CN103363924A - 一种压缩的三维计算鬼成像系统及方法 - Google Patents

一种压缩的三维计算鬼成像系统及方法 Download PDF

Info

Publication number
CN103363924A
CN103363924A CN2013102960167A CN201310296016A CN103363924A CN 103363924 A CN103363924 A CN 103363924A CN 2013102960167 A CN2013102960167 A CN 2013102960167A CN 201310296016 A CN201310296016 A CN 201310296016A CN 103363924 A CN103363924 A CN 103363924A
Authority
CN
China
Prior art keywords
light
point detector
compressed
algorithm
detector
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013102960167A
Other languages
English (en)
Other versions
CN103363924B (zh
Inventor
俞文凯
孙志斌
翟光杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Space Science Center of CAS
Original Assignee
National Space Science Center of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National Space Science Center of CAS filed Critical National Space Science Center of CAS
Priority to CN201310296016.7A priority Critical patent/CN103363924B/zh
Publication of CN103363924A publication Critical patent/CN103363924A/zh
Application granted granted Critical
Publication of CN103363924B publication Critical patent/CN103363924B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及压缩的三维计算鬼成像系统,包括:光源、空间光调制器、至少四组会聚收光透镜、至少四组与会聚收光透镜对应的点探测器以及算法模块;光源发出的光投射到空间光调制器上,对光进行随机调制,调制后的光投影在物体上,该物体将光反射到各个方向,在其中的至少四个反射方向上分别设置一组会聚收光透镜以及点探测器;由点探测器对每个方向的总光强进行压缩采样,压缩采样结果输入算法模块中;上述过程重复多次,空间光调制器每一次调制不同的图案,算法模块根据测量矩阵以及多次压缩采样所得到的测量值,运用压缩感知算法反演出对应各个点探测器方向的二维图像,比较这些图像的阴影部分信息来构建3D表面梯度,最终重建出3D物体形状。

Description

一种压缩的三维计算鬼成像系统及方法
技术领域
本发明涉及计算鬼成像领域,特别涉及一种压缩的三维计算鬼成像系统及方法。
背景技术
关联成像,或者称为鬼成像(Ghost Imaging,GI),是近些年来量子光学领域的前沿和热点之一。关联成像可以在不包含物体的光路上生成物体的像,目前作为一种新型成像技术受到了广泛的关注。鬼成像的概念首先是用由参量下转换产生空间纠缠光子对来验证的。普通鬼成像的原理为:在物臂光路放置有物体,但用一个没有空间分辨能力的桶(单像素)探测器进行探测,在参考臂光路没有物体,但在与物体相同光程处用一个具有空间分辨能力的探测器探测变化的光场信息,通过两臂探测信号的关联,便可得到图像。最新研究表明,鬼成像的光源不但可以是纠缠光源,还可以是热光或者赝热光,因而产生了量子解释和经典解释,为开拓新的光信息技术提供了可能。而计算鬼成像是一种改进的成像技术,它不再需要具有空间分辨能力的探测器,相反,它可以通过变化的入射光场与反射(或投射)过来的总光强做强度关联获得物体的空间分布信息。计算鬼成像采用了可编程的空间光调制器(Spatial Light Modulator,SLM)和一个激光器,且在光路上也类似于压缩感知中单像素照相机,都是事先已知随机矩阵和测量值,只是采用不同的算法反演出图像,计算鬼成像采用的是强度二阶关联的算法,加权平均,而单像素照相机采用了基于凸优化的算法,迭代收敛。
3D重建是计算机视觉研究最基本的主题之一,基于图像的3D重建根据获取数据的方式可分为主动光、被动光两种方式,主动光3D重建一般采用结构光或标志点对目标物表面进行标记,并通过求取这些标记的三维几何位置信息,最终重建出目标的三维轮廓或三维运动;被动光3D重建是利用多幅图像的相关信息进行目标重建的方式,目前通常利用多视点图像信息来完成。比较常见的几种方法有:明暗度法(Shape From Shading,SFS)、光度立体视觉法(photometric stereo)、纹理法、轮廓法、调焦法、运动法、立体视觉法、三目视觉法等。目前,基于视觉的三维重建技术研究仍然出于探索阶段,各种方法距离实际应用还存在一定差距,亟需进一步的深入研究。
此外,现有的关联成像还主要局限于小规模的二维成像,采用的物体也是简单二维物体,即便是用作三维成像,也只能层析出简单三维物体的大致轮廓。
发明内容
本发明的目的在于克服现有技术中的缺陷,从而提供一种压缩的三维计算鬼成像系统与方法。
为了实现上述目的,本发明提供了一种压缩的三维计算鬼成像系统,包括:光源1、空间光调制器2、至少四组会聚收光透镜、至少四组与所述会聚收光透镜对应的点探测器以及算法模块5;其中,
所述光源1发出的光投射到所述空间光调制器2上,所述空间光调制器2通过加载二值随机矩阵对光进行随机调制,调制后的光投影在物体上,该物体将光反射到各个方向,在其中的至少四个反射方向上分别设置一组会聚收光透镜以及点探测器;由所述点探测器对每个方向的总光强进行压缩采样,所述压缩采样结果输入所述算法模块5中;上述过程重复多次,所述空间光调制器2每一次调制不同的图案,所述算法模块5根据测量矩阵以及多次压缩采样所得到的测量值,运用压缩感知算法反演出对应各个点探测器方向的二维图像,然后比较这些图像的阴影部分信息来构建3D表面梯度,最终重建出3D物体形状。
上述技术方案中,还包括滤光片,所述滤光片在所述光源1与空间光调制器2之间或者所述空间光调制器2之后。
上述技术方案中,所述滤光片为红、绿、蓝三色滤光片,或具有不同波长的滤光片。
上述技术方案中,还包括镜头或光学透镜,所述镜头或光学透镜在所述空间光调制器2与物体之间。
上述技术方案中,所述会聚收光透镜包括第一会聚收光透镜3-1、第二会聚收光透镜3-2、第三会聚收光透镜3-3、第四会聚收光透镜3-4;所述点探测器包括第一点探测器4-1、第二点探测器4-2、第三点探测器4-3、第四点探测器4-4;所述第一点探测器4-1、第二点探测器4-2、第三点探测器4-3、第四点探测器4-4分别位于所述第一会聚收光透镜3-1、第二会聚收光透镜3-2、第三会聚收光透镜3-3、第四会聚收光透镜3-4之后。
上述技术方案中,所述第一点探测器4-1、第二点探测器4-2、第三点探测器4-3、第四点探测器4-4分别放置在空间光调制器2的上方位置、下方位置、左方位置、右方位置。
上述技术方案中,所述空间光调制器2和所述点探测器之间需要同步。
上述技术方案中,所述空间光调制器2采用数字微镜器件或毛玻璃或液晶光阀中的任意一种实现。
上述技术方案中,所述点探测器采用光电转换点探测器或桶探测器或单像素探测器或雪崩二极管或光电倍增管中的任意一种实现。
上述技术方案中,所述算法模块5采用下列任意一种算法实现压缩感知:贪心重建算法、匹配跟踪算法MP、正交匹配跟踪算法OMP、基跟踪算法BP、LASSO、LARS、GPSR、贝叶斯估计算法、magic、IST、TV、StOMP、CoSaMP、LBI、SP、l1_ls、smp算法、SpaRSA算法、TwIST算法、l0重建算法、l1重建算法、l2重建算法;稀疏基采用离散余弦变换基、小波基、傅里叶变换基、梯度基、gabor变换基中的任意一种实现。
本发明还提供了一种三维计算鬼成像方法,包括:
步骤1)、投影步骤;
加载二值随机矩阵的所述空间光调制器2对光源1所发出的光进行随机调制,调制后的光投影在物体上,物体将光反射到各个方向;
步骤2)、压缩采样步骤;
所述空间光调制器2在二值随机测量矩阵的控制下翻转m次,在r个物体反射光方向上,每个点探测器结合会聚收光透镜分别对来自物体反射的总光强收集探测m次,r个点探测器探测m次的测量结果作为测量值ym×r
步骤3)、稀疏重建步骤,生成对应各个点探测器方向的二维图像;
利用自然图像可压缩或可稀疏表示的先验知识,选取合适的稀疏基Ψ,使得物体图像x经Ψ变换后得到系数x′是最为稀疏的;在已知测量值ym×r、二值随机测量矩阵A和稀疏基Ψ的条件下,建立数学模型ym×r=Am×nΨn×nx′n×r+en×r,r=1,2,3,...,N,其中N为探测器个数;通过压缩感知算法进行凸优化,得到x′后,再由反演出xn×r,将其中的每一列都按列重排成矩阵图像,其图像像素尺寸即为二值随机矩阵ai的尺寸大小,第i列对应Ii
步骤4)、3D重建步骤;
设第i个探测器上的像素图像的亮度方程为
Figure BDA00003513902600036
即步骤3)所得到的各个点探测器方向的二维图像,其中i=1,2,3,...,N,Is为光源强度,α为表面反射率,
Figure BDA00003513902600033
为从物体指向第i个探测器的单位方向向量,
Figure BDA00003513902600035
为物体表面单位法向量,p、q为图像像素行坐标和列坐标,对于N张二维图像,将上述公式改写为:
I ( p , q ) = I s α ( D · n ^ ) ,
其中,D为包含所有单位方向向量的矩阵,I为包含相应图像光强信息的矩阵,对于任意像素(p,q),单位法向量为
Figure BDA00003513902600041
表面反射率α=D-1,根据每个像素计算所得的法向量能够确定出相邻像素间的梯度,从而通过整合获得物体表面的3D几何形状:首先提取特征点,并分别以这些特征点作为中心辐射向四周开始计算,在某一点上的表面高度通过利用最近邻的点的高度和表面梯度进行估计;然后进行优化,每步迭代计算一个像素,使得该像素的高度与它所有最近邻点的平均估计相匹配,非物体边缘部分的像素,其估计高度的拉普拉斯变换等效于测量梯度的拉普拉斯变换,物体边缘部分的像素,其梯度垂直于物体表面;最终迭代结束获得物体3D轮廓。
本发明的优点在于:
本发明提供一种压缩的三维计算鬼成像系统及方法,采用单一光源照明,多个点探测器进行探测的方式,在采样时充分利用自然图像可压缩或可稀疏表示的先验知识,实现压缩采样,大大降低采样的冗余度,利用压缩感知算法对每路探测器视角所对应的图像进行精确重建,然后通过比对每幅图像阴影部分信息求解出物体表面法向量的方向,估计出每个像素的梯度和表面高度,最终重建出高质量的三维模型,系统复杂性大大降低,算法复杂度也大大降低,还节约了成本。鉴于这些显著优势,可以广泛应用在三维关联成像、3D成像、多光谱成像、全息等高新科技领域。
附图说明
图1是本发明的基于压缩的三维计算鬼成像系统在一个实施例中的示意图。
图面说明
1   光源                    2   空间光调制器         3-1 第一会聚收光透镜
3-2 第二会聚收光透镜        3-3 第三会聚收光透镜     3-4 第四会聚收光透镜
4-1 第一点探测器            4-2 第二点探测器         4-3 第三点探测器
4-4 第四点探测器            5   算法模块
具体实施方式
现结合附图对本发明作进一步的描述。
在对本发明的系统与方法做详细说明之前,首先对本发明中所涉及的概念进行说明。
1、三维重建
人类的大脑可以通过双眼获取有轻微移位的二维图像来判断出物体的距离、形状和在时间上的变化。本发明基于这一原理,用光源通过已知的散斑进行调制,调制后的光场照射到物体上,并在不同的位置放置一些桶(单像素)探测器,从不同角度观察物体,通过计算鬼成像便能重建出每个方向上的二维图像,而后根据每幅图像的阴影部分重建出物体的三维模型,而每个探测器并没有空间分辨能力,仅仅是收集到达其上的总光强,因而它们是无法直接获取图像的。而且只有探测信号结合光照角度的几何关系的先验知识方能准确重建出三维物体信息。
一个场景的深度信息往往会在二维图像中丢失,但可结合多幅不同角度拍摄的图像中的阴影几何关系重建出三维影像。从技术上讲,明暗度(Shape From Shading,SFS)法可从单幅图像恢复出比较精确的三维模型,但毕竟单幅图像中可获取的信息较少,实际重建效果一般,而由明暗度法改进的光度立体视觉法是通过多个不共线的光源获得物体的多幅图像,再将不同图像的亮度方程联立,求解出物体表面法向量的方向,最终实现物体形状的恢复,使用多个光源可以利用数据冗余解决由阴影以及镜面反射等因素造成的无法求解的问题,鲁棒性较好,重建效果也较好。
本发明采用了类似光度立体视觉的方法,但仅采用单一光源照明,多个探测器进行探测的方式,系统复杂性大大降低,算法复杂度也大大降低,能获得更高质量的3D重建,还节约了成本。设第i个探测器上的像素图像的亮度方程为
Figure BDA00003513902600056
其中i=1,2,3,...,N,Is为光源强度,α为表面反射率,
Figure BDA00003513902600053
为从物体指向第i个探测器的单位方向向量,
Figure BDA00003513902600055
为物体表面单位法向量,对于N张二维图像,可将上述公式改写为
Figure BDA00003513902600057
其中D为包含所有单位方向向量的矩阵,I为包含相应图像光强信息的矩阵。对于任意像素(p,q),单位法向量为
Figure BDA00003513902600058
表面反射率α=D-1。根据每个像素计算所得的法向量能够确定出相邻像素间的梯度,从而通过整合获得物体表面的3D几何形状。
三维重建的基本步骤包括:首先提取特征点,并分别以这些特征点作为中心辐射向四周开始计算,在某一点上的表面高度可以利用最近邻的点的高度和表面梯度进行估计,即计算所有最近邻点的高度和表面梯度均值以获得估计值;然后进行优化,每步迭代计算一个像素,使得该像素的高度与它所有最近邻点的平均估计相匹配,非物体边缘部分的像素,其估计高度的拉普拉斯变换等效于测量梯度的拉普拉斯变换,物体边缘部分的像素,其梯度垂直于物体表面;最终迭代结束获得物体3D轮廓。
2、关联成像
关联成像的原理,以经典的分束器双臂强度关联为例进行说明,激光经毛玻璃后打在分束器上,被平均分配到两个角度,一路光束成像到物体上,而后由一个桶(单像素)探测器收集其总光强;另一路光束并不与物体发生相互作用,用一个有空间分辨能力的CCD将光场强度的二维分布的信息直接记录下来。由于CCD面上的光场与打在物体上的光场是一致的,将CCD上记录的图像乘以桶(单像素)探测器的总光强信号,以此获得一副加权的图像。然后将毛玻璃旋转一定角度,重复上述操作,毛玻璃旋转多次角度,便可得到多幅加权的图像,将这些加权图像加在一起便能获得实际物体的准确图像。
3、计算鬼成像
计算鬼成像是关联成像原始模型的一个变种,它用可编程的空间光调制器替代第二臂光路,即照射物体的光场是已知的,可以由空间光调制器上的图案pattern精确推算出来。空间光调制器每调制一个图案pattern,桶(单像素)探测器探测一次总光强,同样可以得到加权图像,反复多次,便可重建出物体信息。
在本发明中,光通过空间光调制器随机的图案pattern(即二值随机矩阵)调制后,打在物体上,这其实是一个投影的过程,采用DMD便可实现这种随机的调制投影,使得物体身上遍布黑白的小方块,而桶(单像素)探测器测量来自物体反射的总光强,调制多次不同的照射图案,直到3D图像重建清晰为止。
所述DMD是包含有成千上万个安装在铰链上的微镜的阵列(主流的DMD由1024×768的阵列构成,最大可至2048×1152),每一镜片的尺寸为14μm×14μm(或16μm×16μm)并可以通断一个像素的光,这些微镜皆悬浮着,通过对每一个镜片下的存储单元都以二进制平面信号进行电子化寻址,便可让每个镜片以静电方式向两侧倾斜10~12°左右(本实施例中取+12°和-12°),把这两种状态记为1和0,分别对应“开”和“关”,当镜片不工作时,它们处于0°的“停泊”状态。
4、压缩感知
压缩感知(Compressive Sensing,CS)原理,能以随机采样的方式、少量的数据采样数(远低于奈奎斯特/香农采样定理的极限)完美恢复原始信号。首先利用先验知识,选取合适的稀疏基Ψ,使得物体图像x经Ψ变换后得到系数x′是最为稀疏的;在已知测量值y、二值随机测量矩阵A和稀疏基Ψ的条件下,建立起数学模型y=AΨx′+e,通过压缩感知算法进行凸优化,得到x′后,再由
Figure BDA00003513902600061
反演出x。
5、压缩的计算鬼成像
利用自然图像在某个基下可稀疏表示的先验知识,沿用计算鬼成像光路,但将其加权图像的过程变为求解y=AΨx′+e的过程,A为二值随机测量矩阵,即空间光调制器中每个图案pattern为A中的一行,Ψ为稀疏基,x′为稀疏系数,e为噪声,y为测量值,即桶(单像素)探测器记录的来自物体反射的总光强,这样线性的加权运算转变了非线性优化算法,主要基于凸优化的思想进行求解。
在上述概念说明的基础上,下面对本发明的一种压缩的三维计算鬼成像系统及方法进行介绍。
在图1中给出了本发明的基于压缩的三维计算鬼成像系统在一个实施例中的示意图,该系统包括光源1、空间光调制器2、第一会聚收光透镜3-1、第二会聚收光透镜3-2、第三会聚收光透镜3-3、第四会聚收光透镜3-4、第一点探测器4-1、第二点探测器4-2、第三点探测器4-3、第四点探测器4-4以及算法模块5;其中,
所述光源1发出的光打在空间光调制器2上,所述空间光调制器2通过加载二值随机矩阵对光进行随机调制,调制后的光投影在物体上,使得物体上遍布黑白的小方块,物体将光反射到各个方向,在四个反射方向上分别设置第一会聚收光透镜3-1、第二会聚收光透镜3-2、第三会聚收光透镜3-3、第四会聚收光透镜3-4,由这些会聚收光透镜实现会聚收光;所述第一点探测器4-1、第二点探测器4-2、第三点探测器4-3、第四点探测器4-4分别位于所述第一会聚收光透镜3-1、第二会聚收光透镜3-2、第三会聚收光透镜3-3、第四会聚收光透镜3-4之后,由这些点探测器对每个方向的总光强进行压缩采样,所述压缩采样结果输入所述算法模块5中;上述过程重复多次,空间光调制器2每一次调制不同的图案,所述算法模块5根据测量矩阵以及多次压缩采样所得到的测量值,运用压缩感知算法反演出对应各个点探测器方向的二维图像,然后比较这些图像的阴影部分信息来构建3D表面梯度,最终重建出3D物体形状。
下面对本发明系统中的各个部件做进一步的说明。
所述光源1采用单一光源进行照射。
所述空间光调制器2和第一点探测器4-1、第二点探测器4-2、第三点探测器4-3、第四点探测器4-4之间需要同步,即空间光调制器2每翻转一次,第一点探测器4-1、第二点探测器4-2、第三点探测器4-3、第四点探测器4-4在该翻转时间间隔内累计探测到达的所有光强,翻转完成后,探测结果转为电信号作为算法模块5的输入。
空间光调制器2每一次翻转,其所加载的二值随机矩阵ai各不相同。算法模块5运算时所需要的测量矩阵与二值随机矩阵有关,测量矩阵A中的第i行为二值随机矩阵ai拉伸获得的行向量a′i;空间光调制器2翻转M次,所生成的测量矩阵A共计M行。
所述空间光调制器2采用数字微镜器件或毛玻璃或液晶光阀中的任意一种实现。在本实施例中,所述空间光调制器2采用数字微镜器件实现,所述数字微镜器件在“开”、“关”两种状态下分别向微镜初始位置的中垂线的两侧倾斜12°,对应空间光调制器的两个反射方向。
所述点探测器采用光电转换点探测器或桶探测器或单像素探测器或雪崩二极管或光电倍增管中的任意一种实现。
作为一种优选实现方式,在本实施例中所述第一点探测器4-1、第二点探测器4-2、第三点探测器4-3、第四点探测器4-4分别放置在空间光调制器2的上方位置、下方位置、左方位置、右方位置。在其他实施例中,所述第一点探测器4-1、第二点探测器4-2、第三点探测器4-3、第四点探测器4-4也可以在空间光调制器2周围的其他位置。
在本实施例中,所述点探测器以及与点探测器对应的会聚收光透镜各有4组,在其他实施例中,所述点探测器以及会聚收光透镜的数目可以增加。
所述算法模块5采用下列任意一种算法实现压缩感知:贪心重建算法、匹配跟踪算法MP、正交匹配跟踪算法OMP、基跟踪算法BP、LASSO、LARS、GPSR、贝叶斯估计算法、magic、IST、TV、StOMP、CoSaMP、LBI、SP、l1_ls、smp算法、SpaRSA算法、TwIST算法、l0重建算法、l1重建算法、l2重建算法等;稀疏基可采用离散余弦变换基、小波基、傅里叶变换基、梯度基、gabor变换基等。
所述三维重建包括:对于每个方向上的点探测器而言,由于光照不同,每路点探测器都能反演出一幅二维图像,比较这些图像的阴影部分信息来构建3D表面梯度,通过寻找这些阴影的几何特征来重现深度场景,最终重建出3D物体形状。
以上是对本发明的压缩的三维计算鬼成像系统在一个实施例中的结构描述,在其他实施例中,该系统的结构也可以允许一定的变形。在一个实施例中,在所述光源1与空间光调制器2之间或者空间光调制器2之后添加滤光片,以滤除杂散光。在另一个实施例中,在所述光源1与空间光调制器2之间或者空间光调制器2之后分别添加红、绿、蓝三色滤光片,由此可得到物体分别反射红、绿、蓝三种颜色的光的光强分布情况,根据RGB三原色原理便可恢复出各个探测角度上的彩色图,从而重建出彩色3D图像。在又一个实施例中,在所述光源1与空间光调制器2之间或者空间光调制器2之后添加不同波长的滤光片,从而可实现多光谱成像,得到多种波长的三维成像。在再一个实施例中,在空间光调制器2与物体之间可以添加镜头或光学透镜,用于将调制图案调焦,使得调制图案投影到物体上后,物体上黑白小方块的尺寸相比于空间光调制器2上的微镜尺寸放大或缩小或等大。
基于图1所示实施例所描述的基于压缩的三维计算鬼成像系统,下面对压缩的三维计算鬼成像方法做进一步陈述。该方法包括:
步骤1)、投影步骤。
空间光调制器2加载二值随机矩阵对光源1所发出的光进行随机调制,调制后的光投影在物体上,使得物体身上遍布黑白的小方块,物体将光反射到各个方向。
步骤2)、压缩采样步骤。
空间光调制器2在二值随机测量矩阵的控制下翻转m次,在r个物体反射光方向上,每个点探测器结合会聚收光透镜分别对来自物体反射的总光强收集探测m次,r个点探测器探测m次的测量结果作为测量值ym×r
步骤3)、稀疏重建步骤,生成对应各个点探测器方向的二维图像。
利用自然图像可压缩或可稀疏表示的先验知识,选取合适的稀疏基Ψ,使得物体图像x经Ψ变换后得到系数x′是最为稀疏的;在已知测量值ym×r、二值随机测量矩阵A和稀疏基Ψ的条件下,在原有压缩感知数学模型ym=Am×nΨn×nx′n+en的基础上进行扩展改进,建立起块结构的数学模型ym×r=Am×nΨn×nx′n×r+en×r,r=1,2,3,...,N,其中N为探测器个数,通过压缩感知算法进行凸优化,得到x′后,再由
Figure BDA00003513902600091
反演出xn×r,将其中的每一列都按列重排成矩阵图像,其图像像素尺寸即为二值随机矩阵ai的尺寸大小,第i列对应Ii
步骤4)、3D重建步骤。
设第i个探测器上的像素图像的亮度方程为
Figure BDA00003513902600097
即步骤3)所得到的各个点探测器方向的二维图像,其中i=1,2,3,...,N,Is为光源强度,α为表面反射率,
Figure BDA00003513902600093
为从物体指向第i个探测器的单位方向向量,
Figure BDA00003513902600096
为物体表面单位法向量,p、q为图像像素行坐标和列坐标,对于N张二维图像,可将上述公式改写为:
I ( p , q ) = I s α ( D · n ^ ) ,
其中,D为包含所有单位方向向量的矩阵,I为包含相应图像光强信息的矩阵,对于任意像素(p,q),单位法向量为
Figure BDA00003513902600099
表面反射率α=D-1,根据每个像素计算所得的法向量能够确定出相邻像素间的梯度,从而通过整合获得物体表面的3D几何形状:首先提取特征点,并分别以这些特征点作为中心辐射向四周开始计算,在某一点上的表面高度可以利用最近邻的点的高度和表面梯度进行估计,即计算所有最近邻点的高度和表面梯度均值以获得估计值,然后进行优化,每步迭代计算一个像素,使得该像素的高度与它所有最近邻点的平均估计相匹配,非物体边缘部分的像素,其估计高度的拉普拉斯变换等效于测量梯度的拉普拉斯变换;物体边缘部分的像素,其梯度垂直于物体表面,最终迭代结束获得物体3D轮廓。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (11)

1.一种压缩的三维计算鬼成像系统,其特征在于,包括:光源(1)、空间光调制器(2)、至少四组会聚收光透镜、至少四组与所述会聚收光透镜对应的点探测器以及算法模块(5);其中,
所述光源(1)发出的光投射到所述空间光调制器(2)上,所述空间光调制器(2)通过加载二值随机矩阵对光进行随机调制,调制后的光投影在物体上,该物体将光反射到各个方向,在其中的至少四个反射方向上分别设置一组会聚收光透镜以及点探测器;由所述点探测器对每个方向的总光强进行压缩采样,所述压缩采样结果输入所述算法模块(5)中;上述过程重复多次,所述空间光调制器(2)每一次调制不同的图案,所述算法模块(5)根据测量矩阵以及多次压缩采样所得到的测量值,运用压缩感知算法反演出对应各个点探测器方向的二维图像,然后比较这些图像的阴影部分信息来构建3D表面梯度,最终重建出3D物体形状。
2.根据权利要求1所述的压缩的三维计算鬼成像系统,其特征在于,还包括滤光片,所述滤光片在所述光源(1)与空间光调制器(2)之间或者所述空间光调制器(2)之后。
3.根据权利要求2所述的压缩的三维计算鬼成像系统,其特征在于,所述滤光片为红、绿、蓝三色滤光片,或具有不同波长的滤光片。
4.根据权利要求1所述的压缩的三维计算鬼成像系统,其特征在于,还包括镜头或光学透镜,所述镜头或光学透镜在所述空间光调制器(2)与物体之间。
5.根据权利要求1或2或4所述的压缩的三维计算鬼成像系统,其特征在于,所述会聚收光透镜包括第一会聚收光透镜(3-1)、第二会聚收光透镜(3-2)、第三会聚收光透镜(3-3)、第四会聚收光透镜(3-4);所述点探测器包括第一点探测器(4-1)、第二点探测器(4-2)、第三点探测器(4-3)、第四点探测器(4-4);所述第一点探测器(4-1)、第二点探测器(4-2)、第三点探测器(4-3)、第四点探测器(4-4)分别位于所述第一会聚收光透镜(3-1)、第二会聚收光透镜(3-2)、第三会聚收光透镜(3-3)、第四会聚收光透镜(3-4)之后。
6.根据权利要求5所述的压缩的三维计算鬼成像系统,其特征在于,所述第一点探测器(4-1)、第二点探测器(4-2)、第三点探测器(4-3)、第四点探测器(4-4)分别放置在空间光调制器(2)的上方位置、下方位置、左方位置、右方位置。
7.根据权利要求1或2或4所述的压缩的三维计算鬼成像系统,其特征在于,所述空间光调制器(2)和所述点探测器之间需要同步。
8.根据权利要求1或2或4所述的压缩的三维计算鬼成像系统,其特征在于,所述空间光调制器(2)采用数字微镜器件或毛玻璃或液晶光阀中的任意一种实现。
9.根据权利要求1或2或4所述的压缩的三维计算鬼成像系统,其特征在于,所述点探测器采用光电转换点探测器或桶探测器或单像素探测器或雪崩二极管或光电倍增管中的任意一种实现。
10.根据权利要求1或2或4所述的压缩的三维计算鬼成像系统,其特征在于,所述算法模块(5)采用下列任意一种算法实现压缩感知:贪心重建算法、匹配跟踪算法MP、正交匹配跟踪算法OMP、基跟踪算法BP、LASSO、LARS、GPSR、贝叶斯估计算法、magic、IST、TV、StOMP、CoSaMP、LBI、SP、l1_ls、smp算法、SpaRSA算法、TwIST算法、l0重建算法、l1重建算法、l2重建算法;稀疏基采用离散余弦变换基、小波基、傅里叶变换基、梯度基、gabor变换基中的任意一种实现。
11.基于权利要求1-10之一所述的压缩的三维计算鬼成像系统所实现的三维计算鬼成像方法,包括:
步骤1)、投影步骤;
加载二值随机矩阵的所述空间光调制器(2)对光源(1)所发出的光进行随机调制,调制后的光投影在物体上,物体将光反射到各个方向;
步骤2)、压缩采样步骤;
所述空间光调制器(2)在二值随机测量矩阵的控制下翻转m次,在r个物体反射光方向上,每个点探测器结合会聚收光透镜分别对来自物体反射的总光强收集探测m次,r个点探测器探测m次的测量结果作为测量值ym×r
步骤3)、稀疏重建步骤,生成对应各个点探测器方向的二维图像;
利用自然图像可压缩或可稀疏表示的先验知识,选取合适的稀疏基Ψ,使得物体图像x经Ψ变换后得到系数x′是最为稀疏的;在已知测量值ym×r、二值随机测量矩阵A和稀疏基Ψ的条件下,建立数学模型ym×r=Am×nΨn×nx′n×r+en×r,r=1,2,3,...,N,其中N为探测器个数;通过压缩感知算法进行凸优化,得到x′后,再由
Figure FDA00003513902500021
反演出xn×r,将其中的每一列都按列重排成矩阵图像,其图像像素尺寸即为二值随机矩阵ai的尺寸大小,第i列对应Ii
步骤4)、3D重建步骤;
设第i个探测器上的像素图像的亮度方程为
Figure FDA00003513902500036
即步骤3)所得到的各个点探测器方向的二维图像,其中i=1,2,3,...,N,Is为光源强度,α为表面反射率,为从物体指向第i个探测器的单位方向向量,
Figure FDA00003513902500033
为物体表面单位法向量,p、q为图像像素行坐标和列坐标,对于N张二维图像,将上述公式改写为:
I ( p , q ) = I s α ( D · n ^ ) ,
其中,D为包含所有单位方向向量的矩阵,I为包含相应图像光强信息的矩阵,对于任意像素(p,q),单位法向量为
Figure FDA00003513902500038
表面反射率α=D-1,然后根据每个像素计算所得的法向量能够确定出相邻像素间的梯度,从而通过整合获得物体表面的3D几何形状;具体包括:
首先提取特征点,并分别以这些特征点作为中心辐射向四周开始计算,在某一点上的表面高度通过利用最近邻的点的高度和表面梯度进行估计;然后进行优化,每步迭代计算一个像素,使得该像素的高度与它所有最近邻点的平均估计相匹配,非物体边缘部分的像素,其估计高度的拉普拉斯变换等效于测量梯度的拉普拉斯变换,物体边缘部分的像素,其梯度垂直于物体表面;最终迭代结束获得物体3D轮廓。
CN201310296016.7A 2013-07-15 2013-07-15 一种压缩的三维计算鬼成像系统及方法 Active CN103363924B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310296016.7A CN103363924B (zh) 2013-07-15 2013-07-15 一种压缩的三维计算鬼成像系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310296016.7A CN103363924B (zh) 2013-07-15 2013-07-15 一种压缩的三维计算鬼成像系统及方法

Publications (2)

Publication Number Publication Date
CN103363924A true CN103363924A (zh) 2013-10-23
CN103363924B CN103363924B (zh) 2016-02-03

Family

ID=49365814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310296016.7A Active CN103363924B (zh) 2013-07-15 2013-07-15 一种压缩的三维计算鬼成像系统及方法

Country Status (1)

Country Link
CN (1) CN103363924B (zh)

Cited By (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104112294A (zh) * 2014-07-04 2014-10-22 中国科学院上海光学精密机械研究所 基于稀疏约束的强度关联成像高速三维重构系统及方法
CN104154878A (zh) * 2014-07-29 2014-11-19 暨南大学 一种使用单像素探测器的光学成像方法
CN105023247A (zh) * 2015-06-24 2015-11-04 南京理工大学 抑制单臂鬼成像离焦模糊的二次成像方法
CN105676613A (zh) * 2016-03-29 2016-06-15 山东大学 一种采用单像素桶探测器的数字全息幻影成像系统及其工作方法
CN105943071A (zh) * 2016-05-25 2016-09-21 厦门大学 X射线ct成像系统
CN106405546A (zh) * 2016-11-08 2017-02-15 中国科学院合肥物质科学研究院 基于压缩散斑的快速关联成像系统及方法
CN106595859A (zh) * 2016-11-01 2017-04-26 清华大学 鬼成像方法和应用其的鬼成像装置
CN106680811A (zh) * 2016-08-01 2017-05-17 南京理工大学 一种提高稀疏约束鬼雷达成像质量的方法
CN106679808A (zh) * 2016-12-26 2017-05-17 中国科学院合肥物质科学研究院 基于压缩光谱的关联成像系统及其方法
CN106772310A (zh) * 2016-12-30 2017-05-31 南京理工大学 一种基于计算鬼成像的目标鉴定装置及其方法
CN106842195A (zh) * 2016-12-26 2017-06-13 中国科学院合肥物质科学研究院 基于计算关联成像的多物体同时成像及加密方法
CN106840109A (zh) * 2017-01-20 2017-06-13 长沙全度影像科技有限公司 一种基于差分的单像素成像硬件系统
CN107016637A (zh) * 2017-03-21 2017-08-04 北京理工大学 一种用于提高鬼成像效率的自适应成像方法
CN107238590A (zh) * 2017-05-24 2017-10-10 清华大学 基于光片显微与单像素成像的显微层析成像装置
CN107315176A (zh) * 2017-06-29 2017-11-03 清华大学深圳研究生院 一种强大气散射条件下的成像装置及方法
CN107421439A (zh) * 2017-04-21 2017-12-01 上海交通大学 一种无成像目标显著性检测与坐标跟踪系统及方法
CN107783148A (zh) * 2017-11-29 2018-03-09 苏州蛟视智能科技有限公司 压缩感知成像装置及方法
CN107783149A (zh) * 2017-11-29 2018-03-09 苏州蛟视智能科技有限公司 一种压缩感知成像装置及方法
CN107884782A (zh) * 2017-11-07 2018-04-06 上海理工大学 基于人眼视觉和玫瑰扫描的移动物体关联成像方法
CN108037512A (zh) * 2017-11-24 2018-05-15 上海机电工程研究所 激光半主动关联成像跟踪探测系统及方法
CN108259865A (zh) * 2018-03-09 2018-07-06 暨南大学 一种基于单像素探测器的彩色成像方法和系统
CN108303039A (zh) * 2018-01-23 2018-07-20 北京理工大学 一种高斯光鬼成像的光强补偿方法
CN109342462A (zh) * 2018-10-12 2019-02-15 贵州民族大学 中子鬼成像仪
CN109828430A (zh) * 2018-11-21 2019-05-31 中国航空工业集团公司洛阳电光设备研究所 一种基于压缩感知理论的立体成像装置及系统
US10345681B2 (en) 2016-10-17 2019-07-09 Nokia Of America Corporation Compressive imaging using structured illumination
CN110533706A (zh) * 2018-05-25 2019-12-03 南京理工大学 一种基于计算鬼成像的三维目标重构方法
CN110954014A (zh) * 2018-09-27 2020-04-03 奇景光电股份有限公司 一种用于三维感测系统的投影装置
WO2020119690A1 (zh) * 2018-12-14 2020-06-18 中国科学院物理研究所 基于x射线计算关联成像的x射线单像素相机
CN111596310A (zh) * 2020-05-27 2020-08-28 北京邮电大学 一种基于点探测的运动目标鬼成像系统与方法
WO2020186395A1 (zh) * 2019-03-15 2020-09-24 中国科学院微电子研究所 关联成像方法及装置
CN111721216A (zh) * 2020-06-29 2020-09-29 河南科技大学 基于三维图像的钢丝绳检测装置、表面损伤检测及绳径计算方法
CN111833265A (zh) * 2020-06-15 2020-10-27 北京邮电大学 一种基于组稀疏循环调制的鬼成像图像恢复方案
CN111986118A (zh) * 2020-08-31 2020-11-24 广东工业大学 一种加权核范数最小化的水下计算鬼成像图像去噪方法及系统
CN112051240A (zh) * 2020-07-27 2020-12-08 北京航天控制仪器研究所 一种利用散射光对目标物体进行成像的方法
CN112630987A (zh) * 2020-12-01 2021-04-09 清华大学深圳国际研究生院 一种快速超分辨压缩数字全息显微成像系统及方法
CN113302541A (zh) * 2019-03-22 2021-08-24 巴里大学 用于捕获任意平面之间的全光图像的过程和装置
CN113485081A (zh) * 2021-07-09 2021-10-08 北京航空航天大学 一种非级联光学扫描全息的多图像并行加密方法
CN114128245A (zh) * 2019-07-12 2022-03-01 株式会社小糸制作所 成像装置及其照明装置、车辆、车辆用灯具
CN114354607A (zh) * 2021-10-09 2022-04-15 七海测量技术(深圳)有限公司 一种基于螺旋相衬滤波算法的光度立体瑕疵检测方法
WO2022179386A1 (zh) * 2021-02-26 2022-09-01 山东英信计算机技术有限公司 分布式量子成像方法、装置、系统及计算机可读存储介质
CN115100286A (zh) * 2022-07-25 2022-09-23 深圳大学 无人机采集视点确定方法、装置、计算机设备和存储介质
CN116033138A (zh) * 2023-03-27 2023-04-28 中国科学院国家空间科学中心 一种单次曝光压缩感知被动三维成像系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1681579A2 (en) * 2003-05-30 2006-07-19 The Boeing Company Inverse synthetic aperture radar-based covert system for human identification
EP2469301A1 (en) * 2010-12-23 2012-06-27 André Borowski Methods and devices for generating a representation of a 3D scene at very high speed
CN102608619A (zh) * 2012-03-07 2012-07-25 北京航空航天大学 光子计数压缩采样相控阵激光三维成像方法
CN102621546A (zh) * 2012-03-28 2012-08-01 浙江大学 基于关联成像的三维信息获取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1681579A2 (en) * 2003-05-30 2006-07-19 The Boeing Company Inverse synthetic aperture radar-based covert system for human identification
EP2469301A1 (en) * 2010-12-23 2012-06-27 André Borowski Methods and devices for generating a representation of a 3D scene at very high speed
CN102608619A (zh) * 2012-03-07 2012-07-25 北京航空航天大学 光子计数压缩采样相控阵激光三维成像方法
CN102621546A (zh) * 2012-03-28 2012-08-01 浙江大学 基于关联成像的三维信息获取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
俞文凯等: "压缩传感用于极弱光计数成像", 《光学精密工程》 *
张硕等: "基于压缩感知的三维物体成像的简单计算方法", 《光学学报》 *
杜克铭等: "基于压缩传感的光子计数成像系统", 《红外与激光工程》 *

Cited By (64)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104112294A (zh) * 2014-07-04 2014-10-22 中国科学院上海光学精密机械研究所 基于稀疏约束的强度关联成像高速三维重构系统及方法
CN104112294B (zh) * 2014-07-04 2017-04-05 中国科学院上海光学精密机械研究所 基于稀疏约束的强度关联成像高速三维重构系统及方法
CN104154878A (zh) * 2014-07-29 2014-11-19 暨南大学 一种使用单像素探测器的光学成像方法
WO2016015516A1 (zh) * 2014-07-29 2016-02-04 暨南大学 一种使用单像素探测器的光学成像方法
CN104154878B (zh) * 2014-07-29 2016-09-28 暨南大学 一种使用单像素探测器的光学成像方法
CN105023247B (zh) * 2015-06-24 2017-10-24 南京理工大学 抑制单臂鬼成像离焦模糊的二次成像方法
CN105023247A (zh) * 2015-06-24 2015-11-04 南京理工大学 抑制单臂鬼成像离焦模糊的二次成像方法
CN105676613A (zh) * 2016-03-29 2016-06-15 山东大学 一种采用单像素桶探测器的数字全息幻影成像系统及其工作方法
CN105676613B (zh) * 2016-03-29 2018-08-14 山东大学 一种采用单像素桶探测器的数字全息幻影成像系统及其工作方法
CN105943071A (zh) * 2016-05-25 2016-09-21 厦门大学 X射线ct成像系统
CN106680811A (zh) * 2016-08-01 2017-05-17 南京理工大学 一种提高稀疏约束鬼雷达成像质量的方法
US10345681B2 (en) 2016-10-17 2019-07-09 Nokia Of America Corporation Compressive imaging using structured illumination
CN106595859A (zh) * 2016-11-01 2017-04-26 清华大学 鬼成像方法和应用其的鬼成像装置
CN106405546B (zh) * 2016-11-08 2021-01-15 中国科学院合肥物质科学研究院 基于压缩散斑的快速关联成像系统及方法
CN106405546A (zh) * 2016-11-08 2017-02-15 中国科学院合肥物质科学研究院 基于压缩散斑的快速关联成像系统及方法
CN106842195B (zh) * 2016-12-26 2020-12-25 中国科学院合肥物质科学研究院 基于计算关联成像的多物体同时成像及加密方法
CN106679808A (zh) * 2016-12-26 2017-05-17 中国科学院合肥物质科学研究院 基于压缩光谱的关联成像系统及其方法
CN106842195A (zh) * 2016-12-26 2017-06-13 中国科学院合肥物质科学研究院 基于计算关联成像的多物体同时成像及加密方法
CN106772310A (zh) * 2016-12-30 2017-05-31 南京理工大学 一种基于计算鬼成像的目标鉴定装置及其方法
CN106772310B (zh) * 2016-12-30 2019-05-07 南京理工大学 一种基于计算鬼成像的目标鉴定装置及其方法
CN106840109A (zh) * 2017-01-20 2017-06-13 长沙全度影像科技有限公司 一种基于差分的单像素成像硬件系统
CN107016637B (zh) * 2017-03-21 2019-09-17 北京理工大学 一种用于提高鬼成像效率的自适应成像方法
CN107016637A (zh) * 2017-03-21 2017-08-04 北京理工大学 一种用于提高鬼成像效率的自适应成像方法
CN107421439A (zh) * 2017-04-21 2017-12-01 上海交通大学 一种无成像目标显著性检测与坐标跟踪系统及方法
CN107421439B (zh) * 2017-04-21 2019-05-14 上海交通大学 一种无成像目标显著性检测与坐标跟踪系统及方法
CN107238590A (zh) * 2017-05-24 2017-10-10 清华大学 基于光片显微与单像素成像的显微层析成像装置
WO2019000659A1 (zh) * 2017-06-29 2019-01-03 清华大学深圳研究生院 一种强大气散射条件下的成像装置及方法
CN107315176B (zh) * 2017-06-29 2019-04-26 清华大学深圳研究生院 一种强大气散射条件下的成像装置及方法
CN107315176A (zh) * 2017-06-29 2017-11-03 清华大学深圳研究生院 一种强大气散射条件下的成像装置及方法
CN107884782B (zh) * 2017-11-07 2021-07-13 上海理工大学 基于人眼视觉和玫瑰扫描的移动物体关联成像方法
CN107884782A (zh) * 2017-11-07 2018-04-06 上海理工大学 基于人眼视觉和玫瑰扫描的移动物体关联成像方法
CN108037512A (zh) * 2017-11-24 2018-05-15 上海机电工程研究所 激光半主动关联成像跟踪探测系统及方法
CN107783149B (zh) * 2017-11-29 2024-03-19 苏州蛟视智能科技有限公司 一种压缩感知成像装置及方法
CN107783149A (zh) * 2017-11-29 2018-03-09 苏州蛟视智能科技有限公司 一种压缩感知成像装置及方法
CN107783148A (zh) * 2017-11-29 2018-03-09 苏州蛟视智能科技有限公司 压缩感知成像装置及方法
CN108303039B (zh) * 2018-01-23 2019-06-21 北京理工大学 一种高斯光鬼成像的光强补偿方法
CN108303039A (zh) * 2018-01-23 2018-07-20 北京理工大学 一种高斯光鬼成像的光强补偿方法
CN108259865A (zh) * 2018-03-09 2018-07-06 暨南大学 一种基于单像素探测器的彩色成像方法和系统
CN110533706A (zh) * 2018-05-25 2019-12-03 南京理工大学 一种基于计算鬼成像的三维目标重构方法
CN110954014A (zh) * 2018-09-27 2020-04-03 奇景光电股份有限公司 一种用于三维感测系统的投影装置
CN109342462B (zh) * 2018-10-12 2021-10-01 贵州民族大学 中子鬼成像仪
CN109342462A (zh) * 2018-10-12 2019-02-15 贵州民族大学 中子鬼成像仪
CN109828430A (zh) * 2018-11-21 2019-05-31 中国航空工业集团公司洛阳电光设备研究所 一种基于压缩感知理论的立体成像装置及系统
WO2020119690A1 (zh) * 2018-12-14 2020-06-18 中国科学院物理研究所 基于x射线计算关联成像的x射线单像素相机
US11255800B1 (en) 2018-12-14 2022-02-22 Institute Of Physics, Chinese Academy Of Sciences X-ray single-pixel camera based on x-ray computational correlated imaging
WO2020186395A1 (zh) * 2019-03-15 2020-09-24 中国科学院微电子研究所 关联成像方法及装置
CN113302541A (zh) * 2019-03-22 2021-08-24 巴里大学 用于捕获任意平面之间的全光图像的过程和装置
CN114128245A (zh) * 2019-07-12 2022-03-01 株式会社小糸制作所 成像装置及其照明装置、车辆、车辆用灯具
CN111596310A (zh) * 2020-05-27 2020-08-28 北京邮电大学 一种基于点探测的运动目标鬼成像系统与方法
CN111833265A (zh) * 2020-06-15 2020-10-27 北京邮电大学 一种基于组稀疏循环调制的鬼成像图像恢复方案
CN111721216A (zh) * 2020-06-29 2020-09-29 河南科技大学 基于三维图像的钢丝绳检测装置、表面损伤检测及绳径计算方法
CN112051240A (zh) * 2020-07-27 2020-12-08 北京航天控制仪器研究所 一种利用散射光对目标物体进行成像的方法
CN111986118A (zh) * 2020-08-31 2020-11-24 广东工业大学 一种加权核范数最小化的水下计算鬼成像图像去噪方法及系统
CN111986118B (zh) * 2020-08-31 2023-06-16 广东工业大学 一种加权核范数最小化的水下计算鬼成像图像去噪方法及系统
CN112630987A (zh) * 2020-12-01 2021-04-09 清华大学深圳国际研究生院 一种快速超分辨压缩数字全息显微成像系统及方法
WO2022179386A1 (zh) * 2021-02-26 2022-09-01 山东英信计算机技术有限公司 分布式量子成像方法、装置、系统及计算机可读存储介质
CN113485081A (zh) * 2021-07-09 2021-10-08 北京航空航天大学 一种非级联光学扫描全息的多图像并行加密方法
CN113485081B (zh) * 2021-07-09 2022-09-16 北京航空航天大学 一种非级联光学扫描全息的多图像并行加密方法
CN114354607A (zh) * 2021-10-09 2022-04-15 七海测量技术(深圳)有限公司 一种基于螺旋相衬滤波算法的光度立体瑕疵检测方法
CN114354607B (zh) * 2021-10-09 2023-10-31 七海测量技术(深圳)有限公司 一种基于螺旋相衬滤波算法的光度立体瑕疵检测方法
CN115100286A (zh) * 2022-07-25 2022-09-23 深圳大学 无人机采集视点确定方法、装置、计算机设备和存储介质
CN115100286B (zh) * 2022-07-25 2022-11-11 深圳大学 无人机采集视点确定方法、装置、计算机设备和存储介质
CN116033138A (zh) * 2023-03-27 2023-04-28 中国科学院国家空间科学中心 一种单次曝光压缩感知被动三维成像系统及方法
CN116033138B (zh) * 2023-03-27 2023-06-02 中国科学院国家空间科学中心 一种单次曝光压缩感知被动三维成像系统及方法

Also Published As

Publication number Publication date
CN103363924B (zh) 2016-02-03

Similar Documents

Publication Publication Date Title
CN103363924B (zh) 一种压缩的三维计算鬼成像系统及方法
CN110425986B (zh) 基于单像素传感器的三维计算成像方法及装置
Musarra et al. Non-line-of-sight three-dimensional imaging with a single-pixel camera
US9961285B2 (en) Optical imaging method using single pixel detector
Fergus et al. Random lens imaging
US7986321B2 (en) System and method for generating structured light for 3-dimensional image rendering
EP3129813B1 (en) Low-power image change detector
CN103323396A (zh) 一种基于符合测量的二维压缩鬼成像系统及方法
JPH10508107A (ja) 能動型照明及びデフォーカスに起因する画像中の相対的なぼけを用いる物体の3次元形状を決定する装置及び方法
CN111649691A (zh) 基于单像素探测器的数字条纹投影三维成像系统及方法
CN110264540B (zh) 一种并行单像素成像方法
WO2016131036A1 (en) Imaging system with synchronized dynamic control of directable beam light source and reconfigurably masked photo-sensor
CN111047681A (zh) 基于深度学习的单像素三维端到端重建方法及装置
WO2009108050A1 (en) Image reconstructor
Chen et al. Auto-tuning structured light by optical stochastic gradient descent
Aliaga et al. Photogeometric structured light: A self-calibrating and multi-viewpoint framework for accurate 3d modeling
CN110319790A (zh) 一种基于彩色散斑场的全彩色计算鬼成像方法
Li et al. Shadow-free single-pixel imaging
CN111551955A (zh) 一种仿生分块鬼成像方法及系统
JPH1062140A (ja) 形状の再構成方法および形状の再構成装置
CN117876562A (zh) 一种基于消费级rgb-d传感器对非朗伯表面进行纹理映射的优化方法
CN108007385A (zh) 一种大视场弹坑表面形貌成像系统及方法
CN115290004B (zh) 一种基于压缩感知与hsi的水下并行单像素成像方法
Henderson et al. Design and calibration of a fast flying-dot projector for dynamic light transport acquisition
Garbat et al. Structured light camera calibration

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent of invention or patent application
CB03 Change of inventor or designer information

Inventor after: Sun Zhibin

Inventor before: Yu Wenkai

Inventor before: Sun Zhibin

Inventor before: Di Guangjie

COR Change of bibliographic data

Free format text: CORRECT: INVENTOR; FROM: YU WENKAI SUN ZHIBIN ZHAI GUANGJIE TO: SUN ZHIBIN

C14 Grant of patent or utility model
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 100190 No. two south of Zhongguancun, Haidian District, Beijing 1

Patentee after: NATIONAL SPACE SCIENCE CENTER, CAS

Address before: 100190 No. two south of Zhongguancun, Haidian District, Beijing 1

Patentee before: Space Science & Applied Research Centre, Chinese Academy of Sciences