CN111563952B - 基于相位信息与空间纹理特征实现立体匹配方法及*** - Google Patents
基于相位信息与空间纹理特征实现立体匹配方法及*** Download PDFInfo
- Publication number
- CN111563952B CN111563952B CN202010238343.7A CN202010238343A CN111563952B CN 111563952 B CN111563952 B CN 111563952B CN 202010238343 A CN202010238343 A CN 202010238343A CN 111563952 B CN111563952 B CN 111563952B
- Authority
- CN
- China
- Prior art keywords
- information
- pixel
- contour information
- image
- matching
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012937 correction Methods 0.000 claims abstract description 29
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 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
- 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
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
基于相位信息与空间纹理特征实现立体匹配方法及***,仅需投影、拍摄一次就能实现左右图像素的全局高精度匹配,进行动态物体运动全过程的三维重建。方法包括:(1)向待测物表面投射嵌入散斑的正弦条纹;(2)使用型号相同的左右相机同时拍摄带有散斑正弦条纹的待测物;(3)对拍得的左右图片极线校正;(4)对极线校正得到的左右图求解空间相位分布;(5)对极线校正得到的左右图滤波,得到水平轮廓信息、竖直轮廓信息;(6)以待描述像素为中心,分别为左、右图采集窗口范围内的若干个水平轮廓信息与竖直轮廓信息生成描述序列;(7)左右像素逐点匹配,生成视差图;(8)对视差图进行处理,依据三角测距原理得到待测物的精确三维信息。
Description
技术领域
本发明涉及计算机视觉的技术领域,尤其涉及一种基于相位信息与空间纹理特征实现立体匹配方法,以及基于相位信息与空间纹理特征实现立体匹配***。
背景技术
基于双目视觉的三维重建是当今工业界的热点问题,在人脸识别、目标形态检测、逆向工程等方面具有广泛应用。由于大多数物体表面颜色单一、纹理灰度变化不明显,使用主动投影的方法人为增加纹理信息,以实现匹配策略。通过匹配左右相机摄取的图像,获取视差信息,在视差,相机焦距,像元大小已知的情况下,依据三角测距原理最终实现三维重建。
目前的研究重点在于,如何设计投影图案与匹配算法,以实现拍摄次数最少,重建效果最佳。目前主流投影策略共有两种:条纹、散斑。条纹投影配合解相位的算法能够获得连续完整且精度较高的深度信息。但缺点在于,无法测量深度不连续变化的物体。散斑投影能够对深度不连续变化的物体进行测量,但计算结果为离散量且精度较低。同时,目前较为成熟的高精度三维重建方案,需在同一位置对待测物投影多幅图案,仅能实现静态测量。
综上所述,在减少投影次数的同时提升测量精确度是目前需要解决的问题。
发明内容
为克服现有技术的缺陷,本发明要解决的技术问题是提供了一种基于相位信息与空间纹理特征实现立体匹配方法,其仅需投影、拍摄一次就能够实现左右图像素的全局高精度匹配,进行动态物体运动全过程的三维重建。
本发明的技术方案是:这种基于相位信息与空间纹理特征实现立体匹配方法,其包括以下步骤:
(1)向待测物表面投射具有一定灰度与纹理特征的图案;
(2)使用型号相同的左右相机同时进行拍摄;
(3)对拍摄得到的左右图片进行极线校正;
(4)对极线校正得到的左、右图片求解空间相位分布;
(5)对极线校正得到的左、右图片进行滤波,得到左图水平轮廓信息、左图竖直轮廓信息、右图水平轮廓信息、右图竖直轮廓信息;
(6)根据目标纹理所占像素大小设定窗口尺寸,使窗口内包含足量散斑信息;以待描述像素为中心,分别为左图与右图采集窗口范围内的若干个水平轮廓信息与竖直轮廓信息生成描述序列;
(7)为左图每个目标像素,筛选出与其同行且相位差小于设定阈值的右图像素作为候选点;在所有候选点中,选取描述序列与目标点最相似的作为匹配结果;计算目标点与匹配点的列差生成左视差图;为右图每个目标像素,筛选出与其同行且相位差小于设定阈值的左图像素作为候选点;所有候选点中,描述序列与目标点最相似的作为匹配结果;计算目标点与匹配点的列差生成右视差图;
(8)对所得视差图进行处理,依据三角测距原理得到待测物的精确三维信息。
本发明通过向待测物表面投射嵌入散斑的正弦条纹,使用左右相机同时进行拍摄,对所得图片进行极线校正。对极线校正得到的图片进行两次希尔伯特变换,求解空间相位分布。对极线校正得到的图片依次进行sobel滤波、中值滤波,得到图片的水平轮廓信息与竖直轮廓信息,采集以待描述像素为中心,窗口范围内的多个水平轮廓信息与竖直轮廓信息生成描述序列,通过相位初步筛选、候选点比对描述序列的方式最终确定匹配像素,进而获取视差与三维信息,因此仅需投影、拍摄一次就能够实现左右图像素的全局高精度匹配,进行动态物体运动全过程的三维重建。
还提供了一种基于相位信息与空间纹理特征实现立体匹配***,其包括:
图案投射模块,其配置来向待测物表面投射嵌入散斑的正弦条纹;
图片拍摄模块,其配置来使用型号相同的左右相机同时拍摄带有散斑正弦条纹的待测物;
极线校正模块,其配置来对拍摄得到的左右图片进行极线校正,使对应同一物点的左像素与右像素分别位于左右图片的同一行;
相位信息获取模块,其配置来对极线校正得到的左右图片进行希尔伯特变换,求解空间相位分布;
轮廓信息获取模块,其配置来对极线校正得到的左、右图片分别依次进行3*3的sobel滤波与中值滤波,得到左图水平轮廓信息、左图竖直轮廓信息、右图水平轮廓信息、右图竖直轮廓信息;
描述序列生成模块,其配置来根据目标纹理所占像素大小设定窗口尺寸,使窗口内包含足量散斑信息;以待描述像素为中心,分别为左图与右图采集窗口范围内的若干个水平轮廓信息与竖直轮廓信息生成描述序列;
视差图生成模块,其配置来为左图每个目标像素,筛选出与其同行且相位差小于设定阈值的右图像素作为候选点;在所有候选点中,
选取描述序列与目标点最相似的作为匹配结果;计算目标点与匹配点的列差生成左视差图;为右图每个目标像素,筛选出与其同行且相位差小于设定阈值的左图像素作为候选点;所有候选点中,描述序列与目标点最相似的作为匹配结果;计算目标点与匹配点的列差生成右视差图;
三维信息获取模块,其配置来对所得视差图进行处理,依据三角测距原理得到待测物的精确三维信息。
附图说明
图1是根据本发明的基于相位信息与空间纹理特征实现立体匹配方法的一个具体实施例的流程图。
图2是用于投影的嵌入散斑的正弦条纹图。
图3是采用基于相位信息与空间纹理特征实现立体匹配得到的未处理左视差图。
图4是根据本发明的基于相位信息与空间纹理特征实现立体匹配方法的总体流程图。
具体实施方式
本发明提出了一种基于相位信息与空间纹理特征实现立体匹配的方法,使用一种新型的散斑加条纹投影策略,运用希尔伯特变换相位解调算法与局部梯度特征描述,实现左右相机拍摄图片的像素全局匹配。本方法结合了条纹投影与散斑投影策略的优点,既拥有条纹投影测量,单帧高精度匹配的优点。又拥有散斑投影,测量非连续物体的能力。仅需投影、拍摄一次,就能够实现左右图像素的全局高精度匹配。进行动态物体运动全过程的三维重建。
如图4所示,本发明的这种基于相位信息与空间纹理特征实现立体匹配方法,其包括以下步骤:
(1)向待测物表面投射具有一定灰度与纹理特征的图案;
(2)使用型号相同的左右相机同时进行拍摄;
(3)对拍摄得到的左右图片进行极线校正;
(4)对极线校正得到的左、右图片求解空间相位分布;
(5)对极线校正得到的左、右图片进行滤波(例如,sobel滤波与中值滤波),得到左图水平轮廓信息、左图竖直轮廓信息、右图水平轮廓信息、右图竖直轮廓信息;
(6)根据目标纹理所占像素大小设定窗口尺寸,使窗口内包含足量散斑信息;以待描述像素为中心,分别为左图与右图采集窗口范围内的若干个水平轮廓信息与竖直轮廓信息生成描述序列;
(7)为左图每个目标像素,筛选出与其同行且相位差小于设定阈值的右图像素作为候选点;在所有候选点中,选取描述序列与目标点最相似的作为匹配结果;计算目标点与匹配点的列差生成左视差图;为右图每个目标像素,筛选出与其同行且相位差小于设定阈值的左图像素作为候选点;所有候选点中,描述序列与目标点最相似的作为匹配结果;计算目标点与匹配点的列差生成右视差图;
(8)对所得视差图进行处理,依据三角测距原理得到待测物的精确三维信息。
图1是根据本发明的基于相位信息与空间纹理特征实现立体匹配方法的一个具体实施例的流程图。本发明通过向待测物表面投射嵌入散斑的正弦条纹,使用左右相机同时进行拍摄,对所得图片进行极线校正。对极线校正得到的图片进行两次希尔伯特变换,求解空间相位分布。对极线校正得到的图片依次进行sobel滤波、中值滤波,得到图片的水平轮廓信息与竖直轮廓信息,采集以待描述像素为中心,窗口范围内的多个水平轮廓信息与竖直轮廓信息生成描述序列,通过相位初步筛选、候选点比对描述序列的方式最终确定匹配像素,进而获取视差与三维信息,因此仅需投影、拍摄一次就能够实现左右图像素的全局高精度匹配,进行动态物体运动全过程的三维重建。
优选地,如图2所示,所述步骤(1)中条纹的灰度沿横向呈正弦规律分布,保证条纹的每半个周期内都有一定数量的散斑分布。
优选地,所述步骤(2)中的拍摄过程,待测物表面完全被投射图案覆盖。
优选地,所述步骤(4)中,对左图逐行进行一维希尔伯特变换,取相反数,得到-cosl(r,c),对-cosl(r,c)继续进行希尔伯特变换,取相反数得到-sinl(r,c),根据公式(1-1)得到左图每一像素的相位信息θl(r,c)
对右图逐行进行希尔伯特变换,取相反数,得到-cosr(r,c),对-cosr(r,c)继续进行希尔伯特变换,取相反数,得到-sinr(r,c),根据公式(1-2)得到右图每一像素位置的相位信息θr(r,c)
优选地,所述步骤(5)中,对拍摄得到的左图依次进行3*3的sobel滤波与中值滤波,得到左图水平轮廓信息Gxl(r,c)与左图竖直轮廓信息Gyl(r,c)。对拍摄得到的右图依次进行3*3的sobel滤波与中值滤波,得到右图水平轮廓信息Gxr(r,c)与右图竖直轮廓信息Gyr(r,c)。
优选地,所述步骤(6)中,为确保描述的准确性,以待描述像素为中心,窗口范围内的64个水平轮廓信息Gx与竖直轮廓信息Gy,生成了长度为64的描述序列。注意,描述序列的长度可根据***对时效性及精确度的要求进行调整。但对每个像素的描述过程必须保持一致。
优选地,所述步骤(7)中,所述设定阈值为0.5弧度;使用曼哈顿距离进行相似度评价,距离越短,相似度越高。具体来说,为左图每个目标像素,筛选出与其同行且相位差小于设定阈值(这里为0.5弧度)的右像素作为候选点。在所有候选点中,选取描述序列与目标点最相似的作为匹配结果。这里使用曼哈顿距离进行相似度评价,距离越短,相似度越高,也可以使用其他评价方式。计算目标点与匹配点的列差生成左视差图,如图3所示。为右图每个目标像素,筛选出与其同行且相位差小于设定阈值(这里为0.5弧度)的左图像素作为候选点。所有候选点中,描述序列与目标点最相似的作为匹配结果。计算目标点与匹配点的列差生成右视差图。
优选地,所述步骤(8)中,对所得视差图进行左右一致性检验、亚像素填充的处理。
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步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括上述实施例方法的各步骤,而所述的存储介质可以是:ROM/RAM、磁碟、光盘、存储卡等。因此,与本发明的方法相对应的,本发明还同时包括一种基于相位信息与空间纹理特征实现立体匹配***,该***通常以与方法各步骤相对应的功能模块的形式表示。
该***包括:
图案投射模块,其配置来向待测物表面投射嵌入散斑的正弦条纹;
图片拍摄模块,其配置来使用型号相同的左右相机同时拍摄带有散斑正弦条纹的待测物;
极线校正模块,其配置来对拍摄得到的左右图片进行极线校正,使对应同一物点的左像素与右像素分别位于左右图片的同一行;
相位信息获取模块,其配置来对极线校正得到的左右图片进行希尔伯特变换,求解空间相位分布;
轮廓信息获取模块,其配置来对极线校正得到的左、右图分别依次进行3*3的sobel滤波与中值滤波,得到左图水平轮廓信息、左图竖直轮廓信息、右图水平轮廓信息、右图竖直轮廓信息;
描述序列生成模块,其配置来根据目标纹理所占像素大小设定窗口尺寸,使窗口内包含足量散斑信息;以待描述像素为中心,分别为左图与右图采集窗口范围内的若干个水平轮廓信息与竖直轮廓信息生成描述序列;
视差图生成模块,其配置来为左图每个目标像素,筛选出与其同行且相位差小于设定阈值的右图像素作为候选点;在所有候选点中,
选取描述序列与目标点最相似的作为匹配结果;计算目标点与匹配点的列差生成左视差图;为右图每个目标像素,筛选出与其同行且相位差小于设定阈值的左图像素作为候选点;所有候选点中,描述序列与目标点最相似的作为匹配结果;计算目标点与匹配点的列差生成右视差图;
三维信息获取模块,其配置来对所得视差图进行处理,依据三角测距原理得到待测物的精确三维信息。
本发明的有益效果是:一种基于相位信息与空间纹理特征实现立体匹配的方法,结合了条纹投影与散斑投影策略的优点。既拥有条纹投影测量,单帧高精度匹配的优点。又拥有散斑投影,测量非连续物体的能力。同时与传统需拍摄多次的四步移相法、时域归一互关法相比,仅需投影并拍摄一次即可进行三维建模,实现了对动态物体的实时测量。
本发明建立的基于相位信息与空间纹理特征的立体匹配算法虽然搭配嵌入散斑的正弦条纹图案使用,但并不局限于图案类型,在其他投影策略下仍有很好的效果。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
Claims (9)
1.基于相位信息与空间纹理特征实现立体匹配方法,其特征在于:其包括以下步骤:
(1)向待测物表面投射一幅嵌入散斑的正弦条纹图案;
(2)使用型号相同的左右相机同时进行拍摄;
(3)对拍摄得到的左右图片进行极线校正;
(4)对极线校正得到的左、右图片求解空间相位分布;
(5)对极线校正得到的左、右图片滤波,得到左图水平轮廓信息、左图竖直轮廓信息、右图水平轮廓信息、右图竖直轮廓信息;
(6)根据目标纹理所占像素大小设定窗口尺寸,使窗口内包含足量散斑信息;以待描述像素为中心,分别为左图与右图采集窗口范围内的若干个水平轮廓信息与竖直轮廓信息生成描述序列;
(7)为左图每个目标像素,筛选出与其同行且相位差小于设定阈值的右图像素作为候选点;在所有候选点中,选取描述序列与目标点最相似的作为匹配结果;计算目标点与匹配点的列差生成左视差图;为右图每个目标像素,筛选出与其同行且相位差小于设定阈值的左图像素作为候选点;所有候选点中,描述序列与目标点最相似的作为匹配结果;计算目标点与匹配点的列差生成右视差图;
(8)对所得视差图进行处理,依据三角测距原理得到待测物的精确三维信息。
2.根据权利要求1所述的基于相位信息与空间纹理特征实现立体匹配方法,其特征在于:所述步骤(1)中图案条纹的灰度沿横向呈正弦规律分布,保证条纹的每半个周期内都有一定数量的散斑分布。
3.根据权利要求2所述的基于相位信息与空间纹理特征实现立体匹配方法,其特征在于:所述步骤(2)中的拍摄过程,待测物表面完全被投射图案覆盖。
5.根据权利要求4所述的基于相位信息与空间纹理特征实现立体匹配方法,其特征在于:所述步骤(5)中,对拍摄得到的左图依次进行3*3的sobel滤波与中值滤波,得到左图水平轮廓信息Gxl(r,c)与左图竖直轮廓信息Gyl(r,c),对拍摄得到的右图依次进行3*3的sobel滤波与中值滤波,得到右图水平轮廓信息Gxr(r,c)与右图竖直轮廓信息Gyr(r,c)。
6.根据权利要求5所述的基于相位信息与空间纹理特征实现立体匹配方法,其特征在于:所述步骤(6)中,以待描述像素为中心,窗口范围内的64个水平轮廓信息Gx与竖直轮廓信息Gy,生成了长度为64的描述序列。
7.根据权利要求6所述的基于相位信息与空间纹理特征实现立体匹配方法,其特征在于:所述步骤(7)中,使用曼哈顿距离进行相似度评价,距离越短,相似度越高。
8.根据权利要求7所述的基于相位信息与空间纹理特征实现立体匹配方法,其特征在于:所述步骤(8)中,对所得视差图进行左右一致性检验、亚像素填充的处理。
9.基于相位信息与空间纹理特征实现立体匹配***,其特征在于:其包括:
图案投射模块,其配置来向待测物表面投射嵌入散斑的正弦条纹;
图片拍摄模块,其配置来使用型号相同的左右相机同时拍摄带有散斑正弦条纹的待测物;
极线校正模块,其配置来对拍摄得到的左右图片进行极线校正,使对应同一物点的左像素与右像素分别位于左右图片的同一行;
相位信息获取模块,其配置来对极线校正得到的左右图片,求解空间相位分布;
轮廓信息获取模块,其配置来对极线校正得到的左、右图分别依次进行3*3的sobel滤波与中值滤波,得到左图水平轮廓信息、左图竖直轮廓信息、右图水平轮廓信息、右图竖直轮廓信息;
描述序列生成模块,其配置来根据目标纹理所占像素大小设定窗口尺寸,使窗口内包含足量散斑信息;以待描述像素为中心,分别为左图与右图采集窗口范围内的若干个水平轮廓信息与竖直轮廓信息生成描述序列;
视差图生成模块,其配置来为左图每个目标像素,筛选出与其同行且相位差小于设定阈值的右图像素作为候选点;在所有候选点中,选取描述序列与目标点最相似的作为匹配结果;计算目标点与匹配点的列差生成左视差图;为右图每个目标像素,筛选出与其同行且相位差小于设定阈值的左图像素作为候选点;所有候选点中,描述序列与目标点最相似的作为匹配结果;计算目标点与匹配点的列差生成右视差图;
三维信息获取模块,其配置来对所得视差图进行处理,依据三角测距原理得到待测物的精确三维信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010238343.7A CN111563952B (zh) | 2020-03-30 | 2020-03-30 | 基于相位信息与空间纹理特征实现立体匹配方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010238343.7A CN111563952B (zh) | 2020-03-30 | 2020-03-30 | 基于相位信息与空间纹理特征实现立体匹配方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111563952A CN111563952A (zh) | 2020-08-21 |
CN111563952B true CN111563952B (zh) | 2023-03-14 |
Family
ID=72071543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010238343.7A Active CN111563952B (zh) | 2020-03-30 | 2020-03-30 | 基于相位信息与空间纹理特征实现立体匹配方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111563952B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419389B (zh) * | 2020-11-25 | 2024-01-23 | 中科融合感知智能研究院(苏州工业园区)有限公司 | 一种实现双目增量视差匹配算法的方法及装置 |
CN112595263A (zh) * | 2020-12-17 | 2021-04-02 | 天津大学 | 正弦光栅与散斑混合图案投影的双目视觉三维点云重建测量方法 |
CN113554714B (zh) * | 2021-07-22 | 2022-04-05 | 元橡科技(苏州)有限公司 | 车载双目立体相机自校正方法及其***、fpga芯片 |
CN114155185A (zh) * | 2021-09-27 | 2022-03-08 | 安吉智能物联技术有限公司 | 一种原木堆木材的配对方法 |
CN116935181B (zh) * | 2023-09-19 | 2023-11-28 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种完全二值散斑嵌入脉宽调制模式三维测量方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5995649A (en) * | 1996-09-20 | 1999-11-30 | Nec Corporation | Dual-input image processor for recognizing, isolating, and displaying specific objects from the input images |
CN101608908A (zh) * | 2009-07-20 | 2009-12-23 | 杭州先临三维科技股份有限公司 | 数字散斑投影和相位测量轮廓术相结合的三维数字成像方法 |
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 |
CN105894499A (zh) * | 2016-03-25 | 2016-08-24 | 华南理工大学 | 一种基于双目视觉的空间物体三维信息快速检测方法 |
CN110276750A (zh) * | 2019-06-17 | 2019-09-24 | 浙江大学 | 一种任意倾斜角晶圆直线边长的提取与晶粒区隔离方法 |
CN110487216A (zh) * | 2019-09-20 | 2019-11-22 | 西安知象光电科技有限公司 | 一种基于卷积神经网络的条纹投影三维扫描方法 |
-
2020
- 2020-03-30 CN CN202010238343.7A patent/CN111563952B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5995649A (en) * | 1996-09-20 | 1999-11-30 | Nec Corporation | Dual-input image processor for recognizing, isolating, and displaying specific objects from the input images |
CN101608908A (zh) * | 2009-07-20 | 2009-12-23 | 杭州先临三维科技股份有限公司 | 数字散斑投影和相位测量轮廓术相结合的三维数字成像方法 |
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 |
CN105894499A (zh) * | 2016-03-25 | 2016-08-24 | 华南理工大学 | 一种基于双目视觉的空间物体三维信息快速检测方法 |
CN110276750A (zh) * | 2019-06-17 | 2019-09-24 | 浙江大学 | 一种任意倾斜角晶圆直线边长的提取与晶粒区隔离方法 |
CN110487216A (zh) * | 2019-09-20 | 2019-11-22 | 西安知象光电科技有限公司 | 一种基于卷积神经网络的条纹投影三维扫描方法 |
Non-Patent Citations (2)
Title |
---|
Baseline and Triangulation Geometry in a Standard Plenoptic Camera;HAHNE C,et al;《International Journal of Computer Vision》;20181231;全文 * |
基于希尔伯特变换的干涉条纹相位解调新算法;熊六东等;《光子学报》;20100930;第39卷(第9期);第1-4页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111563952A (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111563952B (zh) | 基于相位信息与空间纹理特征实现立体匹配方法及*** | |
CN110288642B (zh) | 基于相机阵列的三维物体快速重建方法 | |
CN111563564B (zh) | 基于深度学习的散斑图像逐像素匹配方法 | |
JP5317169B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
US20180091798A1 (en) | System and Method for Generating a Depth Map Using Differential Patterns | |
CN109945802B (zh) | 一种结构光三维测量方法 | |
CN107967697B (zh) | 基于彩色随机二元编码结构照明的三维测量方法和*** | |
CN105654547B (zh) | 三维重建方法 | |
CN107990846B (zh) | 基于单帧结构光的主被动结合深度信息获取方法 | |
Furukawa et al. | One-shot entire shape acquisition method using multiple projectors and cameras | |
JP5761750B2 (ja) | 画像処理方法および装置 | |
CN112001973B (zh) | 基于数字散斑相关的快速三维人头测量方法 | |
JP6285686B2 (ja) | 視差画像生成装置 | |
CN116188558A (zh) | 基于双目视觉的立体摄影测量方法 | |
Furukawa et al. | Multiview projectors/cameras system for 3d reconstruction of dynamic scenes | |
WO2020141161A1 (en) | Method for 3d reconstruction of an object | |
Kasuya et al. | Robust and accurate one-shot 3D reconstruction by 2C1P system with wave grid pattern | |
d'Angelo et al. | Image-based 3D surface reconstruction by combination of photometric, geometric, and real-aperture methods | |
CN115290004A (zh) | 一种基于压缩感知与hsi的水下并行单像素成像方法 | |
CN111023999B (zh) | 一种基于空间编码结构光的稠密点云生成方法 | |
CN111815697B (zh) | 一种热变形动态三维测量方法 | |
Furukawa et al. | Shape from grid pattern based on coplanarity constraints for one-shot scanning | |
Jiang et al. | Stereo matching based on random speckle projection for dynamic 3D sensing | |
CN113763444A (zh) | 一种级次线配对的无相位展开三维人脸重建方法及*** | |
Parvathi et al. | Multiview 3d reconstruction of underwater scenes acquired with a single refractive layer using structure from motion |
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 |