[發明專利]一種基于機器學習的結構光三維重建方法

在審

• 申請號: 202011329583.4
• 申請日: 2020-11-24
• 公開（公告）號: CN112330814A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 楊濤;彭磊;姜軍委;李曉曉;李歡歡;周翔
• 申請（專利權）人: 革點科技（深圳）有限公司
• 主分類號: G06T17/20
• 分類號: G06T17/20
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

本發明公開了一種基于分類的結構光三維重建方法，包含以下步驟：(1)確定投射條紋圖的組合方案；(二)投射并采集條紋圖；(三)分類得到類別圖；(四)回歸得到表示圖；(五)使用表示圖重建三維點云信息。相比現有的條紋投影結構光三維重建方法，本方法使用更少的結構光圖案即可完成高精度、高魯棒性的三維重建。相比現有的非條紋投影方案的結構光三維重建方法，如偽隨機點陣等，本發明擁有更高的3D成像精度。

技術領域：

本發明涉及一種基于分類的結構三維重建方法，主要利用分類的方法，以變形條紋圖作為輸入，輸出用于重建的分類圖，最終完成三維重建，屬于光學三維測量領域和人工智能領域。

背景技術：

在傳統的條紋投影結構光三維測量方法中，相位提取和相位解包裹是不可或缺的步驟。相位提取通常是使用一幀或多幀圖像作為輸入，從中提取包裹相位。廣泛使用的相位提取方法為相移法，優點是相位提取精度高；缺點是需要多幀圖像，因而不能測量動態物體。單幀相位提取技術則使用一幀條紋圖就可以計算得到包裹相位，所以通常用來進行實時測量，例如傅里葉變換法、希爾伯特變換、窗口傅里葉法等。在獲得包裹相位之后，需要使用去包裹算法，去除相位的周期性歧義，得到展開的絕對相位，以便完成三維重建。通常使用的去包裹算法包括空域法和時域法，空域法利用空間鄰域信息以及幾何約束等信息，對相位進行展開，好處是不需要額外的相位圖進行輔助，缺點是魯棒性差，因為當條紋的頻率較高時，這種周期性的歧義在物理上就難以消除，即使在某些特殊情況下，可以通過空間關聯性和先驗知識，去除這種歧義，其過程也是非常耗時的。時域法則通過采集更多的圖像以獲取更多用于展開相位的信息，好處是魯棒性好，缺點是由于需要采集更多的信息，對于動態場景可能會引入新的誤差。通常，為了獲得高精度高魯棒性的展開相位，需要使用十余幀不同參數的條紋圖進行投影組合，這大大降低了條紋投影結構光的應用范圍。如何在保證精度和魯棒性的前提下，簡化步驟，減少所需要的條紋結構光的數量，對擴展該方法的應用場景具有重要意義，同時也是該領域的重要研究方向。

深度學習是一種強大的圖像信號處理工具，科研和工程技術人員在近些年開始使用深度學習來解決相位提取和相位展開的任務。但仍然遵循著傳統的范式：圖像采集，相位提取，相位解包裹，三維重建。也有研究人員嘗試，從輸入圖像中直接回歸絕對相位或者深度，但是目前尚未取得很好的效果，難以獲得魯棒性和精度均較高的性能。本專利旨在提出一種基于分類的結構光三維重建方法，以簡化傳統的流程，并以較少的幀數實現高魯棒性和高精度的三維重建。

發明內容：

本發明的目的是簡化傳統條紋投影結構光三維成像的流程，提出一種少幀高魯棒性和高精度的條紋投影結構光三維重建方法。

一種基于分類的結構光三維重建方法，包含以下步驟：

(一)確定投射條紋圖的組合方案；

(二)投射并采集條紋圖；

(三)分類得到類別圖；

(四)回歸得到表示圖；

(五)使用表示圖重建三維點云信息。

所述步驟(一)中，包含以下步驟

第一步：首先確定系統的工作場景和性能要求

工作場景包含但不限于，所測對象是否連續，其紋理特征，Z向深度變化范圍，抗光性等。

性能要求包含但不限于：Z向精度要求，XY向分辨率要求，速度要求等。

第二步：根據系統的設計指標確定條紋編碼方案

本步驟中根據工作場景特點和性能要求綜合考慮確定具體的編碼方案，包含但不限于以下考慮因素：

1)如果被測表面連續，可使用單幀高頻率條紋圖投影方案；

2)如果被測相對連續并且是動態變化，可使用單幀中等頻率條紋投影方案；