fringe pattern

最新推荐文章于 2025-12-24 11:42:49 发布

原创最新推荐文章于 2025-12-24 11:42:49 发布 · 477 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#智能硬件

本文综述了结构光中心线提取的深度学习方法，包括传统激光中心提取算法如阈值法的发展，以及南理工陈钱、左超教授课题组在单帧HDR结构光深度学习重建中的突破。深度学习在提升成像精度和效率方面展现出巨大潜力。

光条中心提取方法总结（二）_深度学习结构光中心线提取-优快云博客

南京理工大学 - 智能计算成像实验室 | SCILab

OE Journals

https://scilaboratory.com/h-nd-291.html

https://www.researching.cn/ArticlePdf/m00001/2023/50/16/1602108.pdf

传统激光条纹中心提取算法研究现状_激光中心+阈值法+c++-优快云博客 !!!!!

https://blog.youkuaiyun.com/CharmsLUO/article/details/123264012

https://blog.youkuaiyun.com/pingjun5579/article/details/120718127

单帧HDR结构光深度学习重建 - 哔哩哔哩

OEA封底 | 深度学习使单帧高精度结构光三维成像成为可能【南理工陈钱、左超教授课题组】

关注博主即可阅读全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

cheatingdeath

关注关注

10
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【论文阅读笔记】Single-Shot Refinement Neural Network for Object Detection（RefineDet）

梁瑛平的博客

01-29

1236

《Single-Shot Refinement Neural Network for Object Detection》（RefineDet）（一）论文地址：（二）解决的问题：（三）RefineDet 的核心思想：（四）twotwotwo-stagestagestage 方法的优势：（五）RefineDet 的网络结构：5.1 Transfer Connection Block：5.2 Two-S...

激光条纹中心线提取算法FPGA实现方案

MmikerR的专栏

02-18

2723

激光条纹中心线提取是3D线激光测量领域一个较为基础且重要的算法。目前，激光条纹中心线提取已有多种成熟的算法，有很多相关的博客和论文。激光条纹中心线提取的真实意义在于工程化和产品化的实际应用，而很多算法目前只能用于学术研究或理论实验，无法在应用端或产品端商用化落地。边缘法中心法阈值法形态学细化法极值法灰度重心法曲线拟合法Steger算法上述这些算法中只有灰度重心法，曲线拟合法，Steger算法3种方法可以达到亚像素精度。

参与评论您还未登录，请先登录后发表或查看评论

基于灰度质心法和骨架的激光中心线提取

SLAM_masterFei的博客

04-03

8932

之前博主一直在做线结构光成像，硬件比较垃圾，相机加镜头和线激光器总共成本在1000以内，精度在0.1mm左右，感觉这种成本做出来还是不错的，其实主要大部分时间花在了分析上来达到最好的效果。一般对于激光条纹线，主流的方法是利用steger或者它的改进方法去提取中心线，但是博主之前实现了一下，感觉图像里的hessian矩阵并不能很好的描述条纹的法向，所以就另换方法，这次采用先骨架提取再利用法线上的...

激光条纹中心线提取算法总结和复现

热门推荐

taifyang的博客

03-31

2万+

滤波、分割等预处理过程省略。几何中心法极值法细化法灰度重心法法向质心法 Steger算法

基于Matlab的多线激光中心坐标值提取

qq_45885422的博客

11-11

6829

本文章是基于给出的两张多线激光图片，如下图所示。需将图片中的激光线的中心线坐标提取出来并绘制激光中心线图形。因为是Matlab课程的训练研究大作业，所以全文代码为Matlab，希望可以为相似作业的非专业同学提供一些帮助。文章目录 1.问题分析 2.研究思路及代码 3.结果分析 1.问题分析由于是给定图片，数量不是很多，因此可以对每个图像单独分析，这也是本篇文章的局限性。在拿到图像时，如果懂ps的，可以先调大整体图像的亮度，可以看到一些原本图像...

2021-05-10

qq_43474719的博客

05-10

573

2021-07-10日志及想法昨天整理了所有看过的论文的过程，发现了重大问题。论文《Fringe Pattern analysis using deep learning》是通过神经网络从实拍条纹图来直接获得包裹相位的。I(x,y)→A(x,y)→M(x,y),D(x,y)→ϕ(x,y)I(x,y)\to A(x,y)\to M(x,y),D(x,y)\to \phi(x,y)I(x,y)→A(x,y)→M(x,y),D(x,y)→ϕ(x,y)《PhaseNet: A Deep Convolutional

数字条纹投影系统中基于概率分布函数的灵活伽玛计算算法

视觉小新的博客

03-13

1976

刘元坤四川大学摘要：相位测量轮廓测量系统的伽马效应会产生非线性误差，这将大大降低3D形状测量的准确性。在此，提出了一种基于包裹相位的概率分布函数（PDF）的鲁棒且灵活的伽马校正方法。首先，从具有不同伽玛值的模拟包裹相位分布中生成一系列PDF曲线。其次，从捕获的三步相移条纹图像获得包裹相位后，将产生实验的PDF曲线。然后，将使用相关过程从模拟的PDF曲线中找到最相似的PDF曲线，并且匹配的PDF曲线的gamma值是当前系统的gamma值。注意，由于具有大光圈的投影系统的散焦效果，用此方法检测的伽玛值将.

论文《3D Shape Measurement Based on Digital SpeckleProiection and Spatio-temporal Correlation》学习

Orange_Wu的博客

12-30

969

基于深度学习的单帧相位展开论文(2)

weixin_42973210的博客

10-05

649

在许多光学计量技术中，条纹图案分析是从采集的条纹图案中恢复底层相位分布的核心算法。尽管数十年来进行了广泛的研究工作，如何从少数的条纹图案以尽可能高的精度提取所需的相位信息是具有挑战性的问题之一。受计算机视觉和其他应用深度学习技术最近成功的启发，我们首次证明深度神经网络可以被训练用来分析条纹，这大大提高了相位解调的准确性。在条纹投影轮廓测量场景下，利用载体条纹图案对所提方法的有效性进行了实验验证。实验结果表明，其在高精度和边缘保留方面优于两种代表性单帧技术：傅里叶变换轮廓测量法和窗口傅里叶轮廓测量法。

Research on identifying the order of fringe pattern traces using angular scan and zone search method

03-04

A method for automatically identifying the order of fringe pattern traces is presented. It uses the simplified Otsu algorithm for obtaining the threshold, the angular scan in the range of 45 angle for...

Adaptive fringe-pattern projection

10-29

为了解决这一问题，东李和乔纳森·科夫曼提出了一种名为“适应性条纹图案投影”（Adaptive Fringe Pattern Projection, AFPP）的技术方法。该方法旨在根据物体表面局部反射率的不同自动调整投影条纹图案的最大灰度级...

Fringe

10-28

在线GPU性能全解析：从参数对比到实测跑分——智能硬件评测平台功能深度揭秘

2503_94112110的博客

12-24

862

GPU评测平台是通过标准化测试流程与算法模型，对显卡的图形渲染、计算性能、能效比等核心指标进行量化评估的在线工具。其核心价值在于为用户提供客观、透明的硬件对比数据，辅助选购决策、优化系统配置或验证硬件性能表现，覆盖游戏玩家、开发者、数据中心管理员等多元用户群体。

基于Python3615环境实现国密SM2椭圆曲线非对称加密算法与数字签名完整流程的演示与验证项目_包含密钥生成模块加密签名模块解密验证模块的完整实验流程通过generater.zip

12-28

上海市建筑轮廓带高度属性矢量SHP数据合集wgs84坐标系（非OSM）.zip

12-28

上海市建筑轮廓带高度属性矢量SHP数据合集wgs84坐标系（非OSM）.zip

341107631_1766844767rT2PMi.xlsx

12-28

341107631_1766844767rT2PMi.xlsx

12-28

12-28

请提供一个基于单频cosine fringe pattern 的解包裹相位算法

03-11

<think>好的，用户的问题是关于基于单频余弦条纹图案的解包裹相位算法的实现方法和原理。我需要先理解用户的需求，然后结合已有的知识来组织回答。首先，用户提到了“单频余弦条纹图案的解包裹相位算法”，这应该属于光学测量或图像处理中的相位解包裹问题。相位解包裹通常用于干涉测量、结构光三维重建等领域。单频条纹可能意味着只使用单一频率的正弦或余弦图案，这可能与多频或相移法不同，需要特定的解包裹方法。接下来，我需要回忆相关的解包裹算法。传统的解包裹方法如Itoh算法是基于相邻像素的相位差来展开的，但需要相位连续。对于单频条纹，可能由于噪声或欠采样导致相位跳变，这时候需要更鲁棒的方法。可能涉及傅里叶变换、相位导数结合积分，或者结合其他约束条件。根据提供的引用，引用[4]提到了DCT变换保留系数，可能与频域处理有关，但不确定是否直接相关。引用[5]中的协同过滤算法可能与问题无关，但用户提供的引用可能需要被引用到回答中，因此需要注意是否有相关内容可以关联。用户可能需要了解算法的基本原理、数学公式，以及实现步骤。需要解释单频条纹如何生成包裹相位，解包裹的挑战，然后介绍具体的算法步骤，可能包括相位展开的数学推导、如何处理不连续的情况，以及可能的优化方法。需要确保使用正确的LaTeX格式，行内公式用$...$，独立公式用$$...$$。例如，包裹相位公式和展开后的相位公式需要用LaTeX表达。同时，需要生成相关问题，并正确引用提供的参考文献。需要检查是否有相关的引用可以支持回答。例如，引用[4]中的DCT变换可能用于频域处理，但解包裹通常使用相位展开方法，可能需要结合其他引用中的概念，但可能没有直接相关的。不过，用户提供的引用中，引用[1]提到正余弦优化算法，可能与相位解包裹中的余弦函数处理有关联，可以适当引用。最后，生成相关问题，考虑用户可能的后续疑问，如算法优化、应用场景、挑战等。总结回答结构： 1. 算法原理：包裹相位的问题，单频条纹的特点，解包裹的必要性。 2. 核心步骤：生成包裹相位，相位导数计算，路径积分，可能涉及的数学公式。 3. 实现方法：具体步骤，可能结合傅里叶变换或其他方法。 4. 优化方法：引用中的正余弦优化算法可能用于参数优化。 5. 应用场景：如三维重建，引用中的协同过滤可能不相关，但结构光测量是典型应用。 6. 生成相关问题：算法比较、优化、应用等。</think>基于单频余弦条纹图案的解包裹相位算法主要用于从包裹相位中恢复真实相位分布，常见于结构光三维测量、干涉测量等领域。其核心原理是通过分析$ \cos(\phi) $的包裹相位$ \psi \in [-\pi, \pi) $，恢复连续的绝对相位$ \phi $[^1]。 ### 1. 算法原理包裹相位与真实相位的关系为： $$ \psi = \phi \mod 2\pi $$ 解包裹的目标是通过局部相位梯度积分，消除$ 2\pi $跳变。对于单频条纹，常用**路径积分法**，其数学描述为： $$ \phi(x,y) = \psi(x,y) + 2\pi k(x,y) $$ 其中$ k(x,y) $为整数补偿值，通过相邻像素的相位梯度计算得到[^4]。 ### 2. 核心步骤 1. **生成包裹相位** 通过单频余弦条纹投影与采集图像计算相位： $$ I(x,y) = A + B\cos(\phi(x,y)) $$ 使用相移法或傅里叶变换提取$ \psi(x,y) $。 2. **计算相位导数** 对$ \psi $计算横向和纵向梯度： $$ \Delta_x = \psi_{i+1,j} - \psi_{i,j}, \quad \Delta_y = \psi_{i,j+1} - \psi_{i,j} $$ 3. **路径积分** 沿可靠路径（如质量图引导）积分相位梯度，逐步补偿$ 2\pi $跳变： $$ \phi(x,y) = \int_{(x_0,y_0)}^{(x,y)} \nabla \psi \cdot d\mathbf{l} $$ ### 3. 实现优化 - **质量图引导**：优先处理高信噪比区域，提升鲁棒性[^1] - **正则化约束**：利用空间连续性约束，构建能量函数优化相位场 - **正余弦优化算法**：可引入智能优化算法优化积分路径选择 ### 4. 代码框架示例 ```matlab % 相位解包裹示例（MATLAB） function unwrapped_phase = unwrap_phase(wrapped_phase) [rows, cols] = size(wrapped_phase); unwrapped = zeros(rows, cols); unwrapped(1,:) = wrapped_phase(1,:); for i = 2:rows delta = wrapped_phase(i,:) - wrapped_phase(i-1,:); offset = round(delta/(2*pi)); unwrapped(i,:) = unwrapped(i-1,:) + delta - 2*pi*offset; end end ```