一种基于深度学习与条纹投影轮廓术的单张图像重建方法技术

本发明专利技术公开了一种基于深度学习与条纹投影轮廓术的单张图像重建方法，涉及图像处理技术领域。基于深度学习与条纹投影轮廓术的单张图像重建方法，包括：搭建条纹投影轮廓术系统的虚拟仿真系统，并对渲染后的条纹图像采用多频外差法进行重建构建训练数据集；提出两阶段的网络模型，先从单张条纹图像预测单频多张相移图像，将单频相移图像生成包裹相位图像，再从单频包裹相位图像预测条纹色阶，实现高精度的相位检索。本发明专利技术搭建了一个虚拟仿真系统，简化了复杂的数据采集过程；将虚拟仿真系统渲染的图像作为数据集，提出了一种基于深度学习和条纹投影轮廓术的单张图像重建方法，可以很好的得到绝对相位，有更高的三维重建精度。有更高的三维重建精度。有更高的三维重建精度。

【技术实现步骤摘要】
一种基于深度学习与条纹投影轮廓术的单张图像重建方法


[0001]本专利技术涉及图像处理
，具体涉及一种基于深度学习与条纹投影轮廓术的单张图像重建方法。

技术介绍

[0002]条纹投影轮廓术（Fringe Projection Profilometry,FPP）是一种用于三维形状测量和表面轮廓重建的光学测量方法，其具有运算量小、鲁棒性强、测量点云稠密的特点被广泛应用在机器视觉、光学检测等领域。
[0003]简单的FPP系统一般由一个相机，一个投影仪和一台计算机组成，测量时投影仪向被测物体表面投射一系列条纹编码图案，条纹经被测物表面高度调制后发生变形，由相机捕获包含着相位信息的变形条纹图像，然后由计算机执行解码操作，对相位信息进行解码获取绝对相位信息，最后通过三角测量原理将相位信息映射到被测物体的真实三维坐标。
[0004]对于传统FPP技术在三维重建中的应用，专利技术人认为存在以下技术问题：传统的FPP技术通常至少需要使用两张或是多张条纹图像才能进行物体的三维重建，导致其重建方法实现过程复杂，逐渐不能满足实际生产和复杂场景的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习与条纹投影轮廓术的单张图像重建方法，其特征在于，包括以下步骤：获取待测物体的单张条纹图像；搭建两阶段网络模型，其包括第一阶段网络模型和第二阶段网络模型；第一阶段网络模型采用U
‑
Net神经网络模型；第二阶段网络模型采用U
‑
Net神经网络模型，并在编码器结尾添加一个Dropout层；将获取的待测物体的单张条纹图像输入至第一阶段网络模型，预测多张单频相移图像；将从第一阶段网络模型获取的单频相移图像生成包裹相位图像；将获取的包裹相位图像输入至第二阶段网络模型预测条纹色阶；得到条纹色阶后将包裹相位展开成绝对相位，并结合标定参数与相
‑
高映射关系，得到待测物体的深度图以及对应三维点云数据。2.根据权利要求1所述的基于深度学习与条纹投影轮廓术的单张图像重建方法，其特征在于，待测物体的单张条纹图像输入至两阶段网络模型之前，还包括：搭建条纹投影轮廓术系统的虚拟仿真系统，并在虚拟仿真系统中构建训练数据集；训练数据集中的样本对第一阶段网络模型、第二阶段网络模型进行训练学习。3.根据权利要求2所述的基于深度学习与条纹投影轮廓术的单张图像重建方法，其特征在于，所述训练数据集包括第一阶段网络模型所需的单张条纹图像和对应的多张同频相移图像，以及第二阶段网络模型所需的包裹相位图像和对应的条纹色阶图像。4.根据权利要求2所述的基于深度学习与条纹投影轮廓术的单张图像重建方法，其特征在于，所述虚拟仿真系统环境采用Blender建模软件创建，所述虚拟仿真系统环境包括建立一个虚拟相机和一个虚拟投影仪。5.根据权利要求2所述的基于深度学习与条纹投影轮廓术的单张图像重建方法，其特征在于，所述训练数据集的构建步骤包括：从Thingi10K中选取多种三维仿真模型作为待测物体模型，其中，待测物体模型以8.5：1.5的...

【专利技术属性】
技术研发人员：张秋爽，李旭，杨智森，李红宾，杨化林，邢明义，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：