【技术实现步骤摘要】
一种基于光场成像的增材构件三维轮廓重建方法及系统
[0001]本专利技术涉及图像重构
,尤其涉及一种基于光场成像的增材构件三维轮廓重建方法及系统
。
技术介绍
[0002]在金属增材制造过程中,如铺粉厚度
、
加工工件表面轮廓一些关键的过程变量可以表示零件的质量
。
对于关键变量的快速监测是解决冶金缺陷和形性调控的主流方法,目前主流方法通过高速相机
、
双目相机等监测设备在线监测制造过程的关键变量,然后将获取的在线监测信息经过图像和信号处理
、
人工智能等方式进行快速实时处理,从而监测增材过程中特征信息
。
高速相机虽然可快速获取增材制造过程中视觉信息,然而缺乏角度信息,无法通过单次曝光重构铺粉粉层
、
加工表面轮廓;双目相机可得到增材制造过程中两个视角信息,通过三维重构算法可得到铺粉粉层
、
加工表面形貌,然而该方法需要预先复杂标定流程,一旦相机位置改变,需要重新标定,限制增材制造监测实时性要求r/>。
当本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种基于光场成像的增材构件三维轮廓重建方法,其特征在于,包括:对光场相机进行标定,确定光场相机等效标定参数集合;构建极平面图像
EPI
‑
UNet
网络框架,利用预设光场数据集构建训练集,从所述预设光场数据集对应的视差图获取学习标签,采用所述训练集和所述学习标签训练所述
EPI
‑
UNet
网络框架,得到预测视差向量模型;利用所述光场相机采集待测目标的增材表面光场信息,由所述增材表面光场信息输入所述预测视差向量模型得到场景二维视差图;基于所述光场相机等效标定参数集合,确定视差与深度的几何光路关系,获得待测目标三维坐标信息;对所述待测目标三维坐标信息进行视差映射,得到待测目标三维轮廓信息
。2.
根据权利要求1所述的基于光场成像的增材构件三维轮廓重建方法,其特征在于,对光场相机进行标定,确定光场相机等效标定参数集合,包括:所述光场相机拍摄不同视角标准圆形标定板,提取每个视角的光场中心子孔径图像;由所述光场中心子孔径图像获取等效相机阵列的有效焦距和像素值
。3.
根据权利要求1所述的基于光场成像的增材构件三维轮廓重建方法,其特征在于,构建极平面图像
EPI
‑
UNet
网络框架,包括:确定所述
EPI
‑
UNet
网络框架包括依次连接的轮廓特征提取子网络
、
局部特征提取子网络和细节特征提取子网络;所述轮廓特征提取子网络由5×5×
32
卷积核
、
残差模块
、5
×5×
64
卷积核
、
残差模块和5×5×
64
卷积核构成;所述局部特征提取子网络由3×3×
32
卷积核
、
残差模块
、3
×3×
64
卷积核
、
残差模块和3×3×
64
卷积核构成;所述细节特征提取子网络由2×2×
32
卷积核
、2
×2×
16
卷积核和2×2×1卷积核构成
。4.
根据权利要求1所述的基于光场成像的增材构件三维轮廓重建方法,其特征在于,利用预设光场数据集构建训练集,从所述预设光场数据集对应的视差图获取学习标签,包括:从所述预设光场数据集中提取多个子视角图像,对所述多个子视角图像进行堆叠,形成四维光场体;分别从横向和纵向剪切所述四维光场体,并通过灰度化以及限制对比度直方图均衡化剪切后的四维光场体得到光场极平面图像
LF
‑
EPI
;根据预设比例划分所述预设光场数据集中的多个
LF
‑
EPI
为训练集和测试集;从所述预设光场数据集对应的真实视差图中提取向量作为所述学习标签
。5.
根据权利要求4所述的基于光场成像的增材构件三维轮廓重建方法,其特征在于,采用所述训练集和所述学习标签训练所述
EPI
‑
UNet
网络框架,得到预测视差向量模型,包括:将所述训练集输入所述
EPI
‑
UNet
网络框架,得到预测视差向量;由预设损失函数计算所述预测视差向量和所述学习标签的差异值;对所述差异值进行反向传播,待完成一个训练周期之后,将所述测试集输入训练好的
EPI
‑
UNet
网络框架进行精度测试;重复调节所述
EPI
‑
UNet
网络框架的超参数进行迭代训练,直至所述预设损失函数小于损失阈值,或训练迭代次数达到训练次数阈值,停止训练,输出所述预测视差向量模型
。
6.
根据权利要求1所述的基于光场成像的增材构件三维轮廓重建方法,其特征在于,利用所述光场相机采集待测目标的增材表面光场信息,由所述增材表面光场信息输入所述预测视差向量模型得到场景二维视差图,包括:对所述增材表面光场信息进行剪切得到
LF
‑
EPI
,将
LF
‑
EPI
输入所述预测视差向量模型获得多个一维视差向量;根据横向视角数量
、
纵向视角数量
、
每个视角图像的高度方向像素数和每个视角图像的宽度方向像素数,在
LF
‑
EPI
上建立横向
‑
宽度以及纵向
‑
高度坐标系,由所述横向
‑
宽度以及纵向
‑
高度坐标系计算得到
LF
‑
EPI<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。