CN103400366A

CN103400366A - 基于条纹结构光的动态场景深度获取方法

Info

Publication number: CN103400366A
Application number: CN2013102778925A
Authority: CN
Inventors: 石光明; 李甫; 李芹; 齐飞; 石悦鑫; 高山
Original assignee: Xidian University
Current assignee: Xidian University
Priority date: 2013-07-03
Filing date: 2013-07-03
Publication date: 2013-11-20
Anticipated expiration: 2033-07-03
Also published as: CN103400366B

Abstract

本发明公开了一种基于条纹结构光的动态场景深度获取方法，主要解决现有技术计算深度精度低，深度空间分辨率低的问题。其实现步骤为：设计De Bruijn序列编码的黑白条纹模板P，用投影仪将其投射到三维场景中，用摄像机记录变形条纹图像U；利用投影仪和摄像机的几何关系与De Bruijn序列确定变形条纹图像U中黑白条纹的序号；求取变形条纹图像U和黑白条纹模板P之间的相位差，利用黑白条纹的序号与相位差求取变形条纹图像中各像素点对应在黑白条纹模板P中的匹配点坐标；用匹配点坐标与线面相交几何关系求出变形条纹图像U中每个像素点的深度。本发明具有计算复杂度低、深度空间分辨率高、深度精度高的优点，可用于对动态场景的精确三维重建。

Description

基于条纹结构光的动态场景深度获取方法

技术领域

本发明属于图像处理技术领域，涉及动态场景深度的获取，可用于三维重建或目标识别。

背景技术

随着信息技术的飞速发展，三维物体深度信息的测量在很多应用领域是必不可少的，如工业自动化、移动机器人、人机交互和外科手术。目前，三维测量方法主要包括被动测量法和主动测量法。

被动测量法包括双目立体视觉法、离焦法和阴影法等方法。双目立体视觉法主要任务是求取两个摄像机获取到的图像视差，然后利用三角测量法求出深度，此方法对摄像机的同步工作要求高，并因求出的深度值比较稀少而被淘汰。离焦法和阴影法容易受到环境的影响，其求得的深度值精度不高。

主动测量法包括时间飞行法和结构光测量法。时间飞行法是通过计算接收到的光波的延时实现场景深度的求取。此方法所获取的三维场景深度值的精度可以达到很高的程度，但是此方法要求场景是静止的，并且耗时较长。基于结构光的三维测量算法因其非接触性、简单、高速度和高精度等优点而得到广泛关注。通常，基于结构光的测量方法又分为基于时间编码的方法和基于空间编码的方法这两种。基于时间编码的方法因其需要一组投射模板，适用于静态场景，而基于空间编码的方法仅需要一幅模板便可重建出动态场景的形状。因此，为精确获取动态场景的深度值，基于空间编码的方法比较合适。

一种比较有效的空间编码方式为基于颜色的编码方式，如长春理工大学提出的一种De Bruijn彩色结构光编码图像的中心彩色条纹颜色聚类方法，专利号为201110080913。此发明将不同颜色按照De Bruijn序列进行排列进而产生一个彩色条纹模板。每个条纹通过其相邻的条纹的颜色的不同进行区分。但是，由于红绿蓝三色光谱存在混叠，而且不同颜色的场景对各个颜色的响应不同，所以摄像机记录下的颜色不一定完全反映模板的颜色，导致在解码过程中容易产生错误。

为了解决颜色译码易出错的问题，深圳大学发明了基于空间点阵投影的三维数字成像方法，专利号为200410071984。此发明采用的模板为二维点阵结构光，通过比较被测物体表面和参考平面上的点阵对的位置变化，计算出物体的深度图像。但是此发明在确定点阵对时存在不确定问题，容易求出错误的深度。

鉴于上述问题的存在，北京中星微电子有限公司提出一种结构光编码、解码方法及编码、解码装置的发明，专利号为200810113080。此发明采用的模板为宽窄变化的条纹按照De Bruijn序列进行排列所得的条纹模板。解码时，每根线条边界点的确定是选用图像灰度曲线中波峰点到波谷点之间的过渡点。但是，由于环境光照的不均匀，容易出现波峰与波谷之间的过渡点的定位失误，使得相应的线条宽度求解存在较大的误差，造成解码错误，导致最终使求得的深度有误。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于条纹结构光的动态场景深度获取方法，以在不增加设备复杂性以及计算复杂性的情况下，避免颜色解码错误和条纹边界定位不准确的问题，提高空间分辨率，获取高精度的动态场景深度值。

为实现上述目的，本发明的技术方案包括如下步骤：

（1）设计2元3次De Bruijn序列编码的不同宽度的黑白条纹模板P，并经投影仪T将该黑白条纹模板P投射到三维场景中，用摄像机C记录经场景调制过的变形条纹图像U；

（2）对记录变形条纹图像U使用阈值法二值化，得到二值图像B；

（3）根据占空比的不同，将二值图像B中的每个黑白条纹对译成0、1序列码；

（4）根据De Bruijn序列解码方式，将步骤（3）中得到的对应黑白条纹对的0、1序列解码为0～7的序号N；

（5）在步骤（4）得到的黑白条纹对序号N基础上加上8M，得到连续序号，其中M为正整数，其取值通过如下公式确定：

M = quot (\frac{f}{d_{\max}} (C_{x} + \frac{(d_{\max} - C_{z}) (x_{U} - C_{x})}{z_{U} - C_{z}}), 8 L),

其中，(x_U,y_U,z_U)为变形条纹图像U像素点的三维坐标，(C_x,C_y,C_z)为摄像机C的光心坐标，f为投影仪T的焦距，quot（）为求商符号，L为黑白条纹宽度之和；

（6）对所得变形条纹图像U与黑白条纹模板P求其相位差，利用该相位差与步骤（5）得到的连续序号求取变形条纹图像U中各像素点对应在黑白条纹模板P中的匹配点坐标；

（7）对变形条纹图像U中每个像素点，结合步骤（6）得到的匹配点坐标，用线面相交几何关系求得相应的深度值D₁；

（8）用Harris角点检测算子提取变形条纹图像U的角点，再用所得角点划分变形条纹图像U的连续区域；

（9）对深度值D₁中的异常值进行校正：

（9a）计算步骤（5）中相邻连续条纹序号的差值，定义差值不是1的条纹序号对应的像素点的深度值为异常值D₂，并对变形条纹图像U中所有像素点的深度值的正常或者异常进行标记，记作q，第n个像素点的标记q_n={0,1}，n=1…576×576，576×576为变形条纹图像U的分辨率，0表示深度值正常，1表示深度值异常；

（9b）选取异常值D₂邻域内未被标记的正常深度值D₁，再在这些正常深度值D₁中筛选与异常值D₂位于同一连续区域内的正常深度值D₁，对这些深度值D₁求平均得到对异常值D₂的校正值D₃；

（9c）由正常深度值D₁与校正值D₃，得到最终的深度值D为：D=(1-q)·D₁+q·D₃，即当q=0时，D=D₁；当q=1时，D=D₃。

本发明与现有技术相比具有以下优点：

第一，本发明在求匹配点坐标过程中选用相位差，可以得到亚像素级精度的匹配点坐标；

第二，本发明对变形条纹图像中的每个像素点均实现匹配，有效地提高了深度的空间分辨率；

第三，本发明提出用Harris角点检测算子提取的角点确定图像的边缘，进而确定图像的连续区域，可以有效的逼近图像的真实边缘，进而能够正确估计边缘处的深度值；

第四，本发明使用外极线段确定黑白条纹对的连续序号，与现有的能量函数最小化的方法相比，降低了深度求解过程中的计算复杂度。

附图说明

图1为本发明的流程图；

图2为本发明的条纹模板图；

图3为本发明使用的系统框图；

图4为本发明的外极线段约束图；

图5为本发明的线面相交三角原理图。

具体实施方式

本发明是对现有空间编码结构光的动态场景深度获取算法的改进，未增加设备复杂性，提高了所获取深度的空间分辨率，增加了所获取深度的精度。

参照图1，本发明是基于条纹结构光的动态场景深度获取方法，步骤如下：

步骤1，设计2元3次De Bruijn序列编码的不同宽度的黑白条纹模板P。

（1a）设定一对黑白条纹作为基本单元，且黑色条纹在左，白色条纹在右，并且设定黑白条纹宽度之和为常数L，定义白色条纹宽度与L的比值为占空比，当白色条纹的占空比为2/6时，该对黑白条纹的编码为0，当白色条纹的占空比为4/6时，该对黑白条纹的编码为1；

（1b）将一系列黑白条纹编码按照2元3次De Bruijn序列的规律变化，即按00010111规律变化的黑白条纹，即构成黑白条纹模板P，如图2所示。

步骤2，获取变形条纹图像U。

参照图3，将设计好的黑白条纹模板P经投影仪T投射到三维场景B，由于场景B中各点深度的不同，使得黑白条纹模板发生变形，产生变形条纹图像U，并用摄像机C对该变形条纹图像进行记录。

步骤3，对变形条纹图像U使用阈值法进行二值化，得到二值图像B。

由于光强存在不均匀性，为避免固定阈值造成的二值化错误，本发明采用逐块处理的二值化方法，其步骤如下：

（3a）将变形条纹图像U分割为大小一致的m个图像块，m≥2；

（3b）对每个图像块按照如下公式进行二值化，

v_{(i, n)} = \{\begin{matrix} 255, & u_{(i, n)} > t_{i} \\ 0, & u_{(i, n) \leq t_{i}} \end{matrix},

其中，v_(i,n)为第i个二值化后的图像块中第n个像素点的取值，u_(i,n)为第i个图像块中第n个像素点的灰度值，i＝1,…,m，t_i为第i个图像块对应的阈值，该阈值通过直方图双峰法确定，即统计第i个图像块的灰度直方图；再选取灰度直方图中两波峰之间的波谷对应的灰度值作为该图像块的阈值；

（3c）把所有二值化后的图像块合并为一个二值图像B，

B＝{v_(i，·)}，

其中，v_(i,·)表示第i个二值化后的图像块，i＝1…m。

步骤4，根据占空比的不同，将二值图像B中的每个黑白条纹对译成0、1码。

（4a）根据二值图像B中条纹间的边界点确定黑白条纹宽度；

（4b）求出每个白色条纹宽度与其左侧的黑色条纹的宽度之和，并用白色条纹宽度除以相应的黑白条纹宽度之和，求得白色条纹的占空比；

（4c）根据白色条纹的占空比对黑白色条纹对进行解码，即当白色条纹的占空比为2/6时，黑白色条纹对解码为0，当白色条纹的占空比为4/6时，黑白色条纹对解码为1。

步骤5，根据2元3次De Bruijn序列解码方法，将黑白条纹对的0、1序列解码为0～7的序号N。

（5a）将编码序列000定义为序号0，将编码序列001定义为序号1，将编码序列010定义为序号2，将编码序列101定义为序号3，将编码序列011定义为序号4，将编码序列111定义为序号5，将编码序列110定义为序号6，将编码序列100定义为序号7；

（5b）从步骤4确定的黑白条纹对编码序列中提取所有长度为3的相邻的黑白条纹对编码序列，并将步骤（5a）中定义的编码序列所对应的序号赋给该黑白条纹对作为该黑白条纹对的序号N。

步骤6，在步骤5得到的黑白条纹对序号N的基础上加上8M，得到连续序号，M取值为正整数。

参照图4，M的取值通过外极线段确定，其步骤如下：

（6a）当给定场景的深度范围(d_min,d_max)后，调整投影仪T和摄像机C的位置，使变形条纹图像U中每个像素点对应到黑白条纹模板P中的外极线段长度小于等于一个De Bruijn序列周期；

（6b）根据摄像机C、变形条纹图像U中的点A和三维场景中的点O的共线性，将点O的坐标(x_O,y_O,z_O)表示为：

(x_O,y_O,z_O)＝(C_x,C_y,C_z)+γ₁[(x_U,y_U,z_U)-(C_x,C_y,C_z)]，1）

其中，(x_U,y_U,z_U)为变形条纹图像U中像素点A的三维坐标，(C_x,C_y,C_z)为摄像机C光心的三维坐标，γ₁为点C到点O的距离；

（6c）根据点C到直线E的距离d_max，确定点C到点O的距离γ₁为：

γ_{1} = \frac{d_{\max} - C_{z}}{z_{U} - C_{z}},

其中，z_U为变形条纹图像U中像素点A坐标(x_U,y_U,z_U)中的第三个分量，C_z为摄像机C的光心坐标(C_x,C_y,C_z)中的第三个分量； 2）

（6d）将式2）代入式1），得点O的坐标(x_O,y_O,z_O)为：

(x_{O}, y_{O}, z_{O}) = (C_{x}, C_{y}, C_{z}) + \frac{d_{\max} - C_{z}}{z_{U} - C_{z}} [(x_{U}, y_{U}, z_{U}) - (C_{x}, C_{y}, C_{z}); - - - 3)

（6e）根据三维场景中的点O、投影仪T和黑白条纹模板P中的点F的共线性，将点F的坐标(x_F,y_F,z_F)表示为：

(x_F,y_F,z_F)＝γ₂(x_O,y_O,z_O)， 4）

其中，γ₂为中间变量，

f为投影仪的焦距；

（6g）将式3）代入式4），得到点F的坐标(x_F,y_F,z_F)中的x_F为

x_{F} = \frac{f}{d_{\max}} (C_{x} + \frac{(d_{\max} - C_{z}) (x_{U} - C_{x})}{z_{U} - C_{z}}), - - - 5)

（6h）根据式5），确定M的取值为：

M＝quot(x_F,8L)

其中，quot（）为求商公式，L为黑白条纹宽度之和。

步骤7，对所得变形条纹图像U与黑白条纹模板P求其相位差，利用该相位差与步骤6得到的连续序号求取变形条纹图像U中各像素点对应在黑白条纹模板P中的匹配点坐标。

现有的用于求相位的方法包括加窗傅里叶变换法、hilbert变换法和Gabor滤波器法，由于这三种方法中Gabor滤波器法求得到的相位精度最高，所以本实例选用其中的Gabor滤波器法求相位。

通过Gabor滤波器法对所得变形条纹图像U与黑白条纹模板P求取相位差，并用该相位差求匹配点坐标的步骤如下：

（7a）求得第s对黑白条纹右边界点在黑白条纹模板P中的坐标x_s：

x_s＝(N_s+8·M_s)·L，

其中，N_s为第s对黑白条纹对应的序号，取值为0～7，M_s为第s对黑白条纹对应的8的倍数，L为黑白条纹宽度之和；

（7b）将黑白条纹模板P与Gabor滤波器G₁(x₁,y₁,k₁)进行卷积，得到在黑白条纹模板P中x_s点处的卷积结果为：

R_{P} (x_{s}, k_{1}) = ρ_{1} e^{j (k_{1} x_{s} + φ_{1})},

其中，

G_{1} (x_{1}, y_{1}, k_{1}) = \frac{1}{2 π σ^{2}} e^{- \frac{{x_{1}}^{2} + {y_{1}}^{2}}{{2 σ}^{2}}} (e^{j k_{1} x_{1}} - e^{- \frac{{k_{1}}^{2} σ^{2}}{2}}),

(x₁,y₁)为黑白条纹模板P中像素点的坐标，σ为高斯函数的标准差，取值为1，ρ₁为卷积结果的幅值，k₁为黑白条纹模板P中x_s的局部频率，φ₁为黑白条纹模板P中x_s的初始相位，j为复数虚部的单位；

（7c）将变形条纹图像U与Gabor滤波器G₂(x₂,y₂,k₂)进行卷积，得到在变形条纹图像U像素点(x_U,y_U,z_U)中的x_U处的卷积结果为：

R_{U} (x_{U}, k_{2}) = ρ_{2} e^{j (k_{2} x_{U} + φ_{2})},

其中，

G_{2} (x_{2}, y_{2}, k_{2}) = \frac{1}{2 π σ^{2}} e^{- \frac{{x_{2}}^{2} + {y_{2}}^{2}}{{2 σ}^{2}}} (e^{j k_{2} x_{2}} - e^{- \frac{{k_{2}}^{2} σ^{2}}{2}}),

(x₂,y₂)为变形条纹图像U中像素点的坐标，ρ₂为卷积结果的幅值，k₂为变形条纹图像U中x_U处的局部频率，φ₂为变形条纹图像U中x_U处的初始相位；

（7d）求取变形条纹图像U中像素点x_U处对应到黑白条纹模板P中的匹配点坐标x′_s：

x_{s}^{'} = x_{s} + \frac{(k_{2} x_{U} + φ_{2}) - (k_{1} x_{s} + φ_{1})}{k_{1}} .

步骤8，根据步骤7得到的匹配点坐标，用线面相交几何关系求得变形条纹图像U中每个像素点的深度值D₁。

参照图5，本步骤的具体实现如下：

（8a）根据摄像机C、变形条纹图像U中的点A和三维场景中的点H的共线性，将点H的坐标(x_H,y_H,z_H)表示为：

(x_H,y_H,z_H)＝(C_x,C_y,C_z)+γ₃[(x_U,y_U,z_U)-(C_x,C_y,C_z)]，

其中，γ₃为点C到点H的距离，

（8b）将点H的坐标(x_H,y_H,z_H)中的x_H表示为

x_{H} = C_{x} + \frac{D_{1} - C_{z}}{z_{U} - C_{z}} (x_{U} - C_{x}); - - - 6)

（8c）根据三维场景中的点H、投影仪T和黑白条纹模板P中的点S的共线性，将点H的坐标(x_H,y_H,z_H)中的x_H表示为：

x_{H} = \frac{D_{1}}{f} x_{s}^{'}; - - - 7)

（8d）将式6）和式7）联立为方程组，求解该方程组，确定D₁为：

D_{1} = \frac{f \cdot (C_{x} z_{U} - C_{z} x_{U})}{x_{s}^{'} \cdot (z_{U} - C_{z}) - (x_{U} - C_{x})} .

步骤9，用Harris角点检测算子提取变形条纹图像U中的角点，再用所得角点划分变形条纹图像U的连续区域。

（9a）用水平方向的Sobel算子R_x与变形条纹图像U进行卷积，确定水平方向导数U_x，其中

R_{x} = [\begin{matrix} 1 & 0 & - 1 \\ 1 & 0 & - 1 \\ 1 & 0 & - 1 \end{matrix}];

（9b）用竖直方向的Sobel算子R_y与变形条纹图像U进行卷积，确定竖直方向导数U_y，其中

R_{y} = [\begin{matrix} 1 & 1 & 1 \\ 0 & 0 & 0 \\ - 1 & - 1 & - 1 \end{matrix}];

（9c）计算变形条纹图像U中坐标为(x_a,y_a)的像素点处的局部结构矩阵W(x_a,y_a)：

W (x_{a}, y_{a}) = [\begin{matrix} U_{x} (x_{a}, y_{a}) U_{x} (x_{a}, y_{a}) & U_{x} (x_{a}, y_{a}) U_{y} (x_{a}, y_{a}) \\ U_{x} (x_{a}, y_{a}) U_{y} (x_{a}, y_{a}) & U_{y} (x_{a}, y_{a}) U_{y} (x_{a}, y_{a}) \end{matrix}],

其中，U_x(x_a,y_a)为水平方向导数U_x在(x_a,y_a)处的取值，U_y(x_a,y_a)为竖直方向导数U_y在(x_a,y_a)处的取值；

（9d）计算W(x_a,y_a)的两个特征值δ₁和δ₂：

δ_{1} = \frac{W_{1} + W_{3} + \sqrt{{(W_{1} + W_{3})}^{2} - 4 \cdot (W_{1} \cdot W_{3} - W_{2} \cdot W_{2})}}{2},

δ_{2} = \frac{W_{1} + W_{3} - \sqrt{{(W_{1} + W_{3})}^{2} - 4 \cdot (W_{1} \cdot W_{3} - W_{2} \cdot W_{2})}}{2},

其中，W₁＝U_x(x_a,y_a)U_x(x_a,y_a)，W₂＝U_x(x_a,y_a)U_y(x_a,y_a)，

W₃＝U_y(x_a,y_a)U_y(x_a,y_a)；

（9e）根据Harris角点响应值ξ，判断(x_a,y_a)处像素点是否为角点，当ξ＞0时，则该点是角点，反之不是角点，其中，ξ＝δ₁δ₂-0.04·(δ₁+δ₂)²；

（9f）重复步骤（9c）～（9e），检测变形条纹图像U中所有的角点；

（9g）将相邻的5个角点定义为一组角点，对所有角点进行分组，得到各组角点；

（9h）根据每组角点，确定一系列线段，进而得到由这些线段围成的连续区域，其中第t个线段表示为：

y_t＝a_1,tx_t+a_2,t，

其中，a_1,t为第t个线段的斜率，

a_2,t为第t个线段的截距，(x_d,t,y_d,t)为用于拟合第t个线段的第d个角点的坐标，d＝1…5，(x_t,y_t)为第t个线段上像素点的坐标。

步骤10，根据步骤9得到的连续区域，对步骤8得到的深度值D₁中的异常值进行校正。

(10a)计算步骤6中相邻连续条纹序号的差值，定义差值不是1的条纹序号对应的像素点的深度值为异常值D₂，并对变形条纹图像U中所有像素点的深度值的正常或者异常进行标记，记作q，即第n个像素点的标记q_n={0,1}，n=1…576×576，576×576为变形条纹图像U的分辨率，0表示深度值正常，1表示深度值异常；

(10b)选取异常值D₂邻域内未被标记的正常深度值D₁，再在这些正常深度值D₁中筛选与异常值D₂位于同一连续区域内的正常深度值D₁，对这些深度值D₁求平均得到对异常值D₂的校正值D₃；

(10c)由正常深度值D₁与校正值D₃，得到最终的深度值D为：D=(1-q)·D₁+q·D₃，即当q=0时，D=D₁；当q=1时，D=D₃。

以上描述仅是本发明的一个具体实例，不构成对本发明的任何限制。显然对于本领域的专业人员来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修正和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims

1.一种基于条纹结构光的动态场景深度获取方法，包括如下步骤：

M = quot (\frac{f}{d_{\max}} (C_{x} + \frac{(d_{\max} - C_{z}) (x_{U} - C_{x})}{z_{U} - C_{z}}), 8 L),

（9）对深度值D₁中的异常值进行校正：

2.根据权利要求1所述的基于条纹结构光的动态场景深度获取方法，其中步骤（1）所述的设计2元3次De Bruijn序列编码的不同宽度的黑白条纹模板P，按如下步骤进行：

（1b）将一系列黑白条纹编码按照2元3次De Bruijn序列的规律变化，即按00010111规律变化的黑白条纹，即构成黑白条纹模板P。

3.根据权利要求1所述的基于条纹结构光的动态场景深度获取方法，其中步骤（2）所述的对记录变形条纹图像U使用阈值法进行二值化，按如下步骤进行：

（2a）将变形条纹图像U分割为大小一致的m个图像块，m≥2；

（2b）对每个图像块按照如下公式进行二值化，

v_{(a, n)} = \{\begin{matrix} 255, & u_{(a, n)} > t_{a} \\ 0, & u_{(a, n) \leq t_{a}} \end{matrix},

其中，u_(a,n)为第a个图像块中第n个像素点的灰度值，a＝1,…,m，t_a为第a个图像块对应的阈值，该阈值针对每个图像块应用双峰法确定，v_(a,n)为相应二值图像块中第n个像素点的取值；

（2c）把所有二值化后的图像块合并为一个二值图像B。

4.根据权利要求1所述的基于条纹结构光的动态场景深度获取方法，其中步骤（3）所述的将二值图像B中的每个黑白条纹对译成0、1码，按如下步骤进行：

（3a）根据二值图像B中条纹间的边界点确定黑白条纹宽度；

（3b）求出每个白色条纹宽度与其左侧的黑色条纹的宽度之和，并用白色条纹宽度除以相应的黑白条纹宽度之和，求得白色条纹的占空比；

（3c）当白色条纹的占空比为2/6时，黑白色条纹对解码为0，当白色条纹的占空比为4/6时，黑白色条纹对解码为1。

5.根据权利要求1所述的基于条纹结构光的动态场景深度获取方法，其中所述步骤（4）将黑白条纹对的0、1序列解码为0～7的序号N，按如下步骤进行：

（4a）根据2元3次De Bruijn序列的编码方案，将编码序列000定义为序号0，将编码序列001定义为序号1，将编码序列010定义为序号2，将编码序列101定义为序号3，将编码序列011定义为序号4，将编码序列111定义为序号5，将编码序列110定义为序号6，将编码序列100定义为序号7；

（4b）从步骤（3）确定的黑白条纹对编码序列中提取所有长度为3的相邻的黑白条纹对编码序列，并将步骤（4a）中定义的编码序列对应的序号赋给该黑白条纹对作为该黑白条纹对的序号N。

6.根据权利要求1所述的基于条纹结构光的动态场景深度获取方法，其中步骤（6）所述的利用该相位差与步骤（5）得到的连续序号求取变形条纹图像U中各像素点对应在黑白条纹模板P中的匹配点坐标，按如下步骤进行：

（6a）求得第s对黑白条纹右边界点在黑白条纹模板P中的坐标x_s：x_s＝(N_s+8·M_s)·L，

（6b）将黑白条纹模板P与Gabor滤波器进行卷积，得到在x_s点处的卷积结果

为：

其中，ρ₁为卷积结果的幅值，k₁为黑白条纹模板P中x_s的局部频率，φ₁为黑白条纹模板P中x_s的初始相位，j为复数虚部的单位；

（6c）将变形条纹图像U与Gabor滤波器进行卷积，得到在变形条纹图像U像素点(x_U,y_U,z_U)中的x_U处的卷积结果为：

R_{U} (x_{U}, k_{2}) = ρ_{2} e^{j (k_{2} x_{U} + φ_{2})},

其中，ρ₂为卷积结果的幅值，k₂为变形条纹图像U中x_U处的局部频率，φ₂为变形条纹图像U中x_U处的初始相位；

（6d）求取变形条纹图像U中像素点x_U处对应到黑白条纹模板P中的匹配点坐标x′_s：

x_{s}^{'} = x_{s} + \frac{(k_{2} x_{U} + φ_{2}) - (k_{1} x_{s} + φ_{1})}{k_{1}} .

7.根据权利要求1所述的基于条纹结构光的动态场景深度获取方法，其中所述步骤（7）用线面相交几何关系求得深度值D₁，通过如下公式进行：

D_{1} = \frac{f \cdot (C_{x} z_{U} - C_{z} x_{U})}{{x_{s}}^{'} \cdot (z_{U} - C_{z}) - (x_{U} - C_{x})},

其中，(x_U,y_U,z_U)为变形条纹图像U像素点的三维坐标，x_s'为x_U处的匹配点坐标，(C_x,C_y,C_z)为摄像机C的光心坐标，f为投影仪T的焦距。