[发明专利]基于深度学习的精确快速大景深三维重建方法

权利要求书

1.一种基于深度学习的精确快速大景深三维重建方法，其特征在于：包括以下步骤：

步骤1：搭建神经网络：设计景深拓展卷积神经网络；

步骤2：基于深度学习训练获得图像模型：取不同景深的若干个物体的模糊相移条纹图像和对应精确相移条纹图像数据进行采集，每个物体选用三个模糊相移条纹图像数据输入步骤1中得到的景深拓展卷积神经网络并进行深度学习训练，将得到的相位数据与精确相移条纹图像的数据对比，若未达到预设精确度则返回景深拓展卷积神经网络进行参数优化，达到预设精确度时，则得出此景深对应的条纹图像模型；

步骤3：多次训练获得模型集：由若干个物体经过步骤2后获得若干组条纹图像模型；

步骤4：待测物体条纹图像采集：通过三维测量系统采集待测物体的三张原始条纹图像；

步骤5：获取高精度包裹相位：将步骤4中采集的待测物体的原始条纹图片代入步骤3中的若干个条纹图像模型中，得到对应的高精确包裹相位；

步骤6：重建三维信息：通过步骤5中得到的高精确包裹相位通过相位恢复、相位展开和三维重建处理后，再对待测物体所处的子景深进行定位，得到重建后三维数据信息。

2.根据权利要求1所述的基于深度学习的精确快速大景深三维重建方法，其特征在于：步骤1中所述的景深拓展卷积神经网络包括卷积激活模块、卷积池化激活模块、上采样卷积模块、卷积激活上采样模块、卷积层和跳层连接，其搭建过程如下：每个物体取三张相移条纹图像，依次通过卷积激活模块、卷积池化激活模块、上采样卷积模块、卷积激活上采样模块和卷积层，通过空间上的降采样和升采样，提取不同的分辨率，并通过跳层连接将分辨率相同的数据进行对比，经过若干次对比后输出相位数据。

3.根据权利要求2所述的基于深度学习的精确快速大景深三维重建方法，其特征在于：步骤2中深度学习训练的具体步骤为：将输入模糊相移条纹图像按照不同景深范围划分为组，每组选用三张相移条纹图像记为输入，通过步骤1得到的景深拓展卷积神经网络，M和D代表相位恢复过程中反正切计算中的分子和分母，输出对应的条纹图像数据为和，并通过对应精确相移条纹图像数据计算出各对应的Ground-truth值和，将、、和代入损失函数公式中，计算出每个图像数据的损失函数，若损失函数值大于0.15，则再返回景深拓展卷积神经网络进行深度学习训练，直至损失函数值小于或等于0.15时，得到对应的条纹图像模型。

4.根据权利要求3所述的基于深度学习的精确快速大景深三维重建方法，其特征在于：所述损失函数公式为：

，

其中，代表卷积神经网络所选用的参数，为图像的像素数目。

5.根据权利要求1所述的基于深度学习的精确快速大景深三维重建方法，其特征在于：步骤4中所述的三维测量系统包括投影仪、相机和计算机，三维测量系统采集待测物体的原始条纹图片的具体步骤为：利用计算机设置固定间隔的条纹光栅，通过投影仪投射一组正弦条纹图像，经待测物体反射后经相机接收，选取若干不同位置的正弦图和相移步数，取相移步数最高的正弦图为原始条纹图片。

6.根据权利要求5所述的基于深度学习的精确快速大景深三维重建方法，其特征在于：相机的相机镜头上还安装有电可调镜头。