一种基于深度学习的单帧数字条纹端到端相位解析方法技术

技术编号:43474190 阅读:20 留言:0更新日期:2024-11-27 13:13
本发明专利技术提供了一种基于深度学习的单帧数字条纹端到端相位解析方法,包括以下步骤:首先搭建基于数字孪生的条纹投影系统,构建变形条纹‑绝对相位数据集;然后构造IncepC‑Unet网络模型,将变形条纹‑绝对相位数据集按比例分为测试集以及训练集,训练、测试IncepC‑Unet网络模型;最后利用上述训练好的IncepC‑Unet网络模型对被测物体的单帧变形条纹图像进行绝对相位预测。本发明专利技术设计的单帧数字条纹端到端相位解析方法,完全摒弃了绝对相位展开的传统级联型解析流程,实现了单帧数字条纹端到端的绝对相位计算,提高了相位解析的效率以及精度,推动三维测量向智能化方向发展。

【技术实现步骤摘要】

本专利技术属于光学三维测量,具体涉及一种基于深度学习的单帧数字条纹端到端相位解析方法


技术介绍

1、目前,三维测量技术在各个领域起着重要作用,其被广泛应用于航空制造、智慧医疗、智能识别、人工智能等领域。条纹投影三维成像因其非接触、高精度、全场测量、点云重建效率高等优点,已成为目前三维测量技术中的主流光学方法。然而传统的条纹投影三维成像通过投影多组光栅条纹并结合相移法/时间相位展开方法以获取绝对相位信息,其中需要经过条纹图像采集、相位解调、相位解析的过程,这不可避免地延长了数据获取的时间,对三维信息获取的效率有很大影响。而空域法仅需一帧条纹及其对应的主值相位便可恢复出绝对相位,早期提取主值相位的算法有傅里叶变换法(ft)、加窗傅里叶变换法(wft)等;获取绝对相位的方法主要包含:枝切法、质量图导向法、无权重fft法等。尽管基于空域法的相位解析方法已经有许多成熟方法,但因其相位解析需要受到相邻像素的影响而导致误差逐步传递,在面对复杂结构、不连续或孤立表面特性的目标时,容易造成较大的相位解析误差,绝对相位中往往伴有“拉丝”和“丢包”的严重现象,重建精度仍然远不本文档来自技高网...

【技术保护点】

1.一种基于深度学习的单帧数字条纹端到端相位解析方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的单帧数字条纹端到端相位解析方法,其特征在于,步骤1中,条纹投影系统包括相机、投影仪以及待测物体,其中,相机与投影仪水平放置,待测物体与投影仪垂直。

3.根据权利要求2所述的单帧数字条纹端到端相位解析方法,其特征在于,步骤1中,构建变形条纹-绝对相位数据集的步骤包括:

4.根据权利要求1所述的单帧数字条纹端到端相位解析方法,其特征在于,步骤2中,编码网络由五个编码层组成,前四个编码层均由一个Inception残差块、一个坐标注意力块以及一个2×2最大...

【技术特征摘要】

1.一种基于深度学习的单帧数字条纹端到端相位解析方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的单帧数字条纹端到端相位解析方法,其特征在于,步骤1中,条纹投影系统包括相机、投影仪以及待测物体,其中,相机与投影仪水平放置,待测物体与投影仪垂直。

3.根据权利要求2所述的单帧数字条纹端到端相位解析方法,其特征在于,步骤1中,构建变形条纹-绝对相位数据集的步骤包括:

4.根据权利要求1所述的单帧数字条纹端到端相位解析方法,其特征在于,步骤2中,编码网络由五个编码层组成,前四个编码层均由一个inception残差块、一个坐标注意力块以及一个2×2最大池化组成,第五个编码层由inception残差块组成;

5.根据权利要求4所述的单帧数字条纹端到端相位解析方法,其特征在于,inception残差块由分支0、分支1、分支2、分支3以及分支4组成并行层结构;分支0由填充为0的卷积块以及批量归一化层组成,分支1~4均由填充为1的卷积块以及批量归一化层组成,且分支1~4的四个c/4通道输出连接为一个c通道输出,指定维度为1,并将c通道输出添加到分支0输出。

6.根...

【专利技术属性】
技术研发人员:卢津张敏杰吴沛洋关芸刘浩公衍超
申请(专利权)人:西安邮电大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1