一种基于深度学习条纹结构光深度重建方法及装置
申请人信息
- 申请人:南昌虚拟现实研究院股份有限公司
- 申请人地址:330000 江西省南昌市红谷滩区会展路545号红谷城投大厦1408室
- 发明人: 南昌虚拟现实研究院股份有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习条纹结构光深度重建方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410136911.0 |
| 申请日 | 2024/1/31 |
| 公告号 | CN117689705A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G06T7/521 |
| 权利人 | 南昌虚拟现实研究院股份有限公司 |
| 发明人 | 毛凤辉; 郭振民; 周建国 |
| 地址 | 江西省南昌市红谷滩区会展路545号红谷城投大厦1408室 |
摘要文本
本申请实施例提供的一种基于深度学习条纹结构光深度重建方法及装置，所述方法包括：采集样本图像，每个样本图像包括多个频率的条纹图像；计算每个频率的条纹图像的包裹相位正弦值、余弦值、包裹相位值和绝对相位值；设计包裹相位神经网络模型和绝对神经网络模型；采集待测图像，通过所述包裹相位神经网络模型和绝对神经网络模型推理得到拟合绝对相位值；将所述拟合绝对相位值进行处理得到图像条纹级数，然后利用所述图像条纹级数和包裹相位值重新计算得到最终绝对相位：将所述最终绝对相位进行深度信息拟合，得到深度值。通过本申请实施例可以有效缩短条纹图像的采集时间，并通过后处理保障了绝对相位精度。
专利主权项内容
1.一种基于深度学习条纹结构光深度重建方法，其特征在于，包括：采集多组样本图像，每组样本图像包括多个不同频率的条纹图像；计算每个频率条纹图像的包裹相位正弦值和包裹相位余弦值，根据每个频率条纹图像的包裹相位正弦值和包裹相位余弦值计算每个频率条纹图像的包裹相位值，根据每个频率条纹图像的包裹相位值计算每组样本图像的包裹相位绝对值；将所述每个频率条纹图像的包裹相位正弦值和包裹相位余弦值作为包裹相位神经网络模型的监督量，根据所述每个频率条纹图像的包裹相位正弦值和包裹相位余弦值设计第一损失函数对所述包裹相位神经网络模型进行训练直到收敛；将每组样本图像的包裹相位绝对值作为监督量，根据所述每组样本图像的包裹相位绝对值设计第二损失函数对所述包裹相位绝对神经网络模型进行训练直到收敛；采集待测图像，通过训练收敛后的所述包裹相位神经网络模型对所述待测图像推理得到待测图像的每个频率条纹图像的包裹相位正弦值和包裹相位余弦值，根据待测图像的每个频率条纹图像的包裹相位正弦值和包裹相位余弦值计算待测图像的每个频率条纹图像的包裹相位值：将所述待测图像的每个频率条纹图像包裹相位值输入到训练收敛后的包裹相位绝对神经网络模型中，推理得到待测图像的每个频率条纹图像的拟合绝对相位值；根据所述待测图像的每个频率条纹图像的拟合绝对相位值得到待测图像的每个频率条纹图像的条纹级数，然后利用所述待测图像的每个频率条纹图像的条纹级数和包裹相位值计算所述待测图像的最终包裹绝对相位值；将所述待测图像的最终绝对相位值进行深度信息拟合，得到待测图像的深度值。