[發明專利]一種基于多尺度注意力機制網絡的相位解析方法

有效

• 申請號: 202110566297.8
• 申請日: 2021-05-24
• 公開（公告）號: CN113379818B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 段智涓;朱江平;黃怡潔;游迪
• 申請（專利權）人: 四川大學
• 主分類號: G06T7/521
• 分類號: G06T7/521;G06N3/04;G06N3/08
• 代理公司: 四川力久律師事務所 51221
• 代理人: 韓洋

本發明涉及本發明涉及光學三維測量領域，特別是涉及一種基于多尺度注意力機制網絡的相位解析方法，包括以下步驟：S1向被測對象投影三頻N步相移條紋圖像，相機同步拍攝被待測對象面形調制的變形條紋圖像；S2基于相移法，將變形條紋圖像轉換為不同頻率的截斷相位圖；S3從不同頻率的截斷相位圖中提取出最高頻率的截斷相位圖，并將最高頻率的截斷相位圖輸入預先訓練好的多尺度注意力機制網絡中，輸出對應的連續相位圖；S4將連續相位圖映射為三維面形深度，得到被測對象三維點云數據。采用本發明的方法，將截斷相位圖像輸入預先訓練好的網絡模型即可快速預測出連續相位，能夠抑制誤差擴散與累積，不受實際相位不連續、戴眼鏡等區域的影響。

技術領域

本發明涉及本發明涉及光學三維測量領域，特別是涉及一種基于多尺度注意力機制網絡的高效相位解析方法。

背景技術

近年來，三維重建一直是計算機視覺中的一個熱點課題，許多研究通過模擬人的雙目視覺系統構建三維模型，利用左右視角觀測同一物體產生的視差結合三角測量原理得到深度信息，廣泛應用于機器智能、自動駕駛、工業檢測、逆向工程、虛擬現實、三維制造與3D打印等領域中。盡管被動立體匹配取得了不錯的效果，但對于包含大面積弱紋理區域的目標以及建模精度要求高的場景下，其三維重建效果就不夠理想。因此，需要給待測物體增加投影“特征信息”才能實現弱紋理區域的高精度的三維建模。條紋投影三維成像技術具有非接觸、高精度、全場測量、點云重建效率高等優點，通過投影條紋結構光至待測目標表面來獲取三維面形數據，并采用單目或雙目相機來采集受到待測曲面表面調制的變形圖像，并從中分析相位信息來恢復三維信息。從變形條紋中通過反正切計算得到的相位被截斷到[-π,π]的范圍內，它的空間分布是截斷的，存在2π的相位跳變。為了獲得連續真實的空間相位分布，必須對其進行相位展開，以確定光柵條紋的正確級次，最后經相位匹配到三維坐標轉換，才能獲取被測目標的整場三維形貌信息。由于相位展開問題的復雜性，相位展開的精度很大程度上決定了整個測量系統的測量精度和適應性。

盡管國內外學者在相位輪廓測量領域已付出了大量努力，但仍然難以在相位展開的精度和效率之間取得平衡。傳統的相位展開方法大體分為空間相位展開和時間相位展開方法。基于空間相位展開的測量系統，其需要逐點進行比較耗時較多，對于復雜的幾何表面、干擾噪聲、欠采樣區域和劇烈變化的表面，相位展開過程通常比較困難，尤其是對于空間孤立物體，因不滿足表面連續的假設前提，無法實現可靠的空間相位展開，容易在展開路徑上造成“拉絲狀”的錯誤蔓延累計；基于時間相位展開法的測量系統，一般需要投影多組不同頻率的相移條紋圖才能計算出連續相位，難以保證單次測量中相機視角下“運動物體準靜止”的假設，因此往往只能運用于靜態或低速場景。近年來，也有不少學者提出了基于深度學習的相位解析方法，然而這些方法大多等效為像素級分類任務，需要花費大量的時間來標注準確的相位級次。尤其是當條紋周期大，條紋級次眾多時，網絡的分類結果往往難以達到準確，通常需要使用后處理(基于聚類的平滑或領域像素的融合)來對相位級次進行校正操作。此外，這些方法多基于仿真數據或生物醫學數據進行連續相位預測，對弱紋理的真實人臉的深度學習相位解析卻鮮有報道。因此，針對被測目標面形較為復雜、相位信息變化劇烈，尤其是空間孤立、噪聲、陰影及欠采樣區域的情景，尚缺乏一種測量精度與測量效率兼得的相位展開方法。

發明內容

本發明目的在于構造一種基于多尺度注意力機制網絡的相位解析方法，以改善上述問題。本發明提出的基于多尺度注意力機制網絡的相位解析方法，采用線性回歸的方法，避免了以往深度學習采用像素分類方法標注標簽和后處理校正的繁瑣過程，一旦網絡模型訓練完成，僅需要少量的條紋圖(不超過3幅)既能實現高效相位解析。進一步，將該算法引入到基于條紋結構光的復雜曲面重建系統中，能夠實現空間孤立的靜態或動態目標的三維成像。

為了實現上述發明目的，本發明提供了以下技術方案：

一種基于多尺度注意力機制網絡的相位解析方法，包括以下步驟：

S1，向被測對象投影三頻N步相移條紋圖像，相機同步拍攝被測對象的面形調制的變形條紋圖像；