CN116205843A - 一种基于自适应条纹迭代的高反航发叶片三维点云获取方法 - Google Patents
一种基于自适应条纹迭代的高反航发叶片三维点云获取方法 Download PDFInfo
- Publication number
- CN116205843A CN116205843A CN202211348337.2A CN202211348337A CN116205843A CN 116205843 A CN116205843 A CN 116205843A CN 202211348337 A CN202211348337 A CN 202211348337A CN 116205843 A CN116205843 A CN 116205843A
- Authority
- CN
- China
- Prior art keywords
- overexposed
- gray value
- adaptive
- self
- image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000003044 adaptive effect Effects 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 238000010587 phase diagram Methods 0.000 claims abstract description 8
- 238000009434 installation Methods 0.000 claims abstract description 4
- 238000002310 reflectometry Methods 0.000 claims description 8
- 230000010363 phase shift Effects 0.000 claims description 4
- 230000001172 regenerating effect Effects 0.000 claims description 4
- 230000007547 defect Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000005498 polishing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种基于自适应条纹迭代的高反航发叶片三维点云获取方法,包括步骤1,硬件安装:将偏振片安装在相机镜头上。步骤2,确定过曝区域,包括投射灰度值为255的白图,二值化图像,提取过曝区域边界信息。步骤3,结构光解码,包括多频外差算法获得被测物体的绝对相位图,相机‑投影仪相位映射。步骤4,生成自适应条纹,包括:建立非线性最小二乘模型,求解当前最佳灰度值,迭代求解过曝光区域最佳灰度值。步骤5,三维重建。本发明能够有效确定高反光部件点云缺失区域,有效解决航发叶片高反光区域三维重建困难的问题。
Description
技术领域
本发明涉及叶片类高反光零件的单次三维点云获取,具体应用于高反航发叶片砂带自适应磨削。
背景技术
航发叶片的缺陷识别与磨削修复通常是用人工的方式,不仅效率低下、产品缺陷修复成功率低,而且人力成本较高、劳动强度大,航发叶片的磨削修复并不适合人工操作。叶片磨削区域、磨削范围主要与其复杂曲面有关,现有的测量方法主要有两大类:一是以三坐标测量机为代表的接触式测量,该测量方式精度较高,但非常耗时。二是以结构光为代表的非接触式测量,其精度较高,测量速度快,适合在线测量。但由于航发叶片的高反光特性,结构光测量的复杂曲面有部分点云数据缺失,导致无法进行航发叶片的在线自适应磨削修复。因此,关于航发叶片高反区域的重建将直接影响到叶片缺陷识别磨削的最终精度。
发明内容
本发明的目的是提供一种基于自适应条纹迭代的高反航发叶片三维点云获取方法,其能够有效确定高反光部件点云缺失区域,有效解决航发叶片高反光区域三维重建困难的问题。
本发明的技术方案如下:
本发明所述的基于自适应条纹迭代的高反航发叶片三维点云获取方法,其包括如下步骤:
步骤1,硬件安装:将偏振片安装在相机镜头上。这样可以一定程度上降低高反光的影响,滤除无关噪声。以利于通过硬件辅助和高反光算法结合来解决航发叶片高反光区域三维重建困难的问题。
步骤2,确定过曝区域,包括:
步骤2.1,投射灰度值为255的白图;
步骤2.2,二值化图像:将图像Q(u,V)二值化,确定当前系统位姿下高反航发叶片的过曝区域,M(u,v)灰度值大于250标记为1,其余为0,记过曝区域为Qc(u,v),其计算如下:
步骤2.3,提取过曝区域边界信息,得到过曝区域的外边缘像素点集的坐标索引(uc,vc)和对应的灰度值gc;
首先,标记连通域,根据二值图像进行连通域标记,对过曝区域进行编号,记其为Q1,Q2,Q3+……QN,其中Q1+Q2+Q3+…QN=Q;
然后,提取过曝区域边界,根据不同的连通域,提取过曝区域的外边缘像素点集的坐标索引(uc,vc)和对应的灰度值gc。
步骤3;结构光解码,包括:
步骤3.1,多频外差算法获得被测物体的绝对相位图;
具体是,计算机生成条纹周期为59、64、70的正弦条纹图像,竖直条纹和水平条纹各12幅共24幅,其公式如下:
步骤3.2,相机-投影仪相位映射:
根据高反航发叶片的绝对相位图,找到投影仪视场中的过曝区域外边界像素点击的坐标索引(up,vp),和对应的灰度值gp。
步骤4生成自适应条纹,包括:
步骤4.1,建立非线性最小二乘模型;
步骤4.2,求解当前最佳灰度值即利用最小二乘法拟合最佳灰度值;
根据步骤2提取的过曝区域外边缘像素点集的灰度值gc,和步骤3中投影仪视场中过曝区域点集的灰度值gp进行多项式拟合,拟合准则如下:
得到当前过曝区域条纹的最佳灰度值。
步骤4.3,迭代求解过曝光区域最佳灰度值;
根据步骤2.3的公式重新生成条纹周期为70的自适应条纹图4张投射并同步采集,若四张图均无过曝像素,则自适应生成条纹周期为64,59的条纹图,用于进行结构光三维重建。若四张图有过曝区域,标记其连通域,重复步骤2.3至4.2,迭代至采集的自适应条纹图无过曝像素为止。
这样,通过选择最高频率的正弦光栅图像,来确定自适应条纹的过曝区域,再选择是否迭代的方式,可以保证高反光叶片的重建精度和速度。
步骤5,三维重建:
根据采集的自适应条纹,结合相机-投影仪联合标定结果,进行三维重建。
这样,根据重建的高反航发叶片三维点云数据,针对目标修磨区域,则可进行砂带自适应磨削。
本发明与现有技术相比具有如下有益效果:
1、本发明的硬件系统是工业黑白相机+偏振片+DLP投影仪,采用硬件辅助和高反光算法结合的方法来解决航发叶片高反光区域三维重建困难的问题,不需要使用3D相机、高精度移动平台、聚焦型光场相机等复杂的设备。
2、本发明通过投射一幅255灰度图确定过曝区域,通过过曝区域外边界映射,利用非线性最小二乘法进行多项式拟合获取过曝区域最佳投影灰度值。无需投射另外的条纹图像确定过曝区域最佳投影仪灰度值,利用较少的条纹图像即可以较高精度完成高反光区域的三维重建。
3、本发明针对自适应条纹单次重建仍有过曝像素的问题,通过对自适应条纹再寻过曝区域,再重新生成自适应条纹,以迭代优化求解的方式保证高反光叶片的重建精度。
4、本发明通过选择最高频率的正弦光栅图像,来确定自适应条纹的过曝区域,再选择是否迭代的方式,保证了高反光叶片的重建精度和速度。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
应当理解,本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。
本申请的实施例是以某款3011航发叶片的缺陷修复为例,由于航发叶片的高反光特性,一般方法是喷显像剂,才能通过结构光测量其三维参数。然后通过航发叶片的自适应抛磨加工技术,修复其缺陷。如果不喷粉,难以实现在线自适应抛磨加工。本实例选用基于自适应条纹的技术,完成高反航发叶片的三维重建工作,图1示出了根据本申请示例性实施例的基于自适应条纹迭代的高反航发叶片三维点云获取方法,包括以下步骤:
步骤1,硬件安装:将偏振片安装在工业黑白相机的相机镜头上,这样做的目的是一定程度上降低高反光的影响,滤除噪声。
步骤2,确定过曝区域,具体包括:
步骤2.1,投射灰度值为255的白图;
使用DLP4500光机模组投射灰度值为255的灰度图。
步骤2.2,将图像Q(u,v)二值化,确定当前单目-单投影仪三维重建系统位姿下高反航发叶片的过曝区域:
相机采集灰度图像,由于噪声的影响,选定阈值为250,灰度值大于阈值的即认定为过曝像素,即M(u,v)灰度值大于250标记为1,其余为0,记过曝区域为Qc(u,v),其计算如下:
步骤2.3,提取过曝区域边界信息,得到过曝区域的外边缘像素点集的坐标索引(uc,vc)和对应的灰度值gc。具体包括:
标记连通域,根据图像的全部过曝区域,进行连通域标记,对过曝区域进行编号,记为Q1,Q2,Q3……QN,其中Q1+Q2+Q3+…QN=Q;
根据不同的过曝区域,对应提取过曝区域的外边界,根据不同过曝区域,利用边缘检测算法,提取对应过曝区域的外边缘像素点集的坐标索引(u。,v。)和对应的灰度值g。。
步骤3,结构光编解码
步骤3.1,多频外差算法获得被测物体的绝对相位图;
计算机生成条纹周期为59、64、70的正弦条纹图像各四幅,竖直条纹和水平条纹各12幅共24幅,其公式如下:
其中Ii(x,y)是第i幅光栅图像的光强,A是要生成的条纹图的背景光强,B是生成条纹图的调制光强,为避免投影仪-相机的非线性响应区域,这里A=130,B=90。是点(x,y)处的相位主值,δi是第i幅图像的相移值。条纹图生成完毕后,烧录至DLP4500并投射,相机同步采集图像,根据相移法计算包裹相位,利用多频外差算法进行相位解包裹,其算法如下:
步骤3.2,相机-投影仪相位映射:
式中,为过曝区域外边界某点的绝对相位值,W为投影仪的分辨率,f为绝对相位图的频率,up为该点在投影仪视场的横坐标,vp为该点在投影仪视场的纵坐标,即该点在投影仪视场中的坐标为(up,vp),记该点的灰度值为gp,也就是生成的条纹图的灰度值。
步骤4生成自适应条纹,包括:
步骤4.1,建立非线性最小二乘模型。
步骤4.2,求解当前最佳灰度值即利用最小二乘法拟合最佳灰度值;
根据步骤2.3提取的过曝区域外边缘像素点集的灰度值gc和步骤3.2中投影仪视场中过曝区域点集的灰度值gp进行多项式拟合,根据非线性最小二乘法准则:
这里取多项式的次数为5,求得多项式的系数,对拟合的多项式取自变量为254,得到保证区域不过曝的条纹的最佳灰度值,记为Gray。
步骤4.3,迭代求解过曝光区域最佳灰度值
根据步骤3.1的公式重新生成条纹周期为70的自适应条纹图4张,记为I1,I2,I3,I4,该过程如下:
其中,Ii(u,v)是步骤3.1生成的条纹图,Gray是步骤4.2获取的过曝区域的最佳投影灰度值,Q(u,v)是步骤2得到的被测物过曝区域。自适应条纹图生成完毕后,烧录至DLP4500并投射,相机同步采集,若四张正弦条纹图均无过曝像素,则自适应生成条纹周期为64,59的条纹图,并进行结构光三维重建。若四张图有过曝区域,标记其连通域,重复步骤2.2至4.2,迭代至采集的自适应条纹图无过曝像素为止。
步骤5,三维重建:根据采集的自适应条纹,结合相机-投影仪联合标定结果,进行三维重建。
通过以上方法,即得到高精度的高反航发叶片三维点云数据,根据重建的高反航发叶片三维点云数据,针对目标修磨区域,即可进行砂带自适应磨削。
Claims (8)
1.一种基于自适应条纹迭代的高反航发叶片三维点云获取方法,其特征在于包括如下
步骤1,硬件安装:将偏振片安装在相机镜头上,滤除反射高光;
步骤2,确定过曝区域,包括
步骤2.1,投射灰度值为255的白图;
步骤2.2,二值化图像:将图像Q(u,v)二值化,记过曝区域为Qc(u,v);
步骤2.3,提取过曝区域边界信息,得到过曝区域的外边缘像素点集的坐标索引(uc,vc)和对应的灰度值gc;
步骤3;结构光解码,包括:
步骤3.1,多频外差算法获得被测物体的绝对相位图;
步骤3.2,相机-投影仪相位映射:
步骤4生成自适应条纹,包括:
步骤4.1,建立非线性最小二乘模型;
步骤4.2,求解当前最佳灰度值;
步骤4.3,迭代求解过曝光区域最佳灰度值;
步骤5,三维重建:根据采集的自适应条纹,结合相机-投影仪联合标定结果,进行三维重建。
3.根据权利要求2所述的基于自适应条纹迭代的高反航发叶片三维点云获取方法,其特征在于:所述步骤2.3,提取过曝区域边界信息具体是:
先标记连通域,根据二值图像进行连通域标记,对过曝区域进行编号,记其为Q1,Q2,Q3……QN,其中Q1+Q2+Q3+…QN=Q;
然后提取过曝区域边界,根据不同的连通域,提取过曝区域的外边缘像素点集的坐标索引(uc,vc)和对应的灰度值gc。
5.根据权利要求4所述的基于自适应条纹迭代的高反航发叶片三维点云获取方法,其特征在于:所述步骤3.2,相机-投影仪相位映射是根据高反航发叶片的绝对相位图,找到投影仪视场中的过曝区域外边界像素点击的坐标索引(up,vp),和对应的灰度值gp。
7.根据权利要求6所述的基于自适应条纹迭代的高反航发叶片三维点云获取方法,其特征在于:所述步骤4.3,迭代求解过曝光区域最佳灰度值是:
根据步骤3的公式重新生成条纹周期为70的自适应条纹图四张投射并同步采集,记图像M1,M2,M3,M4;若四张图均无过曝像素,则自适应生成条纹周期为64,59的条纹图,用于下一步结构光三维重建;若在采集的图像中在Q(u,v)区域中仍有过曝像素,标记其连通域,重复步骤2.3至4.2,迭代至采集的自适应条纹图Q(u,v)中无过曝像素为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211348337.2A CN116205843A (zh) | 2022-10-31 | 2022-10-31 | 一种基于自适应条纹迭代的高反航发叶片三维点云获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211348337.2A CN116205843A (zh) | 2022-10-31 | 2022-10-31 | 一种基于自适应条纹迭代的高反航发叶片三维点云获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116205843A true CN116205843A (zh) | 2023-06-02 |
Family
ID=86508338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211348337.2A Pending CN116205843A (zh) | 2022-10-31 | 2022-10-31 | 一种基于自适应条纹迭代的高反航发叶片三维点云获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116205843A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117278865A (zh) * | 2023-11-16 | 2023-12-22 | 荣耀终端有限公司 | 一种图像处理方法及相关装置 |
-
2022
- 2022-10-31 CN CN202211348337.2A patent/CN116205843A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117278865A (zh) * | 2023-11-16 | 2023-12-22 | 荣耀终端有限公司 | 一种图像处理方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101974651B1 (ko) | 경계선 상속을 통하여 계층적으로 직교화된 구조광을 디코딩하는 방법 및 이를 이용하는 3차원 거리 영상 측정 시스템 | |
CN113237435B (zh) | 一种高反光表面三维视觉测量系统及方法 | |
CN110864650A (zh) | 基于条纹投影的平面度测量方法 | |
CN109631798B (zh) | 一种基于π相移方法的三维面形垂直测量方法 | |
CN113506348B (zh) | 一种基于格雷码辅助的三维坐标计算方法 | |
JP2014115109A (ja) | 距離計測装置及び方法 | |
CN112082508B (zh) | 反光物体的三维测量方法、装置及终端设备 | |
CN116205843A (zh) | 一种基于自适应条纹迭代的高反航发叶片三维点云获取方法 | |
CN113155053A (zh) | 三维几何形状测量装置和三维几何形状测量方法 | |
CN116793247A (zh) | 一种基于区域统计的条纹投影轮廓术条纹级数校正方法 | |
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 | |
CN116608794B (zh) | 一种抗纹理3d结构光成像方法、系统、装置及存储介质 | |
JP4379626B2 (ja) | 3次元形状計測方法及びその装置 | |
CN117824532A (zh) | 面结构光三维测量系统及方法 | |
CN112802084A (zh) | 基于深度学习的三维形貌测量方法、系统和存储介质 | |
EP3582183B1 (en) | Deflectometric techniques | |
CN114998409B (zh) | 一种自适应结构光测量方法、装置、电子设备及介质 | |
CN116429014A (zh) | 一种正交多投射的混叠图像不分离结构光三维测量方法 | |
CN115727784A (zh) | 一种基于自适应条纹的高反光工件三维点云获取方法 | |
CN116518880A (zh) | 一种基于傅里叶轮廓术的正则化解包裹方法及系统 | |
CN116188556A (zh) | 镜面物体的三维测量方法、计算机可读存储介质 | |
CN110375672B (zh) | 基于模拟退火算法的实时相位测量轮廓术 | |
Peng et al. | Using triangle-based cubic interpolation in generation of object-adaptive fringe pattern | |
Shi et al. | 3D reconstruction of structured light against texture interference based on feedback modulation projection method | |
CN113393481B (zh) | 基于边缘检测的快速相位展开方法、装置、设备及介质 |
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 |