[发明专利]解决BRDF高度非线性问题的光度立体视觉数据驱动全局优化算法

摘要

一种机器视觉识别技术领域的解决BRDF高度非线性问题的光度立体视觉数据驱动全局优化算法，提出了一种用于描述非朗伯反射现象的映射关系，该映射关系在描述反射现象的同时实现了反射现象与表面法向量的解耦。本专利针对所提映射关系，使用高斯过程建立了相应的连续数学模型，并设计采样策略保证模型的训练精度与预测速度。它可以更好地解决BRDF高度非线性问题，而且拥有较高的计算效率。基于MERL数据库的仿真实验以及真实实验都验证了该方法的优越性。该方法在大批量单一材料表面的缺陷检测方面有较好的应用前景。

主权项

1.一种解决BRDF高度非线性问题的光度立体视觉数据驱动全局优化算法，其特征在于包括以下步骤：第一，用以下公式来描述非朗伯反射现象的映射关系，该映射关系在描述反射现象的同时实现了反射现象与表面法向量的解耦：I_p＝f_BRDF(l,n,v)k_cI_sTn^Tl其中，k_p是相机内部的线性响应系数，d是光圈直径，f是相机焦距，α是物体表面点与对应像素点连线与光轴之间的夹角，在拍摄距离远大于物体尺寸的假设下，α≈0，F是物体表面点向相机方向反射的辐射强度与物体表面辐照强度的比值，I_s是光源强度，l是入射光线方向，T是曝光时间；第二，针对所提映射关系，使用高斯过程建立了相应的连续数学模型，通过与已知数据相关的联合分布来预测的数值：其中是n×4阶输入量，L＝(l_p1,l_p2,…l_pn)^T，l_p·为对应的入射光线方向，μ(X)是均函数方程，K(X,X)是n×n阶协方差矩阵，表达了X之间的相关性，n是训练点数量，为BRDF的预测结果，I是单位矩阵，表示噪声；第三，提出一种基于高斯过程的数据驱动光度立体视觉全局优化算法，设计采样策略保证模型的训练精度与预测速度：其中并通过进行归一化处理。