CN110211053B - 用于三维测量的快速精确相位匹配方法 - Google Patents

Abstract

本发明提供一种用于三维测量的快速精确相位匹配方法，包括：获取精确的目标区域；利用加权插值方法，对左右相位进行立体校正，得到亚像素的视差；利用视差滤波器去除毛刺和孤立点；利用高斯滤波器对三维重建的表面进行平滑处理。本发明提供的用于三维测量的快速精确相位匹配方法，能快速、准确地获取重建区域和点云，对复杂目标的测量具有较好的精度。

Description

用于三维测量的快速精确相位匹配方法

技术领域

本发明涉及光学测量技术领域，特别涉及用于三维测量的快速精确相位匹配方法。

背景技术

近年来光学三维测量技术发展迅速。立体匹配是保证测量***精度的重要环节。基于特征的立体匹配、基于区域的立体匹配、基于相位的立体匹配等方法很多。随着DLP投影机的发展，相位测量轮廓术(PMP)成为应用最广泛的技术之一，具有测量精度高、测量速度快的优点。传统的基于相位的匹配用于全局搜索或极性方程。然而，这些方法费时且精度低。

发明内容

本发明的目的在于提供用于三维测量的快速精确相位匹配方法，以解决基于相位的匹配用于全局搜索或极性方程的方法费时且精度低的问题。

为了解决上述技术问题，本发明的技术方案是：提供一种用于三维测量的快速精确相位匹配方法，包括：获取精确的目标区域；利用加权插值方法，对左右相位进行立体校正，得到亚像素的视差；利用视差滤波器去除毛刺和孤立点；利用高斯滤波器对三维重建的表面进行平滑处理。

进一步地，采用四步相移法获取精确的目标区域。

进一步地，立体校正后，左右两行图像平行于极外线，在左边相位图中选区一个点(x_L,y_L)，对应的右边相位图的点为(x_R,y_R)，y_R等于y_L，如果左边的相位值是对应的右边相位值满足方程/>获取关键点(i,j)和(i+1,j)，其横坐标为/>所述关键点的环绕点用于计算坐标两个因素为：

相应的纵坐标为

亚像素视差为

para_x＝x_R-i'；para_y＝y_R-j

进一步地，用一个5×5的模板来判断孤立点，从有效的对象区域中选择一个点(i,j)，像素点((i-2，j-2)，(i-1，j-2)，…(i+1，j+2)，(i+2，j+2))确定点(i，j)的特性，如果点((i+m,j+n))是有效的，累计值增加1，然后对这些点的有效视差进行累积，得到视差的平均值，如果累计值大于10，且所选点的视差和平均值之间的差小于2，则保留该点，否则删除该点；采用线性插值消除视差，提取间距，将视差线分割成不同的部分，当断面长度小于10时，采用线性插值法，假设截面长度为n，两个端点的值为para(0)和para(n-1)，这个间隔的视差值定义为：

经过上述操作，去除视差上的毛刺和孤立点。

进一步地，采用高斯平滑滤波器对点云进行平滑处理，得到将匹配线划分为不同区段的区间，在每个间隔中，从三个方向使用尺寸为5像素、标准偏差为0.8像素的一维高斯滤波器。

本发明提供的用于三维测量的快速精确相位匹配方法，能快速、准确地获取重建区域和点云，对复杂目标的测量具有较好的精度。

附图说明

下面结合附图对发明作进一步说明：

图1为本发明实施例提供的用于三维测量的快速精确相位匹配方法的流程步骤示意图。

图2a为本发明实施例提供的相机拍摄的条纹图案的图像；

图2b为本发明实施例提供的采用四步相移法得到的包裹相；

图2c为本发明实施例提供的强度图像；

图2d为本发明实施例提供的共现掩模；

图2e为本发明实施例提供的强度掩码；

图2f为本发明实施例提供的分割的前景区域；

图3为本发明实施例提供的用于获得亚像素坐标的模板。

具体实施方式

以下结合附图和具体实施例对本发明提出的用于三维测量的快速精确相位匹配方法作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用以方便、明晰地辅助说明本发明实施例的目的。

本发明的核心思想在于，本发明提供的用于三维测量的快速精确相位匹配方法，能快速、准确地获取重建区域和点云，对复杂目标的测量具有较好的精度。

图1为本发明实施例提供的用于三维测量的快速精确相位匹配方法的流程步骤示意图。参照图1，提供一种用于三维测量的快速精确相位匹配方法，包括以下步骤：

S11、获取精确的目标区域；

S12、利用加权插值方法，对左右相位进行立体校正，得到亚像素的视差；

S13、利用视差滤波器去除毛刺和孤立点；

S14、利用高斯滤波器对三维重建的表面进行平滑处理。

采用四步相移法，条纹图像的强度为

I₁(x,y)＝I_a(x,y)+I_m(x,y)cos(φ(x,y))

I₂(x,y)＝I_a(x,y)+I_m(x,y)cos(φ(x,y)+π/2)

I₃(x,y)＝I_a(x,y)+I_m(x,y)cos(φ(x,y)+π)

I₄(x,y)＝I_a(x,y)+I_m(x,y)cos(φ(x,y)+3π/2) (1)

I_a(x,y)表示环境光的强度，I_m(x,y)表示调制强度，φ(x,y)是展开相位，从公式(1)中，I_a(x,y)和I_m(x,y)可描述为：

I_a(x,y)＝(I₁+I₂+I₃+I₄)/4

I_m(x,y)＝(((I₄-I₂)^2+(I₁-I₃)^2)^0.5)/2 (2)

共生矩阵定义为C_ij表示在I_m中具有i值以及在I_a中具有j值的像素总数，P_ij是概率值。图2为本发明实施例提供的基于环境光调制的共生矩阵。参照图2，(s,t)是将矩阵分为四个象限的阈值(R1,R2,R3和R4)。在较大的调制和环境光照强度下，相位值更精确。为了获得最佳阈值，我们应确保方程(4)的最小值。

Q_R1,Q_R2,Q_R3和Q_R4定义如下：

Q_R1(s,t)＝P_R1/(s+1)(t+1)0≤i≤s,0≤j≤t

Q_R2(s,t)＝P_R2/(t+1)(L1-s-1)s+1≤i≤L1-1,0≤j≤t

Q_R3(s,t)＝P_R3/(L2-t-1)(s+1)0≤i≤s,t+1≤j≤L2-1

Q_R4(s,t)＝P_R2/(L1-s-1)(L2-t-1)s+1≤i≤L1-1,t+1≤j≤L2-1 (5)

当阈值(s,t)求取时，可以建立一个共生掩模用于图像分割。

OTSU算法应用在强度图像I_a(x,y)中获取强度掩码值Mask_ia。如果共生矩阵和强度掩码都为真，则对象区域有效。图2a为本发明实施例提供的相机拍摄的条纹图案的图像；图2b为本发明实施例提供的采用四步相移法得到的包裹相。图2c为本发明实施例提供的强度图像。参照图2c，图中显示的强度图像可以用方程(2)计算；图2d为本发明实施例提供的共现掩模。参照图2d共现掩模可以通过方程(6)得到；图2e为本发明实施例提供的强度掩码。参照图2e，在强度图像上采用OTSU方法得到强度掩模；图2f为本发明实施例提供的分割的前景区域，参照图2f，该方法结合了两种掩模的优点，提供了一个精确的目标区域。

立体校正后，左右两行图像平行于极外线。当我们在左边相位图中选取一个点(x_L,y_L)，对应的右边相位图的点为(x_R,y_R)。因为立体校正的原因，y_R等于y_L。在这种情况下，y_R是固定一个像素。图3为本发明实施例提供的用于获得亚像素坐标的模板。参照图3所示，如果左边的相位值是对应的右边相位值满足方程(7)，

基于这个方程，我们可以获取关键点(i,j)和(i+1,j)。相应的横坐标可由式(8)求得。

基于关键点的环绕点可用于计算坐标。这两个因素被定义为：

相应的纵坐标可通过方程(11)得到。

亚像素视差可以通过方程(12)得到

para_x＝x_R-i'；para_y＝y_R-j (12)

过滤视差有两个步骤。一种是去除孤立点，另一种是平滑视差。首先，我们用一个5×5的模板来判断孤立点。从有效的对象区域中选择一个点(i，j)。像素点((i-2，j-2),(i-1，j-2)，…(i+1，j+2)，(i+2,j+2))确定点(i,j)的特性。如果点((i+m，j+n))是有效的，累计值增加1。然后对这些点的有效视差进行累积。我们可以得到视差的平均值。如果累计值大于10，且所选点的视差和平均值之间的差小于2，则保留该点，否则删除该点。第二，采用线性插值来消除视差。提取间距，将视差线分割成不同的部分。当断面长度小于10时，采用线性插值法。假设截面长度为n，两个端点的值为para(0)和para(n-1)。这个间隔的视差值可以定义为：

经过这个操作，去除视差上的毛刺和孤立点。

在获得精确的视差后，可以通过标定参数计算三维点云。采用高斯平滑滤波器对点云进行平滑处理。得到了将匹配线划分为不同区段的区间。在每个间隔中，从三个方向使用尺寸为5像素、标准偏差为0.8像素的一维高斯滤波器。在那之后，点云的表面更加平滑。

本发明提供的一种基于绝对相位图的快速精确匹配方法。对象掩模可以减少重建噪声点和运行时间。一种新的加权插值方法在横坐标和纵坐标中引入了精确的亚像素视差。利用视差和点云滤波器去除毛刺和孤立点，获得准确的表面。该方法对复杂目标的测量具有较好的精度。

显然，本领域的技术人员可以对本发明进行各种改动和变形而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (3)

1.一种用于三维测量的快速精确相位匹配方法，其特征在于，包括：

获取精确的目标区域；

利用加权插值方法，对左右相位进行立体校正，得到亚像素的视差；

利用视差滤波器去除毛刺和孤立点；

利用高斯滤波器对三维重建的表面进行平滑处理；

立体校正后，左右两行图像平行于极外线，在左行相位图中选取一个点(x_L,y_L)，对应的右行相位图的点为(x_R,y_R)，y_R等于y_L，如果左行的相位值是对应的右行相位值满足方程/>获取关键点(i,j)和(i+1,j)，其横坐标为

所述关键点的环绕点用于计算纵坐标两个因素为：

相应的纵坐标为

亚像素视差为

para_x＝x_R-i′；para_y＝y_R-j；

用一个5×5的模板来判断孤立点，从有效的对象区域中选择一个点(i，j)，像素点((i-2，j-2)，(i-1，j-2)，…(i+1，j+2)，(i+2，j+2))确定点(i，j)的特性，如果点((i+m，j+n))是有效的，累计值增加1，然后对这些点的有效视差进行累积，得到视差的平均值，如果累计值大于10，且所选点的视差和平均值之间的差小于2，则保留该点，否则删除该点；采用线性插值消除视差，提取间距，将视差线分割成不同的部分，当截面长度小于10时，采用线性插值法，假设截面长度为n，两个端点的值为para(0)和para(n-1)，插值点的视差值定义为：

经过上述操作，去除视差上的毛刺和孤立点。

2.如权利要求1所述的用于三维测量的快速精确相位匹配方法，其特征在于，采用四步相移法获取精确的目标区域。

3.如权利要求1所述的用于三维测量的快速精确相位匹配方法，其特征在于，采用高斯平滑滤波器对点云进行平滑处理，得到将匹配线划分为不同区段的区间，在每个间隔中，从三个方向使用尺寸为5像素、标准偏差为0.8像素的一维高斯滤波器。