像数据进行实时处理以重现所述物体的三维映像。

27.一种用于物体的实时重现的方法，所述方法包括：

(i)将随机散斑图案投影在所述物体上，所述随机散斑图案是通过照射相干光而形成的；

(ii)对来自所述物体的光响应进行检测，并且产生具有所述投影的散斑图案的物体的图像数据；

(iii)处理所述图像数据从而确定所述物体图像中的图案相对于所述图案的参考图像的位移，从而确定所述物体的三维映像。

28.如权利要求27所述的方法，其中所述物体被布置成距图案生成器的距离基本等于所述物体和光检测器之间的距离。

29.如权利要求28所述的方法，其中主物体平面被定位成与照明光传播的轴基本垂直。

30.如权利要求27所述的方法，其中所述参考数据指示了散斑图案的图像，所述散斑图案是在与所述照明光传播光路基本垂直的参考平面上并且在距所述散光器和所述成像单元距离基本相等处获取的。

31.如权利要求27所述的方法，其中所述处理包括确定所述图像和所述参考图像之间的关联。

32.如权利要求27所述的方法，其中，照明光传播和光收集之间的交叉定义了某个测量到的体积，其使得所述测量到的体积内的距散斑图案生成器的距离大于Rayleigh距离的物体成像，所述测量到的体积中的每个点都定义了照明和收集到的光传播通路之间的交叉角度。

33.如权利要求31所述的方法，其中所述处理包括将指示了所述图像的所述数据分解成Mellin和/或对数分解，从而获取不会随着所述散斑图案的缩放和投影扭曲而变化的关联。

34.如权利要求27所述的方法，其中光检测器的像素平面上的平均散斑特征大小的最小值Δx_cam被定义为：

$\mathrm{\Δ}{x}_{\mathrm{cam}}=\frac{F}{{\mathrm{\φ}}_D}\mathrm{\λ}$

其中F是成像透镜的焦距，φ_D是生成所述图案的散光器上的照明斑大小，λ是照明光的波长。

35.如权利要求27所述的方法，包括减少光检测器的视野中的不同区域之间的照明亮度变化。

36.如权利要求35所述的方法，包括将所述图案通过衍射光学元件进行投影。

37.如权利要求27所述的方法，其中所述检测光响应是通过单个光检测器执行的，该单个光检测器定义了静态视野。

38.如权利要求27所述的方法，包括将指示了所述物体的三维映像的数据输入至人机界面。

39.如权利要求38所述的方法，包括利用用于博弈的人机界面。

40.如权利要求38所述的方法，包括利用用于健身的人机界面。

41.如权利要求27所述的方法，包括利用指示了用于生物医学分析的物体3D映像的数据。

42.如权利要求41所述的方法，其中所述生物医学分析包括内窥镜检查。

43.如权利要求27所述的方法，其被移动手机装置执行。

44.如权利要求27所述的方法，包括利用所述物体的所述3D映像来进行车辆之间的距离估计和/或接近警报。

45.如权利要求27所述的方法，包括利用所述物体的所述3D映像来进行入侵警报。

Images