CN116399259A - 一种基于结构光三维测量的Gamma校正方法及系统 - Google Patents

一种基于结构光三维测量的Gamma校正方法及系统 Download PDF

Info

Publication number
CN116399259A
CN116399259A CN202310282993.5A CN202310282993A CN116399259A CN 116399259 A CN116399259 A CN 116399259A CN 202310282993 A CN202310282993 A CN 202310282993A CN 116399259 A CN116399259 A CN 116399259A
Authority
CN
China
Prior art keywords
gray
gamma correction
dimensional measurement
image
structured light
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
Application number
CN202310282993.5A
Other languages
English (en)
Inventor
严思杰
文观芝静
杨一帆
叶松涛
丁汉
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202310282993.5A priority Critical patent/CN116399259A/zh
Publication of CN116399259A publication Critical patent/CN116399259A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/2504—Calibration devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于结构光三维测量的Gamma校正方法及系统，包括：确定三维测量系统的灰度响应范围；在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型；基于遗传算法拟合求解Gamma校正模型；根据求解得到的Gamma校正模型对待投射的条纹图像进行预编码校正，将预编码校正后的条纹图像投射到待测物体表面，实现三维测量。本发明给出一种Gamma畸变主动校正法，利用逆向思维确定的Gamma校正模型，规避了求解反函数不唯一的问题，校正方法的鲁棒性更强。

Description

一种基于结构光三维测量的Gamma校正方法及系统
技术领域
本发明属于三维测量校正技术领域，更具体地，涉及一种基于结构光三维测量的Gamma校正方法及系统。
背景技术
通过向待测目标表面投射条纹图像，再根据采集到的形变条纹相位信息获得物体表面的高度信息，从而实现结构光三维测量。在结构光测量系统中，由于投影仪和相机具有非线性失真的特性，相机拍摄得到的条纹不具有良好的正弦性，即存在非线性强度响应的问题(Gamma效应)，会导致相位误差，从而影响三维测量的精度。因此，需要对结构光三维测量系统进行Gamma校正，实现相位误差补偿，提高测量精度。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供一种基于结构光三维测量的Gamma校正方法及系统，给出一种Gamma畸变主动校正方法，大大减少了解包运算计算量，且适用范围更广。
为实现上述目的，按照本发明的第一方面，提供一种基于结构光三维测量的Gamma校正方法，包括：
确定三维测量系统的灰度响应范围；
在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型；
基于遗传算法拟合求解Gamma校正模型；
根据求解得到的Gamma校正模型对待投射的条纹图像进行预编码校正，将预编码校正后的条纹图像投射到待测物体表面，实现三维测量。
进一步地，所述确定三维测量系统的灰度响应范围，包括：
在灰度值的范围[0，255]内生成一系列所有像素点灰度值相同的灰度图像；
灰度图像投射至不反光的标准白色背景，拍摄得到一组对应的实际采集图像，确定实际采集图像的灰度值；
基于灰度图像和对应实际采集图像的灰度值建立输入输出响应曲线；
基于输入输出响应曲线确定灰度响应范围。
进一步地，所述确定实际采集图像的灰度值，包括：
确定实际采集图像有效投影区域，获取所有像素点的灰度值均值，作为实际采集图像的灰度值。
进一步地，所述基于输入输出响应曲线确定灰度响应范围，包括：
舍去输入输出响应曲线中平台效应的区间，得到灰度响应范围。
进一步地，所述在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型，包括：
将输入灰度图像与输出实际采集图像的灰度值关系进行逆向处理，求解从输出实际采集图像到输入灰度图像的数学关系，得到Gamma校正模型。
进一步地，所述基于遗传算法拟合求解Gamma校正模型，包括：
根据Gamma校正模型确定目标函数；
根据目标函数确定遗传算法的适应度函数；
基于构造的适应度函数和遗传算法拟合求解Gamma校正模型。
进一步地，所述目标函数为：
Figure BDA0004138759560000021
其中，Ip为输入灰度图像的灰度值；
Figure BDA0004138759560000022
为预测值，可表示为：
Figure BDA0004138759560000031
其中，
Figure BDA0004138759560000032
为遗传算法解码得到的预测值。
按照本发明的第二方面，提供一种基于结构光三维测量的Gamma校正系统，包括：
第一主模块，用于确定三维测量系统的灰度响应范围；
第二主模块，用于在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型；
第三主模块，用于基于遗传算法拟合求解Gamma校正模型；
第四主模块，用于根据求解得到的Gamma校正模型对待投射的条纹图像进行预编码校正，将预编码校正后的条纹图像投射到待测物体表面，实现三维测量。
按照本发明的第三方面，提供一种电子设备，包括处理器和存储器，所述处理器和存储器相互连接；
所述存储器用于存储计算机程序；
所述处理器被配置用于在调用所述计算机程序时，执行所述的基于结构光三维测量的Gamma校正方法。
按照本发明的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现所述的基于结构光三维测量的Gamma校正方法。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
1.本发明的基于结构光三维测量的Gamma校正方法，采用Gamma畸变主动校正法，只需在系统标定时采集系列灰度图像即可确定Gamma校正模型及参数，并以此直接改变投影条纹图像，与其他被动误差补偿方法相比，大大减少了解包运算计算量，且适用范围更广。
2.本发明的基于结构光三维测量的Gamma校正方法，利用逆向思维确定的Gamma校正模型，更具有灵活性，同时也规避了求解反函数不唯一的问题，使得校正方法的鲁棒性更强。
3.本发明的基于结构光三维测量的Gamma校正方法，在求解Gamma校正模型参数时采用遗传算法寻优，有效降低了局部最优解的出现概率，适应性更强，提高了校正精度和测量精度。
附图说明
图1为本发明实施例的结构光三维测量系统示意图；
图2为本发明实施例的基于结构光三维测量的Gamma校正方法流程图；
图3为本发明实施例的一种结构光系统输入输出响应曲线图；
图4为本发明实施例的电子设备。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在本发明的描述中，除非另有明确的规定和限定，术语“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像本申请实施例中一样被特定定义，否则不会用理想化或过于正式的含义来解释。
本发明的基于结构光三维测量的Gamma校正方法，可应用于计算机视觉、三维图像采集、图像增强等领域，解决结构光三维测量系统中非线性响应导致的相位误差问题。
其中，三维测量系统，是采集三维数据的基础，三维测量系统包括硬件部分和软件部分，硬件部分包括相机和投影仪，在上位机的控制下将投影和采集图像，并将采集的数据回传至上位机，软件部分用于接收图像数据、相位校正、相位匹配、三维重建等，实现三维测量，如图1所示为本发明实施例的结构光三维测量系统示意图。
如图2所示，本发明实施例提供一种基于结构光三维测量的Gamma校正方法，具体包括步骤S100～S400。
步骤S100、确定三维测量系统的灰度响应范围；
具体地，步骤S100包括步骤S101～S104。
步骤S101、在灰度值的范围[0，255]内生成一系列所有像素点灰度值相同的灰度图像；
具体地，在本发明的实施例中，利用计算机生成一系列灰度图像，灰度值的范围为[0，255]，每幅图像中所有像素点的灰度值相同。
步骤S102、灰度图像投射至不反光的标准白色背景，拍摄得到一组对应的实际采集图像，确定实际采集图像的灰度值；
利用三维测量系统的投影仪分别将灰度图像投射至不反光的标准白色平板上，用相机拍摄得到对应的图像，据此可以得到所有的灰度图像及其对应的实际采集图像。
在实际采集图像上存在投影图像未覆盖的区域，选取灰度图像投影得来的有效投影区域。确定实际采集图像有效投影区域，获取所有像素点的灰度值均值，作为实际采集图像的灰度值。
步骤S103、基于灰度图像和对应实际采集图像的灰度值建立输入输出响应曲线；
如图3所示，基于灰度图像的灰度值和实际采集的输出灰度值画出系统的输入输出响应曲线。
步骤S104、基于输入输出响应曲线确定灰度响应范围。
当计算机产生的灰度值过小或过大时，输出随输入变化很小，存在平台效应，舍弃该部分，因此可确定其余部分为系统的灰度响应范围，后续步骤中的图像灰度值均须限定在此范围内，如图3所示为本发明实施例的一种结构光系统输入输出响应曲线图。
步骤S200在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型；
在无Gamma畸变的理想情况下，输出的条纹图像分布满足f(In)＝In。但是在实际过程中，测量系统具有Gamma非线性误差，在此误差下，输出的条纹图像分布可表示为：
f(In)＝(In)γ
其中，γ为系统的Gamma值。
考虑Gamma畸变、环境光源干扰、镜头影响等因素，选择多项式近似表达输出灰度值为：
Figure BDA0004138759560000071
其中，Ip为输入投影仪的灰度图像灰度值，Ic为相机实际采集的输出灰度值，且二者均为归一化后的灰度值。
根据灰度响应范围内的若干组输入输出对应关系，可拟合出函数f，进一步求得其反函数f-1，将反函数f-1作用于待输入的理想条纹图像，即可保证最终的输出图像：
Ic＝f(f-1(Ip))＝Ip
由此输出与输入图像灰度值保持线性关系。但是上述方法在求解反函数f-1时可能会出现不唯一的情况，从而导致后续校正过程出现错误。
为解决上述问题，在本发明实施例中，将输入输出关系进行逆向处理，求解从输出到输入的数学关系，即可避免求解反函数的过程，假设该数学关系的表达式为：
Figure BDA0004138759560000072
Gamma校正模型即为输入灰度值Ip与输出灰度值Ic之间的对应关系f()，a～f为待求解的系数。
本发明的方法，利用逆向思维确定的Gamma校正模型，不局限于传统的Gamma指数模型，更具有灵活性，同时也规避了求解反函数不唯一的问题，使得校正方法的鲁棒性更强。
步骤S300、基于遗传算法拟合求解Gamma校正模型；
具体地，步骤S300包括步骤S301～步骤S303。
步骤S301、根据Gamma校正模型确定目标函数；
在本发明的实施例中，Gamma校正模型表示为：
Figure BDA0004138759560000073
则目标函数为：
Figure BDA0004138759560000081
其中，
Figure BDA0004138759560000082
为预测值，可表示为：
Figure BDA0004138759560000083
其中，
Figure BDA0004138759560000084
为遗传算法解码得到的预测值。
步骤S302、根据目标函数确定遗传算法的适应度函数；
具体地，在用遗传算法优化求解时，目标函数值越小越好，因此，以目标函数的导数作为适应度函数。
步骤S303、基于构造的适应度函数和遗传算法拟合求解Gamma校正模型。
在本发明的实施例中，以a～f为待优化参数，以
Figure BDA0004138759560000085
对于待优化参数a～f，其满足/>
Figure BDA0004138759560000086
设计适应度函数。适应度函数是遗传算法中最关键的部分，用于评估每个个体的表现。通常它反映了目标函数的值，越优秀的个体适应度值越高。
遗传算法拟合求解Gamma校正模型包括：
初始化种群：在确定的参数范围和适应度函数内，创建初始种群；通常这是一个随机的过程，例如模拟创建基因或染色体；
进化群体：在每一代中，使用变异、配对和选择等算法操作种群以促进进化；例如，通过交叉(Crossover)和变异(Mutation)运算，生成新一代种群；
确定终止条件，遗传算法会继续进化群体，直到达到预定的终止条件，例如最大迭代次数、固定次数后适应度不再改变等。
解码最终解：当算法停止时，选择最适合的解。
将求解出的a～f代入
Figure BDA0004138759560000091
得到最终的Gamma校正模型f()。
在求解Gamma校正模型参数时采用遗传算法寻优，有效降低了局部最优解的出现概率，适应性更强，提高了校正精度和测量精度。
步骤S400、根据求解得到的Gamma校正模型对待投射的条纹图像进行预编码校正，将预编码校正后的条纹图像投射到待测物体表面，实现三维测量。
根据求解得到的Gamma校正模型对待投射的条纹图像进行预编码校正，具体为：
在结构光测量系统中，投影的理想条纹的灰度值沿水平方向可表示为：
In＝Ia+Ib cos(φ+2nπ/N)
式中，In为第n幅条纹图像的灰度分布(n＝1,2,…,N)，N为相移步数；Ia为背景光强，Ib为幅度调制参数，φ为相位值。
根据求解得到Gamma校正模型f()，对投射的条纹图像进行预编码In'＝f(In)。
需要说明的是，所述将预编码校正后的条纹图像投射到待测物体表面，实现三维测量，为现有技术，并非本发明的核心，在此不作赘述。
相机参数的标定过程为常规手段，在此不作赘述。
本申请实施例还提供一种基于结构光三维测量的Gamma校正系统，用于实现本发明实施例的基于结构光三维测量的Gamma校正方法，本发明所述的基于结构光三维测量的Gamma校正系统包括：
第一主模块，确定三维测量系统的灰度响应范围；
第二主模块，在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型；
第三主模块，基于遗传算法拟合求解Gamma校正模型；
第四主模块，根据求解得到的Gamma校正模型对待投射的条纹图像进行预编码校正，将预编码校正后的条纹图像投射到待测物体表面，实现三维测量。
需要说明的是，本实施例提供的基于结构光三维测量的Gamma校正系统还可以是运行于计算机设备中的一个计算机程序(包括程序代码)，例如基于结构光三维测量的Gamma校正系统为一个应用程序，可以用于执行本申请实施例提供的上述方法中的相应步骤。
在一些可行的实施方式中，本实施例提供的基于结构光三维测量的Gamma校正系统可以采用软硬件结合的方式实现，作为示例，本申请实施例提供的控制系统可以是采用硬件译码处理器形式的处理器，其被编程以执行本申请实施例提供的基于结构光三维测量的Gamma校正方法，例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC，ApplicationSpecific Integrated Circuit)、数字信号处理器(digitalsignal processor，DSP)、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，ComplexProgrammable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable GateArray)或其他电子元件。
在一些可行的实施方式中，本实施例提供的基于结构光三维测量的Gamma校正系统可以采用软件方式实现，其可以是程序和插件等形式的软件，并包括一系列的模块。
本实施例提供的基于结构光三维测量的Gamma校正系统，确定三维测量系统的灰度响应范围；在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型；基于遗传算法拟合求解Gamma校正模型；根据求解得到的Gamma校正模型对待投射的条纹图像进行预编码校正，将预编码校正后的条纹图像投射到待测物体表面，实现三维测量。
本申请实施例还提供一种电子设备，图4是本实施例的电子设备的结构示意图，如图4所示，本实施例中的电子设备1000可以包括：处理器1001，网络接口1004和存储器1005，此外，上述电子设备1000还可以包括：用户接口1003，和至少一个通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。其中，用户接口1003可以包括显示屏(Display)、键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1004可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图4所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
如图4所示的电子设备1000中，网络接口1004可提供网络通讯功能；而用户接口1003主要用于为用户提供输入的接口；而处理器1001可以用于调用存储器1005中存储的设备控制应用程序，以实现：
确定三维测量系统的灰度响应范围；在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型；基于遗传算法拟合求解Gamma校正模型；根据求解得到的Gamma校正模型对待投射的条纹图像进行预编码校正，将预编码校正后的条纹图像投射到待测物体表面，实现三维测量。
应当理解，在一些可行的实施方式中，上述处理器1001可以是中央处理单元(central processing unit，CPU)，该处理器还可以是其他通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。
具体实现中，上述电子设备1000可通过其内置的各个功能模块执行如上述图2中各个步骤所提供的实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
本实施例提供的电子设备确定三维测量系统的灰度响应范围；在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型；基于遗传算法拟合求解Gamma校正模型；根据求解得到的Gamma校正模型对待投射的条纹图像进行预编码校正，将预编码校正后的条纹图像投射到待测物体表面，实现三维测量。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，被处理器执行以实现图2中各个步骤所提供的方法，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
该计算机存储介质确定三维测量系统的灰度响应范围；在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型；基于遗传算法拟合求解Gamma校正模型；根据求解得到的Gamma校正模型对待投射的条纹图像进行预编码校正，将预编码校正后的条纹图像投射到待测物体表面，实现三维测量。
应该理解的是，虽然附图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，其可以以其他的顺序执行。而且，附图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，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他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。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于结构光三维测量的Gamma校正方法，其特征在于，包括：
确定三维测量系统的灰度响应范围；
在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型；
基于遗传算法拟合求解Gamma校正模型；
根据求解得到的Gamma校正模型对待投射的条纹图像进行预编码校正，将预编码校正后的条纹图像投射到待测物体表面，实现三维测量。
2.根据权利要求1所述的一种基于结构光三维测量的Gamma校正方法，其特征在于，所述确定三维测量系统的灰度响应范围，包括：
在灰度值的范围[0，255]内生成一系列所有像素点灰度值相同的灰度图像；
灰度图像投射至不反光的标准白色背景，拍摄得到一组对应的实际采集图像，确定实际采集图像的灰度值；
基于灰度图像和对应实际采集图像的灰度值建立输入输出响应曲线；
基于输入输出响应曲线确定灰度响应范围。
3.根据权利要求2所述的一种基于结构光三维测量的Gamma校正方法，其特征在于，所述确定实际采集图像的灰度值，包括：
确定实际采集图像有效投影区域，获取所有像素点的灰度值均值，作为实际采集图像的灰度值。
4.根据权利要求2所述的一种基于结构光三维测量的Gamma校正方法，其特征在于，所述基于输入输出响应曲线确定灰度响应范围，包括：
舍去输入输出响应曲线中平台效应的区间，得到灰度响应范围。
5.根据权利要求1所述的一种基于结构光三维测量的Gamma校正方法，其特征在于，所述在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型，包括：
将输入灰度图像与输出实际采集图像的灰度值关系进行逆向处理，求解从输出实际采集图像到输入灰度图像的数学关系，得到Gamma校正模型。
6.根据权利要求1所述的一种基于结构光三维测量的Gamma校正方法，其特征在于，所述基于遗传算法拟合求解Gamma校正模型，包括：
根据Gamma校正模型确定目标函数；
根据目标函数确定遗传算法的适应度函数；
基于构造的适应度函数和遗传算法拟合求解Gamma校正模型。
7.根据权利要求1所述的一种基于结构光三维测量的Gamma校正方法，其特征在于，所述目标函数为：
Figure FDA0004138759530000021
其中，Ip为输入灰度图像的灰度值；
Figure FDA0004138759530000022
为预测值，可表示为：
Figure FDA0004138759530000023
其中，
Figure FDA0004138759530000024
为遗传算法解码得到的预测值。
8.一种基于结构光三维测量的Gamma校正系统，其特征在于，包括：
第一主模块，用于确定三维测量系统的灰度响应范围；
第二主模块，用于在灰度响应范围内，建立表示三维测量系统输出实际采集图像与输入灰度图像的灰度值关系的Gamma校正模型；
第三主模块，用于基于遗传算法拟合求解Gamma校正模型；
第四主模块，用于根据求解得到的Gamma校正模型对待投射的条纹图像进行预编码校正，将预编码校正后的条纹图像投射到待测物体表面，实现三维测量。
9.一种电子设备，其特征在于，包括处理器和存储器，所述处理器和存储器相互连接；
所述存储器用于存储计算机程序；
所述处理器被配置用于在调用所述计算机程序时，执行如权利要求1至7任一项所述的基于结构光三维测量的Gamma校正方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1至7任一项所述的基于结构光三维测量的Gamma校正方法。
CN202310282993.5A 2023-03-17 2023-03-17 一种基于结构光三维测量的Gamma校正方法及系统 Pending CN116399259A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310282993.5A CN116399259A (zh) 2023-03-17 2023-03-17 一种基于结构光三维测量的Gamma校正方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310282993.5A CN116399259A (zh) 2023-03-17 2023-03-17 一种基于结构光三维测量的Gamma校正方法及系统

Publications (1)

Publication Number Publication Date
CN116399259A true CN116399259A (zh) 2023-07-07

Family

ID=87017089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310282993.5A Pending CN116399259A (zh) 2023-03-17 2023-03-17 一种基于结构光三维测量的Gamma校正方法及系统

Country Status (1)

Country Link
CN (1) CN116399259A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116734771A (zh) * 2023-08-16 2023-09-12 武汉工程大学 基于主动式Gamma校正的电路板元器件几何检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116734771A (zh) * 2023-08-16 2023-09-12 武汉工程大学 基于主动式Gamma校正的电路板元器件几何检测方法
CN116734771B (zh) * 2023-08-16 2023-10-20 武汉工程大学 基于主动式Gamma校正的电路板元器件几何检测方法

Similar Documents

Publication Publication Date Title
JP5914045B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN112085184A (zh) 量化参数调整方法、装置及相关产品
US7425933B2 (en) Systems and methods for correcting green disparity in imager sensors
CN110021047A (zh) 图像处理方法、图像处理装置和存储介质
CN110738707B (zh) 一种相机的畸变校正方法及装置、设备、存储介质
US10893187B2 (en) Dual-core focusing image sensor, control-focusing method therefor, and mobile terminal
CN116399259A (zh) 一种基于结构光三维测量的Gamma校正方法及系统
JP2003085542A (ja) 画像データ校正方法および装置
CN116645426A (zh) 一种相机内参标定方法、装置、存储介质及电子设备
CN112929623B (zh) 一种校正过程中应用于整屏的镜头阴影修复方法及装置
CN109426599A (zh) 功率估算方法与功率估算装置
US11809995B2 (en) Information processing device and method, and recording medium for determining a variable data type for a neural network
JPH09307789A (ja) 画像処理装置
CN111937011A (zh) 一种神经网络模型权重参数的确定方法及设备
CN113379612A (zh) 学习数据的制造方法、学习方法以及学习数据制造装置
JP4621944B2 (ja) 画像フィルタ装置、方法およびコンピュータプログラム
CN110677555A (zh) 校正电子相机的图像的像素值中的渐晕效应的数字电路
CN115546441A (zh) 三维点云多层次递归与加权平滑的云图可视化方法、装置
EP4246375A1 (en) Model processing method and related device
CN117272919A (zh) 光刻掩膜的更新方法、装置、设备及存储介质
WO2020217620A1 (ja) 訓練装置、推定装置、訓練方法、推定方法及びプログラム
CN113421292A (zh) 一种三维建模细节增强方法及装置
CN117671036B (zh) 校正参数标定方法、装置、计算机设备和存储介质
CN115439562A (zh) 颜色映射参数的处理方法、装置、存储介质与电子设备
CN113313787B (zh) 一种数据处理方法、装置、计算机设备和存储介质

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