CN115900580B - 一种结构光三维成像***及非线性误差抑制方法 - Google Patents
一种结构光三维成像***及非线性误差抑制方法 Download PDFInfo
- Publication number
- CN115900580B CN115900580B CN202211246983.8A CN202211246983A CN115900580B CN 115900580 B CN115900580 B CN 115900580B CN 202211246983 A CN202211246983 A CN 202211246983A CN 115900580 B CN115900580 B CN 115900580B
- Authority
- CN
- China
- Prior art keywords
- gamma
- image
- stripe
- structured light
- delta
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 27
- 230000001629 suppression Effects 0.000 title claims abstract description 18
- 230000010363 phase shift Effects 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 9
- 238000002310 reflectometry Methods 0.000 claims description 3
- 101000912561 Bos taurus Fibrinogen gamma-B chain Proteins 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及结构光三维成像技术领域,更具体地说,它涉及一种结构光三维成像***及非线性误差抑制方法,其技术方案要点是:包括以下步骤:S1、利用所述结构光三维成像***拍摄所述目标物的图像;S2、利用非线性误差抑制方法处理所述目标物的图像;S3、采用四步相移法重建目标物的高清三维图像。本发明通过对伽马畸变模型以及在谐波分析的基础上对结构光***中存在的非线性误差进行了深入的分析研究后,提出了评价非线性畸变程度的标准,算法通过条纹图像中包含的伽马值信息,经过迭代计算即可估计出准确的伽马值,无需引入复杂函数的计算。
Description
技术领域
本发明涉及结构光三维成像技术领域,更具体地说,它涉及一种结构光三维成像***及非线性误差抑制方法。
背景技术
随着电子信息技术在进几十年来的发展,三维物体重建技术在工业界和日常生活中得到了越来越广泛的应用,由此也诞生出一系列的三维重建算法。一类具有代表性的三维测量方法是结构光法。结构光测量技术是一种主动式光学测量方法,通过投射编码光栅获得被测物体的三维信息,在逆向工程、数字化建模、计算测量等领域研究广泛。
然而,结构光的实际测量并不是一个理想的完全准确的过程,在条纹光栅投影、摄像机拍摄的过程中各种因素都会影响到最终的成像。一方面,相机在成像时所产生的电子噪声以及光子噪声是不可避免的;另一方面结构光图像在***内传送的过程中也会由元件的系数变化产生一定的高斯噪声。目前,非线性误差的校正算法任存在着准备流程复杂、运行时间长、精度低的问题。因此,一种结构光三维成像***及非线性误差抑制方法在结构光三维成像领域显得格外重要,开发更先进、抑制非线性误差更强的成像算法非常有助于三维物体重建技术的应用与发展。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种结构光三维成像***及非线性误差抑制方法,具有提高三维图像质量、降低非线性误差干扰的优点。
本发明的上述技术目的是通过以下技术方案得以实现的:一种结构光三维成像***,包括计算机、目标物、相机、光栅发生器、传送带、运动控制器与投影物镜;
所述计算机分别与所述相机、所述光栅发生器、所述运动控制器连接,所述相机与投影物镜依次设置于所述传送带的一侧,所述光栅发生器设置于所述投影物镜的顶部;
所述运动控制器还与所述传送带连接,所述目标物位于所述传送带上。
在其中一个实施例中,所述相机有两个,且分别位于所述投影物镜的两侧。
一种结构光三维成像非线性误差抑制方法,包括以下步骤:
S1、利用所述结构光三维成像***拍摄所述目标物的图像;
S2、利用非线性误差抑制方法处理所述目标物的图像;
S3、采用四步相移法重建目标物的高清三维图像。
在其中一个实施例中,所述步骤S2包括以下步骤:
S21、判断图像是否存在伽马畸变及图像的伽马畸变程度;
S22、根据图像的伽马畸变程度对图像的伽马畸变进行伽马校正。
在其中一个实施例中,所述步骤S21包括以下步骤:
S211、用正弦条纹进行投影,若不存在伽马畸变,由于正弦反向条纹图像的相位值与原条纹图案相位值相差180度,即条纹波峰与波谷的位置相反,此时不同相移量的一组条纹图案求和得到的平均光强值A是一致的;若存在伽马畸变,则不满足正弦条纹图案这一特性,对一组具有伽马畸变的条纹图案求和,可以得到:
上式中(x,y)是投影图案上某一个像素的坐标,In和是关于(x,y)的变量,In表示(x,y)这一点的光强值,而/>表示不同相移量的(x,y)这一点的光强值,A是整个被测环境的平均光强值,γ表示结构光***的伽马值,其描述了***的非线性畸变程度,B是光强调制系数,反映了被测物体表面的反射率,N是相移步数,表示条纹图像总数,n是相移序号,用于标出某一条纹图像在整组图像中的编号,且/>
S212、投影多个不同δn的光栅图像得到的A'相减,得到的差值ΔA'可以表示为:
上式中ΔA'随着δ和变化而变化,当步骤1公式中的伽马值γ等于1时,也就是当条纹图像不存在非线性畸变时,带入ΔA'的计算公式可以得到,条纹图案中的二阶及二阶以上的谐波被消除,且只有此时ΔA'恒等于0,因此,ΔA'可以被用来判断条纹图案出现的非线性畸变程度,当ΔA'=0时,条纹图像不存在非线性畸变;当ΔA'≠0时,条纹图像存在非线性畸变。
在其中一个实施例中,所述步骤S212还包括以下步骤:
将所述步骤S212中的谐波项合并得:
在其中一个实施例中,所述步骤S22包括以下步骤:
S221、令此时生成的四幅条纹图案刚好就是四步相移法中的条纹图案,这就使得校正过程可以在测量过程中完成,大大提升了误差校正的速度,使用四步相移法得到ΔA',ΔA'可表示为:
S222、令用于校正的伽马系数为γ′,那么校正后的含有目标物的结构光图像I′n可以写成:
I'n=(In)γγ′;
S223、采用迭代的方式计算***的伽马系数,将所述步骤S221与所述步骤S222联立可得目标函数J(γ′)如下:
通过将上述目标函数降至最低值,即可找出***的伽马系数;也可以带入[a,b]内的伽马系数进行对比,并找出目标函数最小值对应的即可;
步骤S224、将所述步骤S223得到的伽马系数γ′带入公式:
I'n=(In)γγ′
即可得到校正后的含有目标物的结构光图像I′n。
上述一种结构光三维成像***及非线性误差抑制方法,具有以下有益效果:
其一,通过对伽马畸变模型以及在谐波分析的基础上对结构光***中存在的非线性误差进行了深入的分析研究后,提出了评价非线性畸变程度的标准,算法通过条纹图像中包含的伽马值信息,经过迭代计算即可估计出准确的伽马值,无需引入复杂函数的计算;
其二,采用四步相移法,这使得校正过程可以在测量过程中完成,且不需要预先设计矫正图像对***进行预校正,这大大提升了误差校正速度;对比基于概率分布函数的伽马校正,不需要在标准的平面上进行校正,简化了***非线性校正的流程。
附图说明
图1是本实施例中结构光三维成像***的结构示意图;
图2是带有高斯白噪声的畸变仿真光栅图像。
图中:1、计算机;2、目标物;3、相机;4、光栅发生器;5、传送带;6、运动控制器;7、投影物镜。
具体实施方式
下面结合附图和实施例,对本发明进行详细描述。
如图1所示,一种结构光三维成像***,包括计算机1、目标物2、相机3、光栅发生器4、传送带5、运动控制器6与投影物镜7;
计算机1分别与相机3、光栅发生器4、运动控制器6连接,相机3与投影物镜7依次设置于传送带5的一侧,光栅发生器4设置于投影物镜7的顶部;
运动控制器6还与传送带5连接,目标物2位于传送带5上。
目标物2位于传送带5上,运动控制器6控制传送带5的开关,是目标物2可以移动到不同的位置,光栅发生器4将光栅投射在目标物2上,相机3拍摄带有光栅的目标物2图像,并上传至计算机1中,计算机1经过处理多张目标物2图像后生成目标物2的三维图像。
优选地,相机3有两个,且分别位于投影物镜7的两侧。增加不同角度的目标物2图像。
一种结构光三维成像非线性误差抑制方法,包括以下步骤:
S1、利用结构光三维成像***拍摄目标物2的图像;
S2、利用非线性误差抑制方法处理目标物2的图像;
其中,步骤S2还包括以下步骤:
S21、判断图像是否存在伽马畸变及图像的伽马畸变程度;
具体的,S211、用正弦条纹进行投影,若不存在伽马畸变,由于正弦反向条纹图像的相位值与原条纹图案相位值相差180度,即条纹波峰与波谷的位置相反,此时不同相移量的一组条纹图案求和得到的平均光强值A是一致的;若存在伽马畸变,则不满足正弦条纹图案这一特性,对一组具有伽马畸变的条纹图案求和,可以得到:
上式中(x,y)是投影图案上某一个像素的坐标,In和是关于(x,y)的变量,In表示(x,y)这一点的光强值,而/>表示不同相移量的(x,y)这一点的光强值,A是整个被测环境的平均光强值,γ表示结构光***的伽马值,其描述了***的非线性畸变程度,B是光强调制系数,反映了被测物体表面的反射率,N是相移步数,表示条纹图像总数,n是相移序号,用于标出某一条纹图像在整组图像中的编号,且/>
S212、投影多个不同δn的光栅图像得到的A'相减,得到的差值ΔA'可以表示为:
上式中ΔA'随着δ和变化而变化,当步骤1公式中的伽马值γ等于1时,也就是当条纹图像不存在非线性畸变时,带入ΔA'的计算公式可以得到,条纹图案中的二阶及二阶以上的谐波被消除,且只有此时ΔA'恒等于0,因此,ΔA'可以被用来判断条纹图案出现的非线性畸变程度,当ΔA'=0时,条纹图像不存在非线性畸变;当ΔA'≠0时,条纹图像存在非线性畸变。
优选地,对上式中的谐波项进行合并,可得:
S22、根据图像的伽马畸变程度对图像的伽马畸变进行伽马校正。
具体的,S221、令此时生成的四幅条纹图案刚好就是四步相移法中的条纹图案,这就使得校正过程可以在测量过程中完成,大大提升了误差校正的速度,使用四步相移法得到ΔA',ΔA'可表示为:
S222、令用于校正的伽马系数为γ′,那么校正后的含有目标物2的结构光图像I′n可以写成:
I'n=(In)γγ′;
S223、采用迭代的方式计算***的伽马系数,将步骤S221与步骤S222联立可得目标函数J(γ′)如下:
通过将上述目标函数降至最低值,即可找出***的伽马系数;也可以带入[a,b]内的伽马系数进行对比,并找出目标函数最小值对应的即可;
步骤S224、将步骤S223得到的伽马系数γ′带入公式:
I'n=(In)γγ′
即可得到校正后的含有目标物2的结构光图像I′n。
S3、采用四步相移法重建目标物2的高清三维图像。
由于在重建过程采用了四步相移法,使得校正过程可以在测量过程中完成,且不需要预先设计矫正图像对***进行预校正,提升了误差校正速度。
作为唯一可选的实施例,在计算机1获得带有正弦条纹投影的目标物2图像后,若不存在伽马畸变,由于正弦反向条纹图像的相位值与原条纹图案相位值相差180度,即条纹波峰与波谷的位置相反,此时不同相移量的一组条纹图案求和得到的平均光强值A应该是一致的;若存在伽马畸变,则不满足正弦条纹图案这一特性。对一组具有伽马畸变的条纹图案求和,可以得到:
上式中(1,1)是投影图案上某一个像素的坐标,I1和是关于(1,1)的变量,I1表示整组图像中第一张条纹图像在(1,1)这一点的光强值,而/>表示整组图像中第一张条纹图像在不同相移量的(1,1)这一点的光强值。
上式中得到的平均光强A'显然是关于(1,1)和δ1的函数,当δ1变化时,A'也随δ1变化。而不同δ1的光栅图像得到的A'相减,得到的差值ΔA'可以表示为:
上式中ΔA'随着δ1、δ2和变化而变化,当步骤1公式中的伽马值γ等于1时,也就是当条纹图像不存在非线性畸变时,带入ΔA'的计算公式可以得到,条纹图案中的二阶及二阶以上的谐波被消除,且只有此时ΔA'恒等于0。因此,ΔA'可以被用来判断条纹图案出现的非线性畸变程度,当ΔA'=0时,条纹图像不存在非线性畸变;当ΔA'≠0时,条纹图像存在非线性畸变。
通过投影几组不同δ的条纹图案就可以得到条纹图案的ΔA',进而判断畸变程度,最终确定结构光***的伽马系数γ。为了能准确判断伽马系数,ΔA'的峰值应该尽可能大,将步骤2公式中的谐波项合并可得:
令此时生成的四幅条纹图案刚好就是四步相移法中的条纹图案,这就使得校正过程可以在测量过程中完成,大大提升了误差校正的速度,使用四步相移法得到ΔA',ΔA'可表示为:
优选的,假设用于校正的伽马系数为γ',那么校正后的含有目标物2的结构光图像I′1可以写成:
I′1=(I1)1.2×γ′
采用迭代的方式计算***的伽马系数,将与I′1=(I1)1.2×γ′联立可得目标函数J(γ')如下:
通过将上述目标函数降至最低值,即可找出***的伽马系数;也可以带入[0,5]内的伽马系数进行对比,并找出目标函数最小值对应的即可,后者的实现会更加简单,且不需要在标准的平面上进行校正,这样就可以经过迭代计算快速估计出准确的伽马值,大大简化了***非线性校正的流程。
将上式中迭代计算得到的用于校正的伽马值1.9带入公式:
I′1=(I1)1.2×1.9
即可得到校正后的含有目标物2的结构光图像I′1。
对结构光成像***中两个相机3采集到的图像分别进行上述非线性误差抑制方法的处理,即可实现对结构光条纹图像的非线性抑制。非线性误差抑制完成之后,采用四步相移法实现对目标物2的高清三维图像重建。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本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,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (2)
1.一种结构光三维成像非线性误差抑制方法,其特征在于,包括以下步骤:
S1、构建结构光三维成像***,利用所述结构光三维成像***拍摄目标物的图像;
S2、利用非线性误差抑制方法处理所述目标物的图像;
S3、采用四步相移法重建目标物的高清三维图像;
其中,所述结构光三维成像***,包括计算机、目标物、相机、光栅发生器、传送带、运动控制器与投影物镜;
所述计算机分别与所述相机、所述光栅发生器、所述运动控制器连接,所述相机与投影物镜依次设置于所述传送带的一侧,所述光栅发生器设置于目标物的顶部;
所述运动控制器还与所述传送带连接,所述目标物位于所述传送带上;
所述步骤S2包括以下步骤:
S21、判断图像是否存在伽马畸变及图像的伽马畸变程度;
S22、根据图像的伽马畸变程度对图像的伽马畸变进行伽马校正;
所述步骤S21包括以下步骤:
S211、用正弦条纹进行投影,若不存在伽马畸变,由于正弦反向条纹图像的相位值与原条纹图案相位值相差180度,即条纹波峰与波谷的位置相反,此时不同相移量的一组条纹图案求和得到的平均光强值A是一致的;若存在伽马畸变,则不满足正弦条纹图案这一特性,对一组具有伽马畸变的条纹图案求和,得到:
(x,y)是投影图案上某一个像素的坐标,In和是关于(x,y)的变量,In表示(x,y)这一点的光强值,而/>表示不同相移量的(x,y)这一点的光强值,A是整个被测环境的平均光强值,γ表示结构光***的伽马值,其描述了***的非线性畸变程度,B是光强调制系数,反映了被测物体表面的反射率,N是相移步数,表示条纹图像总数,n是相移序号,用于标出某一条纹图像在整组图像中的编号,且/>
S212、投影多个不同δn的光栅图像得到的A'相减,得到的差值ΔA'表示为:
上式中ΔA'随着δ和变化而变化,当步骤1公式中的伽马值γ等于1时,也就是当条纹图像不存在非线性畸变时,带入ΔA'的计算公式可以得到,条纹图案中的二阶及二阶以上的谐波被消除,且只有此时ΔA'恒等于0,因此,ΔA'可以被用来判断条纹图案出现的非线性畸变程度,当ΔA'=0时,条纹图像不存在非线性畸变;当ΔA'≠0时,条纹图像存在非线性畸变;
所述步骤S212还包括以下步骤:
将所述步骤S212中的谐波项合并得:
所述步骤S22包括以下步骤:
S221、令此时生成的四幅条纹图案刚好就是四步相移法中的条纹图案,这就使得校正过程可以在测量过程中完成,大大提升了误差校正的速度,使用四步相移法得到ΔA',ΔA'表示为:
S222、令用于校正的伽马系数为γ′,那么校正后的含有目标物的结构光图像I'n写成:
I'n=(In)γγ′;
S223、采用迭代的方式计算***的伽马系数,将所述步骤S221与所述步骤S222联立得目标函数J(γ')如下:
通过将上述目标函数降至最低值,得到找出***的伽马系数;
步骤S224、将所述步骤S223得到的伽马系数γ′带入公式:
I'n=(In)γγ′
即得到校正后的含有目标物的结构光图像I'n。
2.根据权利要求1所述结构光三维成像非线性误差抑制方法,其特征在于:所述相机有两个,且分别位于所述投影物镜的两侧。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211246983.8A CN115900580B (zh) | 2022-10-12 | 2022-10-12 | 一种结构光三维成像***及非线性误差抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211246983.8A CN115900580B (zh) | 2022-10-12 | 2022-10-12 | 一种结构光三维成像***及非线性误差抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115900580A CN115900580A (zh) | 2023-04-04 |
CN115900580B true CN115900580B (zh) | 2024-05-28 |
Family
ID=86475208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211246983.8A Active CN115900580B (zh) | 2022-10-12 | 2022-10-12 | 一种结构光三维成像***及非线性误差抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115900580B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6252623B1 (en) * | 1998-05-15 | 2001-06-26 | 3Dmetrics, Incorporated | Three dimensional imaging system |
CN103292734A (zh) * | 2013-05-27 | 2013-09-11 | 华中科技大学 | 相位测量***中伽玛值标定方法 |
CN105091750A (zh) * | 2015-07-30 | 2015-11-25 | 河北工业大学 | 一种基于双四步相移的投影仪标定方法 |
CN105403172A (zh) * | 2015-10-27 | 2016-03-16 | 华侨大学 | 一种大视场结构光视觉测量中分区域Gamma预校正相位误差补偿方法 |
CN105491315A (zh) * | 2016-02-29 | 2016-04-13 | 河北工业大学 | 一种投影仪伽马校正方法 |
KR101909528B1 (ko) * | 2017-05-22 | 2018-10-18 | 한국광기술원 | 구조광을 이용한 3차원 이미징 방법 및 시스템 |
CN113358062A (zh) * | 2021-05-31 | 2021-09-07 | 湖北工业大学 | 三维重建相位误差补偿方法 |
CN113607087A (zh) * | 2021-07-29 | 2021-11-05 | 苏州瑞威盛科技有限公司 | 一种面结构光三维成像技术中的相位非线性误差补偿方法 |
CN114111633A (zh) * | 2021-10-27 | 2022-03-01 | 深圳市纵维立方科技有限公司 | 结构光三维测量的投影机镜头畸变误差校正方法 |
CN114688995A (zh) * | 2022-04-27 | 2022-07-01 | 河北工程大学 | 一种条纹投影三维测量中的相位误差补偿方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070115484A1 (en) * | 2005-10-24 | 2007-05-24 | Peisen Huang | 3d shape measurement system and method including fast three-step phase shifting, error compensation and calibration |
CA2528791A1 (en) * | 2005-12-01 | 2007-06-01 | Peirong Jia | Full-field three-dimensional measurement method |
-
2022
- 2022-10-12 CN CN202211246983.8A patent/CN115900580B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6252623B1 (en) * | 1998-05-15 | 2001-06-26 | 3Dmetrics, Incorporated | Three dimensional imaging system |
CN103292734A (zh) * | 2013-05-27 | 2013-09-11 | 华中科技大学 | 相位测量***中伽玛值标定方法 |
CN105091750A (zh) * | 2015-07-30 | 2015-11-25 | 河北工业大学 | 一种基于双四步相移的投影仪标定方法 |
CN105403172A (zh) * | 2015-10-27 | 2016-03-16 | 华侨大学 | 一种大视场结构光视觉测量中分区域Gamma预校正相位误差补偿方法 |
CN105491315A (zh) * | 2016-02-29 | 2016-04-13 | 河北工业大学 | 一种投影仪伽马校正方法 |
KR101909528B1 (ko) * | 2017-05-22 | 2018-10-18 | 한국광기술원 | 구조광을 이용한 3차원 이미징 방법 및 시스템 |
CN113358062A (zh) * | 2021-05-31 | 2021-09-07 | 湖北工业大学 | 三维重建相位误差补偿方法 |
CN113607087A (zh) * | 2021-07-29 | 2021-11-05 | 苏州瑞威盛科技有限公司 | 一种面结构光三维成像技术中的相位非线性误差补偿方法 |
CN114111633A (zh) * | 2021-10-27 | 2022-03-01 | 深圳市纵维立方科技有限公司 | 结构光三维测量的投影机镜头畸变误差校正方法 |
CN114688995A (zh) * | 2022-04-27 | 2022-07-01 | 河北工程大学 | 一种条纹投影三维测量中的相位误差补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115900580A (zh) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9605961B2 (en) | Information processing apparatus that performs three-dimensional shape measurement, information processing method, and storage medium | |
Douxchamps et al. | High-accuracy and robust localization of large control markers for geometric camera calibration | |
CN108981611B (zh) | 一种基于畸变全局修正的数字投影光栅图像拟合校正方法 | |
US20200057831A1 (en) | Real-time generation of synthetic data from multi-shot structured light sensors for three-dimensional object pose estimation | |
CN108195313B (zh) | 一种基于光强响应函数的高动态范围三维测量方法 | |
CN107071248B (zh) | 一种用于提取强反射表面几何特征的高动态范围成像方法 | |
Koninckx et al. | Scene-adapted structured light | |
CN113607087A (zh) | 一种面结构光三维成像技术中的相位非线性误差补偿方法 | |
CN112683196B (zh) | 钢轨轮廓测量方法及装置 | |
CN113063371A (zh) | 面向正弦条纹的非线性自矫正结构光三维测量方法及*** | |
CN110108230B (zh) | 基于图像差分与lm迭代的二值光栅投影离焦程度评估方法 | |
CN115900580B (zh) | 一种结构光三维成像***及非线性误差抑制方法 | |
CN116734771B (zh) | 基于主动式Gamma校正的电路板元器件几何检测方法 | |
CN116608794B (zh) | 一种抗纹理3d结构光成像方法、***、装置及存储介质 | |
CN112802084A (zh) | 基于深度学习的三维形貌测量方法、***和存储介质 | |
CN111006599A (zh) | 基于像素光栅和计算机视觉的物体表面微尺度测量方法 | |
US20190221026A1 (en) | Method and device for image processing | |
CN113091647A (zh) | 一种用于高反光表面工件的结构光三维扫描方法 | |
CN114777687A (zh) | 基于概率分布函数的分区域相位误差补偿方法及设备 | |
CN114739321B (zh) | 一种用于光栅精密测量的结构光条纹校正方法 | |
Hou et al. | Deep learning-based correction of defocused fringe patterns for high-speed 3D measurement | |
CN112378348A (zh) | 一种针对低质量条纹图像的迭代相位校正方法 | |
CN111649692A (zh) | 一种基于频域优化的二值离焦编码结构光方法 | |
CN110455219A (zh) | 一种基于误差扩散抖动算法的三维成像方法 | |
Drouin et al. | Efficient representation of the variant PSF of structured light system |
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 |