qq_57894564的博客

在github上找到的一个开源单目彩色结构光项目（不需要有相机和投影仪），借此作为例子学习了一下线结构光三维重建的基本流程和原理

与之前很大的改进有两点，一是删除了形态学处理的环节，从而完整保留阈值分割得到的激光条纹区域，同时减少了计算；二是将阈值分割得到的点作为选定点，在steger算法中只对全图的选定点进行计算，同时steger算法的输入是裁剪图，而不是之前的阈值分割图，这样可以使得全图的特征发挥更大的作用，使得结果更加准确，减少误判。上一代的算法流程提取得到的线激光会漏掉很多，这次经过优化算法逻辑后可以做到提取每条线激光，同时避免误识别问题，下面是优化后的算法流程图。

口内牙齿扫描需要应对的情况十分棘手，需要考虑到多方因素，包括牙齿材质的反光特性，牙龈周边的鬼影眩光，线激光条纹的亮度相差过大，以及条纹数量多等。经过比对多方论文资料，现阶段整理出了以下的线激光中心提取方案，来初步应对口扫这种扫描情况。

在一个表面体素上，我们通过编码的向量场值检测表面上最近的点，然后使用邻近表面体素的其他最近的点来估计该点的高斯曲率和平均曲率。在粗配准估计过程中，从每个视图中的数据构建向量场后，选择一个视图中的一种表面类型来检测其他视图中表面上的相同区域。通过首先使用从第一个视图中所有表面体素中提取的所有最近的点（称为参考点）来评估刚性变换的有效性，然后使用该刚性变换将参考点带到第二个视图中的新位置。因此，如果粗配准的结果不准确，并且用于构建向量场的体素大小很小，则不可能在细配准过程中找到足够的匹配点来估计变换。

给定源表面和目标表面，ICP算法的每次迭代首先在源表面上的点与目标表面上的点之间组成一组对应点对。例如，对于源表面上的每个点，选择目标表面上最近的点作为其对应点。ICP迭代的输出是一个3D刚体变换M，它变换源点，使对应点之间的总误差在某一选定的误差度量下最小。是旋转矩阵R中非线性三角函数的参数，因此不能使用有效的线性最小二乘技术来求解。当使用点对平面的误差度量时，优化目标是在相应的目的点（见图1）每个源点和切平面之间距离的平方之和。这是一个标准的线性最小二乘问题，可以使用SVD（奇异值分解）来解决。

主要思想是在曲面曲线的交点附近逼近曲面来重建，微分曲面的基本性质，即所有经过某一点的曲面曲线的切线都位于该点与该曲面相切的平面上。理论上，曲面曲线交点处的平面可以用来粗略地近似一个曲面。在本方法中，使用有限数量的交点，并在这些交点及其邻域中的点上使用切面建立可靠的表面表示。重构曲面隐式表示为向量场(vector field)，其中表示到曲面上最近点的方向和距离