复杂反光表面的快速实时三维测量方法研究

Structured light projection based real time 3D profilometry is one of the research hotspots for fields of optical 3D measurements. However, the research of measurements of dynamic shiny surfaces is seldom reported. Therefore, we plan to develop a novel approach by which the 3D measurement would not be affected by the object motion and high light intensity. To handle the issue of object motion, the Lissajous curve model is firstly used to analyze the captured three step phase-shifting fringes and then to build a framework for the initial compensation of errors. With the Fourier series, we are to further study the distribution of motion artifacts for their second compensation. To cope with the shiny surface, motion artifacts are compensated firstly. Then, the stereo vision method is used in order to avoid the problem of high light intensity by changing the viewing angle. Assisted by the image correlation of the speckles and the GPU parallel computing platform, a fast correction method of erroneous phase caused by highlight is presented. Our research will provide new solutions for real time 3D measurements of dynamic shiny surfaces and further extend the current applications of structured light based 3D measurements for fields such as intelligent manufacturing and online inspection.

基于结构光投影的实时三维重构是目前光学三维测量领域的研究热点与难点之一，特别是针对复杂反光表面的快速实时三维测量理论研究尚显不足。本项目致力于研究既能抑制运动干扰、又不受高光溢出影响的实时结构光测量方法。为克服运动引起的重构误差，采用Lissajous曲线模型，分析动态表面三步相移光栅信号的强度特征，建立运动相位误差初始补偿框架。运用傅里叶级数展开法，研究运动相位误差分布规律，构建剩余误差的二次补偿模型。针对动态反光表面，首先补偿运动测量误差，随后运用双目视觉成像手段，克服高光反射影响。采用二值散斑相关匹配方法，依托图形处理单元并行计算平台，研究不同视角下高光区域相位的快速修正方法。本项目的开展将为复杂反光表面的实时动态三维测量提供新的研究思路，对进一步推动结构光测量在智能制造、在线检测等领域的应用有重要意义。

基于结构光投影的实时三维重构是目前光学三维测量领域的研究热点与难点之一，特别是针对复杂反光表面的快速实时三维测量理论研究尚显不足。本项目致力于研究既能抑制运动干扰、又不受高光溢出影响的实时结构光测量理论与关键技术。针对运动误差问题，本项目研究了运动不敏感的鲁棒相移轮廓术（Optics and Lasers in Engineering, 103, 2018），有效抑制了运动引起了波纹重建误差，该研究成果入选ESI高被引论文。为克服运动反光表面引起的图像饱和问题，提出了基于单次投影分时曝光的实时高动态范围三维测量方法（Optics Express， 28（17），2020）。该方法利用了离焦二值图像的特性，可以在一个投影周期内拍摄得到两幅不同曝光的条纹图案，在保证投影速度的前提下，将系统的测量动态范围提升一倍。在此基础上，结合人工智能技术，提出了一种基于深度学习的高动态范围场景三维测量技术（Optics and Lasers in Engineering，134，2020）。该方法的核心思想在于仅采用三幅受反光干扰的条纹图像作为输入，利用深度神经网络强大的计算能力求解正确的包裹相位。为克服运动引起了无效测量点，研究了自适应动态深度约束技术（Optics Express，26（17），2018）。该技术对三维重构结果进行深度统计分析，根据物体空间位置，自动调节深度约束范围。动态调节过程中，将此范围外的离群点置为无效点，实时优化三维图像质量。本项目的开展将为复杂反光表面的实时动态三维测量提供新的研究思路，对进一步推动结构光测量在智能制造、在线检测等领域的应用具有重要意义。