CN103868473A - 一种基于递推法的高光物体表面相位快速恢复方法 - Google Patents
一种基于递推法的高光物体表面相位快速恢复方法 Download PDFInfo
- Publication number
- CN103868473A CN103868473A CN201410125761.XA CN201410125761A CN103868473A CN 103868473 A CN103868473 A CN 103868473A CN 201410125761 A CN201410125761 A CN 201410125761A CN 103868473 A CN103868473 A CN 103868473A
- Authority
- CN
- China
- Prior art keywords
- gray
- scale value
- phase
- grating
- effective
- 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
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明提出了一种基于递推法的高光物体表面相位快速恢复方法。不同于以往把N张光栅图片中有效灰度值和无效灰度值直接代入相位求解公式,该方法直接使用像素点处有效灰度值,通过递推法还原饱和灰度值的实际值,进而恢复高光物体表面高精度的相位值。该方法步骤简单、鲁棒性强,随机误差抑制性好,不需要调整CCD相机光圈、曝光时间,不需要对高光物体表面进行处理,省时快捷,能够保证高光物体表面的测量精度,测量准确性高。
Description
技术领域
本发明属于光学三维测量相关领域,涉及到结构光三维测量中金属等高光物体表面相位快速获取方法,该方法能够快速恢复高光物体表面高精度相位值,具体为一种基于递推法的高光物体表面相位快速恢复方法。
背景技术
投影栅相位法是一种基于结构光的非接触式全场三维测量技术,广泛应用于工业产品表面三维形貌测量、逆向工程和质量检测等领域;主要通过投射正弦结构光给物体表面附加相位信息,再由获取到的相位信息映射物体表面的高度信息,测量步骤包括数字光栅投影、条纹图像获取、相位恢复及展开、物体深度信息获取和三维复原等。
使用投影栅相位法计算相位值要求物体表面亮而不反光,然而对于高光零件,物体表面反射率高,高光强反射表面的反射光灰度范围与相机的动态范围不一致,并且相机量化等级一般为256灰度等级(8bits),导致相机采集到的条纹图像出现饱和(参见图2),产生信息失真,直接把饱和灰度值代入相位求解公式,将出现较大的波动误差(参见图3),相位图出现很多杂点,而且饱和越严重误差越大,甚至出现错误的相位值,严重影响测量精度。
针对这一光学非接触测量的研究热点和难点问题,国内外学者提出了不同的解决方案。这些的方法一定程度上减轻了高光物体表面的相位误差,但是也存在很多缺点。如根据物体表面在不同角度下反光区域不尽相同的特点,避开高光或强反光区域,进行多角度局部测量,再整体拼接成完整被测表面;也有学者耗费大量时间找到高光及二次反光区域,通过掩膜图像把反光区域掩盖起来,多区域分别测量,最后进行点云拼接。上述两种方法存在复杂的拼接问题,而且在整体拼接过程中会引入误差,影响测量精度。由于高光表面无法完整测量,也有学者采用了多次曝光和图像融合技术结合的方法,从每次曝光中选择高质量像素解相,将每次曝光选择的结果拼合成一张完整的相位图,测量过程中用到的曝光时间越多测量结果越好。例如北京航空航天大学申请的专利“一种用于强反射表面三维形貌测量的立体视觉检测方法,申请号:200910236214.8”使用了这种方法,但是多次曝光拍摄需要耗费大量时间,无法满足实时性要求,而且每次曝光时间不同,对应的量化误差也不同,另外光圈太小会导致图像的有效量化等级降低,最后的相位图是由不同量化误差等级的结果融合而成,测量精度会受到影响。另外,也有人提出采用向具有强反光表面喷涂某种粉末使被测物体呈现漫反射特性,以利于光学三维测量,但是粉末不均匀增加了测量误差,在工业检测和自动化控制加工中,这种方法的实现也很困难,很多物体,如服装业、艺术雕塑、文物等在三维形貌恢复时不允许对其表面进行处理。
发明内容
要解决的技术问题
针对上述问题本发明提出一种基于递推法的高光物体表面相位快速恢复方法,快速准确地获取高光物体表面高精度相位信息。
技术方案
为解决现有技术存在的问题,本发明提出了一种基于递推法的高光物体表面相位快速恢复方法。该方法依照高光物体表面饱和特性,确定N张光栅图片中要参与相位计算的有效像素点及有效灰度值,采用递推法,由像素点处不饱和灰度值递推出饱和灰度值的实际灰度值,还原失真的光栅信息,最后结合标准N步相移公式求解出高精度的相位值,该方法精度高、鲁棒性强,随机误差抑制性好,步骤简单,能够快速的恢复高光物体表面的相位信息。
本发明的技术解决方案为:
所述一种基于递推法的高光物体表面相位快速恢复方法,其特征在于:采用以下步骤:
步骤1:基于投影栅相位法投射N张正弦光栅到被测物体表面,进而采集得到N张光栅图片,采用以下步骤确定光栅图片中要参与相位计算的有效像素点:
步骤1.1:对于像素坐标为(x,y)的像素点,依据其在N张光栅图片中的灰度值,统计该像素点处于区间[0,255)内的灰度值对应的光栅图片的张数m,若m满足3≤m<N,则该像素点为初步有效像素点;
步骤1.2:针对初步有效像素点在步骤1.1所述m张光栅图片中的灰度值,若共计m-1个相邻灰度值的相移量只等于δ或δ-2π,则该初步有效像素点为有效像素点;其中δ=2π/N;
步骤1.3:重复步骤1.1至步骤1.3,对所有像素点进行判断,得到光栅图片中要参与相位计算的有效像素点;
步骤2:对步骤1得到的有效像素点进行处理,用递推法推导出有效像素点处N-m个无效灰度值被相机量化前的实际灰度值,还原由于高光丢失的光栅信息,得到这些像素点处新的光强度序列:
步骤2.1:对于像素坐标为(x,y)的有效像素点,建立由其m个有效灰度值组成的有效灰度值序列,其中特别的,若其N-m个无效灰度值对应的光栅图片处于N张光栅图片的中部,则将N-m个无效灰度值对应的光栅图片之后的光栅图片,对应的若干有效灰度值,整体移至,N-m个无效灰度值对应的光栅图片之前的光栅图片,对应的若干有效灰度值之前,得到该有效像素点的有效灰度值序列;该有效灰度值序列中相邻灰度值的相移量只等于δ或δ-2π;
步骤2.2:把由m个有效灰度值组成的有效灰度值序列代入递推公式,计算N-m个无效灰度值的实际灰度值,还原由于高光丢失的光栅信息,所述递推公式为:
ln+3(x,y)=(2cosδ+1)[ln+2(x,y)-ln+1(x,y)]+ln(x,y),n=1,2,…,N
当l(x,y)的脚标大于N时,根据周期性可知:
l1(x,y)=lN+1(x,y),l2(x,y)=lN+2(x,y),l3(x,y)=lN+3(x,y)
步骤2.3:将m个有效灰度值和经步骤2.2递推得到的N-m个实际灰度值组成该像素点处新的灰度值序列;
步骤3:把满足条件m=N的有效像素点和经步骤2处理后的像素点分别代入相位值计算公式
进行计算,得到物体表面高精度相位值。
有益效果
本发明提出了一种基于递推法的高光物体表面相位快速恢复方法。不同于以往把N张光栅图片中有效灰度值和无效灰度值直接代入相位求解公式,该方法直接使用像素点处有效灰度值,通过递推法还原饱和灰度值的实际值,进而恢复高光物体表面高精度的相位值。该方法步骤简单、鲁棒性强,随机误差抑制性好,不需要调整CCD相机光圈、曝光时间,不需要对高光物体表面进行处理,省时快捷,能够保证高光物体表面的测量精度,测量准确性高。
附图说明
图1为本发明一种基于递推法的高光物体表面相位快速恢复方法的流程图。
图2为相机采集到的被铝合金工件调制的六张光栅图片。
图3为直接使用标准N步相移法得到的工件表面相位图。
图4为使用本发明方法得到工件表面的相位图。
具体实施方式
下面结合具体实施例描述本发明:
本发明为一种基于递推法的高光物体表面相位快速恢复方法,在使用投影栅相位法测量高光物体时,测量步骤包括数字光栅投影、条纹图像获取、相位恢复及展开、物体深度信息获取和三维复原等,在进行相位恢复时可以采用本发明方法有效还原由于高光丢失的光栅信息,从而快速恢复相位值,具体包括以下实施步骤:
步骤1:采用单相机单投影仪组成的测量系统,投影仪选用DLP LightCrafter2.0开发组件,分辨率608×684,CCD相机型号DMK21BU04.H,640×480像素,测量对象使用铝合金工件,采用标准六步相移法进行相位值求解,投影的竖直光栅图片频率f=5。安装DLP LightCrafter2.0投影开发组件,向铝合金工件表面投射六张相移量为π/3的光栅图片,光栅在工件表面产生畸变,形成变形光栅。将DMK21BU04.H相机连接到PC端,打开相机控制软件,调整CCD相机,使相机采集到的变形光栅图像处于最佳状态,采集光栅图片,图2为相机采集到的被铝合金工件调制的六张光栅图片。对采集到的光栅图片进行处理,确定要参与相位计算的有效像素点,剔除无效像素点,具体步骤如下:
步骤1.1:由于当某像素点处灰度值较大时,相机(8bits)记录的灰度值被强制量化为255,为饱和状态,所以把像素点(x,y)处ln(x,y)=255的称为无效灰度值;而标准N步相移法求解(x,y)处(x,y)至少需要三张被物体调制的光栅图像,所以(x,y)处有效灰度值(0≤ln(x,y)<255)的个数m不能少于三个;像素点(x,y)处有N个灰度值ln(x,y),n=1,2,…,N,这N个灰度值组成像素点(x,y)处的灰度值序列,故记录灰度值序列中灰度值在区间[0,255)内的个数m,满足3≤m≤N的像素点即为初步有效像素点,不满足的像素点作为杂点剔除;
其中:
(x,y)表示采集到的光栅图片的像素坐标;
N也是总的相移步数;
n表示第n次相移;
m为正整数,表示满足区间[0,255)的灰度值l(x,y)的个数;
ln(x,y)表示第n张光栅图像在(x,y)处的灰度值,n=1,2,……,N;
所以对于像素坐标为(x,y)的像素点,依据其在N张光栅图片中的灰度值,统计对应该像素点灰度值处于区间[0,255)内的光栅图片的张数m,若m满足3≤m≤N,则该像素点为初步有效像素点;
本实施例中,各个像素点处有六个灰度值ln(x,y),n=1,2,…,6,记录各个像素点灰度值在区间[0,255)内的个数m,满足3≤m≤6的像素点即为有效像素点,不满足的像素点作为杂点剔除;
步骤1.2:依照高光物体表面饱和特性,有效像素点(x,y)处满足区间[0,255)的m个有效灰度值之间总可以按照相移量δ或δ-2π进行排序,即有效灰度值保持了在I1,l2,……,lN-1,IN,I1,I2,……中的先后顺序。基于此把步骤1.1选出的有效像素点中有效灰度值不满足此排序规则的像素点剔除,剩下的像素点为最终确定的有效像素点;
所以针对初步有效像素点在步骤1.1所述m张光栅图片中的灰度值,若共计m-1个相邻灰度值的相移量只等于δ或δ-2π,则该初步有效像素点为有效像素点;其中δ=2π/N;
步骤1.3:重复步骤1.1至步骤1.3,对所有像素点进行判断,得到光栅图片中要参与相位计算的有效像素点;
步骤2:对步骤1得到的有效像素点进行处理,用递推法推导出有效像素点处N-m个无效灰度值被相机量化前的实际灰度值,还原由于高光丢失的光栅信息,得到这些像素点处新的光强度序列:
步骤2.1:对于像素坐标为(x,y)的有效像素点,建立由其m个有效灰度值组成的有效灰度值序列,其中特别的,若其N-m个无效灰度值对应的光栅图片处于N张光栅图片的中部,则将N-m个无效灰度值对应的光栅图片之后的光栅图片,对应的若干有效灰度值,整体移至,N-m个无效灰度值对应的光栅图片之前的光栅图片,对应的若干有效灰度值之前,得到该有效像素点的有效灰度值序列;该有效灰度值序列中相邻灰度值的相移量只等于δ或δ-2π;
步骤2.2:把由m个有效灰度值组成的有效灰度值序列代入递推公式,计算N-m个无效灰度值的实际灰度值,还原由于高光丢失的光栅信息,所述递推公式为:
Ln+3(x,y)=(2cosδ+1)[In+2(x,y)-ln+1(x,y)]+ln(x,y),n=1,2,…,N
当l(x,y)的脚标大于N时,根据周期性可知:
l1(x,y)=lN+1(x,y),l2(x,y)=lN+2(x,y),l3(x,y)=lN+3(x,y)
步骤2.3:将m个有效灰度值和经步骤2.2递推得到的N-m个实际灰度值组成该像素点处新的灰度值序列。
例如,若m=3时,有效灰度值为l2(x,y),l3(x,y),l4(x,y),N-m个无效灰度值对应的光栅图片处于N张光栅图片的两端,所以不需要做步骤2.1的特别移动,组成的有效灰度值序列就是l2(x,y),l3(x,y),l4(x,y);
新的光强度序列为l1(x,y),l2(x,y),i3(x,y),l4(x,y),l5(x,y),l6(x,y);
若m=4时,有效灰度值为l1(x,y),l4(x,y),l5(x,y),l6(x,y),N-m个无效灰度值对应的光栅图片处于N张光栅图片的中部,所以需要做步骤2.1的特别移动,排序后组成的有效灰度值序列就是:l4(x,y),l5(x,y),l6(x,y),l1(x,y),则:
新的光强度序列为l1(x,y),l2(x,y),l3(x,y),l4(x,y),l5(x,y),lx(x,y);
若m=5时,有效灰度值为l1(x,y),l2(x,y),l3(x,y),l4(x,y),l6(x,y),N-m个无效灰度值对应的光栅图片处于N张光栅图片的中部,所以需要做步骤2.1的特别移动,排序后组成的有效灰度值序列就是:l6(x,y),l1(x,y),l2(x,y),l3(x,y),l4(x,y),则:
新的光强度序列为l1(x,y),l2(x,y),l3(x,y),l4(x,y),l5(x,y),l6(x,y);
步骤3:把满足条件m=N的有效像素点和经步骤2处理后的像素点分别代入相位值计算公式
进行计算,得到物体表面高精度相位值。图4为使用本发明方法得到工件表面的相位图,对比图3发现周期性相位误差和相位杂点消除,很好的恢复了工件表面的相位。
Claims (1)
1.一种基于递推法的高光物体表面相位快速恢复方法,其特征在于:采用以下步骤:
步骤1:基于投影栅相位法投射N张正弦光栅到被测物体表面,进而采集得到N张光栅图片,采用以下步骤确定光栅图片中要参与相位计算的有效像素点:
步骤1.1:对于像素坐标为(x,y)的像素点,依据其在N张光栅图片中的灰度值,统计该像素点处于区间[0,255)内的灰度值对应的光栅图片的张数m,若m满足3≤m<N,则该像素点为初步有效像素点;
步骤1.2:针对初步有效像素点在步骤1.1所述m张光栅图片中的灰度值,若共计m?1个相邻灰度值的相移量只等于δ或δ?2π,则该初步有效像素点为有效像素点;其中δ=2π/N;
步骤1.3:重复步骤1.1至步骤1.3,对所有像素点进行判断,得到光栅图片中要参与相位计算的有效像素点;
步骤2:对步骤1得到的有效像素点进行处理,用递推法推导出有效像素点处N-m个无效灰度值被相机量化前的实际灰度值,还原由于高光丢失的光栅信息,得到这些像素点处新的光强度序列:
步骤2.1:对于像素坐标为(x,y)的有效像素点,建立由其m个有效灰度值组成的有效灰度值序列,其中特别的,若其N-m个无效灰度值对应的光栅图片处于N张光栅图片的中部,则将N-m个无效灰度值对应的光栅图片之后的光栅图片,对应的若干有效灰度值,整体移至,N-m个无效灰度值对应的光栅图片之前的光栅图片,对应的若干有效灰度值之前,得到该有效像素点的有效灰度值序列;该有效灰度值序列中相邻灰度值的相移量只等于δ或δ-2π;
步骤2.2:把由m个有效灰度值组成的有效灰度值序列代入递推公式,计算N-m个无效灰度值的实际灰度值,还原由于高光丢失的光栅信息,所述递推公式为:
ln+3(x,y)=(2coxδ+1)[ln+2(x,y)-ln+1(x,y)]+ln(x,y),n=1,2,…,N
当l(x,y)的脚标大于N时,根据周期性可知:
l1(x,y)=lN+1(x,y),l2(x,y)=lN+2(x,y),l3(x,y)=lN+3(x,y)
步骤2.3:将m个有效灰度值和经步骤2.2递推得到的N-m个实际灰度值组成该像素点处新的灰度值序列;
步骤3:把满足条件m=N的有效像素点和经步骤2处理后的像素点分别代入相位值计算公式
进行计算,得到物体表面高精度相位值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410125761.XA CN103868473B (zh) | 2014-03-31 | 2014-03-31 | 一种基于递推法的高光物体表面相位快速恢复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410125761.XA CN103868473B (zh) | 2014-03-31 | 2014-03-31 | 一种基于递推法的高光物体表面相位快速恢复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103868473A true CN103868473A (zh) | 2014-06-18 |
CN103868473B CN103868473B (zh) | 2016-06-15 |
Family
ID=50907260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410125761.XA Expired - Fee Related CN103868473B (zh) | 2014-03-31 | 2014-03-31 | 一种基于递推法的高光物体表面相位快速恢复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103868473B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104111038B (zh) * | 2014-07-07 | 2016-08-17 | 四川大学 | 利用相位融合算法修复饱和产生的相位误差的方法 |
CN106705855A (zh) * | 2017-03-10 | 2017-05-24 | 东南大学 | 一种基于自适应光栅投影的高动态性能三维测量方法 |
CN107532890A (zh) * | 2015-10-16 | 2018-01-02 | Ckd株式会社 | 三维测量装置 |
CN108645354A (zh) * | 2018-07-06 | 2018-10-12 | 四川大学 | 高反光对象表面的结构光三维成像方法及系统 |
CN111402149A (zh) * | 2020-03-06 | 2020-07-10 | 四川大学 | 一种基于卷积神经网络去噪正则化的条纹图修复方法 |
CN112361992A (zh) * | 2020-11-10 | 2021-02-12 | 齐鲁工业大学 | 一种光栅投影三维测量方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0699890A1 (en) * | 1994-08-02 | 1996-03-06 | General Electric Company | An apparatus for measuring the contour of a surface |
US20030137673A1 (en) * | 2002-12-13 | 2003-07-24 | Cox Cary B. | Systems, and methods of use, employing distorted patterns to ascertain the shape of a surface, for road or runway profiling, or as input to control pro-active suspension systems |
CN101694375A (zh) * | 2009-10-23 | 2010-04-14 | 北京航空航天大学 | 一种用于强反射表面三维形貌测量的立体视觉检测方法 |
CN102944187A (zh) * | 2012-10-18 | 2013-02-27 | 北京航空航天大学 | 一种基于彩色条纹组合投射的快速强反射表面相位获取方法 |
-
2014
- 2014-03-31 CN CN201410125761.XA patent/CN103868473B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0699890A1 (en) * | 1994-08-02 | 1996-03-06 | General Electric Company | An apparatus for measuring the contour of a surface |
US20030137673A1 (en) * | 2002-12-13 | 2003-07-24 | Cox Cary B. | Systems, and methods of use, employing distorted patterns to ascertain the shape of a surface, for road or runway profiling, or as input to control pro-active suspension systems |
CN101694375A (zh) * | 2009-10-23 | 2010-04-14 | 北京航空航天大学 | 一种用于强反射表面三维形貌测量的立体视觉检测方法 |
CN102944187A (zh) * | 2012-10-18 | 2013-02-27 | 北京航空航天大学 | 一种基于彩色条纹组合投射的快速强反射表面相位获取方法 |
Non-Patent Citations (1)
Title |
---|
朱红军等: "基于计算机视觉的非朗伯表面三维重构", 《强激光与粒子束》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104111038B (zh) * | 2014-07-07 | 2016-08-17 | 四川大学 | 利用相位融合算法修复饱和产生的相位误差的方法 |
CN107532890A (zh) * | 2015-10-16 | 2018-01-02 | Ckd株式会社 | 三维测量装置 |
CN107532890B (zh) * | 2015-10-16 | 2020-04-28 | Ckd株式会社 | 三维测量装置 |
CN106705855A (zh) * | 2017-03-10 | 2017-05-24 | 东南大学 | 一种基于自适应光栅投影的高动态性能三维测量方法 |
CN108645354A (zh) * | 2018-07-06 | 2018-10-12 | 四川大学 | 高反光对象表面的结构光三维成像方法及系统 |
CN108645354B (zh) * | 2018-07-06 | 2019-10-18 | 四川大学 | 高反光对象表面的结构光三维成像方法及系统 |
CN111402149A (zh) * | 2020-03-06 | 2020-07-10 | 四川大学 | 一种基于卷积神经网络去噪正则化的条纹图修复方法 |
CN111402149B (zh) * | 2020-03-06 | 2022-07-08 | 四川大学 | 一种基于卷积神经网络去噪正则化的条纹图修复方法 |
CN112361992A (zh) * | 2020-11-10 | 2021-02-12 | 齐鲁工业大学 | 一种光栅投影三维测量方法及装置 |
CN112361992B (zh) * | 2020-11-10 | 2022-03-25 | 齐鲁工业大学 | 一种光栅投影三维测量方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103868473B (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103925889B (zh) | 一种基于最小二乘法的高光物体表面相位快速恢复方法 | |
CN103868473B (zh) | 一种基于递推法的高光物体表面相位快速恢复方法 | |
Chen et al. | Adaptive pixel-to-pixel projection intensity adjustment for measuring a shiny surface using orthogonal color fringe pattern projection | |
CN106595522B (zh) | 一种光栅投影三维测量系统的误差校正方法 | |
Lin et al. | Three-dimensional shape measurement technique for shiny surfaces by adaptive pixel-wise projection intensity adjustment | |
CN103411533B (zh) | 结构光自适应多次曝光法 | |
CN104966308B (zh) | 一种计算激光光束光斑大小的方法 | |
CN105651203A (zh) | 一种自适应条纹亮度的高动态范围三维形貌测量方法 | |
CN103438832B (zh) | 基于线结构光的三维影像测量方法 | |
KR20190028794A (ko) | GPU 기반 TFT-LCD Mura 결함 탐지 방법 | |
CN109945802B (zh) | 一种结构光三维测量方法 | |
CN103996049B (zh) | 一种基于视频图像的船舶超长超宽检测方法 | |
CN106091986B (zh) | 一种适用于光亮表面的三维测量方法 | |
CN104036475A (zh) | 适应于任意投影机群及投影屏幕的高鲁棒性几何校正方法 | |
CN105184857A (zh) | 基于点结构光测距的单目视觉重建中尺度因子确定方法 | |
CN109242897A (zh) | 一种结构光测量系统的二值图案离焦投影方法 | |
CN105046743A (zh) | 一种基于全局变分技术的超高分辨率三维重建方法 | |
CN103292733B (zh) | 一种基于相移和三视张量的对应点查找方法 | |
CN109974624B (zh) | 一种基于多频相移的减少投影图像数量的方法 | |
WO2021184686A1 (zh) | 基于多尺度生成对抗神经网络的单帧条纹分析方法 | |
CN104729428A (zh) | 基于同轴结构光的镜面零件三维形貌测量系统及测量方法 | |
CN104075659A (zh) | 一种基于rgb结构光源的三维成像识别方法 | |
CN108362226A (zh) | 提高图像过曝区域相位测量精度的双四步相移法 | |
CN113358063A (zh) | 一种基于相位加权融合的面结构光三维测量方法及系统 | |
CN104019767B (zh) | 一种基于灰度直方图的自适应高动态范围三维测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160615 Termination date: 20170331 |