CN111325683A - 基于复合编码三维重建的散斑灰度校正方法和装置 - Google Patents
基于复合编码三维重建的散斑灰度校正方法和装置 Download PDFInfo
- Publication number
- CN111325683A CN111325683A CN202010076325.3A CN202010076325A CN111325683A CN 111325683 A CN111325683 A CN 111325683A CN 202010076325 A CN202010076325 A CN 202010076325A CN 111325683 A CN111325683 A CN 111325683A
- Authority
- CN
- China
- Prior art keywords
- target
- phase
- sequence
- sub
- speckle pattern
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000002131 composite material Substances 0.000 title claims abstract description 30
- 230000010363 phase shift Effects 0.000 claims abstract description 136
- 238000010586 diagram Methods 0.000 claims abstract description 75
- 238000000819 phase cycle Methods 0.000 claims description 212
- 238000005070 sampling Methods 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000010587 phase diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000009795 derivation Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000005316 response function Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及一种基于复合编码三维重建的散斑灰度校正方法和装置。所述方法包括:获取目标相移图,所述目标相移图是根据目标相机对相移条纹图投影的目标物体采集得到的;获取初始散斑图,所述初始散斑图是根据所述目标相机对散斑投影的所述目标物体采集得到的;根据所述目标相移图进行校正参数计算,得到目标灰度校正参数;利用所述目标灰度校正参数对所述初始散斑图进行灰度校正,得到目标散斑图。采用本方法能够提高三维重建的准确度。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种基于复合编码三维重建的散斑灰度校正方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的发展,出现了三维重建(3D Reconstruction)技术。三维重建是指对三维物体建立适合计算机表示和处理的数学模型,是在计算机环境下对其进行处理、操作和分析其性质的基础,也是在计算机中建立表达客观世界的虚拟现实的关键技术。
目前,三维重建技术通过投影编码图案到物体表面,相机采集被物体表面调制的图像,从而根据图像进行三维重建,然而相机采集到的图像在进行同名点定位时准确度较低,导致三维重建的准确度低。
发明内容
基于此,有必要针对上述三维重建准确度低技术问题,提供一种能够提高三维重建准确度的基于复合编码三维重建的散斑灰度校正方法、装置、计算机设备和存储介质。
一种基于复合编码三维重建的散斑灰度校正方法,所述方法包括:获取目标相移图,所述目标相移图是根据目标相机对相移条纹图投影的目标物体采集得到的;获取初始散斑图,所述初始散斑图是根据所述目标相机对散斑投影的所述目标物体采集得到的;根据所述目标相移图进行校正参数计算,得到目标灰度校正参数;利用所述目标灰度校正参数对所述初始散斑图进行灰度校正,得到目标散斑图。
一种基于复合编码三维重建的散斑灰度校正装置,所述装置包括:目标相移图获取模块,用于获取目标相移图,所述目标相移图是根据目标相机对相移条纹图投影的目标物体采集得到的;初始散斑图获取模块,用于获取初始散斑图,所述初始散斑图是根据所述目标相机对散斑投影的所述目标物体采集得到的;目标灰度校正参数得到模块,用于根据所述目标相移图进行校正参数计算,得到目标灰度校正参数;目标散斑图得到模块,用于利用所述目标灰度校正参数对所述初始散斑图进行灰度校正,得到目标散斑图。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于复合编码三维重建的散斑灰度校正方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于复合编码三维重建的散斑灰度校正方法的步骤。
上述基于复合编码三维重建的散斑灰度校正方法、装置、计算机设备和存储介质,获取目标相移图以及初始散斑图,由于目标相移图是根据目标相机对相移条纹图投影的目标物体采集得到的,初始散斑图是根据目标相机对散斑投影的目标物体采集得到的,因此目标相移图以及初始散斑图所对应的环境影响因素是相似的,因此可以根据目标相移图进行校正参数计算,得到目标灰度校正参数,利用目标灰度校正参数以及对初始散斑图进行灰度校正,即将初始散斑图中的环境影响因素减弱或者去除,得到目标散斑图。当使用目标散斑图辅助同名点定位时,可以得到准确度高的同名点,从而提高了三维重建的准确度。
附图说明
图1为一些实施例中基于复合编码三维重建的散斑灰度校正方法的应用场景图;
图2为一些实施例中基于复合编码三维重建的散斑灰度校正方法的流程示意图;
图3为一些实施例中基于复合编码三维重建的散斑灰度校正方法的流程示意图;
图4为一些实施例中基于复合编码三维重建的散斑灰度校正方法的流程示意图;
图5A为一些实施例中三维重建步骤的流程示意图;
图5B为一些实施例中初始散斑图的示意图;
图5C为一些实施例中目标散斑图的示意图;
图6为一些实施例中子相位序列确定步骤的流程示意图;
图7为一些实施例中同名点得到步骤的流程示意图;
图8为一些实施例中基于复合编码三维重建的散斑灰度校正装置的结构框图;
图9为一些实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的基于复合编码三维重建的散斑灰度校正方法,可以应用于如图1所示的应用环境中。该应用环境包括投影仪102、被测物体104、相机106以及终端108。其中,相机106与终端108之间通过有线、无线或者存储卡等方式进行数据传输。
具体地,投影仪102可以将N步相移图以及散斑图投影到被测物体104上,相机106可以对被测物体104进行采集,得到目标相移图,并将目标相移图传输给终端108。投影仪102可以将计算机生成的散斑图投影到被测物体104上,相机106可以对被测物体104进行采集,得到初始散斑图,并将目标相移图传输给终端108。终端108获取到初始散斑图以及目标相移图时,可以根据目标相移图进行校正参数计算,得到目标灰度校正参数,利用目标灰度校正参数对初始散斑图进行灰度校正,得到目标散斑图。其中,终端108可以但不限于是各种个人计算机、笔记本电脑和平板电脑。
在一些实施例中,如图2所示,提供了一种基于复合编码三维重建的散斑灰度校正方法,以该方法应用于图1中的终端108为例进行说明,包括以下步骤:
S202,获取目标相移图,目标相移图是根据目标相机对相移条纹图投影的目标物体采集得到的。
具体地,可以通过计算机生成N步相移图,并将N步相移图投影到目标物体上,用相机对目标物体进行采集得到目标相移图。目标物体指的是被N步相移图进行投影的物体,例如可以是被N步相移图进行投影的桌子以及凳子等物体。
在一些实施例中,可以通过设置在投影仪两侧的相机,例如左相机以及右相机,对投影后的物体进行图像采集,得到左相机采集到的目标相移图,以及右相机采集到的目标相移图。
S204,获取初始散斑图,初始散斑图是根据目标相机对散斑投影的目标物体采集得到的。
具体地,可以通过计算机生成理想的散斑图,并将计算机生成的理想的散斑图投影到目标物体上,用相机对目标物体进行采集得到目标相移图。
在一些实施例中,可以通过设置在投影仪两侧的相机,例如左相机以及右相机,对投影后的物体进行图像采集,得到左相机采集到的初始散斑图,以及右相机采集到的初始散斑图。
S206,根据目标相移图进行校正参数计算,得到目标灰度校正参数。
具体地,目标灰度校正参数用于进行灰度校正,包括与环境相关的参数,例如环境中的光强等。
在一些实施例中,可以根据N步相移法对目标相移图进行校正参数计算,得到对应的目标灰度校正参数。
S208,利用目标灰度校正参数对初始散斑图进行灰度校正,得到目标散斑图。
具体地,目标散斑图为进行灰度校正后得到的图像。由于目标灰度校正参数包括与环境相关的参数,初始散斑图以及目标相移图可以是在相同的环境中采集得到的,因此初始散斑图以及目标相移图中所包含的环境因素相似。因此可以通过利用目标相移图计算得到的目标灰度校正参数对初始散斑图进行灰度校正,得到目标散斑图。
上述基于复合编码三维重建的散斑灰度校正方法中,获取目标相移图以及初始散斑图,由于目标相移图是根据目标相机对相移条纹图投影的目标物体采集得到的,初始散斑图是根据目标相机对散斑投影的目标物体采集得到的,因此目标相移图以及初始散斑图所对应的环境影响因素是相似的,因此可以根据目标相移图进行校正参数计算,得到目标灰度校正参数,利用目标灰度校正参数以及对初始散斑图进行灰度校正,即将初始散斑图中的环境影响因素减弱或者去除,得到目标散斑图。当使用目标散斑图辅助同名点定位时,可以得到准确度高的同名点,从而提高了三维重建的准确度。
在一些实施例中,如图3所示,步骤S206即根据目标相移图进行校正参数计算,得到目标灰度校正参数包括:
S302,根据相移法对目标相移图进行背景光强计算,得到目标相移图对应的第一背景光强。
S304,根据相移法对目标相移图进行调制度计算,得到目标相移图对应的第一条纹调制度。
S306,根据第一背景光强以及第一条纹调制度,得到目标灰度校正参数。
具体地,第一背景光强以及第一条纹调制度是根据目标相移图计算得到的。可以将第一背景光强以及第一条纹调制度作为目标灰度校正参数。当然目标灰度校正参数还可以包括其他参数。
在一些实施例中,计算机生成符合余弦分布的N步相移条纹图(理想图像),其中第n幅投影条纹图表示为:
In(x,y)=a+bcos[φ(x,y)+δn],n=1,2,…,N (1)
其中,a和b分别代表背景光强和条纹调制度,a和b可以在计算机生成条纹时设定,φ(x,y)=2πfx表示调制相位,f表示条纹频率,δn=2π(n-1)/N是相移量,(x,y)是像素坐标。
在一些实施例中,三维测量装置将理想图像投影到物体表面,条纹受到物体形貌、表面反射率、环境光等因素影响,相机采集调制后的条纹图进行三维重建。目标相移图为采集的实际图像,目标相移图可以表示为:
其中,f(·)表示投影仪的响应函数,在理想情况以及非线性校正情况下可以忽略。变量r(x,y)代表物体表面反射率,a1表示照射在物体表面的环境光,α为相机的灵敏度系数,a2为直接进入相机的环境光。
对于条纹图像,在不考虑系统非线性效应情况下,将公式(1)代入公式(2)可以得到目标相移图,如公式(3)所示:
其中,
其中,A(x,y)表示第一背景光强,B(x,y)表示第一条纹调制度,φn=φ+δn对应于相移量δn的调制相位。A(x,y)、B(x,y)和φn(x,y)均为未知量,通过N(N≥3)步相移法可以分别求得三个变量:
上述本申请实施例中,通过相移法对目标相移图进行计算,得到第一背景光强以及第一条纹调制度,根据第一背景光强以及第一条纹调制度,从而得到准确的目标灰度校正参数。
在一些实施例中,如图4所示,步骤S208即利用目标灰度校正参数对初始散斑图进行灰度校正,得到目标散斑图包括:
S402,根据第一背景光强以及第一条纹调制度进行计算,得到初始散斑图对应的第二背景光强。
S404,根据第一条纹调制度进行计算,得到初始散斑图对应的第二条纹调制度。
S406,利用第二背景光强以及第二条纹调制度,对初始散斑图进行校正处理,得到目标散斑图。
具体地,第二背景光强指的是初始散斑图中包含的背景光强,第二条纹调制度指的是初始散斑图中包含的条纹调制度。可以根据第一背景光强以及第一条纹调制度进行计算,得到第二背景光强以及第二条纹调制度,从而可以将初始散斑图中的第二背景光强以及第二条纹调制度的影响去掉,得到目标散斑图。
在一些实施例中,可以对校正后的初始散斑图进行投影校正,得到目标散斑图。
在一些实施例中,初始散斑图可以表示为:
其中,Is(x,y)表示理想的散斑图,表示初始散斑图,As(x,y)表示第二背景光强,Bs(x,y)表示第二调制度。根据公式(4)以及公式(9)可以得到:根据公式(10)以及(11)可以看出,第二背景光强可以通过第一背景光强以及第一条纹调制度表示,第二条纹调制度可以通过第一条纹调制度来表示。
在一些实施例中,步骤S406即利用第二背景光强以及第二条纹调制度,对初始散斑图进行校正处理,得到目标散斑图包括:将初始散斑图减去第二背景光强,再除以第二条纹调制度,得到目标散斑图。
上述本申请实施例中,通过相移法计算得到目标相移图对应的第一背光强度和第一条纹调制度,由于第一背光强度和第一条纹调制度包含了环境光、物体表面调制度以及相机响应函数对散斑图的影响,并且采集得到目标相移图与初始散斑图时的环境几乎相同,因此可以通过计算得到的第一背光强度和第一条纹调制度来得到未知的第二背光强度未知的第二条纹调制度,从而去除初始散斑图中的环境光等的影响,提高散斑图的信噪比,提升散斑图的准确性和普适性。
在一些实施例中,目标相移图包括第一相移图以及第二相移图,目标散斑图包括第一目标散斑图以及第二目标散斑图,第一相移图与第一目标散斑图对应,第二相移图与第二目标散斑图对应,如图5A所示,方法还包括:
S502,获取第一相移图对应的第一子相位序列以及第二相移图对应的第二子相位序列,其中,第一子相位序列是根据相位周期对第一相移图对应的第一相位序列进行分割得到的,第二子相位序列是根据相位周期对第二相移图对应的第二相位序列进行分割得到的。
具体地,第一相移图与第一目标散斑图对应,指的是第一相移图与第一目标散斑图是根据相同的相机在相同的角度采集到的图像得到的,第二相移图与第二目标散斑图对应,指的是第一相移图与第一目标散斑图是根据相同的相机在相同的角度采集到的图像得到的。例如,将正弦条纹图投影到目标物体上,利用左相机对目标物体进行采集得到第一相移图,利用右相机对目标物体进行采集得到第二相移图,将计算机生成的散斑图投影到目标物体上,利用左相机对目标物体进行采集得到第一目标散斑图,利用右相机对目标物体进行采集得到第二目标散斑图。
在一些实施例中,第一相位序列可以是根据第一相位图计算得到的折叠相位组成的序列,第二相位序列可以是根据第二相位图计算得到的折叠相位组成的序列。第一子相位序列可以是根据折叠相位的周期性对第一相位序列分割得到的一个周期的相位序列,包括多个相位,也可以是对分割得到的一个周期的相位序列进行插值后得到的,例如按照固定的相位间隔插值得到多个相位,将这些相位组成的序列,作为第一子相位序列。第二子相位序列可以是根据折叠相位的周期性对第二相位序列分割得到的一个周期的相位序列,包括多个相位,也可以是对分割得到的一个周期的相位序列进行插值后得到的,例如按照固定的相位间隔插值得到多个相位,将这些相位组成的序列,作为第一子相位序列。其中,折叠相位的周期可以为2π,折叠相位的范围可以是[-π,π]。
在一些实施例中,第一相位序列以及第二相位序列是对折叠相位图进行投影校正后得到的。例如,终端可以获取左相机采集到的N步相移图,通过N步相移法计算出折叠相位,进而得到折叠相位图,并对折叠相位图进行投影校正,得到投影校正后的折叠相位图,根据投影校正后的折叠相位图得到第一相位序列。终端可以获取右相机采集到的N步相移图,通过N步相移法计算出折叠相位,进而得到折叠相位图,并对折叠相位图进行投影校正,得到投影校正后的折叠相位图,根据投影校正后的折叠相位图得到第二相位序列。
在一些实施例中,第一目标散斑图、第二目标散斑图、第一相位序列以及第二相位序列是通过投影校正后得到的时,这时,可以沿着第一目标散斑图与第二目标散斑图的相同行进行相位级次匹配。其中,折叠相位序列可以根据周期划分为多个子区,一个子区可以对应一个相位级次,相位级次匹配用于寻找左折叠相位序列中的一个子区对应的右折叠相位序列中的子区。
S504,获取第一子相位序列对应的第一插值相位序列,获取第二子相位序列对应的第二插值相位序列,第一插值相位序列以及第一插值相位序列是通过对相位周期进行采样得到的。
具体地,第一插值相位序列以及第一插值相位序列可以是通过固定的相位间隔对一个折叠相位周期进行采样得到的。
在一些实施例中,可以获取预设相位间隔,根据预设相位间隔在第一子相位序列对应的折叠相位周期内进行采样,得到第一子相位序列对应的第一插值相位序列,根据预设相位间隔在第二子相位序列对应的折叠相位周期内进行采样,得到第二子相位序列对应的第二插值相位序列。其中,预设相位间隔可以是根据需要预先设置的相位间隔。由于折叠相位周期是固定的,预设相位间隔也是固定的,因此各个第一插值相位序列是相同的,各个第二插值相位序列是相同的,并且第一插值相位序列与第二插值相位序列也是是相同的。
S506,根据第一子相位序列中各个相位分别对应的像素,确定对应的第一插值相位序列中各个相位分别对应的像素,组成第一子相位序列对应的第一采样点序列,根据第二子相位序列中各个相位分别对应的像素,确定对应的第二插值相位序列中各个相位分别对应的像素,组成第二子相位序列对应的第二采样点序列。
具体地,第一采样点序列指的是与第一插值相位序列对应的序列,也是与第一子相位序列对应的序列。第一子相位序列中的相位与像素是一一对应的关系,即第一子相位序列中的一个相位对应一个像素。可以根据第一插值相位序列中的相位与对应的第一子相位序列中相位之间的关系,得到第一插值相位序列中的相位对应的像素与对应的第一子相位序列中相位对应的像素之间的关系,从而得到第一插值相位序列中的相位对应的像素。第一插值相位序列中的相位以及第二插值相位序列中相位对应的像素可能为亚像素的。例如,第一插值相位序列中的相位A是对应的像素为亚像素,则可以根据第一子相位序列中的比相位A大的相位B对应的像素以及比相位A小的相位C对应的像素计算得到相位A对应的像素。第二插值相位序列中各个相位分别对应的像素的得到方法可以参考上述类似的方法得到,这里不再赘述。
S508,根据预设插值算法,确定第一采样点序列中各个第一采样点在第一目标散斑图中分别对应的第一灰度值,组成第一采样点序列对应的第一灰度值序列,将各个第一灰度值序列进行组合,得到第一灰度值序列集合,根据预设插值算法,确定第二采样点序列中各个第二采样点在第二目标散斑图中分别对应的第二灰度值,组成第二采样点序列对应的第二灰度值序列,将各个第二灰度值序列进行组合,得到第二灰度值序列集合。
具体地,预设插值算法可以是根据具体情况设置的插值算法,例如为三次样条插值,当然也可以是自定义的插值算法。第一采样点序列与第一灰度值序列一一对应。
S510,根据第一灰度值序列集合以及第二灰度值序列集合进行相关度计算,确定各个第一子相位序列分别对应的第二子相位序列。
具体地,可以分别计算第一灰度值序列集合中的各个第一灰度值序列与第二灰度值序列集合中的各个第二灰度值序列之间的相关度,对得到的相关度进行分析,确定第一子相位序列对应的第二子相位序列。
在一些实施例中,第一子相位序列可能存在对应的第二子相位序列,也可能不存在对应的第二子相位序列。
S512,根据各个第一子相位序列对对应的第二子相位序列进行插值,得到各个第一子相位序列中各个相位分别对应的同名点,根据各个同名点对目标物体进行三维重建。
具体地,三维重建用于对三维物体建立适合计算机表示和处理的数学模型。例如,对鞋子、凳子或桌子等建立数学模型。同名点可以理解为第一目标散斑图中的一个像素位置,在第二目标散斑图像中的对等像素位置。例如,第一目标散斑图中的像素位置A1与第二目标散斑图像中的像素位置A2是对等位置,则可以将像素位置A1与像素位置A2称为一对同名点,或者将像素位置A2称为像素位置A1的同名点。
在一些实施例中,可以获取目标第一子相位序列中各个相位分别对应的像素,作为第一目标像素。根据对应的目标第二子相位序列中各个相位分别对应的像素,插值得到与第一子相位序列中相同相位处的像素,即插值得到各个第一目标像素分别对应的第二目标像素,将第二目标像素作为第一目标像素的同名点。
上述复合编码的三维重建方法中,获取第一相移图对应的第一子相位序列以及第二相移图对应的第二子相位序列,其中,第一子相位序列是根据相位周期对第一相移图对应的第一相位序列进行分割得到的,第二子相位序列是根据相位周期对第二相移图对应的第二相位序列进行分割得到的,第一相移图与第一目标散斑图对应,第二相移图与第二目标散斑图对应,获取第一子相位序列对应的第一插值相位序列,获取第二子相位序列对应的第二插值相位序列,第一插值相位序列以及第一插值相位序列是通过对相位周期进行采样得到的,根据第一子相位序列中各个相位分别对应的像素,确定对应的第一插值相位序列中各个相位分别对应的像素,组成第一子相位序列对应的第一采样点序列,根据第二子相位序列中各个相位分别对应的像素,确定对应的第二插值相位序列中各个相位分别对应的像素,组成第二子相位序列对应的第二采样点序列,根据预设插值算法,确定第一采样点序列中各个第一采样点在第一目标散斑图中分别对应的第一灰度值,组成第一采样点序列对应的第一灰度值序列,将各个第一灰度值序列进行组合,得到第一灰度值序列集合,根据预设插值算法,确定第二采样点序列中各个第二采样点在第二目标散斑图中分别对应的第二灰度值,组成第二采样点序列对应的第二灰度值序列,将各个第二灰度值序列进行组合,得到第二灰度值序列集合,根据第一灰度值序列集合以及第二灰度值序列集合进行相关度计算,确定各个第一子相位序列分别对应的第二子相位序列,根据各个第一子相位序列对对应的第二子相位序列进行插值,得到各个第一子相位序列中各个相位分别对应的同名点,根据各个同名点对目标物体进行三维重建。从而通过第一灰度值序列对应的第二灰度值序列,确定了第一子相位序列对应的第二子相位序列,实现了采用散斑相关的算法辅助折叠相位的级次匹配,利用散斑图辅助相移图进行同名点定位,无需使用多张图像来进行相位展开,从而提高了三维重建的效率。并且,由于第一目标散斑图以及第二目标散斑图是经过灰度校正的,因此使用目标散斑图辅助同名点定位,得到的同名点的准确度高,从而提高了三维重建的准确度。
例如,如图5B所示,图5B(a)表示第一目标散斑图对应的初始散斑图,图5B(b)表示与第二目标散斑图对应的初始的散斑图,图5B(a)的右上角以及图5B(b)的右上角,为一对同名点所在窗口内散斑图的局部放大图,图5B(c)为在两个窗口内同一行散斑信号的散斑灰度曲线。可以看到图5B(c)中的两个灰度曲线有很大区别。如图5C所示,图5C(a)和图5C(b)分别为对图5B(a)和图5B(b)的散斑图进行灰度校正得到的第一目标散斑图和第二目标散斑图,图5C(c)为灰度校正后的与图5B(c)对应的散斑灰度曲线,可以看到图5C(c)中的两个散斑灰度曲线相似度比5C(c)中的高很多,由此可知,灰度校正得到的第一目标散斑图和第二目标散斑图,相关度计算更加精确。
在一些实施例中,如图6所示,步骤S510即根据第一灰度值序列集合以及第二灰度值序列集合进行相关度计算,确定各个第一子相位序列分别对应的第二子相位序列,包括:
S602,从第一灰度值序列集合中选取目标第一灰度值序列。
具体地,在第一次选取目标第一灰度值序列时,可以从第一灰度值序列集合中选取任意一个第一灰度值序列,作为目标第一灰度值序列。当第二次选取目标第一灰度值序列时,可以从第一灰度值序列集合中选取没有被选取为目标第一灰度值序列的第一灰度值序列作为目标第一灰度值序列。
S604,分别计算目标第一灰度值序列与第二灰度值序列集合中各个第二灰度值序列之间的相关度,得到目标第一灰度值序列对应的相关度集合。
具体地,相关度表示目标第一灰度值序列与第二灰度值序列的相似性,相关度越大,则说明目标第一灰度值序列与第二灰度值序列的相似性越大,相关度越小,则说明目标第一灰度值序列与第二灰度值序列的相似性越小。相关度集合是由目标第一灰度值序列与各个第二灰度值序列分别得到的相关度组成的集合。
在一些实施例中,可以通过相关度函数计算目标第一灰度值序列与第二灰度值序列集合中的第二灰度值序列的相关度。相关度函数例如可以是ZNCC(Zero MeanNormalized Cross Correlation,去均值归一化互相关函数)。
S606,获取相关度集合中的最大相关度。
具体地,最大相关度指的是相关度集合中最大的相关度。
S608,当最大相关度大于预设相关度阈值时,将最大相关度对应的第二灰度值序列作为目标第一灰度值序列对应的目标第二灰度值序列。
具体地,预设相关度阈值为预先设置的相关度,预设相关度阈值可以根据经验值确定的,例如可以是0.9。目标第二灰度值序列指的是与目标第一灰度值序列对应的第二灰度值序列。当最大相关度大于或者等于预设相关度阈值时,说明最大相关度对应的第二灰度值序列与目标第一灰度值序列的相似性很高,因此可以将最大相关度对应的第二灰度值序列作为目标第一灰度值序列对应的目标第二灰度值序列。当最大相关度小于预设相关度阈值时,说明最大相关度对应的第二灰度值序列与目标第一灰度值序列的相似性不高,可以认为目标第一灰度值序列没有找到对应的第二灰度值序列。
在一些实施例中,可以在第二灰度值序列集合中筛选得到可能为目标第二灰度值序列的第二灰度值序列,作为候选目标第二灰度值序列,分别计算目标第一灰度值序列与各个候选目标第二灰度值序列的相关度,得到最大相关度,并判断最大相关度是否大于预设相关度阈值,如果大于预设相关度阈值,则将得到最大相关度的候选目标第二灰度值序列作为与目标第一灰度值序列对应的目标第二灰度值序列。
S610,获取目标第一灰度值序列对应的目标第一子相位序列,获取目标第二灰度值序列对应的目标第二子相位序列,将目标第二子相位序列作为目标第一子相位序列对应的第二子相位序列。
具体地,目标第二子相位序列与目标第一子相位序列对应,可以将目标第一子相位序列与对应的目标第二子相位序列称作相同级次的折叠相位对。例如,若得到第一灰度值序列S1对应的第二灰度值序列为S2,且第一灰度值序列对应的第一子相位序列为W1,第二灰度值序列对应的第二子相位序为W2,则W1和W2称作相同级次的折叠相位对。
上述本申请实施例中,通过计算第一灰度值序列与第二灰度值序列之间的相关度,可以快速的确定第一灰度值序列对应的第二灰度值序列,从而确定了第一子相位序列对应的第二子相位序列,从而快速的得到了级次匹配的相位序列,提高了三维重建的效率。并且通过将最大相关度与预设相关度阈值进行比较,当最大相关度大于预设相关度阈值时,才将最大相关度对应的第二灰度值序列作为目标第一灰度值序列对应的目标第二灰度值序列,而不是直接将最大相关度对应的第二灰度值序列作为目标第一灰度值序列对应的目标第二灰度值序列,可以避免在目标第二灰度值序列不存在对应的第二灰度值序列的情况下,找到错误的目标第二灰度值序列。
在一些实施例中,如图7所示,步骤S512中的根据各个第一子相位序列对对应的第二子相位序列进行插值,得到各个第一子相位序列中各个相位分别对应的同名点包括:
S702,获取目标第一子相位序列中各个相位分别对应的像素,作为第一目标像素。
具体地,目标第一子相位序列中的各个相位与像素具有对应关系,一个相位对应一个像素。
S704,根据对应的目标第二子相位序列中各个相位分别对应的像素,插值得到各个第一目标像素分别对应的第二目标像素,将第二目标像素作为第一目标像素的同名点。
具体地,目标第一子相位序列中的各个相位与目标第二子相位序列中的各个相位可能是不相同的,即在目标第一子相位序列中存在的相位,在目标第二子相位序列中可能不存在,而在目标第二子相位序列中存在的相位,在目标第一子相位序列中可能不存在。因此,可以通过亚像素插值得到同名点。比如相位phase1存在于目标第一子相位序列中,但不存在于目标第二子相位序列中,但是目标第二子相位序列中有比相位phase1小的相位phase2,以及比相位phase1大的相位phase3,可以根据相位phase2的对应的像素以及相位phase3对应的像素,插值得到在目标第二子相位序列中相位phase1对应的像素,作为目标第一子相位序列中相位phase1的第一目标像素对应的第二目标像素,将第二目标像素作为第一目标像素的同名点。
上述本申请实施例中,由于周期内的折叠相位是单调递增的,即子相位序列种的相位是单调递增的,并不存在歧义性,因此,在级次匹配的折叠相位内,即在目标第一子相位序列对应的目标第二子相位序列中,对第一目标散斑图以及第二目标散斑图像进行亚像素插值,可以实现高精度的同名点定位。
上述本申请实施例中,由于周期内的折叠相位是单调递增的,即子相位序列种的相位是单调递增的,并不存在歧义性,因此,在级次匹配的折叠相位内,即在目标第一子相位序列对应的目标第二子相位序列中,对第一目标散斑图像以及第二目标散斑图像进行亚像素插值,可以实现高精度的同名点定位。
应该理解的是,虽然上述各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述各实施例的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一些实施例中,如图7所示,提供了一种基于复合编码三维重建的散斑灰度校正装置,包括:目标相移图获取模块702、初始散斑图获取模块704、目标灰度校正参数得到模块706和目标散斑图得到模块708,其中:
目标相移图获取模块702,用于获取目标相移图,目标相移图是根据目标相机对相移条纹图投影的目标物体采集得到的。
初始散斑图获取模块704,用于获取初始散斑图,初始散斑图是根据目标相机对散斑投影的目标物体采集得到的。
目标灰度校正参数得到模块706,用于根据目标相移图进行校正参数计算,得到目标灰度校正参数。
目标散斑图得到模块708,用于利用目标灰度校正参数对初始散斑图进行灰度校正,得到目标散斑图。
在一些实施例中,目标灰度校正参数得到模块706包括:
第一背景光强得到单元,用于根据相移法对目标相移图进行背景光强计算,得到目标相移图对应的第一背景光强。
第一条纹调制度得到单元,用于根据相移法对目标相移图进行调制度计算,得到目标相移图对应的第一条纹调制度。
目标灰度校正参数得到单元,用于根据第一背景光强以及第一条纹调制度,得到目标灰度校正参数。
在一些实施例中,目标散斑图得到模块708包括:
第二背景光强得到单元,用于根据第一背景光强以及第一条纹调制度进行计算,得到初始散斑图对应的第二背景光强。
第二条纹调制度得到单元,用于根据第一条纹调制度进行计算,得到初始散斑图对应的第二条纹调制度。
目标散斑图得到单元,用于利用第二背景光强以及第二条纹调制度,对初始散斑图进行校正处理,得到目标散斑图。
在一些实施例中,目标散斑图得到单元,还用于将初始散斑图减去第二背景光强,再除以第二条纹调制度,得到目标散斑图。
在一些实施例中,目标相移图包括第一相移图以及第二相移图,目标散斑图包括第一目标散斑图以及第二目标散斑图,第一相移图与第一目标散斑图对应,第二相移图与第二目标散斑图对应,该装置还包括:
子相位序列获取模块,用于获取第一相移图对应的第一子相位序列以及第二相移图对应的第二子相位序列,其中,第一子相位序列是根据相位周期对第一相移图对应的第一相位序列进行分割得到的,第二子相位序列是根据相位周期对第二相移图对应的第二相位序列进行分割得到的。
插值相位序列获取模块,用于获取第一子相位序列对应的第一插值相位序列,获取第二子相位序列对应的第二插值相位序列,第一插值相位序列以及第一插值相位序列是通过对相位周期进行采样得到的。
采样点序列组成模块,用于根据第一子相位序列中各个相位分别对应的像素,确定对应的第一插值相位序列中各个相位分别对应的像素,组成第一子相位序列对应的第一采样点序列,根据第二子相位序列中各个相位分别对应的像素,确定对应的第二插值相位序列中各个相位分别对应的像素,组成第二子相位序列对应的第二采样点序列。
灰度值序列集合得到模块,用于根据预设插值算法,确定第一采样点序列中各个第一采样点在第一目标散斑图中分别对应的第一灰度值,组成第一采样点序列对应的第一灰度值序列,将各个第一灰度值序列进行组合,得到第一灰度值序列集合,根据预设插值算法,确定第二采样点序列中各个第二采样点在第二目标散斑图中分别对应的第二灰度值,组成第二采样点序列对应的第二灰度值序列,将各个第二灰度值序列进行组合,得到第二灰度值序列集合。
子相位序列确定模块,用于根据第一灰度值序列集合以及第二灰度值序列集合进行相关度计算,确定各个第一子相位序列分别对应的第二子相位序列。
三维重建模块,用于根据各个第一子相位序列对对应的第二子相位序列进行插值,得到各个第一子相位序列中各个相位分别对应的同名点,根据各个同名点对目标物体进行三维重建。
在一些实施例中,子相位序列确定模块包括:
目标第一灰度值序列获取单元,用于从第一灰度值序列集合中选取目标第一灰度值序列。
相关度集合得到单元,用于分别计算目标第一灰度值序列与第二灰度值序列集合中各个第二灰度值序列之间的相关度,得到目标第一灰度值序列对应的相关度集合。
最大相关度获取单元,用于获取相关度集合中的最大相关度。
目标第二灰度值序列得到单元,用于当最大相关度大于预设相关度阈值时,将最大相关度对应的第二灰度值序列作为目标第一灰度值序列对应的目标第二灰度值序列。
子相位序列确定单元,用于获取目标第一灰度值序列对应的目标第一子相位序列,获取目标第二灰度值序列对应的目标第二子相位序列,将目标第二子相位序列作为目标第一子相位序列对应的第二子相位序列。
在一些实施例中,三维重建模块包括:
第一目标像素获取单元,用于获取目标第一子相位序列中各个相位分别对应的像素,作为第一目标像素。
同名点得到单元,用于根据对应的目标第二子相位序列中各个相位分别对应的像素,插值得到各个第一目标像素分别对应的第二目标像素,将第二目标像素作为第一目标像素的同名点。
关于基于复合编码三维重建的散斑灰度校正装置的具体限定可以参见上文中对于基于复合编码三维重建的散斑灰度校正方法的限定,在此不再赘述。上述基于复合编码三维重建的散斑灰度校正装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一些实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于复合编码三维重建的散斑灰度校正方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一些实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述基于复合编码三维重建的散斑灰度校正方法的步骤。
在一些实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述基于复合编码三维重建的散斑灰度校正方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于复合编码三维重建的散斑灰度校正方法,所述方法包括:
获取目标相移图,所述目标相移图是根据目标相机对相移条纹图投影的目标物体采集得到的;
获取初始散斑图,所述初始散斑图是根据所述目标相机对散斑投影的所述目标物体采集得到的;
根据所述目标相移图进行校正参数计算,得到目标灰度校正参数;
利用所述目标灰度校正参数对所述初始散斑图进行灰度校正,得到目标散斑图。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标相移图进行校正参数计算,得到目标灰度校正参数包括:
根据相移法对所述目标相移图进行背景光强计算,得到所述目标相移图对应的第一背景光强;
根据相移法对所述目标相移图进行调制度计算,得到所述目标相移图对应的第一条纹调制度;
根据所述第一背景光强以及所述第一条纹调制度,得到所述目标灰度校正参数。
3.根据权利要求2所述的方法,其特征在于,所述利用所述目标灰度校正参数对所述初始散斑图进行灰度校正,得到目标散斑图包括:
根据所述第一背景光强以及所述第一条纹调制度进行计算,得到所述初始散斑图对应的第二背景光强;
根据所述第一条纹调制度进行计算,得到所述初始散斑图对应的第二条纹调制度;
利用所述第二背景光强以及所述第二条纹调制度,对所述初始散斑图进行校正处理,得到目标散斑图。
4.根据权利要求3所述的方法,其特征在于,所述利用所述第二背景光强以及所述第二条纹调制度,对所述初始散斑图进行校正处理,得到目标散斑图包括:
将所述初始散斑图减去所述第二背景光强,再除以所述第二条纹调制度,得到目标散斑图。
5.根据权利要求1所述的方法,其特征在于,所述目标相移图包括第一相移图以及第二相移图,所述目标散斑图包括第一目标散斑图以及第二目标散斑图,所述第一相移图与所述第一目标散斑图对应,所述第二相移图与所述第二目标散斑图对应,所述方法还包括:
获取第一相移图对应的第一子相位序列以及所述第二相移图对应的第二子相位序列,其中,所述第一子相位序列是根据相位周期对所述第一相移图对应的第一相位序列进行分割得到的,所述第二子相位序列是根据所述相位周期对所述第二相移图对应的第二相位序列进行分割得到的;
获取所述第一子相位序列对应的第一插值相位序列,获取所述第二子相位序列对应的第二插值相位序列,所述第一插值相位序列以及所述第一插值相位序列是通过对相位周期进行采样得到的;
根据所述第一子相位序列中各个相位分别对应的像素,确定对应的第一插值相位序列中各个相位分别对应的像素,组成所述第一子相位序列对应的第一采样点序列,根据所述第二子相位序列中各个相位分别对应的像素,确定对应的第二插值相位序列中各个相位分别对应的像素,组成所述第二子相位序列对应的第二采样点序列;
根据预设插值算法,确定所述第一采样点序列中各个第一采样点在所述第一目标散斑图中分别对应的第一灰度值,组成所述第一采样点序列对应的第一灰度值序列,将各个所述第一灰度值序列进行组合,得到第一灰度值序列集合,根据所述预设插值算法,确定所述第二采样点序列中各个第二采样点在所述第二目标散斑图中分别对应的第二灰度值,组成所述第二采样点序列对应的第二灰度值序列,将各个所述第二灰度值序列进行组合,得到第二灰度值序列集合;
根据所述第一灰度值序列集合以及所述第二灰度值序列集合进行相关度计算,确定各个所述第一子相位序列分别对应的所述第二子相位序列;
根据各个所述第一子相位序列对对应的所述第二子相位序列进行插值,得到各个所述第一子相位序列中各个相位分别对应的同名点,根据各个所述同名点对所述目标物体进行三维重建。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一灰度值序列集合以及所述第二灰度值序列集合进行相关度计算,确定各个所述第一子相位序列分别对应的所述第二子相位序列,包括:
从所述第一灰度值序列集合中选取目标第一灰度值序列;
分别计算所述目标第一灰度值序列与所述第二灰度值序列集合中各个第二灰度值序列之间的相关度,得到所述目标第一灰度值序列对应的相关度集合;
获取所述相关度集合中的最大相关度;
当所述最大相关度大于预设相关度阈值时,将所述最大相关度对应的第二灰度值序列作为所述目标第一灰度值序列对应的目标第二灰度值序列;
获取所述目标第一灰度值序列对应的目标第一子相位序列,获取所述目标第二灰度值序列对应的目标第二子相位序列,将所述目标第二子相位序列作为所述目标第一子相位序列对应的第二子相位序列。
7.根据权利要求6所述的方法,其特征在于,所述根据各个所述第一子相位序列对对应的所述第二子相位序列进行插值,得到各个所述第一子相位序列中各个相位分别对应的同名点,包括:
获取所述目标第一子相位序列中各个相位分别对应的像素,作为第一目标像素;
根据对应的所述目标第二子相位序列中各个相位分别对应的像素,插值得到各个所述第一目标像素分别对应的第二目标像素,将所述第二目标像素作为所述第一目标像素的同名点。
8.一种基于复合编码三维重建的散斑灰度校正装置,其特征在于,所述装置包括:
目标相移图获取模块,用于获取目标相移图,所述目标相移图是根据目标相机对相移条纹图投影的目标物体采集得到的;
初始散斑图获取模块,用于获取初始散斑图,所述初始散斑图是根据所述目标相机对散斑投影的所述目标物体采集得到的;
目标灰度校正参数得到模块,用于根据所述目标相移图进行校正参数计算,得到目标灰度校正参数;
目标散斑图得到模块,用于利用所述目标灰度校正参数对所述初始散斑图进行灰度校正,得到目标散斑图。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述基于复合编码三维重建的散斑灰度校正方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述基于复合编码三维重建的散斑灰度校正方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010076325.3A CN111325683B (zh) | 2020-01-23 | 2020-01-23 | 基于复合编码三维重建的散斑灰度校正方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010076325.3A CN111325683B (zh) | 2020-01-23 | 2020-01-23 | 基于复合编码三维重建的散斑灰度校正方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111325683A true CN111325683A (zh) | 2020-06-23 |
CN111325683B CN111325683B (zh) | 2023-06-20 |
Family
ID=71173211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010076325.3A Active CN111325683B (zh) | 2020-01-23 | 2020-01-23 | 基于复合编码三维重建的散斑灰度校正方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111325683B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330771A (zh) * | 2020-10-29 | 2021-02-05 | 南京理工大学智能计算成像研究院有限公司 | 一种用于快速三维测量的pcps条纹图案设计方法 |
CN116452582A (zh) * | 2023-06-13 | 2023-07-18 | 季华实验室 | 类镜面表面数据检测方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645174A (zh) * | 2012-03-29 | 2012-08-22 | 上海大学 | 用于高信噪比散斑干涉的实时相移方法 |
US20130202181A1 (en) * | 2012-02-07 | 2013-08-08 | National Cheng Kung University | Integration of filters and phase unwrapping algorithms for removing noise in image reconstruction |
CN104596439A (zh) * | 2015-01-07 | 2015-05-06 | 东南大学 | 一种基于相位信息辅助的散斑匹配三维测量方法 |
CN106097302A (zh) * | 2016-05-30 | 2016-11-09 | 西安交通大学 | 基于单张图片的物体三维形貌非接触测量方法 |
CN106802138A (zh) * | 2017-02-24 | 2017-06-06 | 杭州先临三维科技股份有限公司 | 一种三维扫描系统及其扫描方法 |
CN107564091A (zh) * | 2017-07-26 | 2018-01-09 | 深圳大学 | 一种基于快速对应点搜索的三维重建方法及装置 |
CN109990731A (zh) * | 2019-01-21 | 2019-07-09 | 深圳市易尚展示股份有限公司 | 基于数字投影三维测量系统的非线性相位误差的校正方法 |
-
2020
- 2020-01-23 CN CN202010076325.3A patent/CN111325683B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130202181A1 (en) * | 2012-02-07 | 2013-08-08 | National Cheng Kung University | Integration of filters and phase unwrapping algorithms for removing noise in image reconstruction |
CN102645174A (zh) * | 2012-03-29 | 2012-08-22 | 上海大学 | 用于高信噪比散斑干涉的实时相移方法 |
CN104596439A (zh) * | 2015-01-07 | 2015-05-06 | 东南大学 | 一种基于相位信息辅助的散斑匹配三维测量方法 |
CN106097302A (zh) * | 2016-05-30 | 2016-11-09 | 西安交通大学 | 基于单张图片的物体三维形貌非接触测量方法 |
CN106802138A (zh) * | 2017-02-24 | 2017-06-06 | 杭州先临三维科技股份有限公司 | 一种三维扫描系统及其扫描方法 |
CN107564091A (zh) * | 2017-07-26 | 2018-01-09 | 深圳大学 | 一种基于快速对应点搜索的三维重建方法及装置 |
CN109990731A (zh) * | 2019-01-21 | 2019-07-09 | 深圳市易尚展示股份有限公司 | 基于数字投影三维测量系统的非线性相位误差的校正方法 |
Non-Patent Citations (2)
Title |
---|
SHAOYAN GAI ET AL.: "Novel 3D measurement system based on speckle and fringe pattern projection" * |
WEI YIN ET AL.: "High-speed 3D shape measurement using the optimized composite fringe patterns and stereo-assisted structured light system" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330771A (zh) * | 2020-10-29 | 2021-02-05 | 南京理工大学智能计算成像研究院有限公司 | 一种用于快速三维测量的pcps条纹图案设计方法 |
CN112330771B (zh) * | 2020-10-29 | 2023-12-15 | 南京理工大学智能计算成像研究院有限公司 | 一种用于快速三维测量的pcps条纹图案设计方法 |
CN116452582A (zh) * | 2023-06-13 | 2023-07-18 | 季华实验室 | 类镜面表面数据检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111325683B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | Three-dimensional shape measurement technique for shiny surfaces by adaptive pixel-wise projection intensity adjustment | |
CN110702034A (zh) | 高反光表面三维面形测量方法、服务器及系统 | |
CN106839977B (zh) | 基于光栅投影双目成像技术的盾构渣土体积实时测量方法 | |
CN109945802B (zh) | 一种结构光三维测量方法 | |
US20120127275A1 (en) | Image processing method for determining depth information from at least two input images recorded with the aid of a stereo camera system | |
CN104103058B (zh) | 图像匹配系统及方法 | |
CN109118531A (zh) | 透明物体的三维重建方法、装置、计算机设备及存储介质 | |
CN110310365B (zh) | 一种三维重建方法及装置 | |
CN111325683B (zh) | 基于复合编码三维重建的散斑灰度校正方法和装置 | |
CN110675440B (zh) | 三维深度数据的置信度评估方法、装置和计算机设备 | |
Réthoré et al. | Curve and boundaries measurement using B-splines and virtual images | |
Wang et al. | Study of weighted fusion methods for the measurement of surface geometry | |
CN111256628A (zh) | 墙面平整度检测方法、装置、计算机设备和存储介质 | |
CN111292421B (zh) | 复合编码的三维重建方法、装置、计算机设备和存储介质 | |
CN115205360A (zh) | 复合条纹投影钢管的三维外轮廓在线测量与缺陷检测方法及应用 | |
Liu et al. | Phase correlation pixel‐to‐pixel image co‐registration based on optical flow and median shift propagation | |
Zhao et al. | Fast Hermite element method for smoothing and differentiating noisy displacement field in digital image correlation | |
CN111311731B (zh) | 基于数字投影的随机灰度图生成方法、装置和计算机设备 | |
CN111723597A (zh) | 跟踪算法的精度检测方法、装置、计算机设备和存储介质 | |
CN113048914A (zh) | 相位解包裹方法及装置 | |
CN113029037B (zh) | 物体的轮廓测量方法、装置、计算机设备和可读存储介质 | |
CN110910436B (zh) | 基于图像信息增强技术的测距方法、装置、设备和介质 | |
Dufour et al. | Displacement Measurements Using CAD-Based Stereo-DIC | |
Huang et al. | Defocusing rectified multi-frequency patterns for high-precision 3D measurement | |
Shao et al. | Out-of-plane full-field vibration displacement measurement with monocular computer vision |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |