[发明专利]基于深度学习的单帧彩色条纹投影的三维面型测量方法

说明书

本发明公开了一种基于深度学习的单帧彩色条纹投影的三维面型测量方法，包括基于卷积神经网络的模型CNN，输入包含三个通道，分别为彩色条纹图像的红色、绿色和蓝色通道内的灰度条纹图像。采用投影仪投影三个不同频率的12步相移条纹，利用相移(PS)法和投影最小距离法(PDM)生成CNN所需的训练数据对其进行训练。使用时，将彩色条纹图像的三个通道灰度条纹图像输入至CNN，得到分子项、分母项以及一个包含条纹级次信息的低精度绝对相位。将分子项与分母项代入反正切函数，结合低精度绝对相位计算得到高精度的绝对相位信息。本发明可在无任何复杂预/后处理的情况下，提供更精确的相位信息和更可靠的相位展开。

技术领域

本发明属于光学测量技术领域，具体为一种基于深度学习的单帧彩色条纹投影的三维面型测量方法。

背景技术

条纹投影轮廓术(FPP)由于其简单的硬件设施，灵活的实现方式和较高的测量精度而成为最广泛使用的三维(3D)测量技术之一。近年来，随着在线质量检测、快速逆向工程等应用中对高速场景下3D信息获取的要求不断增加，基于FPP的高速3D形状测量技术变得至关重要(Robust dynamic 3-d measurements with motion-compensated phase-shifting profilometry，作者S Feng等)。

为了实现高速场景下的3D成像，有必要提高测量效率，减少单次三维重构所需的条纹图案数量。理想方法是从单个图像中恢复物体的高质量3D绝对表面。彩色编码投影技术(Review of single-shot 3d shape measurement by phase calculation-basedfringe projection techniques，作者Z Zhang)在动态场景测量中具有很大的优势，因为该技术可在红色，蓝色和绿色通道中对三个独立的条纹图像进行编码，进而成像效率较传统单色投影方式提高2倍。为充分利用彩色图像通道，学者们已提出了许多单帧彩色编码投影技术(Composite phase-shifting algorithm for three-dimensional shapecompression，作者N Karpinsky等)。但是，这些技术很少可用于复杂对象的高精度测量。一方面，为获取高精度相位信息，应优先选择具有高测量分辨率的相移(PS)法(Phaseshifting algorithms for fringe projection profilometry:A review，作者C Zuo等)。但是PS法至少需要三个条纹图像，这些条纹图像占据RGB图像的所有通道，因此只能通过空间相位展开方法(在遇到孤立的相位时会解包裹失败)消除相位模糊性(Color-encodeddigital fringe projection technique for high-speed 3-d surface contouring，作者P S Huang等)。另一方面，为了实现稳定的相位展开，通常采用将条纹图案与格雷码相组合或多频条纹图像相组合的策略。前者由于难以识别格雷码图案的边缘，仍然无法稳定地展开相位(Projected fringe profilometry using the area-encoded algorithm forspatially isolated and dynamic objects，作者W H Su)。后者可以通过3条纹数选择法(Optical imaging of physical objects，作者D Towers等)恢复绝对相位，但由于使用了傅立叶变换(FT)法(一种单帧成像方法，但该方法在相图图不连续或孤立区域的质量较差)而使得相位精度较差。此外，颜色编码投影方法还存在一些固有的缺陷，例如通道之间的色差及颜色串扰，这些因素会影响相位计算的质量。尽管研究人员提出了一些预处理方法来补偿这缺陷，但只能在一定程度上减少这些缺陷对测量的影响。

由上述分析可见，尽管彩色编码投影技术非常有潜力实现单帧三维测量，但仅有的三个颜色通道不足以编码既满足高质量的相位信息获取又满足稳定的相位展开的条纹图像，此外，该技术固有的色差及颜色串扰问题也很难通过传统的方法来解决。

发明内容