一种用于在线三维测量的五步非等步相移算法

提出了一种五步非等步相移算法,并成功应用于在线三维测量中。仅投影一固定正弦光栅条纹到物体上,通过物体在线运动产生等效相移,在一个条纹周期范围内任意采集五帧变形条纹图,通过像素匹配使各帧条纹图中的物点一一对应并计算出相应的等效相移量。采用所提出的五步非等步相移算法,即可重构物体。计算机模拟与实验验证了该方法的可行性和有效性,表明非等步相移算法在在线三维测量中更具适应性,有利于提高三维测量精度。

基于查表法的非等步相移误差修正算法研究

在相移式轮廓测量 (PMP)技术中 ,提出了一种基于查表法的相移校正算法 ,使传统的 N步计算方法要以适用于任何相移值 (非等步相移 )的情况 ,从而降低了对相移器的精度要求。利用计算机仿真技术验证了该修正算法的正确性。

基于二维经验模态分解的五步非等步在线三维检测

提出一种基于二维经验模态分解(2DEMD)的像素匹配方法,并结合五步非等步算法应用于在线三维面形测量中。将一正弦条纹投影到在线匀速运动的待测物体上,物体运动产生等效相移,在一个条纹周期范围内任意采集五帧变形条纹图。采用2DEMD方法对变形条纹图进行分解,可以得到与待测物体形貌变化一致的模态图像,通过大津法对其进行二值化处理,并截取可靠性较高的区域作为像素匹配模板进行像素匹配,使各帧条纹图中物点一一对应并计算出相应的等效相移量。再利用五步非等步相移算法解相可得到截断相位,采用相位展开算法得到连续相位,利用相位高度映射公式可恢复出被测物体的三维面形。计算机模拟与实验验证了该方法的有效性。

基于一维经验模态分解的非等步在线三维面形测量

提出一种基于一维经验模态分解(EMD,empirical mode decomposition)的像素匹配方法,应用于在线三维面形测量。首先由计算机产生一固定正弦光栅条纹图,利用DLP投影仪投射到被测物体表面,物体在线运动将产生等效相移,由CCD相机采集5帧任意步长的受物体面形调制的变形条纹图。由于物体的运动使得几帧变形条纹图中的物体像素不对应,因此需要对变形条纹图进行像素匹配。通过对采集到的5帧变形条纹图进行一维EMD,可以得到与待测物体形貌变化一致的模态图像分布,然后通过大津法对其进行二值化处理,并截取可靠性较高的部分作为像素匹配模板进行像素匹配,计算出相应的等效相移量。最后利用五步非等步相移算法解相,并恢复出被测物体的三维形貌。计算机仿真与实验验证了本文方法的有效性。