基于辅助相机的景深拓展三维重建技术研究

针对面结构光三维重建中,由于重建景深的限制导致待测物在超出重建景深后出现重建错误的问题,提出了一种基于辅助相机的景深拓展三维重建技术,并借助相位阈值自适应地对重建景深内外物体进行重建。采用四步相移与互补格雷码结合的方法获取绝对相位,通过多项式拟合法对相机、投影仪进行标定。提出了借助辅助相机建立超出重建景深的相位-高度映射的方法。实验结果表明:该方法能提高重建景深范围50%左右,大大提升了面结构光的重建范围。

基于DenseNet的散射成像景深拓展研究

散射现象广泛存在于自然界中。透过散射介质的大景深成像在计算成像领域具有重要的意义和应用价值。近年来,随着深度学习在计算成像领域的广泛应用,散射成像系统中的景深问题亟待进一步研究和拓展。以DenseNet为基础,结合UNet框架,建立了一个具有良好迁移性和景深拓展能力的深度卷积神经网络模型——DUNet。通过使用透过不同目数毛玻璃的散斑图像对网络进行训练,使成像景深拓展至距焦面50 mm处。初步的小鼠脑片实验结果表明,DUNet模型将有望应用于深层组织断层扫描。

基于双螺旋相位板的单目三维编码成像

提出一种能够同时获得场景深度信息并实现景深拓展的成像方法。通过在相机的光瞳处引入双螺旋相位调制,将深度信息编码在图像中,使用端到端的深度学习技术对成像过程进行反演,最终得到景深拓展的图像和深度图。分析了相位板参数和物距对成像性能的影响,讨论了在给定的深度范围内合理选择相位板参数的方法。在NYU Depth V2数据集的深度范围内进行了仿真,深度估计相对误差最低可达8.3%,景深拓展后图像的峰值信噪比(PSNR)和结构相似度(SSIM)最高分别可达35.254 dB和0.960,所提方法与传统光学系统相比景深可拓展数十倍以上,并且结果证明了缩小探测范围和增大物距可提升平均深度估计精度。针对闸机人脸识别等潜在的应用场景,以1.1~1.32 m为探测范围搭建了实物系统,在真实场景中深度估计的相对误差为2.2%,所提方法相比传统光学系统景深拓展约10倍。本文方法仅需在传统成像系统中加入一块相位板即可同时实现场景的深度估计和景深拓展功能,在低成本三维成像和检测领域具有一定的应用潜力。